基于交叉验证法与马尔科夫链的年径流丰枯分类可靠性研究

【目的】提出一种用于检验年径流丰枯分类可靠性的方法,为划分流域年径流丰枯类别提供科学依据。【方法】从稳定性和可预测性2个方面分析年径流丰枯分类的可靠性,提出基于交叉验证法和马尔科夫链的检验方法;以常用的均值标准差法、灰色关联分析法和集对分析法为代表,采用交叉验证法和马尔科夫链分别研究各方法所得分类结果的稳定性和可预测性;建立分类差异指数和转移概率差值,用于评价不同分类方法划分年径流丰枯类别的稳定性和可预测性;最后以黄河上游唐乃亥站1956—2021年的年径流序列为例进行验证。【结果】(1)基于交叉验证法和马尔科夫链,不同分类方法得到的年径流丰枯状态均存在差异,表明不同分类方法划分和预测年径流丰枯状态的稳定性和可预测性不同。(2)对唐乃亥站而言,分类差异指数表明GRA法的稳定性最好,SPA法其次,MSD法最差;转移概率差值表明GRA法的可预测性最好,SPA法其次,MSD法最差。(3)综合考虑各分类方法的稳定性和可预测性,对唐乃亥站而言,GRA法划分年径流丰枯状态最为可靠,SPA法其次,MSD法最差。【结论】不同年径流丰枯分类方法在同一流域存在可靠性差异,基于交叉验证法和马尔科夫链的方法能够有效检验各分类方法所得结果的可靠性。

用朴素贝叶斯分类法选股

在分类方法中使用朴素贝叶斯法来超越市场指数。在给定上海证券交易所中所有交易的股票的基本会计和价格信息的情况下,我们试图使用朴素贝叶斯法来辨识那些超越市场指数而可望获得额外回报的股票。由朴素贝叶斯法选择的股票所组成的同等权重证券组合一年半内总共获得21%的回报,明显优于基于市场指数的-9%的回报。同时给出一个新的进行分类可靠性权衡的视角,朴素贝叶斯法的输出结果被排级,这样被用来进行类别确定的股票就可固定为占股票总数25%的股票。

嵌入拒识的极限学习机在基因表达数据分类中的应用

机器学习技术已被广泛地应用在计算机辅助诊断中,以辅助专家进行医学诊断,但是几乎所有的分类器,都是默认的接收计算机的分类结果,而这种默认的结果在很多情况下会引起较大的误差。如根据诊断者的临床数据判断此人为病人的概率为50%,为健康人的概率也为50%,这时无论计算机将此人分类为健康人还是病人都会面临50%的错误概率。因此,提出嵌入拒识的极限学习机,不仅充分利用了极限学习机快速的学习能力、良好的泛化性能,而且通过嵌入拒识选项,"拒识"可靠性较低的样本来克服分类正确率较低的问题,使得自动分类过程更加可靠。实验结果表明:所提方法在降低误分类率方面是非常有效的。

遥感影像像元不确定性对SVM分类结果可靠性影响研究

在遥感影像获取过程中,由于地表环境复杂,传感器参数等因素影响,影像存在不确定性。通过分析不确定性产生的原因及特征,在像元尺度上构建像元光谱多义性、灰度差异性、分类信任度3个指标来度量影像不确定性。在此基础上,利用线性回归模型分析像元不确定性对支持向量机分类结果可靠性的影响。结果表明:像元不确定性对分类可靠性有一定影响,更具体地,像元不确定性越大,影像分类的总体正确性和一致性越低,基本呈现线性递减关系;像元不确定性对分类完整度和可靠度的影响在类别和影像间存在差异,其中,耕地和林地的分类完整度和可靠度与像元不确定性的线性关系较强。

基于空间约束的模糊核聚类红外图像分割

提出了一种基于空间约束的模糊核聚类红外图像分割算法。首先将图像映射到特征空间,在特征空间内进行模糊聚类,针对红外图像中存在的噪声点和野值等干扰问题引入了像素点的八邻域局部空间约束信息,并定义了像素分类可靠性指数修正隶属度函数在整个图像范围内分析像素分类的合理性,其中像素分类可靠性指数包括像素分类灰度可靠性指数和像素分类距离可靠性指数。实验结果表明,这种考虑局部空间约束和整体空间约束的模糊核聚类算法可更有效地对红外图像进行分割。

嵌入拒识代价的投票式极限学习机（英文）

极限学习机是近几年发展起来的一种单隐层前馈神经网络.通过训练多个独立的ELM,V-ELM不仅提高了ELM的分类精度,同时很好地解决了ELM不稳定的特性.在V-ELM中,需要计算一个样本属于每一类的概率,将样本分类为概率最大的那一类.然而,当遇到最大的两个概率相等或者相差不大的情况下,都对应着非常大的误分类概率,为了解决这一问题,在论文中引入了对样本的拒识决策,并将该方法命名为嵌入拒识的投票式极限学习机.

嵌入非对称拒识代价的二元分类算法

针对传统分类算法隐含的假设(相信并且接受每个样本的分类结果)在医疗/故障诊断和欺诈/入侵检测等领域中并不适用的问题,提出嵌入非对称拒识代价的二元分类问题,并对其进行简化.在此基础上设计出基于支持向量机(SVM)的代价敏感分类算法(CSVM-CRC).该算法包括训练SVM分类器、计算后验概率、估计分类可靠性和确定最优拒识阈值4个步骤.基于10个Benchmark数据集的实验研究表明,CSVM-CRC算法能够有效降低平均代价.