基于小生境遗传算法的分类优化方法

对于多分类问题,大多是经二分类器组合进行训练的,在分类类别多、特征维数高时,存在识别准确率不高和训练速度较慢的问题。将超球支持向量机应用到多类问题,为每个类建立一个超球体模型,通过多个超球体划分样本空间。采用改进的基于排挤的小生境遗传算法(improved crowding niche genetic algorithm,ICNGA)进行特征选择,为不同的目标类别寻找最优的特征子集,优化超球支持向量机的输入。利用UCI标准数据集的数值实验表明,在分类数据类别较多、特征维数较高时,经过ICNGA特征选择之后的多超球支持向量机的识别准确度更好,非常适合解决类别数多、特征维数高的分类问题。

距离修正的模糊C均值聚类算法

经典的模糊C均值算法基于欧氏距离,存在等划分趋势的缺陷,分错率较高,只适用于球形结构的聚类。针对这一问题,利用数据的点密度信息,在数据点与聚类中心的距离度量中引入了调节因子,提出了一种基于密度的距离修正矩阵,并用其代替经典模糊C均值算法中的距离度量矩阵。通过人造数据集和UCI数据集的两组聚类实验,证实了改进算法对非球形结构的数据同样适用,且相比经典的模糊C均值算法具有更高的聚类准确率。

时频降噪在图像序列事件检测中的应用

针对图像序列分析中事件检测在强背景噪声的野外应用场景下经常出现'假事件'检测的问题,利用Kalman滤波器与二维DCT滤波思想,提出了基于图像序列时频降噪的事件检测方法。该方法基于Kalman滤波器对图像序列进行背景模型的时域多帧降噪,并结合变化前景区域实现背景模型的自适应重构,对单帧前景图像应用二维DCT变换实现低通降噪,最后由自适应分割方法实现事件前景的分割。通过对实际采集的野外图像序列的仿真分析表明,该方法较好地克服了'假事件'检测的问题,并更好地保持了真实事件信息,其F-measure达0.9423,具有很好的实用性与鲁棒性。

浅谈新常态下企业政工干部应具备的素质和能力

新常态下,企业思想政治工作的范围和范畴也越来越广,其工作和方法也在不断的发展变化着,这给企业思想政治工作带来了新的挑战。因价值观念的多元化、需求上的个性化、思想观念的灵活化等问题日益凸现,给政工干部开展思想政治工作带来了新的课题。

主成分分析在震动信号目标识别算法中的应用

为了改进基于震动信号的地面运动目标识别算法,提出了一种基于主成分分析(PCA)的2次特征提取算法.首先对地面运动目标引起的震动信号进行目标特性分析,提取多维的特征值;然后利用主成分分析方法对众多的特征值进行分析,去除特征值之间的相关性,提取综合特征值并应用于分类器,得到目标识别结果.基于实地采集的地面运动目标的震动信号进行实验,结果表明:该方法有效地减少了特征值的维数和相关性,降低了分类器训练的难度和训练时间,同时提高了目标的正确识别率.