基于AHP和分类加权关联规则的变电站二次设备缺陷分析

针对二次设备的缺陷管理,提出了基于层次分析法(AHP)和分类加权关联规则的分析方法。在阐述关联规则的基础上引入分类加权关联规则及其Apriori算法实现;考虑二次设备的生产厂家、设备类型、缺陷发现时间、缺陷部位、缺陷原因、缺陷等级6个重要属性,建立了基于加权关联规则的二次设备缺陷数据模型;以某市变电站的二次设备缺陷数据构造缺陷样本,利用AHP计算缺陷项目的初始权重;使用加权的Apriori算法挖掘二次设备缺陷数据各属性的加权关联规则,分析其关联性。研究表明,该方法能够挖掘出运检人员更加关注的二次设备缺陷信息,对提高二次设备运维和管控水平具有实际意义。

一种冲突证据的分类加权融合方法

为了改善已有冲突证据分类融合方法忽略证据权重而导致融合结果决策风险较高的问题,提出一种冲突证据的分类加权融合方法。根据加性规则与乘性规则各自的特点,先利用基元属性对证据进行分类,采用Murphy方法对同类型证据进行融合,再对同类型证据融合获得的新证据进行加权平均处理,并采用D-S组合规则对加权证据进行最终融合。以岩土工程预警问题为例,将Murphy方法、加权融合法和所提方法进行对比实验,结果表明:当监测系统整体稳定性较高,即大量传感器监测数据基本一致时,3种方法融合结果均不会产生误判;当监测系统稳定性较低,即较多传感器数据异常时,Murphy方法和加权融合方法的融合结果可能会产生误判,而所提分类加权融合方法则不会产生误判,降低了决策风险。

基于组合加权k近邻分类的无线传感网络节点复制攻击检测方法

无线传感网络节点体积小,隐蔽性强,节点复制攻击检测的难度较大,为此提出一种基于组合加权k近邻分类的无线传感网络节点复制攻击检测方法。通过信标节点的空间位置数据与相距跳数得出各节点之间的相似程度,结合高斯径向基核函数求解未知节点的横轴、纵轴的空间坐标,确定各网络节点的空间位置;根据网络节点的属性特征与投票机制建立节点复制攻击模型,凭借组合加权k近邻分类法划分节点类型,并将结果传送至簇头节点,由簇头节点做出最后的仲裁,识别出节点复制攻击行为。仿真结果表明,所提方法的节点复制攻击检测率最大值为99.5%,最小值为97.9%,对节点复制攻击检测的耗时为5.41 s,通信开销数据包数量最大值为209个,最小值为81个。

基于地理加权回归模型的共享电动汽车租赁需求影响因素分析

近年来共享经济蓬勃发展,共享电动汽车比传统共享燃油车更加契合环保经济理念,因此得到了快速普及。共享汽车企业以电动汽车作为租赁工具,有助于企业降低成本,迎合市场趋势,并提供更好的用户体验。文章以南京市六个主城区的共享电动汽车数据为例,首先通过对城市多源数据的分析,选取居住用地、工作用地、休闲购物、科教服务、交通设施五个方面作为共享电动汽车设置分配的影响因素,然后对各影响因素按照不同属性进行加权处理,构建了地理加权回归模型,并且与传统的OLS回归模型进行了拟合效果的比较,最后采用空间可视化分析方法分析了共享电动汽车租赁需求量与关键影响因素之间的复杂关系。结果表明:GWR模型能更好地反映共享电动汽车租赁需求量与影响因素之间的关系,具有较高的准确性和更广泛的适用性;工作用地、居住用地、休闲娱乐、交通设施因素在工作日的不同时段对共享电动汽车的租赁需求影响均为促进作用,而在非工作日时这些影响因素对共享电动汽车的租赁需求量具有空间异质性。研究通过使用变量分类加权的方法,提高了预测模型的准确性和实用性,可以为共享电动汽车投放规模确定和日常运营调度提供支持。

网络入侵检测中一种新型SVM特征加权分类方法

在SVM的网络入侵检测中,发现不同的网络数据特征对分类结果的影响程度不同,针对这一问题,提出了一种新型SVM特征加权分类方法,以获得更好的最优分类面。该方法对分类影响较大的数值特征的值进行指数加权变换,使得原来处于分类面附近被错分的样本得到了纠正。实验表明该方法明显增加了分类正确的样本数,并有效提高了检测精度。

基于分类线性加权的源-目标话者声音转换算法的研究

源-目标话者的声音转换是一种变换说话人声音特性的技术,它将源说话人的声音转换成另一个指定的目标说话人的声音。对源话者声道谱特性的修改是声音转换的关键之一。为了克服一般分类线性转换算法中分类不准确所带来的误差,本文引入了分类线性加权转换的策略,根据不同子类的转换函数对谱特性的贡献,赋予不同的加权系数,给出了一种基于GMM后验概率加权的线性转换算法。在微软汉语普通话语音数据库上做的四组对比实验表明,该算法在谱转换性能上均有不同程度的提高。

基于傅里叶描述子和加权稀疏表示的军事图像分类方法

军事图像分类是一个重要的研究方向。在傅里叶描述子和加权稀疏表示的基础上,提出一种军事图像分类方法。利用Canny算法提取军事图像的轮廓特征,计算轮廓点的中心距离序列;再将该序列转换为极坐标转换,进行傅里叶变换,得到军事图像的改进傅里叶描述子;利用加权稀疏表示分类方法对图像进行分类。该方法的优点在于提取的傅里叶描述子具有很好的平移、旋转、尺度缩放和轮廓起始点的不变性。加权稀疏表示能够克服遮挡、弱特征、视角和姿态变化等因素的影响,并且具有较强的形状区分能力。在ICL军事图像数据库上进行分类实验,分类率高达92%以上。结果表明,该方法是有效可行的,能够为军事图像自动分类识别系统提供技术参考。

基于加权贝叶斯分类器的人类启动子辨识方法

基因启动子区域控制一个基因转录的起始。因此,真核启动子预测是DNA序列分析中最重要的问题,也是非常困难的任务。用高斯混合模型(GMM)估计启动子中寡核苷酸位置密度并将其作为特征向量,是一种有效的方法。然而混合度G通常都选的很大,模型训练需要大量的时间。由于每个寡核苷酸位置分布的不同,本文提出用模糊聚类的方法分别确定每个寡核苷酸的最优混合度,提高了寡核苷酸位置分布的检测精度,并减少了计算时间。接着,提出了一种基于最小二乘法的加权贝叶斯分类器算法,用于人类启动子的辨识,进一步提高了辨识精度。仿真结果表明,本算法具有较高的预测效果。

基于脑梗死大鼠模型的针刺指标对针刺效应影响的均值加权分类评价

目的：评价针刺指标对大脑中动脉梗死（MCAo）大鼠模型的针刺效应的影响。以此来初步探讨针刺治疗脑梗死的作用机制，并为脑梗死针刺治疗方案提供理论依据。方法：本实验以Zea-longa线拴法复制MCAo大鼠模型。造模成功后依据Zausinger六分法选择1～3分的大鼠随机入组。以随机对照设计原则设立基础对照组（正常组、模型对照组、模型未干预组）和针刺组（内关组、委中组、三阴交组、尺泽组、人中组和非穴组）。而且针刺组内每个穴组采用正交设计法分别设置9个不同参数组合。根据各组别所对应的针刺参数分别进行提插手法针刺治疗，每12小时1次，共干预6次。每组12只，共57组。并以神经行为学、脑血流、梗死率、微循环、光镜等为测量指标，评价针刺指标对MCAo大鼠模型的针刺效应的影响。结果：内关穴在降低梗死率、扩张输入枝管径、提高神经行为学评分表现的最突出；委中穴在增加脑血流、提高神经行为学方面表现最佳：尺泽穴在增加脑血流、扩张输出枝管径、提高正常神经细胞数方面表现最好；三阴交在减少坏死神经细胞和噬神经细胞、降低坏死神经细胞率、提高神经行为学评分方面表现最优。结论：针刺治疗脑梗死疗效确切，其机制可能是通过改善微循环、增加脑血流量、降低梗死率、降低坏死神经元细胞数、减少噬神经细胞数从而提高神经行为学评分来实现的．为脑梗死的针刺治疗方案提供理论依据。

基于多尺度小波变换和加权Fisher线性分类器的离线签名认证

采用多尺度小波变换来提取签名图像四个方向投影(水平、垂直、45度和135度)的相关特征。在签名认证阶段,采用加权Fisher线性判别(WFLD)来消除样本个数不平衡的影响,提高了签名认证的效率。

基于相对密度的加权一分类支持向量机

提出了以相对密度的方式给训练集样本赋予权值.位于数据分布边缘的样本具有较低的相对密度,而位于数据分布内部的样本具有较高的密度.对于位于数据分布内部的样本赋予较大权值,位于数据分布边缘的样本赋予较小的权值.由于噪声通常位于数据分布外部,因此本文的方法可以赋予噪声较小的权值,从而使算法对于噪声更加鲁棒.人工数据集和UCI标准数据集的实验结果表明,该法优于用libsvm实现的一分类支持向量机方法.

基于特征相关的改进加权朴素贝叶斯分类算法

朴素贝叶斯分类算法的特征项间强独立性的假设在现实中是很难满足的.为了在一定程度上放松这一假设,提出了基于特征相关的改进加权朴素贝叶斯分类算法,该算法采用一种新的权重计算方法,这种权重计算方法是在传统词频-反文档频率(TF-IDF)权重计算基础上,考虑到特征项在类内和类间的分布情况,另外还结合特征项间的相关度,调整权重计算值,加大最能代表所属类的特征项的权重,将它称之为TF-IDF-FC权重计算.与基于传统TF-IDF权重的加权朴素贝叶斯分类算法和其他常用加权朴素贝叶斯分类算法比较,如基于属性加权的朴素贝叶斯分类算法,这种算法的分类效果均有一定的提高.

基于属性约简的PLS加权朴素贝叶斯分类

朴素贝叶斯算法是一种简单而高效的分类算法,它的属性独立性假设,影响了它的分类性能.针对这种问题,在分析属性相关性的基础上,通过属性约简选择一组近似独立的属性约简子集,提出一种基于属性约简的偏最小二乘回归加权朴素贝叶斯分类算法.对不同的条件属性给予不同的权值,从而在保持简单性的基础上有效地提高了朴素贝叶斯分类算法的分类性能.实验结果表明,该方法可行且有效.

基于加权模糊分类的高学术影响力学者判别的研究

[目的/意义]精准定位具有高学术影响力的学者可以帮助科研人员迅速了解研究领域的前沿知识以及研究趋势,加深学者之间的交流与学习。文章使用基于加权模糊分类的方法对具有高学术影响力的人群进行精准判别。[方法/过程]收集学者的多维度信息,进行特征体系的构建,将各类特征作为分类模型的输入,选取具有专家称号的学者;使用加权模糊逻辑的算法,在具有专家称号的学者中对目标人群进行二次筛选,得到精确符合目标要求的学者。[结果/结论]使用加权模糊分类方法,结合精确性与语言表达的模糊性,平衡各类特征影响,对寻找高学术影响力的学者具有独特的优势。[局限]文章将国家授予的三类专家称号作为分类标准,其他称号未讨论。

基于加权稀疏表示分类的车辆识别

不同种类的车辆自动识别能够在很大程度上给人们提供便利,而通过声波来区分车辆的类型是可行的。由于声频信号和自然信号一样都具有稀疏性,稀疏表示分类（SRC）算法同样适用于车辆声频识别领域。但是SRC算法没有考虑样本的局部性,即没有考虑测试样本和每一个训练样本之间的相似性,从而导致识别效果不够优异。为了解决以上不足,提出了一种基于加权稀疏表示分类（WSRC）的声频传感器网络下车辆识别方法。通过对声频测试样本和各个声频训练样本之间的距离制定一个权重标准,并将其考虑进权重分配,以提高识别精度。实验结果表明,WSRC的识别精度相比于SRC有了明显的提高。同时,WSRC也明显优于SVM、k-NN这些常见分类算法,验证了WSRC在声频传感器网络下车辆识别的可行性。

基于共振峰参数和分类线性加权的源-目标声音转换

源-目标说话人声音转换是一种变换说话人声音特征的技术,它将源说话人的声音转换成目标说话人的声音.其中,声道参数的转换是获得高质量重建语音的关键,所以选择声道共振峰参数作为待转换的特征参数,利用线性预测求根法提取共振峰参数.为了克服分类线性转换算法(CLT)中分类不准带来的误差,引入了分类线性加权转换的策略,给出了一种基于径向基函数神经网络的分类线性加权转换算法(WCLT).在微软汉语普通话语音数据库上对转换语音分别作了客观和主观评估,验证了分类数目和训练集对两种转换算法的影响.实验结果表明,WCLT算法的转换效果优于CLT算法,一定程度上克服了高斯混合模型的转换算法(GMM)转换语音时,频谱过分光滑的现象,并在只有较少训练集数据时也能得到较好的转换效果.

基于加权分类损失和核范数的领域自适应模型

领域自适应将源域上学习到的知识迁移到目标域上,使得在带标签数据少的情况下也可以有效地训练模型。采用伪标签的领域自适应模型未考虑错误伪标签的影响,并且在决策边界处样本的分类准确率较低,针对上述问题提出了基于加权分类损失和核范数的领域自适应模型。该模型使用带有伪标签的可信样本特征与带有真实标签的源域样本特征构建辅助域,在辅助域上设计加权分类损失函数,降低错误伪标签在训练过程中产生的影响;加入批量核范数最大化损失,提高决策边界处样本的分类准确率。在Office31、Office-Home、Image-CLEFDA基准数据集上与之前模型的对比实验表明,该模型有更高的精确度。

基于概率分类器加权的多模态AD分类模型研究

阿尔茨海默症(Alzheimer’s Disease, AD)是一种最常见的神经退行性疾病,其症状具体表现为记忆和思维能力的退化,同时AD是受遗传因素影响很大的疾病,目前对AD仍无有效的治疗手段,许多研究基于单一模态数据进行早期诊断的研究效果不理想。为此,研究基于磁共振影像(MRI)和单核苷酸多态性(Single Nucleotide Polymorphim, SNP)两种模态数据提出一种概率分类器加权的多模态集成学习新框架,为分类器提供更丰富、全面的信息,从而提高AD诊断分类的准确率和稳定性。研究方法在AD vs NC、MCIc vs NC和MCInc vs MCIc的5次5折交叉验证实验结果平均准确率分别高达80%、76%、70%,结果表明研究提出的多模态集成学习模型与利用单一模态数据的分类模型相比更具有优势。

基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测

提出一个新的基于集成学习的预测器(TargetPCM),对蛋白质接触图(特别是中长程)进行高精度的预测。首先,TargetPCM使用加权朴素贝叶斯分类器(Weighted Nave Bayes classifier,WNBC)融合3个接触图预测器的输出,其中WNBC中的权重参数通过粒子群算法优化得到;其次,将WNBC融合后的输出和基于序列的特征进行组合,得到更具鉴别能力的特征;在此基础上,应用极端随机树训练得到最终的蛋白质接触图预测模型。为了验证TargetPCM的有效性,在包含98个非冗余蛋白质的数据集上进行了测试。结果表明:对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的集成预测器(NeBcon)分别提高了8.2%,16.1%和5.3%。在CASP11上进一步的验证表明,对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的基于协同进化的集成预测器(MetaPSICOV)分别提高了7.4%,9.1%和7.5%。实验结果验证了本文所提蛋白质接触图预测方法的有效性。