支撑矢量机的改进分类器算法

支撑矢量机是 2 0世纪 90年代中期发展起来的机器学习技术 ,改进分类器算法通过增大广义最优超平面的分类间隔 ,实现了识别能力的提高。在此基础之上 ,预选取部分训练样本 ,来提高优化速度 ,而且不会降低分类能力 ,从而能够同时提高支撑矢量机的识别率和降低时间复杂度 ,为支撑矢量机的应用提供了一种有效的实用化方法。实验结果表明 ,该方法在可分性得到显著提高的同时提高了速度。

基于协同联想的分类器算法

文中首先从协同学角度出发 ,提出了一种协同联想记忆分类器 (SAMC)的实现算法。为了验证SAMC算法的有效性 ,针对汽车车牌图像的识别系统 ,构建了一个基于SAMC的解决方案。实验结果表明 ,用SAMC实现算法识别效果好 ,适合于对有噪声的车牌图像的处理 ;该算法训练简单、联想能力强 ,对具有背景噪声和视角引起的图像畸变失真有一定的抗干扰能力 ,识别结果令人满意。

用遗传算法实现模糊测度赋值的一种多分类器融合算法

由于模糊理论可以很好的表达和处理不确定性问题 ,因而得到了广泛的应用 ,并成为信息融合领域中的有效方法 .只要选取合适的模糊测度值 ,基于模糊积分的多分类器融合方法就可以达到比最优的单分类器更好的分类效果 .用遗传算法来计算模糊测度的值时 ,可以得到解空间中的最优解 ,从而实现比非优化方法更好的融合效果 .

一种新的基于聚类的多分类器融合算法

提出了一种新的多分类器融合算法 ,该算法能找出各分类器在特征空间中局部性能较好的区域 ,并利用具有最优局部性能的分类器的输出作为最终的融合结果 .首先 ,利用各分类器对训练样本进行分类 ,这样训练样本被划分为正确分类样本和错误分类样本两个集合 ;接着 ,对这两个样本集合分别进行聚类分析来划分特征空间 ,并计算各分类器在特征空间局部区域中的性能 ;在测试时 ,选择测试样本周围局部性能最优的分类器的输出作为最终的融合结果 .基于 EL ENA数据集的实验显示了该算法的有效性 .

基于模糊积分和遗传算法的分类器组合算法

将多个分类器进行组合能提高分类精度。基于模糊测度的Sugeno和Choquet积分具有理想的特性,因此该文利用其进行分类器组合。然而在实际中难以求得模糊测度。该文利用两种方法求取模糊测度,一是分类器对样本数据的分类能力,另一种是根据遗传算法。这两种方法均考虑了每个分类器对不同类的分类能力不同这一经验知识。实验中对UCI中的几个数据库进行了测试,同时将该组合方法应用于一多传感器融合工件识别系统。测试结果表明了该算法是一种计算简便、精度较高的分类器组合方法。

分类器模拟算法及其应用

针对标准数据集在评估多分类器系统的组合方法时存在的不足,设计了一种新的分类器模拟算法.该算法利用分类器的识别率建立混淆矩阵,由混淆矩阵生成基分类器的决策,进而结合分类器之间的相关性度量生成所有的模拟数据.通过实验评估表明,该算法能够模拟任意多个分类器和任意多个模式类别的数据,且能够表达出分类器之间的关联性.又应用生成的模拟数据集对多数投票和堆叠泛化这2种组合方法进行了实验,结果表明分类器之间的负相关有助于提高系统的性能,特别是当单个分类器识别率取0.8、关联度从0.829 5降至-0.484 7时,多数投票和堆叠泛化的性能分别提高了14.98%和41.99%.

计算资源共享平台中基于分类器的可用性预测

提出与描述了计算资源共享平台中的网络资源的可用性预测方法,该方法使用了基于数据挖掘的分类器算法,采用了分布式数据收集器工具,该工具运用收集数据和跟踪数据的方式来获取的预测的可用性的信息,从而完成资源的使用情况的预测。讨论了实现资源可用性预测的软件框架,描述了资源预测的具体过程。实验结果表明,即使在高挥发性的分布式计算平台中,该资源可用性预测技术能够很好地预测计算资源共享平台中机器的处理器利用率、内存的负载、机器的可用性,为调度器和副本备份提供参考。

基于改进Adaboost的行人快速检测与定位算法

随着智能交通的发展,道路行人主动安全的重要性愈发凸显,且越来越受到国内外研究机构的重视。选取Harr-like特征,利用积分图快速计算矩形特征,对传统的Adaboost算法引入优化更新权重的方法,提出1种基于级联分类器的行人检测方法,实现行人的实时区域快速检测。实验结果表明,基于改进Adaboost算法的快速行人检测与定位方法实时性强、准确率高,基于该算法的行人快速检测与定位系统可靠性高、鲁棒性强。

剪枝与欠采样相结合的不平衡数据分类方法

通过剪枝技术与欠采样技术相结合来选择合适数据,以提高少数类分类精度,研究欠采样技术在不平衡数据集环境下的影响。结果表明,与直接欠采样算法相比,本文算法不仅在accuracy值上有所提高,更重要的是大大改善了g-means值,特别是对非平衡率较大的数据集效果会更好。

基于Matlab平台人脸识别仿真过程的探究

Matlab是一种科学与工程计算的高级语言,广泛地运用在包括信号与图像处理、控制系统设计等方面,我们使用Matlab作为平台,设计GUI,探究人脸识别的过程。在特征提取方面,运用主成分分析法(PCA)算法,对高维特征进行降维,保证了高位数据不失真,在分类器算法上采用支持向量机(SVM)和自适应提升(Adaboost)算法进行对比实验,SVM通过求解由全部训练样本对检测样本最佳线性表示的稀疏向量来进行分类,Adaboost算法针对不同的训练集训练同一个基本分类器(弱分类器)进行多次迭代,每次迭代增加错样本的权重,构成一个更强的最终的分类器(强分类器),实验结果表明,仿真能够达到较高的识别率和缩短识别的时间。

混合调制信号调制识别方法

研究基于决策理论算法的混合调制信号特征参数提取与自动识别技术,提出适合混合调制信号调制识别的树型分类器及相应识别步骤。在外调制、内调制识别时首次分别采用副载波信号个数构成的特征矢量、均值归一化包络方差、副载波信号瞬时幅度分布区域统计值等算法,抑制噪声干扰,提高特征参数的准确性,仿真结果表明,在信噪比为6 dB情况下,调制识别率接近90%,和现有混合调制识别方法相比取得较好的识别效果,在混合信号调制识别管理中具有广泛的应用前景。

基于分类器组合的心电信号身份识别算法研究

本文针对基于分类器组合的ECG信号进行了身份识别算法的研究,通过无基准点的方法来提取QRS波形,HOAC、DWT、PCA特征提取和分类器组合算法相结合的方法,该算法对身份识别的准确率进行提高。通过对比实验得出,在组合规则中,中值规则和乘法组合形式的分类器的效果最好,相比通过单一特征提取的分类效果更好,分类的错误率也较比同类论文有了一定程度上的降低。实验验证,本文研究的的号身份识别算法分类识别精度高,而且实现更加容易,为今后基于ECG身份识别的研究提供了良好的支持。

肾脏肿瘤的影像组学研究进展

肾细胞癌是最常见的泌尿系统恶性肿瘤,其准确分型分级有助于选取不同方案进行治疗。影像组学可以从高质量、标准化的医学影像中获取病灶高通量纹理特征来指导临床诊断和预后。近年来,基于CT、MRI的影像组学研究逐渐应用于肾脏肿瘤,如鉴别肿瘤良恶性,对恶性肿瘤分型、分级以及预测恶性肿瘤预后及可能潜在转移部位等,就该研究现况及前景作一综述。

基于机器学习的SQL攻击检测技术研究

SQL注入是网络上使用非常广泛的攻击手段,也是防御难度极大的网络攻击方式。在信息安全领域中,SQL注入因其适用范围广,操作门槛低,可造成的损失大而被视为对网络安全威胁极大的一类攻击方式。本论文的目的在于测试不同的机器学习算法对于SQL注入攻击的区分能力。研究搜集了大量的SQL注入攻击语句,选择4种不同的机器学习模型建立了分类器,并使用上面收集的数据对其进行了训练。最后,对4种算法所建立的分类器进行了测试,得出了最适合检测SQLM AP的机器学习算法是卷积神经网络(CNN)算法。

基于模式识别技术的油井工况诊断

目前在油田现场运用最为广泛的油井工况诊断技术是基于模式识别理论的人工智能诊断技术。由于油井处于封闭式的地下,无法通过常规的方法获取其工况信息,而示功图包含油井大量多维信息,故示功图常被作为工况诊断的依据。采集油井不同工况下的示功图样本,建立标准工况样本数据库,通过提取示功图的几何、形状、力学等特征,经过分类器算法与标准故数据库中示功图进行比对,完成油井的工况诊断。

产生式与判别式线性混合分类器

产生式方法和判别式方法是解决分类问题的两种不同框架,具有各自的优势.为利用两种方法各自的优势,文中提出一种产生式与判别式线性混合分类模型,并设计一种基于遗传算法的产生式与判别式线性混合分类模型的学习算法.该算法将线性混合分类器混合参数的学习看作一个最优化问题,以两个基分类器对每个训练数据的后验概率值为数据依据,用遗传算法找出线性混合分类器混合参数的最优值.实验结果表明,在大多数数据集上,产生式与判别式线性混合分类器的分类准确率优于或近似于它的两个基分类器中的优者.

乡村振兴战略下农村居民金融素养的影响因素研究——基于黔、鄂、晋三地实地调研

本文基于贵州遵义、湖北武汉、山西大同三地共750户家庭的调查问卷数据,采用XGBoost分类器算法和SHAP解释模型,从农村居民基本金融知识认知、风险和回报认知、金融规划等方面构建了农村居民金融素养测评指标体系,研究农村居民金融素养的影响因素。结果表明:三地农村居民金融素养有待提升,影响三地农村居民金融素养的因素略有差异。本文研究发现,通过普及金融知识、创新金融教育、引入金融科技等对策利于提高农村居民金融素养,促进乡村振兴。

基于PERCLOS的眼部疲劳检测系统研究

阐述通过Python调用OpenCV实现Haar级联分类器算法,用以检测人脸并定位人眼,再根据PERCLOS原理,对眼部特征数据进行计算判断检测对象当前的疲劳状态。

基于DBSCAN和BPAdaboost的农机作业地块划分方法

农业机械(农机)在多个地块作业,费用和效率有时需按地块统计,现有的农机监控系统仅能记录农机定位信息和作业状态信息,难以实现地块的自动精准划分。本文通过研究轨迹点属性特征,分析作业地块数量不确定性和轨迹点分布规律,采用基于密度聚类方法(Density-based spatial clustering of applications with noise, DBSCAN)和分类器集成算法(BP_Adaboost)结合的方法划分地块。根据DBSCAN算法对农机轨迹点多数有效、识别错误集中的特点,结合BP_Adaboost算法挖掘多维度信息关联、容错能力强、分类效果好等优势,先利用DBSCAN得到初步的轨迹点状态类别,再利用BP_Adaboost算法建立训练模型对农机轨迹点状态精准识别,根据时间序列和类别标记划分地块。本文方法既解决了只依靠阈值和经纬度信息聚类不准确的问题,也减少了大量样本标记工作。利用该方法轨迹点状态识别准确率达96.75%,地块划分准确率为97.74%。

机器学习理论在商业银行区域性风险影响因素度量中的应用研究

本文从宏观经济的角度和微观银行自身的角度入手,结合已有文献和最新大数据技术应用现状,形成多样化的风险指标来源,以月度为时间单位,以省市为样本区域分界,构建大数据时代商业银行区域性风险指标体系。通过机器学习的方法,对大规模和多维度的历史数据进行建模挖掘。从理论上探索商业银行区域性风险的影响因素,以及预测区域性风险发生的可能性,为商业银行预警及防范区域性风险提供技术指导,为金融管理部门非现场监管提供数据来源。