一种基于近邻搜索的快速k-近邻分类算法

针对传统快速k 近邻分类算法的缺陷 ,提出了一种基于近邻搜索的快速k 近邻分类算法———超球搜索法。该方法通过对特征空间的预组织 ,使分类在以待分样本为中心的超球内进行 ,有效地缩小了搜索范围。实验结果表明 ,在相同识别率和k值的情况下 ,超球搜索法的识别速度优于基本k 近邻法和传统快速k 近邻算法———及时终止法 。

加权空-谱自适应近邻聚类的高光谱图像分类

高光谱图像聚类算法可以对海量的高光谱图像数据进行信息提取,完成地物类别的初步分类。自适应近邻聚类(clustering with adaptive neighbors,CAN)作为一种新型的聚类算法,利用样本间的局部连通性实现聚类,聚类效果较好,但是该算法的性能受样本间相关性的影响较大。基于此,文章提出了一种新的融合高光谱图像的空间信息和光谱信息的分类方法,即加权空-谱自适应近邻聚类(weighted spatial and spectral clustering with adaptive neighbors,WSS-CAN)法,该方法通过引入样本点的近邻窗口尺度和光谱因子2个参数对高光谱图像进行重构,增强了样本间的相关性,对重构后的图像进行CAN聚类,有效提高了分类精度。在Indian Pines和Salinas-A数据库上的实验结果表明,由WSS-CAN得到的总体精度分别为56.33%、77.90%,分别比其他聚类算法提升了11.52%~18.47%、10.1%~14.79%,聚类效果较好。

结合TF-IDF的歌曲情感多标记分类

提出一种结合词频-逆向文件频率(TF-IDF)规则与多标记分类的歌曲情感分析方法。对歌曲中基于声学特征的音乐内容,用带向量夹角的多标记k近邻算法进行分类,将TF-IDF规则用于歌词内容,以计算歌词情感分数,并将其作为情感特征。采用该方法对歌词内容分类错误的类别标记进行修正。选用396首英文歌曲对该算法进行测试,结果表明,与其他方法相比,该方法能使分类精确度从69%提高到74%。

基于CNN双路特征融合模型的秀丽隐杆线虫寿命阶段分类研究

秀丽隐杆线虫(C.elegans)由于其有着寿命较短和人类基因高度同源的特点,作为一种被优秀的模式生物,被广泛应用于多种人类健康和疾病模型的研究中。为了准确测定当前线虫所处于的寿命阶段,论文提出了一种基于CNN双路特征融合模型的的秀丽隐杆线虫寿命阶段分类方法。首先,利用卷积神经网络分类模型对线虫图像进行特征提取;同时使用快速傅里叶变换、LoG算子等图像处理算法得到荧光蛋白亮斑坐标,然后根据坐标信息计算得到荧光蛋白亮斑聚集度信息;最后,将前两步得到的特征拼接通过分类器得到分类结果。实验结果表明,论文方法能够准确、有效地对线虫寿命阶段进行分类。