基于多分类不均衡支持向量机的制造型企业财务管理研究

近年来,制造型企业在经营过程中面临的挑战日益增大。为帮助制造型企业探索科学合理的财务管理方法,更好地保障企业的健康经营和降低成本,论文首先利用哈夫曼树将多分类不均衡企业数据分解为一系列相对平衡的二分类子问题,接着以支持向量机为分类器构建模型,然后,采用算术优化算法进行模型参数寻优。结果表明,发展能力、经营能力、偿债能力对企业的财务状况影响较大。最后,论文基于结果对企业提出相关管理建议。

基于分类不确定性的伪标签目标检测算法

伪标签目标检测算法利用大量未标注数据生成伪标签数据来增加训练数据规模,从而提高目标检测模型的性能。针对伪标签数据中存在大量错误标注数据且伪标签目标检测模型性能难以提升的问题,提出基于SoftTeacher-CUC的伪标签目标检测算法。SoftTeacher-CUC算法在SoftTeacher伪标签目标检测算法的基础上,利用分类不确定性方法计算模型生成的伪标签分类结果的不确定性来判断伪标签是否可靠,不确定性越低说明伪标签的分类结果越可靠。在此基础上,将计算得到的不确定性作为权重加入伪标签数据的分类损失函数中,进一步减少高不确定性伪标签为模型带来的负面影响。根据Teacher模型中不同模块的作用,采用不同权重的指数滑动平均方法更新Teacher模型,降低Teacher模型和Student模型参数之间的相似性,使一致性正则化方法发挥效用。实验结果表明,在标注数据分别占训练集1%、5%和10%的情况下,与SoftTeacher算法相比,SoftTeacher-CUC算法的平均精度均值分别提高了1.4、1.2和1.7个百分点,在标注数据较少的情况下,该算法具有更好的检测效果。

基于分类不确定性最小化的半监督集成学习算法

半监督集成是将半监督学习与集成学习相结合的一种学习范式,它一方面通过无标记样本来提高集成学习的多样性,同时解决集成学习样本量不足的问题,另一方面集成多个分类器能够进一步提升半监督学习模型的性能。现有的研究从理论和实践两个角度证明了半监督学习与集成学习之间的互益性。针对当前半监督集成学习算法对无标记样本信息利用不完全的缺陷,文中提出了一种新的基于分类不确定性最小化的半监督集成学习(Classification Uncertainty Minimization-Based Semi-Supervised Ensemble Learning,CUM-SSEL)算法,它引入信息熵作为对无标记样本进行打标的置信度评判标准,通过最小化无标记样本打标过程中的不确定性迭代地训练分类器,实现对无标记样本的高效利用,以增强分类器的泛化性能。在标准的实验数据集上对CUM-SSEL算法的可行性、合理性和有效性进行了验证,实验表明:随着基分类器的增加,CUM-SSEL算法的训练呈现收敛的趋势,同时它能够获得优于Self-Training,Co-Training,Tri-Training,Semi-Boost,Vote-Training,Semi-Bagging以及CST-Voting算法的分类精度。

广义二阶不变凸向量变分类不等式

研究了广义二阶不变凸向量变分类不等式问题解的存在性,并讨论其与多目标优化问题解之间的关系。引入了两种广义二阶不变凸函数和一种广义二阶单调函数,并给出具体实例说明了它们的存在性。在广义二阶不变凸性假设下,利用分析的方法给出了向量变分类不等式与多目标优化问题解之间的关系。利用KKM定理,在广义二阶单调性假设下得到了向量变分类不等式问题解的存在性定理。研究表明在广义二阶单调性假设下,向量变分类不等式存在解,并且在适当的广义二阶凸性条件下,其解与多目标优化问题解之间相互等价。

基于遥感影像监督分类不同农作物的应用研究

近年来,遥感影像技术被广泛应用于农作物分类。遥感影像技术能够依据农作物植株具有不同生化组分含量的特性实现分类作业,相比于传统分类方式,遥感影像监督分类方式能够有效提升分类效率与质量。笔者通过查阅相关文献,对农作物遥感分类理论基础、农作物遥感监督分类的主要方法进行了阐述,结合相关科学理论知识,对基于多时相光学数据的农作物遥感分类策略进行了综合分析。研究结果表明,采用多时相光学遥感技术对农作物分类进行融合分析得到的分类结果相对较好,总体分类精度达到了92.1%,Kappa值达到了0.88,相比于单一遥感数据取得了更好的分类精度。

分类不平衡对软件缺陷预测模型性能的影响研究

分类不平衡是指不同类别间样本数量分布不均衡的现象.在软件缺陷预测中,传统预测模型的性能可能会因数据集分类不平衡而受到影响.为了探究分类不平衡对软件缺陷预测模型性能的影响程度,该文提出一种分类不平衡影响分析方法.首先,设计一种新数据集构造算法,将原不平衡数据集转化为一组不平衡率依次递增的新数据集.然后,选取不同的分类模型作为缺陷预测模型,分别对构造的新数据集进行预测,并采用AUC指标来度量不同预测模型的分类性能.最后,采用变异系数C·V来评价各个预测模型在分类不平衡时的性能稳定程度.在8种典型的预测模型上进行实验验证,结果表明C4.5、RIPPER和SMO这3种预测模型的性能随着不平衡率的增大而下降,而代价敏感学习和集成学习能够有效提高它们在分类不平衡时的性能和性能稳定程度.与上述3种模型相比,逻辑回归、朴素贝叶斯和随机森林等模型的性能更加稳定.

基于相似关系的数据库分类不一致程度评价

作为挖掘算法选择和评价的标准之一,数据集的分类不一致程度一直是分类规则研究中的一项重要内容.然而随着人们对不完备数据集数据挖掘的深入,建立在等价关系上的基于信息熵的评价方法已难以满足实际需要.文中在利用相似关系的基础上,结合证据理论,给出一种基于信任度与似然度的信息粒构建方法,同时构建了类似于不协调度和混淆度的系统分类不一致程度评价方法,并对其相关性质等进行分析与证明.由算例分析可以看出,文中研究结果能够较好地描述缺失环境下的系统分类不一致程度,同时当数据集不存在缺失时,该研究与以往研究具有相同结果.

基于混合熵模型的遥感分类不确定性的多尺度评价方法研究

不确定性是影响遥感图像分类质量的最主要因素,针对在遥感图像分类过程中同时存在随机不确定性和模糊不确定性的特点,提出基于混合熵模型来综合测度这两种不确定性的方法,并建立起多尺度的评价指标。在分析混合熵模型基本原理的基础之上,提出利用特征空间的和模糊分类器的统计数据来建立信息熵、模糊熵以及混合熵的方法。同时,在像元和类别尺度上,分别建立像元混合熵和类别混合熵的指标对分类不确定性进行评价。最后,应用湖北省黄石市的遥感影像对上述评价方法进行验证分析,实验结果表明,混合熵模型能有效地反映分类过程中随机不确定性和模糊不确定性的综合影响,并从不同尺度反映出遥感影像分类的质量问题。

基于边界域修正粗糙熵模型的遥感影像分类不确定性评价

【目的】遥感影像分类是获取地表覆盖信息的有效技术手段,客观合理地评价遥感影像分类的不确定性对农业资源调查、作物估产等方面的遥感应用具有重要的意义。论文针对修正粗糙熵模型在评价遥感影像分类不确定性时存在的问题,构建基于边界域修正粗糙熵模型的遥感影像分类不确定性评价指标,以期更好地度量地物类别尺度上的遥感影像分类的不确定性。【方法】考虑边界域对遥感影像分类结果不确定性的影响,对修正粗糙熵模型进行改进,以类别的边界域被分类知识划分的结果取代所有像元被分类知识划分的结果作为衡量分类知识不确定性的依据,建立基于边界域的修正粗糙熵模型。首先依据粗集理论对所建模型的合理性进行数学推导,然后以北京市的Landsat TM影像和新疆石河子地区的IKONOS影像为例,分别应用修正粗糙熵模型和基于边界域的修正粗糙熵模型对分类结果在地物类别尺度上的不确定性进行评价,用不同空间分辨率和不同研究区域的试验数据的不确定性评价结果印证理论推导结论。【结果】与修正粗糙熵模型相比,基于边界域的修正粗糙熵模型在评价遥感影像分类的不确定性时能够更好地刻画分类知识所引起的不确定性,使遥感影像分类结果的评价更加客观和合理。通过对两种模型下试验数据的分析表明,当所研究的地表覆盖类型在研究区域内的分布比较零碎,成片区域不多,类别与类别之间的边界部分所占比重较大,混合像元现象比较严重的时候,采用修正粗糙熵模型计算遥感影像分类结果的不合理性还不是非常明显,还能够比较客观地反映遥感影像分类的不确定性问题。但是如果评价分布比较集中,面积比较大的地物类型的分类精度时,修正粗糙熵模型则难以客观地反映遥感影像分类的不确定性问题,其评价结果的不合理性也更为明显。【结论】采用修正粗糙熵模型进行遥感影像分类的不确定性评价时,放大了由于边界域存在所产生的不确定性,而基于边界域的修正粗糙熵模型则可以较好地避免这一情况的发生,更合理地度量地物类别尺度上的遥感影像分类的不确定性。

分类不平衡协议流的机器学习算法评估与比较

网络协议流不平衡环境下,流样本分布的变化对基于机器学习的流量分类器准确性及稳定性有较大的影响.选择合适的机器学习算法以适应网络协议流不平衡环境下的在线流量分类,显得格外重要.为此,首先通过单因子实验设计,验证了C4.5决策树、贝叶斯核估计(NBK)和支持向量机(SVM)这3种分类算法统计TCP连接开始的前4个数据包足以分类流量.接着,比较了上述3种分类算法的性能,发现C4.5决策树的测试时间最短,SVM分类算法最稳定.然后,将Bagging算法应用到流量分类中.实验结果表明,Bagging分类算法的稳定性与SVM相似,且测试时间与建模时间接近于C4.5决策树,因此更适于在线分类流量.

遥感数据专题分类不确定性评价研究:进展、问题与展望

从遥感数据中提取专题类别信息是当前遥感数据最主要的应用领域之一。由于遥感分类专题信息广泛应用于各种领域,其数据质量受到越来越多的关注。不确定性是评价分类专题类别数据质量最主要的方面。回顾了遥感数据专题分类不确定性评价方法的历史,总结了当前各种评价方法及其指标体系,将这些方法归结为基于误差矩阵的方法、模糊评价方法、像元尺度上的不确定性评价方法和其它方法四大类。对每一类不确定性评价方法及其指标体系的优点和缺点进行了分析和总结,指出从理论方法研究方面,需要优先发展独立于分类方法的像元尺度上的遥感分类不确定性评价模型与指标体系,以及统一的遥感数据分类不确定性评价模型体系研究;在应用研究方面,需要加强优化空间采样设计和不确定性评价过程标准化研究。

基于分类不确定性集合的电力系统环境经济鲁棒调度

鉴于常规鲁棒优化模型的不确定性集合没能体现各类不确定性因素随机分布的多态性,该文构建基于分类概率机会约束的新型不确定性集合,以充分考虑各类不确定性因素随机分布的差异,实现对调度方案鲁棒性的准确描述;并进一步提出将鲁棒性作为协同优化目标,综合考虑经济性和环保性,建立基于分类不确定性集合的电力系统多目标优化调度模型,充分体现环境、经济和鲁棒性三者间相互制约关系,同时能消除常规鲁棒优化中鲁棒度需预先设定的主观性。算例应用表明,所提方法可得到合理性和满意度更高的电力系统鲁棒优化调度方案。

网页自动分类不确定性问题的贝叶斯网络解法

针对网页自动分类中存在的类边界模糊、语料不均匀等引起的分类不确定性问题,提出了贝叶斯网络自动分类融合模型和融合算法,该模型和算法基于网页上多种信息进行融合,并采用不同的与处理方法分别对多种信息进行处理,将处理后的信息输入到贝叶斯网络融合中心进行融合推理,得到最终的分类结果。同时,为了降低贝叶斯网络推理时间复杂度,提出了改进的贝叶斯网络图推理算法。实验结果表明,改进后的融合模型和融合算法能有效解决网页自动分类中的不确定性问题,并能提高网页自动分类的准确率和查全率。

基于E0-1 Hyperion影像地物识别与分类不同方法的效果比较

以广州市大学城为研究区域裁剪出Hyperion影像,直接从影像提取地物端元,采用光谱角匹配、无约束和全约束的线性混合像元分解等3种方法进行地物识别与分类,分别生成地物分类图;选用Kappa系数和总精度两个参数,对比不同方法的地物识别效果.结果显示,分类图像的总精度均大于60%,Kappa系数在0.61—0.80,表明将高光谱影像用于地物识别与分类,可获得好的地物识别与分类结果.其中,光谱角匹配和全约束的线性混合分解法得到的两个参数明显更大.就地物类型而言,3种方法都对自然地物有较好的识别与分类效果,如林地和草地的用户精度高于80%,裸地和水体的值也高于50%.对人工地物的高反射率表面也有好的识别效果,用户精度达100%;对老建筑屋顶以及低反射率表面的识别效果不佳.尽管如此,光谱角匹配和全约束的线性混合像元分解法对于识别建筑屋顶的水泥混凝土表面表现出优势,用户精度大于71.4%.

卫星遥感数据分类不确定性的容差粗糙集处理

提出一种基于光谱特征邻域的容差粗糙集分类方法,用来处理卫星遥感数据分类中的不确定性问题。利用北京地区Landsat-5TM数据进行分类试验,将结果与现有容差粗糙集方法分类结果进行对比和统计。结果表明,该方法具有良好的可理解性和稳定性,能够处理卫星遥感数据分类的不确定性,在具有复杂光谱特征地物分类方面具有发展潜力。

Xs-800i血液分析仪白细胞不分类和分类不全原因的探讨

目的探讨Sysmex Xs-800i血液分析仪检测标本出现白细胞不分类或不全分类的原因,及复检和复片的必要性。方法应用Sysmex Xs-800i血液分析仪检测182 692例抗凝血标本,其中有86例白细胞不分类标本经重新抽血复检仍有68例不分类,对仍不分类的进行复片分类。结果复片结果异常有32例,阳性率为47.1%(32/68);3 317例白细胞不全分类标本经复检有2 793例仍不全分类,对分类不全的进行复片分类,复片结果异常有520例,阳性率为18.6%(520/2 793)。结论对Sysmex Xs-800i血液分析仪出现不分类或分类不全的标本应进行人工复片分类。

LH780全自动血液分析仪分类不准确原因的探讨

目的了解全自动血液分析仪分类不准确的影响因素,找出分类不准确的原因,避免误诊和漏诊。方法采用LH780全自动血液分析对患者和体检者血常规标本在采血后,进行立即、15 min和30 min测定,并进行人工镜检。观察检测结果。结果发现立即检测时存在单核细胞、嗜酸性粒细胞、嗜碱性粒细胞分类假性增高的现象。立即检测与15、30 min及人工镜检在分类上比较,差异均有统计学意义(P<0.05);15和30 min及人工镜检结果比较,差异无统计学意义(P>0.05)。结论目前血液分析仪普遍存在分类不准确的现象,血液样本最好多放置一段时间再进行测定,以提高检验结果的准确性,且标本采集时注重抗凝剂与血液的比例,必要时应该做涂片染色镜检,避免误报。

克隆代码有害性预测中分类不平衡问题的解决方法

针对克隆代码有害性预测中有害和无害数据分类不平衡的问题，提出一种基于随机下采样（RUS）的能够自动调整分类不平衡的K-Balance算法。首先对克隆代码提取静态特征和演化特征构建样本数据集；然后选取比例不同的分类不平衡新数据集；接着对已选取的新数据集进行有害性预测；最后，通过观察分类器的不同表现自动选择一个最适合的分类不平衡比例值。在7款C语言开源软件共170个版本上对克隆有害性预测模型的性能进行评估，并和其他分类不平衡解决方法进行对比，实验结果表明所提方法对有害和无害克隆的分类预测效果（受试者工作特征曲线下方面积（AUC）值）提高了2．62个百分点～36．70个百分点，能有效地改善分类不平衡的预测问题。

通性通法,一招制胜的法宝——由“怎样做到分类不重不漏”引发的思考

一、规律探索 1．问题给出《中学生数学》（2010年1月上）（高中）中“怎样做到分类不重不漏”一文，运用多重分类的方法处理2007年高考广东卷一题．