基于基因表达式编程的规则分类

为了提高基于规则的分类法中挖掘规则的效率,提出了将基因表达式编程用于挖掘规则的分类方法。针对规则分类问题,设计出了一种新形式的染色体终端符号,引入规则的正确率作为适应度函数度量;将适应度由高到低排序,建立备选规则集;通过使用基因表达式编程挖掘Monk与Acute Inflammations中的规则,利用挖掘出的规则对数据集进行分类。实验结果表明了基于基因表达式编程的挖掘规则分类算法的准确率会高于传统分类算法。

基于规则和基于相似性的分类学习在复杂视觉分类中的比较

采用同一复杂视觉分类任务,通过比较对基于规则的和基于相似性的分类学习异同,探讨了2种不同分类过程之间的相互关系,结果发现:在不同感知类型的刺激项目上,基于相似性的分类成绩都明显高于基于规则的分类成绩.在基于相似性的分类学习模式下,不同感知难度的刺激正确率之间都存在显著差异;在基于规则的分类学习模式下,部分类型的刺激正确率之间不存在明显差异.实验结果表明基于规则的和基于相似性的2种不同加工过程同时存在于同一分类过程中并且互相作用,研究支持了多系统理论模型.

基于行为学指标数据的猪只行为分类

将视频监控技术应用于规模化养猪场能大大减少人力,提高效率。猪只行为分类是通过图像处理计数从视频中获得猪只信息后的图像信息分析阶段,如何从大量数据中挖掘出猪只的行为是完成实现猪只智能监控的关键。通过图像处理将猪只行为信息提取量化后,生猪的行为识别转化成对行为指标信息的分类问题。首先论述猪只行为识别的关键行为学指标,然后引入决策树分类算法,贝叶斯网络分类算法,基于规则归纳的分类算法等三种分类方法对数据进行实验,并对猪只数据进行分类预测后评估三种模型的表现。结果显示,选取的行为学指标对猪只行为具有较高的区分度,J48决策树分类算法较朴素贝叶斯和基于规则生成的分类算法的准确率均达到96%以上,提取的规则能作为猪只行为分类的判断标准。

基于无人机遥感数据的生态渠系信息提取

针对河套灌区引水灌溉中存在粗放型灌溉,且当地为提高产量,仅注重扩大种植面积的问题,提出了一种渠系信息精准提取的方法.基于无人机遥感图像,运用ENVI 5.1软件,对遥感图像进行预处理,对图像RGB 3个通道分别进行拉伸显示,经组合以增强其对比度;运用面向对象法进行图像分割,用基于规则的分类方法,基于不同规则进行单独及组合分析,确定了"光谱平均值小于98、最小包围矩形长宽比处于其最小值与0.85之间、延长线大于1 m"的最优组合规则,提取了内蒙古河套灌区某部分生态渠系信息,对于生态渠道的识别精度达到毛沟级,并对提取结果进行了评价,其中组合辅助解译正确率达96.4%,为精准灌溉运行管理提供了较准确的渠系信息.