拉格朗日多项式逻辑回归分类算法并行计算优化

针对拉格朗日多项式逻辑回归算法中逻辑回归参数计算复杂高、耗时长,直接制约其在大数据量遥感图像上应用的问题,提出了基于图形处理器GPU对算法进行数据级并行计算处理。算法首先利用已知的训练样本进行多元回归参数估算,然后利用得到的回归参数和光谱数据进行分类,能够获得较高的分类精度,其中算法步骤中的矩阵乘法、矩阵求逆、矩阵特征值计算采用CULA库函数并行实现。利用真实场景的高光谱图像对文中提出的并行计算优化方案实验验证,结果表明,该方法能够实现对多元回归参数计算加速200倍左右,对整个拉格朗日多项式逻辑回归分类算法计算加速60倍左右。

基于非线性降维多项式逻辑斯蒂回归的图像/非图像数据的分类与识别(英文)

在面向大规模复杂数据的模式分类和识别问题中,绝大多数的分类器都遇到了维数灾难这一棘手的问题.在进行高维数据分类之前,基于监督流形学习的非线性降维方法可提供一种有效的解决方法.利用多项式逻辑斯蒂回归方法进行分类预测,并结合基于非线性降维的非监督流形学习方法解决图像以及非图像数据的分类问题,因而形成了一种新的分类识别方法.大量的实验测试和比较分析验证了本文所提方法的优越性.

基于Logistic回归和局部多项式回归的疾病风险预测

出血性脑卒中一种危险的神经系统疾病,由脑部血管破裂引起出血,病情急剧进展,病死率高,对患者和社会带来沉重负担。因此,研究出血性脑卒中的诊疗至关重要,可改善患者预后、减少残疾和死亡率,提高医疗系统效率和质量。本文利用Logistic回归、局部多项式回归对血肿扩张和血肿周围水肿两个指标建模,研究出血性脑卒中患者血肿扩张风险、血肿周围水肿发生及演进规律,最终结合临床和影像信息,预测出血性脑卒中患者的临床预后,并据此优化临床决策。

顾及局部与结构特征的稀疏多项式逻辑回归高光谱图像分类方法

稀疏多项式逻辑回归在分类中仅利用图像光谱信息,导致分类效果不太理想.本文提出了一种顾及局部与结构特征的稀疏多项式逻辑回归高光谱图像分类方法.首先利用加权均值滤波与拓展形态学多属性剖面对原始高光谱图像进行局部与结构特征提取;然后对二者进行加权平均特征级融合以获取更具唯一性的像元特征;最后由稀疏多项式逻辑回归分类器对融合结果进行分类.结果表明,本文方法能有效地提高分类精度,而且具有较强的稳健性.

一种基于多项式逻辑回归高光谱影像分类方法的改进

针对多项式逻辑回归分类器在参数寻优过程中精度提升不明显和运行速度缓慢的问题,提出一种利用DFP修正拟牛顿算法进行多项式逻辑回归参数求解的方法来提高多项式逻辑回归参数优化的效率,该算法以弦截法代替牛顿算法中的二阶Hessian矩阵,并采用DFP修正法不断修正。利用该算法对两幅高光谱影像进行分类实验,结果表明:与传统的多项式回归分类方法相比,该算法在分类精度和效率方面都有明显的改进。

高光谱与LiDAR数据融合研究——以黑河中游张掖绿洲农业区精细作物分类为例

高光谱遥感能同时获取地物空间影像和连续且精细的光谱信息,以图谱合一的形式更为精确地描述地物,然而高光谱影像普遍存在同物异谱和同谱异物现象,给准确地物分类带来挑战;激光雷达(light detection and ranging,LiDAR)能够获取地物拓扑信息,可用于构建地表三维模型,但单纯采用LiDAR数据无法准确识别地物。基于以上2点,开展高光谱影像和LiDAR数据的融合研究,采用形态学属性剖面进行特征提取,借助稀疏多项式逻辑回归分类器分类,探讨在不同特征组合下的融合与分类效果;并以黑河中游张掖绿洲农业区精细作物分类为目标,采用航空高光谱影像和LiDAR DSM数据对本文方法进行了应用验证。研究表明,该方法可获得精度更高和稳定性更好的分类结果,高光谱与LiDAR融合的方法分类精度最高可达94. 50%。

基于人工神经网络和遗传算法的网络攻击检测

针对网络攻击检测准确率较低的问题,提出基于人工神经网络和遗传算法的混合网络攻击检测算法。将多目标遗传算法和多项式逻辑回归模型组合成封装特征选择算法,利用多项式回归模型对多分类数据的高效学习能力以及多目标遗传算法的全局优化能力,提取数据的最优特征子集;将降维后的特征集送入感知机训练,利用重引力搜索算法搜索神经网络的参数。基于不同的网络数据集完成实验,实验结果表明,该算法有效降低了特征维度,实现了较好的检测性能。

基于PCA和LOGIT模型的网络入侵检测方法

针对高维度网络数据进行多类攻击行为检测的需求,提出一种基于PCA和Logit模型的网络入侵检测方法,通过PCA对网络数据降维、简化数据集和多项式Logit模型实现对不同攻击行为的识别并判别其类型。实验结果表明,方法在网络入侵识别上具有较理想的效果。

基于改进的迁移率模型的生物地理学优化算法

生物地理学优化(BBO)算法通过迁移和变异不断更新栖息地,以寻找最优解,其中迁移率模型的优劣会直接影响算法的优化性能。针对原始BBO算法采用线性迁移率模型适应性不足的问题,基于Logistic函数、三次多项式函数以及双曲正切函数提出了三种新的非线性迁移率模型,并应用于原始BBO算法中。对17个典型的基准函数进行优化性能测试,结果表明,基于双曲正切函数的迁移率模型所得解更接近函数的全局最小值,总体表现优于原始线性迁移率模型的BBO算法以及相关改进算法中表现优异的余弦迁移率模型。稳定性测试结果表明,在不同的变异率下,基于双曲正切函数的迁移率模型在多数测试函数上表现优于原始线性迁移率模型。在满足解多样性的基础上,该模型能够较好地适应非线性迁移问题,提高寻优能力。

基于KPCA特征集成算法的SOFC 系统多故障识别

针对固体氧化物燃料电池系统多模式、非线性及高维等特点,提出基于数据驱动的模式识别方法。首先用核主成分分析特征集成算法提取故障特征,然后在特征空间中使用多项式逻辑斯谛回归算法进行故障诊断。实验结果表明:核主成分分析特征集成算法可以全面提取出故障特征,能够大幅提高后续分类器故障的识别效果。

创新政策环境对外商直接投资区位选择的影响——以珠江三角洲核心区六市为例

外商直接投资(FDI)企业按知识基础类型可分为解析型、合成型和象征型,从政策工具维度对珠江三角洲核心区六市2007—2016年的创新政策进行文本分析,以创新政策强度和创新政策协同度两个指标量化评估珠三角核心区六市创新政策环境,利用多项式逻辑回归模型识别和检验创新政策环境对异质性知识基础的外商直接投资企业区位选择的影响。结果表明:①珠三角核心区六市创新政策环境时空分异显著,以2010年为时间节点创新政策强度显著提升而协同度明显降低,创新政策强度与协同度均呈楔形空间结构但二者空间异构明显;②创新政策强度和创新政策协同度对FDI区位选择皆有显著的正效应,且随着创新政策协同度的提升区域更有可能成为解析型和合成型FDI区位选择的对象;③政府态度、企业进入方式和布局区位对FDI区位选择有显著影响,集聚因素中的商务服务水平对FDI区位选择的影响显著为正,而城市人口密度和集聚经济水平的影响显著为负。研究结果对地方政府实施更加本地化的创新政策吸引差异化知识基础的FDI,构建区域竞争优势带来重要启示。

科研产出高峰期研究的现状与问题

[目的 /意义]对科研产出高峰期研究现状进行剖析,分析存在的问题,提出可改进方向及研究重点。[方法/过程]总结现有科研创造峰值和科研创造峰值年龄概念,进一步提出科研产出高峰期的概念;对几种研究模型,如威布尔分布模型、对数正态分布模型、两步认知模型等进行剖析,总结优缺点。[结果 /结论]当前研究模型在数据统计及处理误差和科研产出衡量指标的选取方面存在严重不足。未来研究思路和方向是科研产出衡量指标构建、数据处理误差克服、产出影响因素作用机理研究。