基于因素空间理论的扫类连环多分类算法

为解决多分类问题,基于因素空间理论中因素显隐的思想,在扫类连环分类算法基础上,定义类别的合并,提出因素显隐的合并扫类连环分类方法,给出算法步骤,并用数值算例进行分析;定义类别的两两组合,提出因素显隐的两两扫类连环分类方法,给出算法步骤,并用数值算例进行分析。提出采用因素显隐的差额绝对值方法解决两个算法执行过程中出现的决策类别分不开的问题;对UCI数据集中3个实例与支持向量机作了算法对比分析,研究结果表明:提出的合并扫类连环分类方法、两两扫类连环分类方法实现了因素显隐,分类算法的精确度优于支持向量机。多分类学习的因素显隐研究结论拓展了因素空间的理论及应用研究。

基于分类算法的定制家具客户需求信息处理

为实现定制家具企业客户需求快速响应,利用机器学习算法(贝叶斯分类、随机森林分类及决策树算法)对定制家具客户订单进行分类实验。选取M企业4852个客户订单,通过客户订单信息划分属性变量及标签变量对客户信息进行编码;并通过准确率、精确率、召回率及F1分数值对客户需求数据进行评价,实验结果:在客户需求信息分类二分类数据集中,贝叶斯分类准确率、精准率及召回率3个性能指标分别比随机森林分类高17.54,34.60和35.45个百分点,比决策树算法高4.67,9.02和15.67个百分点;在客户需求信息分类多分类数据集中,贝叶斯分类的准确率、精准率、召回率及F1分数分别为89.4%,82.2%,93.1%和86.4%,综合4项评价指标比其他两种分类法更优;在二分类及多分类中贝叶斯分类的综合性能更优。据此,本研究提出一种基于贝叶斯分类算法的定制家具客户需求信息分类方法,为定制家具客户需求响应平台设计提供理论支持。

一种面向电信领域的资费问题分类算法

本文针对费配置失误导致的计费不准确和问题难以定位的情况,提出的解决方案在电信行业起到提升系统运维质量和降本增效的作用。随着4G的快速发展和5G时代的即将到来,在电信运营商中,B域的发展和进步至关重要,尤其中国联通BSS系统集中之后,CBSS系统的业务越来越复杂,其中产品资费形式越来越多。在资费运营过程中,如何提高资费配置的准确性和问题快速定位能力,以确保计费准确率和提高用户感知,成为电信行业内一个重要的关注点。目前在运营商计费系统中,在资费配置及时率和准确率方面,主要是资费配置从手工到界面化、从上线后拨测到仿生产验证做了大量的工作。

基于改进SPRINT分类算法的数据挖掘模型

为解决目前数据挖掘模型分类时间长、挖掘准确率不高的问题,提出基于改进决策树分类算法(SPRINT)的数据挖掘模型。先采用最大-最小规范化公式完成原始数据线性变换,利用改进后的SPRINT分类算法按照输入数据特性进行分类,使用协同过滤技术生成与数据相近的属性集,计算数据属性相似度,生成语义规则集,为用户提供更优的数据服务。选取某公司营销数据集作为样本进行对比实验,结果表明,与对比模型相比,所提出的数据挖掘模型分类时间更短,挖掘准确率更高,能为用户提供更优质的数据服务。

基于连续变化检测和分类算法的动态遥感生态指数构建

沿海地区经济社会高速发展,是生态环境变化的焦点区域。然而,沿海地区云雨天气频发,遥感信息获取能力受限,导致遥感生态质量指数(RSEI)评价结果受成像日期变化而波动,可比性较差。针对以上问题,研究利用连续变化检测和分类(CCDC)算法构建时间序列模型,通过合成任意时刻影像、重构遥感生态指数以及改进指数归一化方式,研发了一种动态遥感生态指数(DRSEI),细化了RSEI在区域生态质量监测的时间尺度,并应用于沿海城市宁波生态质量时空变化监测。结果表明:(1)RSEI对时间差异较为敏感,当影像年内成像时间相差逾1个月,RSEI差异可达0.147,这种差异会对长期生态质量动态监测的稳定性和准确性造成影响。(2)基于合成影像的DRSEI平均绝对偏差为0.097,接近成像时间相差半个月的RSEI差异(0.072),误差相对较小,一定程度上减小了真实影像时相差异引起的误差。(3)DRSEI能够表征任意时刻生态质量,通过年际(1986—2019年)和半月际(2019年)DRSEI分析揭示了宁波市生态质量总体下降趋势和时空异质性加剧过程。具体地,1986—2019年宁波市南部和西部森林区域的DRSEI持续上升,而近郊农田快速转化为建成区导致DRSEI不断下降。研究提出的DRSEI能够精确描述区域生态质量变化趋势,准确定位生态质量变化转折点,有望服务海岸带地区的生态质量定期监测与评估工作,支持沿海城市高质量发展与生态环境保护。

基于词典和分类算法的商品评论真实性识别研究

情感分析中基于词典的方法对于筛选评论、判断评论的真实性能够取得很好的效果;加入概率分布分析对原始的评论数据进行分析可以提高情感分析的准确性、减少实验的时间;加入分类算法对评论进行分类分析也可以提高实验的准确性。基于以上方法建立数据分析模型,实现对商品评论真实性的快速准确识别。

融合文本分类算法的皮肤病辅助诊疗模型

针对当前皮肤病辅助诊断中生物医学特征建模规模较小且耗费巨大人工成本,而患者疾病特征的时间序列同样无法准确描述等难点,本研究运用融合文本分类算法,融合常用的文本分类模型TextLSTM、TextCNN、RCNN得到皮肤疾病辅助诊疗模型(TLNN模型),通过提取图像传感器医学特征向量化后进行预处理减少焦块数量以及消除偏差较大的特征信息,提高决策数据精度。在ISIC2018和PH2数据集进行对照实验,TLNN模型的准确率为72.36%,高于其余3种文本分类模型。在与医生主观诊断对比实验中,模型诊断准确率为92%,接近于医生94%的平均准确率,而有效诊断效率(1.17min/例)明显高于医生人工诊断(4.57min/例),整体效率提升幅度达290%,结果表明对比传统人工诊断,融合文本分类算法模型能以更短时间获得精确的诊断。TLNN模型可以应用于疾病诊断,辅助医生医疗决策,为患者提供优质便捷的智能诊疗服务。

基于GEE的洱海流域土地利用/覆被分类算法对比研究

快速准确地进行复杂高原山区的土地覆被长时序自动分类,可为国土规划、资源利用提供依据。利用GEE云平台,选取Landsat影像地表反射率、植被指数、水体指数、DEM 4种空间数据集作为土地覆被分类的基础和辅助数据,分别运用CART、RF和SVM 3种分类算法,实现洱海流域土地覆被信息的自动提取和精度对比。结果表明:(1)3种分类算法中,RF的总体分类精度最高,SVM的总体精度最低;RF是洱海流域LULC的最适宜分类算法。(2)采用光谱指数、地形特征等辅助数据集会进一步提高解译精度,而样本点的选取是最主要的影响因素。(3)Erhai_RF能够达到较高的精度,同时更加突出细节特征,在局部实际分类精度上会更高。研究结果可为洱海流域长时序土地覆被数据产品智能快速提取以及最优分类算法筛选提供方法和技术支撑。

改进遗传算法嵌入经典分类算法实现润滑油添加剂微小量多种类同步识别

在润滑油中加入微少量添加剂就能使润滑油获得某种新的特性或改善润滑油中已有的某些特性的性质。针对机械设备润滑油中微小量添加剂多种类识别问题,基于python语言进行模型建立,采用基础油PAO-10和三种商用润滑油添加剂T321、 T534、 T307按照不同比例配制了8种不同样本。采用Thermo Scientific Nicolet iS5型傅里叶变换红外光谱仪采集了样本4 000~400 cm^(-1)范围附近的中红外光谱信息,并对样本中红外光谱数据采用Min-Max归一化进行预处理。使用两种经典分类算法,包括一对多支持向量机(OVR SVMs)、随机森林(RF),嵌入遗传算法(GA)实现中红外光谱特征波段筛选。为避免GA收敛过快和易陷入局部最优解,对GA的选择算子进行了改进,形成基于局部搜索算子的遗传算法(LGA),从而建立多类别分类模型的构建方法。结果显示:嵌入GA筛选波段后的新模型的种类识别准确率从利用经典分类算法对原始波长数据的OVR SVMs(83.33%)、 RF(87.50%)提升至OVR SVMs+GA(100%)、 RF+GA(100%);而嵌入LGA的新模型在保持原模型高准确率的情况下,RF+LGA筛选得到的特征区间长度为原光谱数据长度的36.7%,并且与添加剂物质的红外吸收峰有很好的对应情况。新模型不仅适用于只含单一添加剂的情况,对含有两种及两种以上添加剂的同步识别仍然具有近100%的较高识别率。表明所构建模型可以有效实现微小量润滑油添加剂的快速、准确、多种类同步识别。

基于机器学习分类算法解析EIS数据的有机涂层性能评价方法

目的基于机器学习分类算法快速评估有机涂层的防腐性能。方法通过实验室加速试验模拟涂层真实的退化过程,并根据测得的电化学数据,分析不同退化阶段的等效电路元件参数。随后,采用随机抽样方法获取大量数据,用于机器学习模型训练。通过对比支持向量机(SVM)、k最近邻(k-NN)和随机森林(RF)3种不同的机器学习算法,以及多种输入特征集训练的涂层性能分类器模型的准确率,分析最适合用于涂层性能快速评估的机器学习算法和电化学特征。结果根据不同输入特征训练的k-NN和RF模型均表现出良好的预测效果,而SVM模型的预测效果相对较差。根据不同频率范围训练的分类器模型中,在低频区表现最佳,而在高频区表现较差。结论基于阻抗虚部、虚部+实部和阻抗模值3种输入特征训练的RF分类器模型的预测效果最准确。不同频率区间内,低频区的阻抗特征更能准确表征涂层性能。

基于决策树分类算法的计算机网络入侵检测系统设计与实现

本文利用决策树分类算法,设计了一款新型计算机网络入侵检测系统,分别对系统结构、模块功能进行了设计,并从数据获取、数据预处理两个方面给出了此种入侵检测系统的实现方法。通过实验测试了此系统的检测效率及准确率,验证结果表明,利用决策树分类算法构建的计算机网络入侵检测系统可以准确、高效检测出各种类型的入侵行为。

基于卷积神经网络模块化搜索的高效电子鼻多气体分类算法

该文设计了一种基于格拉姆角和场的传感器信号转图方法,并提出了一种基于AlexNet的卷积神经网络模块化结构搜索方法(block-GS)。实验结果表明,block-GS方法能够搜索到性能优秀的网络结构,在两个气体数据集上的分类准确率分别达到92.11%和93.33%,比普通网格搜索提高了近5%。此方法有望成为电子鼻模式识别算法设计的有效解决途径之一。

基于课堂教学会话语料库的发言者分类算法研究

为实现针对课堂教学语音数据内容的准确分类,提出一套基于GMM和UBM的双重聚类发言者分类识别算法。根据课堂教学活动师生发言不均衡的特点,制定专门的双重聚类处理方案,并通过课堂发言实录语音数据对该算法进行应用实验。经实验研究发现,所提出的GMM-UBM的双重聚类算法相比于单纯GMM来说能够更加准确地对发言者进行识别与分类,具有一定的应用价值。

基于自适应Borderline-SMOTE过采样的LightGBM不平衡数据分类算法

针对传统机器学习算法在面对不平衡数据集进行分类时所导致的错误分类、召回率低等问题,提出了一种自适应Borderline-SMOTE过采样的LightGBM不平衡数据集分类算法。在Borderline-SMOTE的基础上,首先采用动态调整采样倍率来控制合成样本的数量,避免过度生成新样本。然后,随机选择边界样本的两个K近邻合成中间样本,用于线性插值生成新样本,一定程度上避免了样本重叠的问题。最后,使用某运营商新办宽带用户及其使用情况数据集,在自适应Borderline-SMOTE过采样方法前提下,验证了LightGBM比KNN和RF有更好的效果。在数据集上与其他流行过采样方法进行实验比较,结果显示,所提出的算法有效地提高了不平衡数据的分类性能。

一种基于分类算法ToB切片业务智能识别与自动化生产研究

研究了一种基于分类算法ToB切片业务智能识别与自动化生产方法,针对现有5G网络切片解决方案在业务匹配、部署和管理方面的不足,从NSMF系统获取行业用户实际业务需求,利用决策树等分类算法实现对不同业务场景下5G网络切片需求的精准识别,结合初始模板库进行智能匹配生成最佳配置参数,经过ToB无线参数管控平台自动创单,并进行参数指令下发自动化下发基站,完成无线切片的智能化生产制作。整个流程涵盖了切片参数模板库构建、NSMF层切片业务需求信息预处理、切片类型识别及模板匹配、参数脚本生成与执行部署、切片业务指标评估与自调优,以及自优化模板的学习入库。本方案旨在通过全流程的自动化编排和有效管理,消除设备厂家的技术壁垒,实现在无线子域跨厂家的切片参数自动化配置和IT化管理。

基于t-SNE特征降维和K近邻的分类算法

针对使用机器学习和深度学习算法进行分类、识别任务时容易出现维度灾难的问题,本文提出了一种基于t-SNE特征降维与K近邻的分类算法。首先,分别使用主成分分析法(PCA)和t-SNE算法对特征数据进行降维,然后利用K近邻算法进行分类预测。在手写数字数据集和鸢尾花数据集上进行了实验。实验结果表明,本文提出的基于t-SNE特征降维与K近邻的分类算法在手写数字数据集上的准确率达到98%,比PCA算法高出约20%;在鸢尾花数据集上的准确率为97%。此外,该算法即使在维度降低幅度较大的情况下,仍能保持较高的分类准确率,同时维度降得越低,算法所需时间越少,且对不同数据集展现出较强的适应性。

基于深度卷积神经网络的垃圾分类算法研究

垃圾分类是一项重要的环保工作,对于实现可持续发展目标具有重要意义。传统的垃圾分类方法需要大量的人力和物力投入,效率低下,而深度卷积神经网络是一种基于大数据的机器学习方法,具有自动化、高效率、准确性高等优点,可以有效地解决垃圾分类问题。基于此,文章介绍了深度卷积神经网络的定义、基本原理和应用场景,分析了深度卷积神经网络在垃圾分类中的应用,并提出了一种基于深度卷积神经网络的垃圾分类模型。该模型通过对垃圾图像进行特征提取和分类,实现了对垃圾的自动识别和分类。实验结果表明,该模型具有较高的准确率和鲁棒性,可以有效地应用于垃圾分类领域。

基于扩展贝叶斯分类算法的土地利用时空变化信息库去冗方法

本文提出一种基于扩展贝叶斯分类算法的土地利用时空变化信息库去冗方法,通过遥感技术获取土地利用图像,结合人工目视判读法,分析土地利用时空变化指标,构建土地利用时空变化信息库。利用基于属性关联性的朴素贝叶斯分类算法,约简信息属性,去除冗余信息属性,达到信息库去冗的目的。将扩展弧添加在非同种类别的父子结点间,形成扩展贝叶斯分类算法,提高冗余信息去除的准确性。实验结果表明,该方法能够有效去除土地利用时空变化信息库中的冗余信息,节约存储开销,提供完整的土地利用信息,具有较好的分类性能。

GK模糊分类算法在GIS局部放电模式识别中的应用

为了分析不同绝缘缺陷所激发的局部放电类型,在GIS内模拟了四种典型缺陷模型,根据局放信号与相位之间的关系,提取脉冲序列、幅值和相位信息,得到Hqmax～Phi、Hqmean～Phi及Hn～Phi等二维相位分布,然后利用统计参数偏斜度Sk、陡峭度Ku、峰值数量Pe及互相关因数CC等获取二维分布正负半周期的特征指纹。介绍一种新型Gustafson-Kessel(GK)模糊分类方法,根据特征指纹对四种缺陷进行分类,最后根据聚类有效性分析,验证了GK分类算法与模糊C-均值(FCM)分类方法都可达到较好的分类效果。

基于SVM一对一多分类算法的二次细分法研究

在研究了支持向量机(SVM)多分类算法的基础之上,针对一对一多分类算法出现不可分区域问题,提出了基于SVM一对一多分类算法的二次细分方法,并将该方法应用于弹簧应力小样本数据的多分类仿真实验。通过与原始方法的仿真结果进行对比,改进方法在多花费了极短时间的前提下,显著提高了分类正确率。针对改进方法可能存在的问题,又通过10次仿真实验验证了该方法的可行性,同时也为SVM在小样本分类领域提供了新的思路。