RGB三通道缺陷检测投票分类器方法

针对低温多晶硅/金属氧化物(LTPS/IGZO)玻璃基板缺陷检测图像具有周期性和固定性的特性,为提高缺陷的识别性能,提出一种投票分类器。将待检测的LTPS/IGZO玻璃基板的RGB (红绿蓝三通道色彩模式)缺陷图像分成R、G、B这3种颜色的合成图像,设计一个投票分类器,对缺陷图片和正常图片的R、G、B颜色所占比例进行对比,使用投票的方式,多数服从少数原则,检测待检测图像是否含有缺陷,判断缺陷类型。实验结果表明,所提方法在加快缺陷检测速度的基础上,保证了产品的识别准确率。

基于多分类器投票的变电站自动化系统硬件木马检测方案

针对IEC 61850标准下变电站自动化系统所面临的硬件木马攻击风险,提出了一种基于多分类器投票的硬件木马检测方案。该方案能有效检测该系统中常用通信接口RS232存在的各类型硬件木马。相比于其他基于机器学习的硬件木马检测方法,方案通过主成分分析算法对旁路特征数据进行降维和去噪处理,解决了处理高维度旁路特征样本时的计算开销高和数据冗余问题。此外,本方案结合网格搜索和K折交叉验证算法优化个体分类器参数,并通过投票机制将这些个体分类器集成为改进的多分类器投票模型,以进一步提高模型检测硬件木马的准确率。对比实验结果证明,该方案在检测不同类别的硬件木马时具有高效率和高准确率。

多分类器投票法预测植物蛋白质亚细胞定位

选取伪氨基酸组分、氨基酸频次的ID向量、N端信号的ID向量作为参数,利用多分类器投票法对植物11类蛋白质亚细胞定位进行预测。得到的预测精度已高达5折交叉检验的76.4%和77.0%,并且预测方法简单易实现。

使用组合分类器预测蛋白质相互作用

蛋白质必须通过与其他蛋白质之间的相互作用才能行使其功能,因此,对于蛋白质相互作用的研究显得尤为重要.针对蛋白质相互作用预测问题,本文提出了一种基于不同特征编码的组合分类器投票的预测方法.该方法综合考虑了蛋白质序列中氨基酸频率、氨基酸位置、氨基酸理化性质和氨基酸生物相似性等特征.在真实的蛋白质相互作用human数据集上,使用支持向量机根据不同特征编码建立的预测模型,分别作为组合分类器中的子分类器进行投票.结果表明,该方法能有效提高蛋白质相互作用预测的性能,且预测结果与其他方法相比也具有一定优势.

基于修正G^2特征筛选的中文微博情感组合分类

新词的涌现、热词的漂移、海量碎片化及中文常用词特性带来的高维稀疏性成为中文微博情感分类的主要困难。本文提出了一种新颖的方法用以解决上述问题:构造表情符号词典用来自动获取微博的情感标签,解决海量微博数据标注的问题;引入修正的G^2检验进行特征筛选,进行降维,控制稀疏性;采用多阶段判断的抽样策略保证基分类器的多样性,最后采用加权多数投票的方式对基分类器结果进行融合,解决特征和情感漂移及碎片化问题。实验表明本文方法可以快速有效的获取训练标签,保留下强区分能力的特征,并实现较高的精度,在中文微博情感分类上是一个有竞争力的方法。

基于CMFS-MIC特征选择的跳频电台个体识别方法

针对跳频电台细微特征集中存在冗余特征等导致电台识别时存在计算量大、识别准确率低等问题,提出了一种基于CMFS-MIC特征选择的跳频电台个体识别方法。首先计算采集到的各个跳频电台信号样本的细微特征集,然后采用关联信息熵度量特征子集的组合效应,兼顾考虑特征间的关联关系和冗余关系对各个特征进行降序排序。在此基础上,采用最大信息系数度量的近似马尔可夫毯方法删除冗余特征,实现对特征子集进行优化和降维。最后,设计了投票组合分类器实现对四部跳频电台信号的识别。仿真结果表明,本文算法具有更高的分选识别率。

基于近似熵与CSP的异步BCI空闲状态检测方法

针对异步脑机接口(BCI)中空闲状态难以检测的问题,提出将近似熵与公共空间模式(CSP)综合的方法来处理.在采用二级分类策略的前提下,通过近似熵与CSP方法分别从时间复杂度和空间模式上提取不同类型的脑电特征,利用这些特征训练出不同的分类器,然后使用多分类器投票的方法将它们综合以提高判断空闲状态的正确率.将本文的方法运用到BCI竞赛数据中,得到最终具体想象任务的命中率(TPR)普遍比通过阈值法得到的结果要高.数据处理的结果说明了本文方法对空闲状态检测的有效性.