反向学习粒子群算法和多层分类器相融合的网络入侵检测

为了提高网络入侵检测率,提出一种反向学习粒子群算法和多层次分类器相融合的网络入侵检测模型。首先将反向学习粒子群算法优化最小二乘支持向量机,以提高分类性能;然后利用由粗到精策略构造多层的网络入侵分类器降低计算时间杂度复;最后采用KDD 99数据集进行仿真测试。仿真结果表明,相对于其他检测模型,该模型不仅提高了网络入侵检测率,降低了入侵检测误报率,同时加快了入侵检测速度,为网络安全提供了有效保证。

基于专家域的多层分类器融合

论文提出了一种基于专家域的多层分类器融合模型,专家指不同专长之单分类器。模型思想来自医院诊断流程,模型首先训练n个专家,之后将样本空间按专家专长划分专家域。对于待测样本,先将样本指派到合适的专家域,然后再由指定的专家对样本进行分类。用这种算法对UCI的标准数据集进行分类,实验结果显示,该算法得到比其他算法更低的分类误差,显著提高了分类器的性能。

多层分类器模型的相似人体活动识别

针对基于单传感器活动识别中相似活动易混淆的问题,本文提出了一种基于广义判别分析的多层分类器融合的相似人体活动识别算法.首先提取基于单加速度计的多类活动数据的时域特征、频域特征以及时频特征,对不同特征进行特征分析与重要性评估以确定有效的特征维度.使用随机森林(RF,Random forest)算法对活动特征进行第1层分类,然后根据分类混淆矩阵分析相似活动,由广义判别分析算法提取相似人体活动的映射特征,使用支持向量机(SVM,Support vector machine)算法对相似活动进行第2层分类,最后将相似活动的双层分类器识别概率加权融合得到最终识别结果.为了验证该识别算法,在公开的数据集SCUT-NAA上执行,识别算法对相似活动识别的正确率达到97.2%,提高了基于该数据集研究的正确率.

结合HOG/HOF级联特征和多层分类器的人体行为识别

提出一种人体行为识别方法,结合HOG/HOF级联特征和多层分类器提高人体行为的识别率。采用VIBE方法提取视频中的前景区域;在前景区域上分别提取方向梯度直方图(HOG)特征和光流方向直方图(HOF)特征,组成HOG/HOF级联特征,将视频片段中所有前景区域的HOG/HOF级联特征构建成一个特征向量集合;构建包含两层自组织映射网络和一层有监督神经网络的多层分类器,对视频片段的特征向量集合进行分类,得到行为识别结果。仿真结果表明,该方法的行为识别率高,对不同人体行为的分类混淆率低。

基于粗集的多层分类器的设计与实现

文章提出在多层分类器中使用粗集理论来进行网络的设计,由于粗集理论有强大的数值分析能力,而多层分类器具有准确的逼近收敛能力和较高的精度,所以通过两者的结合,可以得到一种可理解性好、计算简单、收敛速度快的新型多层分类器模型。首先利用粗集理论来提取原始的领域知识,然后通过计算决策表的相对约简来产生规则,这些规则的依赖性因子被设为多层分类器的初始连接权值,这些权值在训练学习中得到改进。文章最后给出了一个决策表的实例来进一步验证了该方法的高效性和正确性。

基于信息量和多层感知机分类器模型耦合的平果市斜坡类地质灾害易发性评价

广西平果市频发的地质灾害严重制约着市区的工程建设和生命财产安全。在充分收集和整理区域地质资料的基础上,通过遥感解译和现场调查,确定了平果市共发育251处斜坡类地质灾害,其中崩塌189处、滑坡62处。选择高程、坡度、坡向、曲率、工程地质岩组、距断层距离、土层厚度、距河流距离和降雨共9个因子作为评价因子,结合信息量和多层感知机分类器的优势,采用信息量和多层感知机分类器耦合模型对平果市斜坡类地质灾害进行易发性评价。斜坡类地质灾害易发性制图表明极高易发区占平果市面积的25.39%,主要分布于平果市的北部、中部和南部山区。通过ROC曲线对模型预测能力进行检验获得AUC=0.809,表明模型评价结果能够很好地预测研究区斜坡类地质灾害的发生。研究结果可为研究区的崩滑灾害风险评价和灾害防治提供科学依据。

基于欠采样和多层集成学习的恶意网页识别

现实中恶意网页与良性网页比重严重失衡,传统的机器学习分类模型不能很好的应用,为此提出一种基于欠采样和多层集成学习的恶意网页检测模型。通过欠采样达到局部数据平衡;通过第一层基于权重和阈值的集成学习确保模型的准确度;通过第二层基于投票的集成学习保证全局信息的完整性。实验结果表明,所提模型在不平衡数据集上的恶意网页识别性能优于传统机器学习模型。

多层组合分类器研究

为了提高监督分类的精度,本文从组合分类器的结构出发,提出一种横向多层组合模型,并对这种模型的运行方式与组合特性进行分析。该模型每层含有一个分类器,每个分类器的输入和输出一起作为其后面一层的输入。我们将简单贝叶斯法与BP神经网络组合成两层分类器。实验结果表明,这种组合方式有效地提高了单个方法的分类精度。

基于类FP-tree的多层关联分类器

针对传统多层关联分类挖掘产生大量冗余规则而影响分类效率的问题,提出了一种基于类FP-tree的多层关联分类器MACCF(Multi-level Associative Classifier based on Class FP-tree)。该分类器依据事务的类标号划分训练集,采用闭频繁模式(CLOSET+)产生完全候选项目集,通过设计适当的类内规则剪枝策略和类间规则剪枝策略,减少了大量冗余的分类规则,提高了分类的准确率;采用交叉关联规则方法,解决了交叉层数据的分类问题,实验结果表明了算法的高效性。

基于非线性映射的分类器及其在变压器故障诊断中的应用研究

变压器故障诊断和维修是一项复杂的任务,尽快诊断出故障并确定故障类型为即时安排相应的专业维修技术人员争取时间,对于电力系统可靠供电,尤其是不允许断电的用电场所,具有非常重要的意义.本文采用非线性映射,将样本数据映射至高维空间,对高维空间的生成样本设计分类器进行分层分类.给出了小样本高映射情形下范数最小分类面和大样本低映射最优二乘分类面存在的条件和分类面的唯一解;证明了大样本低维映射分类面范数和误差同时最小指标要求下的优化分类面的问题等价于一凸线性规划问题.对于在线诊断系统,针对传感器收集数据存在较大误差的问题,本文对方法进行了"测不准"鲁棒性分析.文末给出了基于溶解氧含量(DGA)实例,并与相关研究结果进行了比较,证明本文所提出的方法的有效性和较好的鲁棒稳定性.

基于多项式映射的分类器及其在变压器故障诊断中的应用研究

变压器故障诊断和维修是一项复杂的任务,尽快诊断出故障并确定故障类型为即时安排相应的专业维修技术人员争取时间抢修,对于电力系统可靠供电,尤其是不允许断电的用电场所,具有非常重要的意义。文中采用多项式映射,将样本数据映射至高维空间,对高维空间的生成样本设计分类器进行分层分类。对于在线诊断系统,针对传感器或光谱仪收集数据存在较大误差的问题,文中对方法进行了"测不准"鲁棒性分析。文末给出了基于溶解氧含量(DGA)实例,并与相关研究结果进行了比较,证明文中所提出的方法的有效性和较好的鲁棒稳定性。

基于标准谱的简单几何分类器及其在变压器故障诊断中的应用研究

基于故障标准谱定义了n维空间模式集合,根据欧氏距离构造了一种几何分类器。分类器结构简单,具有较强的抗干扰能力,且易于实现,因而适合在线故障诊断。文末给出的实例证明了分类器的有效性。

基于AdaBoost的音乐情绪分类

随着流媒体应用的蓬勃兴起,音频信号的自动分类开始成为工程与学术关注的热点之一。根据音乐信号对乐曲表现的情绪进行分类,由于涉及音乐信号的社会属性和自然属性的综合表征与模糊分类,因此处理方法相应需要在各种传统表征与分类方法的基础上进行机制筛选与架构优化。该文探讨了在AdaBoost算法,K-L变换和GMM模型的基础上构造弱分类器的方法,采用多层分类器结构,成功地实现了对音乐信号进行情绪分类。初步的实验对163首歌曲进行平静(Calm),悲伤(Sad),激动(Exciting)以及愉悦(Pleasant)4种类别的分类,训练集和测试集的分类准确率分别达到97.5%和93.9%,展示了这种方法的可行性和进一步发展的潜在价值。

混合多层分类和朴素贝叶斯模型的垂直搜索引擎分类器设计

研究Web上计算机教育资源的分布特点,融合主题词和文档形式,设计多层分类器来完成主题搜索过程中的正确分类,继而应用朴素贝叶斯模型对主题资源信息进行自动类别划分,完成资源的物理存储。实验中主题分类的平均正确率约78%,主题的平均召回率约61%,而资源解析的平均正确率约81.5%,测试结果能够验证本文设计思想的可行性。

一种用于人脸检测SoC中的加速协处理器设计

提出了一种改进的、适合硬件并行实现的Adaboost算法多层分类器协处理器架构.该协处理器由积分图数据快速读取模块、多层分类器Haar型特征值运算模块、DMA数据存取模块和协处理器接口模块组成,模块间采用流水线以及FIFO缓存实现数据并行处理,用于人脸检测SoC中加速人脸检测迭代过程.将该协处理器嵌入一个实际的人脸检测SoC中,只增加了SoC的少量面积,却明显提高了人脸检测的处理速度.人脸检测SoC在CYCLONE-ⅡEP2C70 FPGA上通过验证.实验结果显示,在系统工作频率为70MHz时,能以10帧每秒的处理速度检测彩色QVGA图像中的人脸.

基于图象识别技术的扑克自动发牌机设计

在扑克自动发牌机上应用图象识别技术,成功地解决了扑克比赛中人工做牌套的多种弊病;提出一种新的图象分割方法——中心坐标投影法,高效准确地提取出扑克牌的标识区域,并通过多层分类器对标识区域进行准确地分类,这些问题的解决为扑克自动发牌机的整体设计和在体育比赛中的实际应用奠定了基础。

基于发音特征的汉语声调建模方法及其在汉语语音识别中的应用

发音特征表征了语音的发音方式信息,能够辅助传统的韵律特征改善声调建模的精度。在分析汉语声韵母发音特点的基础上,将发音方式划分为19类,并提出利用阶层式多层感知器计算语音信号属于各类的后验概率,作为发音特征。之后,将发音特征与传统的韵律特征一起用于声调建模。实验结果显示,加入发音特征后,在三种不同的建模方法下声调识别的准确率提升约5%。将声调模型融入大词表连续语音识别系统后,汉字错误率有了明显的下降。

利用低频特征的几种目标识别方法研究

利用目标的低频RCS(雷达散射截面)值作为目标识别的特征矢量.分别对线性分类方法、最近邻分类方法和多层感知器神经网络分类方法进行了阐述和研究,并将这几种方法用于雷达目标识别.最后对几种分类方法的识别结果做了比较.＃结果显示:这三种分类器对简单目标都得到了较高的正确识别率,这说明目标的低频特征包含了目标的有用信息.

基于HALCON的发票号字符识别研究

为了解决人工方式识别发票号效率低下、费时费力的问题,以HALC(ON软件为平台,对发票号进行识别,首先,对读取的图像进行图像预处理,包括把原图像转化成单通道图像、图像增强、高斯滤波、阐值分割和连通区域分割,然后对预处理后的图像进行数学形态学处理,接着把粘连的数字拆分开,最后用基于多层感知分类器(MLP)对发票号数字进行识别。通过与人工方式的方法对比,结果表明,用基于HALCON的方法.发票号数字能被快速、精确的识别出来,有效的减少了人员的工作量,提高了工作效率。

机器学习法和分子对接法筛选BRD4抑制剂

目的采用分子指纹和分子对接法筛选BRD4抑制剂。方法采用1181个IC50值跨度从0.7~8.354×106nmol·L-1的BRD4抑制剂小分子作为训练集和测试集构建机器学习法的二元分类模型,利用ROC曲线,Sensitivity、Specificity和Accuracy值对二元分类模型进行评估;然后联合分子对接法筛选天然化合物库。结果用机器学习法构建的二元分类模型都较好适用于进一步筛选化合物库,文中运用支持向量SVM筛选天然产物化合物库,根据机器学习法得到的化合物在分子对接中与蛋白具有相似的相互作用模式。结论机器学习法所构建的二元分类模型可行度较高、预测能力较强,为寻找新型小分子BRD4抑制剂奠定了基础。