面向对象的概念化个体分类结构的设计和实现

概念化个体的分类层次结构是智能信息处理系统中模型化问题域的一种有效方法.文中探讨如何把概念化个体的分类层次结构与面向对象的程序设计风格和多种知识表示方法相结合,给出在面向对象环境下概念化个体的分类层次结构的设计及其实现算法.

基于改进YOLO v6-tiny的蛋鸡啄羽行为识别与个体分类

针对目前蛋鸡啄羽异常行为(包括啄和被啄)识别精度比较低的问题,提出了一种基于改进YOLO v6-tiny模型进行啄羽异常行为识别的方法。该方法通过在YOLO v6-tiny模型中引入DenseBlock结构并融入CSP结构的SPP模块(SPPCSPC)的方式,增强了YOLO v6-tiny模型的特征提取能力,扩大了模型的感受野,提升了模型的检测精度。在识别出啄羽异常行为的基础上,对如何基于异常行为发生次数,进行蛋鸡个体分类进行了研究。提出了基于YOLO v6-tiny模型进行蛋鸡个体识别,并将啄羽异常行为识别结果输入个体识别网络,进行蛋鸡个体分类的方法。同时,本文还分别对2种不同的养殖密度、一天当中3个不同的时间段,异常行为发生次数的变化规律进行了分析。实验结果表明,优化后的模型对啄和被啄异常行为的识别平均精度(AP)分别为92.86%和92.93%,分别比YOLO v6-tiny模型高1.61、1.08个百分点,比Faster R-CNN模型高3.28、4.00个百分点,比YOLO v4-tiny模型高6.15、6.63个百分点,比YOLO v5s模型高2.04、4.27个百分点,比YOLO v7-tiny模型高5.39、3.92个百分点。本文方法可以识别出啄和被啄羽异常行为,为蛋鸡异常行为的智能检测提供了技术支撑。

基于自适应距离度量的最小距离分类器集成

提出了一种基于自适应距离度量的最小距离分类器集成方法,给出了个体分类器的生成方法。首先用Bootstrap技术对训练样本集进行可重复采样,生成若干个子样本集,应用生成的子样本集建立自适应距离度量模型,根据建立的模型对子样本集进行训练,生成个体分类器。在集成中,将结果用相对多数投票法集成最终的结论。采用UCI标准数据集实验,将该方法与已有方法进行了性能比较,结果表明基于自适应距离度量的最小距离分类器集成是最有效的。

基于集成DBN的肺部肿瘤计算机辅助诊断模型研究

针对目前肺部肿瘤计算机辅助诊断模型存在的识别精度不高和漏诊率、误诊率降低困难等问题,提出一种基于集成深度信念网络(DBN)的肺部肿瘤计算机辅助诊断模型。首先,探讨不同的隐层数和隐层节点数对DBN识别性能的影响,从而确定合适的网络结构,并以该网络结构在三个模态(CT,PET,PET/CT)肺部图像构成的样本空间构建三个单一DBN个体分类器(CT-DBN,PET-DBN,PET/CT-DBN);然后,探讨输入图像大小、RBM学习率、训练批次大小、反向传播次数对DBN识别性能的影响,从而确定合适的参数训练三个单一DBN个体分类器;最后,采用"相对多数投票法"对三个DBN个体分类器进行集成,得到该模型的最终结果。实验结果表明,基于集成DBN的肺部肿瘤计算机辅助诊断模型的整体性能优于三个单一DBN个体分类器。

Web integration based on classification ontology

In order to eliminate semantic heterogeneity and implement semantic combination in web information integration, the classification ontology is introduced into web information integration. It constructs a standard classification ontology based on web-glossary by extracting classified structures of websites and building mappings between them in order to get unified views. Mapping is defined by calculating concept subordinate matching degrees, concept associate matching degrees and concept dominate matching degrees. A web information integration system is realized, which can effectively solve the problem of classification semantic heterogeneity and implement the integration of web information source and the personal configuration of users.

面孔识别中的内群体偏向

面孔识别中的内群体偏向是指个体对内群体成员面孔的再认成绩显著高于外群体成员面孔,认知和社会心理学近几十年来的研究证实了该效应存在的稳定性。关于该效应主要有知觉经验假说、社会分类假说和分类——个体化模型三种理论解释,但围绕其心理机制仍然存在争议。今后的研究应采用多种手段更全面地考察影响内群体偏向的相关因素。

产生式与判别式组合分类器学习算法

在AdaBoost集成方法的基础上,研究了一种产生式与判别式模型组合的方法。该算法在每轮中同时学习一个产生式分类器和一个判别式分类器,选择误差率较小的作为个体分类器,然后对所有个体分类器采用加权的方法得到最终分类器。实验结果表明,该方法在准确率和收敛速度上都具有很好的效果。