基于复合分类特征的红外图像人体实时检测

针对红外图像中人体区域的检测问题,提出了一种基于复合分类特征的人体实时检测方法。首先根据红外图像中人体区域的特点,使用自适应的两级方向投影获得人体候选区域的可能位置,然后融合方向梯度直方图特征、人体形状特征及亮度分布惯性特征以充分描述人体区域的特点,并且采用支持向量机算法对候选目标中存在的人体进行分类检测。实验结果表明,本文提出的方法充分利用了复合分类特征各自的优点,具有较好的实时性和鲁棒性。

基于组合核非线性退化模型的遥感图像复合分类

遥感数据的多空间分辨率复合分析是遥感处理技术的重要发展方向。为了解决低分辨率图像混合像元分类精度低、高分辨率数据分类处理时间长以及大区域高分辨率数据获取困难等实际应用问题,该文改进了传统基于线性退化函数模型的复合分类模型,提出了基于组合核函数的非线性退化模型复合分类算法,分析了纹理信息对于提高复合分类精度的作用,并通过实际遥感数据试验分析比较了两种模型的分类精度。试验结果表明新方法可较大程度地提高总体分类精度,在分类过程中引入纹理信息有助于进一步改善分类精度。

关于高校馆藏数字资源复合分类导航体系的思考

目前高校图书馆的数字资源越来越丰富,但也存在部分馆藏资源长期闲置的问题。分析了高校馆藏数字资源导航服务的现状,并从导航系统的便捷性、规范性、互动性以及工作配套性等方面阐述了高校馆藏数字资源复合分类导航体系的特点,以便为高校图书馆的数字资源建设提供参考。

馆藏数字资源复合分类导航系统设计

现代高校图书馆的数字资源越来越丰富,门户网站成为引导读者使用的重要平台。本文基于前期调查的结果,设计一个包含TAG标签的复合分类导航系统,并阐述了实现方案,力求创建一种允许读者参与的立体化数字资源导航模式。

基于多特征与复合分类法的中文微博情感分析

为了提高微博的情感分析的准确率,选取微博文本中的动词和形容词作为特征,提出了基于层次结构的特征降维方法,采用基于表情符号的方法计算特征极性值。在此基础上,提出了基于特征极性值的位置权重计算方法,借助支持向量机(SVM)作为机器学习模型将微博文本分为正面、负面和中性3类。也就是多特征提取,结合字典法与机器学习法2种算法,来提高情感分析的准确率。实验结果表明,该方法能取得平均为72.16%的准确率。提出的基于多特征与复合分类器的情感分析方法能够比较有效地对中文微博文本进行情感分类。

一种基于概念格的复合分类器算法

目前概念格分类算法主要集中在利用其生成算法进行规则提取,而已有的基于树形结构的复合分类器因受到本地搜索原理的限制其分类精度很难再提高。本文突破了这两种限制,以概念格为分类模型提出了一种基于概念格的复合分类器算法。实验表明该算法极大地提高了分类精度。

基于层级CRF的SAR图像海冰复合分类

尽管合成孔径雷达(SAR)具有全天时全天候的优势,但利用单一分辨率SAR图像进行海冰分类时仍存在诸多问题。低分辨率图像尽管覆盖范围大,但混合像元解析能力差、分类精度低,而基于高分辨率SAR尽管能获得较好的分类效果,但图像覆盖范围较小,为此论文提出一种基于条件随机场(CRF)的复合分类方法对海冰进行分类研究,利用高分辨率图像指导低分辨率图像进行海冰分类。首先提取8种纹理特征进行分类,通过Kappa系数和准确率、召回率以及F1值的对比选取效果较好的Gabor特征作为模型的输入数据,然后将图像进行分层级处理,将分辨率降低后的高分辨率图像输入到条件随机场模型中进行训练,再将低分辨率图像中与高分辨率图像重合的区域作为待分类图像输入到训练好的模型中进行分类。最后将分类结果与使用传统的复合分类方法得到的分类结果进行比较。实验结果表明,论文提出的方法在分类精度上优于这些分类器。

保健酒中可见异物的神经网络复合分类方法

保健酒中可见异物个体微小、形状复杂多变,不利于自动分拣。为此,提出一种基于异物几何特征和不变矩特征的神经网络复合分类方法。通过单层感知器进行一级分类以检测毛发类异物,利用BP网络对非毛发类异物进行二级分类。为提高BP网络训练速度,设计动量因子和学习速率可自适应调整的改进学习算法。实验结果表明,该分类方法识别准确度高,识别速度快。

基于SCG优化SSAE-FFNN的电能质量复合扰动深度特征提取与分类

随着智能电网的发展,电能质量问题已遍布电网并威胁着电网的安全稳定,且电能质量监测数据日渐庞大,因此实现大规模系统中电能质量扰动(power quality disturbances,PQDs)的深度特征提取及智能分类识别对电力系统污染检测与管理具有重要意义。为此,文中提出一种基于堆叠稀疏自编码器(stacked sparse auto encoder,SSAE)和前馈神经网络(feedforward neural network,FFNN)的电能质量复合扰动分类方法。首先,基于IEEE标准构建PQDs仿真模型。然后,建立基于SSAE-FFNN的PQDs分类模型,并引入缩放共轭梯度(scaled conjugate gradient,SCG)算法对模型进行优化,以提高梯度下降速度和网络训练效率。接着,为有效降低堆叠网络的重构损失同时提取出深度的低维特征,构建SSAE的逐层训练集及微调策略。最后,通过算例分析验证文中方法的分类效果、鲁棒性、泛化性和适用场景规模。结果表明,文中方法能够有效识别电能质量复合扰动,对含误差扰动和某地市电网的21组实测扰动录波数据也有较高的分类准确率。

基于小波核扩散与双阶段SVM的轴承复合故障分类方法

轴承复合故障分类中存在故障特征强线性不可分及故障数据标签不足问题,严重影响分类精度。为此,提出基于双阶段支持向量机(SVM)与小波核扩散的轴承复合故障分类方法。针对故障特征强线性不可分,使用小波核函数对其进行高维空间映射,并利用极大重叠离散小波包变换获取信号在不同频带上的能量分布作为故障特征;针对故障数据标签不足,提出增量式核空间标签扩散的双阶段SVM分类模型,在小波核空间核差异距离基础上,利用增量式核空间标签扩散对训练样本的近邻样本、粗分阶段边界样本进行扩充,并在细分阶段依据扩充后的样本完成模型训练。3组轴承复合故障数据验证了所提方法的有效性,实验研究表明,在单类训练样本为5的条件下,所提方法比SVM分类准确率平均提升7.5%,并优于其他流行算法。

基于同步提取变换和LightGBM算法的电能质量复合扰动分类方法研究

随着各种非线性负载,分布式电源大量接入电网,使得电网的电能质量扰动日益严重。针对电能质量复合扰动分类识别准确率低,分类类别少的问题,提出了一种基于同步提取变换、复合多尺度排列熵、LightGBM的分类方法。利用同步提取变换分解单一及复合扰动信号,提取分解信号的时域、频域特征,及复合多尺度排列熵变换得到的特征矩阵,对特征矩阵进行主元成分分析降维。利用所构造的特征集训练LightGBM分类器进行分类。仿真表明,所提方法可以准确识别13类扰动,其中包括6种二重扰动,具有一定的抗噪能力,并且耗时短,识别效率高。

基于复合分类法的特色旅游小镇开发空间结构特征研究——以上海市为例

以合理开发旅游小镇目标导向,选取了上海市中心城区外的108处小镇作为样本,定量总结各种影响开发的条件,揭示了区位条件、资源禀赋等因素对旅游小镇空间开发的影响.通过综合采用回转半径法、空间分布曲线、离散指数、GIS空间分析等计量地理研究手段和方法,共同揭示旅游小镇开发过程中建制镇与旅游资源的空间关系和结构特征.研究结果表明,上海旅游小镇资源呈现较为均衡的圈层聚类特征,且空间离散程度随距离城市中心圈层级数的增加而逐渐增强.通过引入的模糊聚类中的最大隶属度算法,将旅游小镇划分为历史文化型、未来工业型、海派风情型、现代休闲型、低碳绿色型共计五种开发类型,为定量研究旅游小镇的空间模式继而因地制宜地提出开发策略提供了理论参考和实证依据.

基于复合分类器的网络入侵检测模型

为提高国家电网网络入侵检测中攻击分类问题的准确度,提出一种基于复合分类器的入侵检测模型。复合分类器由核主成分分析、量子遗传算法和前馈(back propagation,BP)神经网络组合而成。复合分类器先使用核主成分分析将高维数的原始数据降维,降维后的数据再通过BP神经网络训练生成分类模型,其中BP神经网络的参数通过量子遗传算法优化得到,最后使用分类模型对待测样本做精确入侵检测分类。与传统入侵检测算法相比,基于复合分类器的入侵检测模型更准确。

多类别遥感图像的复合分类方法

多类别识别对于遥感图像分类的实用化具有重大意义。本文提出一种由多层神经网络与无监督分类相结合的复合分类方法。第一步用多层网络对几个大类进行有监督分类，第二步将网络输出作为无监督分类的输入，对遥感图像进行细分，使得可识别的类别数从原来的１０类提高到３０类。对ＳＰＯＴ遥感图像识别的结果表明，该算法能适应多类别识别任务的要求。

基于条件互信息特征选择法和Adaboost算法的电能质量复合扰动分类

为准备识别复杂电能质量扰动类型,提出一种基于条件互信息平均最优化(avg-CMIM)特征选择法与Adaboost动态集成分类器的电能质量复合扰动分类策略。首先基于条件互信息,提出准确衡量特征与扰动类别相关性、特征集内部目标导向冗余性的评价准则,得到不同扰动标签相匹配的最优分类特征集。再利用Adaboost分类器进行动态增强学习,对未知样本进行标签识别,通过组合标签结果确定复合扰动的组成成分,实现电能质量复合扰动的识别。仿真结果表明,在不同程度噪音下,该方法能够高效准确地识别电压暂升、电压暂降、电压短时中断、谐波、脉冲暂态和振荡暂态等单一扰动和其组合成的复合扰动,并通过实测数据验证了方法的正确性和可行性。

基于可调品质因子小波变换和随机森林特征选择算法的电能质量复合扰动分类

针对电能质量复合扰动分类的复杂性,提出了基于可调品质因子小波变换(tunableQ-factorwavelettransform,TQWT)和随机森林特征选择算法的电能质量复合扰动分类方法。首先利用TQWT分解扰动信号,以减弱扰动分量间的耦合性,并使用提出的筛选方法选取最优子带并提取时域和频域特征;然后基于随机森林算法计算特征重要性,通过序列前向选择法去掉不相关特征和冗余特征,得到对应每种扰动标签的最优特征集;最后训练生成随机森林多标签分类模型,根据输出标签的组合得到扰动类别。仿真数据实验表明,该方法能够准确高效识别23类扰动,且抗噪能力强,提高了含暂降、含中断的复合扰动的分类准确率。并以实测数据实验证明了方法的可行性。

高职工商企业管理专业“特质选拔、分类复合”人才培养模式的探索

文章提出采用"特质选拔、分类复合"的人才培养模式更加适合高职企管专业的实际。首先,分析了"特质选拔、分类复合"人才培养模式的内涵和实施必要性,然后提出"特质选拔、分类复合"人才培养模式的实施要点,并总结了高职院校相关探索的实践经验,从而为进一步推动企管专业人才培养模式改革和推广可借鉴经验提供了参考依据。

数值分类复合模型在区域经济差异分析中的应用研究

针对采用不同方法进行样本分类中存在的结果差异问题 ,本文以聚类分析法、多因素权重法、主成分分析法结合多组判别分析法构筑一种数值分类复合模型 ,应用于浙江省区域经济差异分析 ,对其进行特征分区 ,分类结果更趋合理。

“分类培养-复合提升”创新培养模式构建及在课程设置中的应用研究——以湖南工业大学自然地理与资源环境本科专业为例

本人围绕创新型人才培养模式构建主题,以湖南工业大学自然地理与资源环境本科专业为例展开理论研究和实践探索。分析了自然地理与资源环境本科专业建设现状,创新构建了"分类培养-复合提升"培养模式,研究分析了"分类培养—复合提升"创新培养模式在实际课程设置中的应用,并结合培养模式的实践应用针对性提出了相应的保障措施与对策建议。

试论复合句及其分类

在英语学习中,初学者及大学生经常对文章中出现的复杂句子(从句做句子成份的复合句)的分析、理解及翻译感到困难很大,有时因对从句的作用判断不清,造成对整个句子内容理解错误,针对这一难点问题应着重从复合句的定义、形式、及分类方面加深理解,方对英语学习者有所帮助。