基于分离式标签协同学习的YOLOv5多属性分类

针对图像分类任务中卷积网络提取图像细粒度特征能力不足、多属性之间的依赖关系无法识别的问题,提出一种基于YOLOv5的车辆多属性分类方法Multi-YOLOv5。该方法设计了多头非极大值抑制(Multi-NMS)和分离式标签损失(Separate-Loss)函数协同工作机制实现车辆的多属性分类任务,并采用卷积块注意力模块(CBAM)、SA(Shuffle Attention)和CoordConv方法重构了YOLOv5检测模型,分别从提升多属性特征能力提取、增强不同属性之间的关联关系、增强网络对位置信息的感知能力三方面提升模型对目标多属性分类的精准性。在VeRi等数据集上进行了训练与测试,实验结果表明,与基于GoogLeNet、残差网络(ResNet)、EfficientNet、ViT(Vision Transformer)等的网络结构相比,Multi-YOLOv5方法在目标的多属性分类方面取得了较好的识别结果,在VeRi数据集上,它的平均精度均值(mAP)达到了87.37%,较上述表现最佳的方法提高了4.47个百分点,且比原YOLOv5模型具有更好的鲁棒性,能为密集环境下的交通目标感知提供可靠的数据信息。

基于多变量属性分类的图像形态滤波方法研究

针对复杂结构图像中形态滤波的单一属性难以判定最大树节点状态的问题,提出了基于多变量属性分类的最大树图像形态滤波方法。首先标记图像的各个连通区域,将图像转换为最大树数据结构,然后计算最大树各个节点的面积、灰度值及Zernike矩属性值,并构成节点的属性向量,运用属性样本数据对支持向量机进行训练,获得支持向量机分类模型,最后根据多变量属性分类结果给出节点的枝剪策略。实验结果表明,该方法能有效地滤除复杂结构图像中不同灰度级、大小及形状的噪声区域,同时保留图像目标区域的细节特征。

基于模糊KANO模型的质量属性分类方法及其应用

针对传统Kano问卷不能有效反映顾客复杂的心理情况,企业不能准确地进行产品/服务质量属性分类的情况,提出基于模糊Kano模型的质量属性分类方法。设计模糊Kano问卷,运用模糊综合评价,分析了模糊Kano模型用于质量属性的分类方法及实现过程,并通过在快递业的实证研究验证其可行性和有效性。该研究对于企业考虑到顾客消费动机,精确获取顾客需求,实施有效的服务管理策略具有一定的创新意义。

基于属性敏感卷积神经网络的行人属性分类

针对行人属性分类受行人属性不均衡影响的问题,提出了一种基于属性敏感卷积神经网络的行人属性分类方法.首先调整现有的卷积神经网络结构,通过融合正反通道激活模块的使用,使模型能够感知更加详细的行人属性;其次引入属性不均衡损失函数,根据属性的不均衡比例自适应更新网络权重,利用误差的反向传播对少类属性增加其权值,提升模型对少类属性的敏感;最后在PETA数据集上,对54个属性进行了分类试验.结果表明:相比MLCNN等方法,新方法在36分类任务上取得了提升;在平均准确度、平均召回率和平均AUC上,分别提升2.13%,2.38%和1.19%.

基于属性分类的数据挖掘方法

随着数据仓库的广泛应用 ,从数据中获取相关的知识或规则越发显得重要 ,各种各样的数据挖掘技术提了出来 .本文介绍了一种基于数据属性值的数据挖掘方法 .首先简单介绍了 ID3分类技术 ,然后详细论述了基于属性值分类的数据挖掘的方法 .该方法有两个主要的步骤 :数据采集 。

构造煤的成因—属性分类

前人研究认为构造煤是煤与瓦斯突出的必要条件,构造煤的分类对煤与瓦斯突出的预测和防治有重要意义。(1)根据构造煤参与煤与瓦斯突出过程的突出属性对构造煤重新进行了定义,认为构造煤是构造作用下强度降低、瓦斯异常的煤气双重介质,据此将构造煤划分为01类瓦斯构造煤和01类强度构造煤以及强度和瓦斯都变异的02类构造煤。(2)参考地质构造成因环境下岩石破坏的脆韧性划分方式,将突出属性分类与脆韧性的构造成因特性结合起来,划分出3类脆性构造煤和3类韧性构造煤,分别命名为01类脆性瓦斯构造煤、02类脆性构造煤等。(3)分析了构造煤在煤与瓦斯突出中的作用,低强度构造煤在其周围形成应力集中,瓦斯通过孔隙压力和吸附作用降低煤体强度,而高压瓦斯则是突出发展过程中煤体破坏和抛掷的重要动力源之一。(4)结合成因—属性构造煤分类对各种地质因素对构造煤空间分布、构造煤瓦斯的生成和保存条件进行了分析。

城市复杂地面沉降永久干涉雷达监测属性分类研究

城市地物覆盖类型复杂多样,空间变异性大,使得不区分地物类型的沉降监测难以准确反映多因素影响下的城市地面沉降特征。受到SAR影像空间分辨率的限制,以往利用PS-InSAR技术进行的地面沉降监测无法实现PS(永久散射体)监测点的属性分类。本文选取地面沉降严重、工程建设强度大的天津塘沽作为研究区,利用1m高空间分辨率的TerraSAR-X雷达影像,基于PS-InSAR技术,获取城市区域高密度的地面沉降永久干涉监测点,使用高精度航空影像辅助识别地物覆盖类型,结合现有城市地物分类体系标准、各类工程设施行业规范及地质灾害防治规范,进行PS监测点属性分类研究,并采用SAR层析技术校正高层建筑的PS监测点分类误差,实现城市小空间尺度内复杂多要素各类地物的地面沉降监测。在PS监测点属性分类的基础上,初步分析了不同地物类型的沉降特征,地貌土质类沉降速率最大,道路、交通设施、工矿设施等地物沉降速率较大,居民地和桥梁等地物类别的沉降速率最小。研究表明:(1)对于城市小空间尺度复杂多要素地物覆盖的特征,采用高分辨率PS-InSAR监测技术可以有效分离各类地物属性,分析不同属性地物沉降特性;(2)通过各类地物沉降特征的识别,可以进行更为合理的成因分析,准确评估地面沉降危害成因,为城市地面沉降监测、预警风险分析提供科学的依据。

Rough集中属性分类贡献能力综合测度研究

针对Rough集中刻画属性分类能力的测度正区域等仅能反映属性可辨识对象集大小,不能反映属性对样本的划分状况影响分类的其它因素的问题,提出了Rough集中度量属性分类贡献能力的综合测度———属性分类粗糙度,对其特性进行了分析,给出了用该测度以及信息增益等分别作为决策树算法选择属性的启发式对UCI几个数据集的挖掘结果.理论分析和实验表明,属性分类粗糙度更全面地刻画了属性对分类的综合贡献能力,且具有计算更为简单等特点.

一种基于属性分类的多敏感属性隐私保护方法

针对多敏感属性数据中l-多样性问题及现有隐私保护方法可能导致过高隐匿率的问题,提出一种基于属性分类的多敏感属性隐私保护方法。根据各自敏感属性值的多样性及隐私重要性对属性进行分类,分别设置不同的多样性参数l并进行分组,使之满足各自的多样性要求。实验结果表明,该方法可以有效地保护隐私数据,同时减少数据的隐匿率,提高共享数据的可用性。

一种新的属性分类方法与应用刍议

以形式化语言给出了本质属性、附属属性、限定性属性等术语的定义,研究了它们的性质与内在联系,给出了属性集的一种新的分类方法。结合对属性子集的一种新运算,特别讨论了本质属性的特征,并以此对IDEF5中种类的概念做了形式化修正。同时,研究发现,在本质属性为多个时,只需保留一条,其他任何一条本质属性既是可约属性也是不必要属性,而本质属性的判定简便易行,在利用相关算法进行属性约简之前可以先剔除部分属性。最后,以实例表明了这样预处理的优越性。

基于视觉的服装属性分类算法

提出了一种服装图像属性分类算法.针对服装图像噪声多的问题,采用人体部位检测技术定位服装关键部位并去除冗余信息,提高了属性分类的准确率.并提出了一种基于人体骨架与皮肤的特征提取算法,以较少的维数表达衣型特点,显著加快相关属性的分类速度.针对服装属性语义复杂、需求多样化的问题,为不同的属性构建了不同的SVM决策树模型,从而提高分类效率,并同时满足粗、细粒度的服装分类需求.实验结果验证了该方法在多种服装属性分类任务上的有效性.

基于粗糙集理论的属性分类

依据粗糙集理论,分析决策表中条件属性的分类的变化,使得决策子集和决策规则支持度发生变化的情况,经过归纳推理得出选取最佳属性分类法的判定方法及算法.最后,通过仿真结果验证了算法2的有效.

认知诊断属性分类一致性信度区间估计三种方法

引入了三种估计认知诊断属性分类一致性信度置信区间的方法:Bootstrap法、平行测验法和平行测验配对法。用模拟研究验证和比较了这三种方法的表现,结果发现,平行测验法和Bootstrap法在被试量较少、题目数量较少的情况下,估计的标准误和置信区间较接近,但是随着被试量的增加,Bootstrap法的估计精度提高较快,在被试量大和题目数量较多时基本接近平行测验配对法的结果。Bootstrap法的所需时间最少,计算过程简单,平行测验配对法计算过程复杂且用时较长,推荐用Bootstrap法估计认知诊断属性分类一致性信度的置信区间。

基于多属性分类的民用无人机空中交通管理模式

在对国际民航组织及美国、欧洲等民航发达国家和地区民用无人机分类管理经验进行归纳总结的基础上,结合我国民用无人机管理现状,提出我国基于多属性分类的民用无人机空中交通管理模式;分别从战术和战略层面进行阐述,并对关键的无人机交通管理系统的设计提出建议。可供民航业界决策参考。

基于属性分类的装备保障数据特征挖掘法

为提高装备保障数据特征挖掘准确率和召回率,降低其均方根误差及平均绝对百分比误差,提出属性分类法。选取装备保障数据综合管理与分析系统,采集特征数据,集成处理,对集成后数据进行清理、转换及规约预处理。用属性分类法,遵循类内距离平方和最小、类间距离平方和最大的"高类聚、低耦合"原则,获取最优分类即为装备保障数据特征挖掘结果。结果表明:采用本文方法挖掘装备保障数据特征准确率、召回率均高于99%,均方根误差、平均绝对百分比误差均低于0.2。

基于属性分类的分布式大数据隐私保护加密控制模型设计

在分布式大数据的存储和传输过程中,数据极易被恶意用户攻击,造成数据的泄露和丢失;为提高分布式大数据的存储和传输安全性,设计了基于属性分类的分布式大数据隐私保护加密控制模型;挖掘用户隐私数据,以分布式结构存储;根据分布式隐私数据特征,判断数据的属性类型;利用Logistic混沌映射,迭代生成数据隐私保护密钥,通过匿名化、混沌映射、同态加密等步骤,实现对隐私数据的加密处理;利用属性分类技术,控制隐私保护数据访问进程,在传输协议的约束下,实现分布式大数据隐私保护加密控制;实验结果表明,设计模型的明文和密文相似度较低,访问撤销控制准确率高达98.9%,在有、无攻击工况下,隐私数据损失量较少,具有较好的加密、控制性能和隐私保护效果,有效降低了隐私数据的泄露风险,提高了分布式大数据的存储和传输安全性。

医院信息系统中病历数据的多维属性分类算法

针对利用传统多维属性分类算法对病历数据进行多维属性分类时,存在属性识别性能较差的问题,提出一种医院信息系统中病历数据的多维属性分类算法,通过Builder模块的描述脚本对医院信息系统中的病历数据实施建模操作,以实现病历数据维度的关联,通过构建的病历数据模型,对病历数据的多维属性实施信息挖掘,挖掘步骤包括切块与切片、钻取以及旋转,根据病历数据多维属性信息挖掘结果,结合相似性度量方法与层次聚类法,实现医院信息系统中病历数据的多维属性分类算法。为了验证医院信息系统中病历数据的多维属性分类算法的属性识别性能较好,将其与传统多维属性分类算法进行对比实验,实验结果证明该算法的各个属性识别率高低之和明显大于传统多维属性分类算法,即该算法的属性识别性能优于传统多维属性分类算法。

基于属性分类和回归模式的知识发现研究

该文针对目前数据挖掘的研究状况,理论上提出了将基于属性分类方法和多元线形回归算法相结合的算法,首先使用基于属性分类的方法将原始数据库进行属性分类,化简,去掉次要的条件属性,最后得出一个简化的表格,找出影响决策属性的主要因素,根据此表,可以得出简单的ifthen规则;然后使用多元线形回归求出它们之间的近似定量关系,得出一个最优回归方程。

基于?流属性分类的热力系统成本建模及计算方法

为规范编制生产结构图提供依据,简化链式微分法则[火用]成本建模方法,分离导致单位产品[火用]成本增大的不同影响因素,提出了基于[火用]流属性分类的热力系统成本建模及计算方法.给出基于[火用]流属性分类法生产结构图生成规则,将生产过程中不同类型[火用]流进行归类,按照热力系统[火用]流属性分类构建虚拟组元以及生产组元与虚拟组元连接关系原则,结合生产结构图定义了3类建模准则,根据生产组元的输入输出[火用]流属性分类将生产组元分为4类,构造热力系统单位[火用]成本的迭代算法.算法可有效避免高维模型的推导误差,计算结果分析显示,相同属性的流拥有相同的成本,随着热力系统生产过程的递进,不同属性的[火用]流[火用]成本逐渐增大,相邻的不同属性[火用]流[火用]成本差值为该生产过程本身的热力学损失,可分离不同属性[火用]流[火用]成本的成因,给出不同属性[火用]流[火用]成本之间的交互关系.仿真计算表明,在保持较高仿真精度的基础上,仿真耗时由3 s下降为1 s.

属性分类的多层次形式概念模型及动态算法研究

在传统形式概念中,属性是以单粒度单层次进行分析,然而现实中树形结构的属性分类是普遍存在的.针对属性分类的不同粒度层次关系,本文提出了属性分类的多层次形式概念模型,分析形式概念在不同层次泛化空间下相关性质.结合粒计算的思想,本文首先提出了属性分类的属性泛化与细化方法,属性泛化约简形式概念,属性细化提高分析精度.然后由属性分类层次的变化,给出了一种动态的形式概念构造算法,该算法通过自学习的方式对原有知识加以使用,它不仅继承了目前渐进式算法的优点,还实现形式概念自身数据的变化.最后通过实例和仿真实验说明本文所提方法的有效性.