基于改进ID3算法的非结构化大数据分类优化方法

针对非结构化大数据在分类过程中,由于其数据中存在大量的冗余数据,若不能及时清洗大数据中的冗余数据,会降低数据分类精度的问题,提出一种基于改进ID3(Iterative Dichotomiser 3)算法的非结构化大数据分类优化方法。该方法针对非结构化大数据集合中冗余数据多以及维度繁杂的问题,对数据进行清洗处理,并结合有监督辨识矩阵完成数据降维;根据数据降维结果,采用改进ID3算法建立用于数据分类的决策树分类模型,通过该模型对非结构化大数据进行分类处理,从而实现数据的精准分类。实验结果表明,使用该方法对非结构化大数据分类时,分类效果好,精度高。

基于改进YOLOv3算法的变电站设备运行实时监测方法

常规的变电站设备运行监测方法以设备运行状态量采集为主,并未考虑到设备运行的时变性,无法满足变电站设备运行监测的实时性需求。因此,设计了基于改进YOLOv3算法的变电站设备运行实时监测方法。构建变电站设备运行实时监测架构,配置变电站设备运行的监测任务,并识别与跟踪设备监测目标,实现变电站设备运行的有效监测。利用TWUHF-G14传感器采集变电站设备运行状态数据,并对其进行数据预处理。基于此,利用改进YOLOv3算法优化变电设备运行监测网络,分析变电站设备的形状、运行状态等特点,并根据改进YOLOv3算法调整监测网络结构,满足设备监测的实时性需求。采用对比实验,验证了该方法的实时监测性能更佳,能够应用于实际生活中。

基于决策树ID3改进算法的煤与瓦斯突出预测

为提高工作面突出预测指标预测的准确率,根据灰色相关理论和决策树ID3算法,提出了基于决策树ID3改进算法的煤层工作面煤与瓦斯突出预测方法。该方法以工作面的钻屑解吸指标作为主要决策属性,以地质构造、瓦斯浓度变化等现场较为直观的突出征兆作为辅助决策属性,同时根据矿井实际工作面煤与瓦斯突出数据建立预测样本数据集,把决策属性的相对灰色关联度作为决策树ID3改进算法的最大信息增益计算权重,建立了煤层工作面煤与瓦斯突出决策树预测模型,并采用该预测模型对10组煤与瓦斯突出数据进行了预测,结果表明,该模型预测的准确率显著高于采用单一钻屑指标预测的准确率。

ID3改进算法研究

ID3算法是构造决策树的一种经典算法,传统的ID3算法存在很多问题,研究者提出了多种改进算法。简要概述基于粗糙集、粒计算和分类矩阵的ID3改进算法,通过实验分析对比3种改进算法的优势和不足,并对ID3算法的应用前景提出展望。

基于粗糙集理论的ID3算法的改进与应用

当前,数据挖掘已经成为信息业最引人注目的几项IT技术之一。决策树方法作为目前推广最深的数据挖掘模型之一,已创造出众多的不同算法。本文从ID3算法的缺点出发,根据粗糙集理论完成了对ID3算法的改进,为建立决策树分析模型奠定了基础。

改进YOLOv3算法下通航机场场面运动目标检测

为获得更好的检测精度和更快的检测速度,保障通航机场场面运行安全,提出一种改进的YOLOv3算法,分别从网络结构和损失函数2方面进行改进。首先,在主干网络中使用深度可分离卷积代替原卷积,构建基于距离交并比(DIoU)的目标框回归损失函数;然后,以某通航机场为研究对象,搭建通航机场场面目标检测场景,采用迁移学习和冻结训练相结合的训练方法,以提升场面目标检测的速度;最后,比较分析所提算法与传统的YOLOv3、YOLOv4算法的识别效果。结果表明:飞机目标的检测效果明显优于车辆和人员目标,改进的YOLOv3算法对目标的检测精度、召回率、全类平均精度(mAP)分别达到92.96%、80.51%、91.96%,图形处理器处理速度高达74帧/s,较传统的YOLOv3、YOLOv4算法性能均有明显提升,可实现通航机场场面运动目标的有效检测。

改进的ID3算法在高校收费预警系统中的应用与实现

介绍了改进的ID3算法的基本设计思想,并应用改进的算法设计了高校收费预警系统。系统设计前台用Java程序设计,后台连接Oracle数据库。训练数据是经过数据预处理的财务收费数据。经过实际测试数据的验证,本系统能够实现对学费欠费情况进行预测,并且准确率较高。该系统为决策者进行管理提供可靠的依据。

改进的ID3算法在个人贷款信用风险评估中的应用

文章应用决策树模型分类方法对银行贷款风险进行研究,针对算法往往偏向于取值较多的属性、而取值较多的属性不一定最优的缺点,对ID3进行改进,用平均信息增益代替信息增益作为选取分支属性的依据,进而建立评估模型。

一种基于改进YOLOv3的遥感影像飞机目标检测算法

针对遥感影像场景复杂,飞机目标尺寸小、特征不明显的问题,提出一种基于改进YOLOv3的遥感影像飞机目标检测算法。首先对YOLOv3的特征提取网络的结构进行改进,并将网络的检测尺度由3个扩展至4个,提高小目标的检测率;其次采用线性加权的非极大值抑制算法,降低排列交错紧密的小目标的漏检率;最后在本文设计的数据集上将该算法与YOLOv3进行对比实验。结果表明,改进后的算法对复杂背景下的小尺寸飞机目标的检测准确率和召回率均有明显提升,验证了本文算法的有效性和鲁棒性。

基于改进YOLOv3和核相关滤波算法的旋转弹目标探测算法

旋转弹的电视摄像头拍摄画面会产生旋转及抖动模糊,在预先侦查目标数据较少且末制导段视野目标较小的情况下,目标难以精确探测,为此提出一种基于改进YOLOv3和核相关滤波(KCF)算法的目标检测与跟踪算法,通过深度学习实现目标的自动检测。制作模拟山地打击场景的数据集,基于少量数据样本的前提,模拟不同天气、光照、运动及旋转模糊等复杂环境,完成在网络学习中数据的增强和扩充;通过在YOLOv3网络基础上添加Inception多尺度分支结构,增加网络对于目标不同尺寸的适应性,减少网络层数,更能适应对小目标的检测;在实现目标定位方法上,将目标检测与跟踪算法相融合,提出一种目标丢失判别机制,并利用弹道的速度—时间信息更新目标跟踪框尺度。仿真实验结果表明,相比原始算法,改进算法能更有效实现复杂环境下的目标检测和跟踪。

基于改进鲸鱼优化算法的码垛机器人时间最优轨迹规划

码垛机器人在运行轨迹过程中所消耗的时间直接影响到了其工作效率,针对码垛机器人的轨迹规划的时间问题,提出了一种改进的鲸鱼优化算法对时间进行优化。在基本的鲸鱼优化算法基础上,利用混沌映射初始化种群,引入自适应的权重和改进收敛因子,以提高算法的求解精度、收敛速度和全局搜索能力。首先,根据D-H参数法建立机器人的运动学模型;其次,在关节空间中利用3-5-3次多项式插值函数对机器人末端执行器经过的路径点进行规划,然后采用改进的鲸鱼优化算法对时间进行优化。最后通过MATLAB软件进行效果仿真和对比。结果表明,与其他同类的算法相比,改进的鲸鱼优化算法的求解精度更高,收敛速度更快。将该方法与轨迹优化结合,与未采用算法优化的3-5-3多项式轨迹规划所需要的运行时间相比缩短了22.46%,且各个关节轨迹平稳连续,验证了该轨迹规划方法的有效性。

基于YOLOv3改进算法的烟叶原料烟草甲识别方法研究

为了解决烟叶原料中烟草甲人工识别效率低、不准确的问题,实现烟草甲的精准、智能识别,提出一种基于YOLOv3改进算法的烟草甲识别模型。首先采用Random Mix数据增强技术扩充烟草甲数据集;然后,通过引入K-means++算法重新聚类锚框,改进YOLOv3对于烟草甲的识别能力;使用SIoU Loss改进YOLOv3的边界框损失函数,提高模型定位的准确性,加速模型收敛;最后加入特征细化模块过滤冲突信息,优化模型对烟草甲数据集中小目标识别的精准度。结果表明,改进的YOLOv3网络模型对测试集中烟草甲的平均检测精确率、召回率、F1分数和平均精度均值(mAP)分别达到93.26%、88.25%、0.90和94.59%,分别比现有的YOLOv3算法提高了12.21百分点、11.79百分点、0.12、12.40百分点,可为烟草甲的有效识别提供支撑。

一种基于决策树ID3的改进算法

针对传统ID3算法无法处理属性值连续的数据集,设计了一种新的改进算法用于连续评价数据的处理。改进算法先用聚类算法对连续属性值进行离散化,再计算属性的粗糙度作为属性分裂的标准,最后用改进的ID3算法生成决策树。通过仿真验证了该方法的预测正确率,并探讨其应用条件。实验结果表明,在不降低正确率的情况下,该算法可处理属性值连续的数据且具有更好的可读性及更低的运算量。

基于REESSE3+算法的改进算法

REESSE3+算法是苏盛辉教授于2014年提出的一个8轮迭代的分组密码算法。本文在REESSE3+算法的基础上做出了一些改进,提出了一种新的改进算法。由于REESSE3+算法受到了来学嘉教授提出的IDEA算法的启发,采用了3个不相容的群运算来保证其安全性,因此采用来学嘉教授提出的马尔科夫密码模型来对REESSE3+(16)算法和16位输入的改进算法进行比较。通过实验发现,在面对差分攻击时,16位输入的改进算法比原REESSE3+(16)算法更加安全。

雾霾天气车辆检测的改进YOLOv3算法

针对传统YOLOv3算法中存在检测框定位不精确的问题,提出了一种改进的YOLOv3算法用来重新估计检测框位置,提高智能汽车在雾霾交通环境下的定位精度。首先运用图像去雾算法对采集到的图片进行预处理,然后构造定位置信度替代分类置信度作为参考项来选择估计检测框位置,并改进非极大值抑制(NMS)算法,引入软化非极大值抑制(soft-NMS),最后使用加权平均的方式来更新坐标位置,以达到提高定位精度的目的。实验结果表明,先经过单尺度retinex去雾算法处理图片,再通过改进的YOLOv3算法进行车辆检测,与使用原始的YOLOv3算法进行检测相比平均精度均值mAP(mean average precision)提高了0.44%,在满足检测实时性的同时,能够检测到更多的目标,对检测车辆的定位也更加精确。

基于改进YOLOV3算法的弹库目标识别方法研究

导弹仓库目标种类繁多,数量较大,将计算机视觉技术应用到导弹仓库内可增强对弹库的管控。当前基于深度学习的目标检测算法已经成为目标检测技术的主流,具有代表性的是YOLOV3算法,但其在检测高分辨率图像中的小尺寸物体精度较差。为了进一步提升YOLOV3算法的检测性能,以密集连接网络(DenseNet)优化原DarkNet53网络结构,使得网络提取特征的能力得以增强;以soft⁃NMS算法替换原NMS算法,减轻检测框误删以及目标漏检的几率,提升了模型的检测精确率。实验结果表明,相比于传统YOLOV3算法,研究改进的YOLOV3算法在弹库目标识别方面的性能更优。

基于YOLOv3算法的室内临时障碍物检测方法改进

针对室内疏散引导员需要选择一条畅通路径的问题,提出了一种基于改进的YOLOv3算法的室内临时障碍物检测方法,监控疏散通道中的实时状态。首先引入注意力机制同时缩减网络结构对YOLOv3算法中的特征提取网络进行改进,其次采用双向连接金字塔和适应性卷积检测方式对YOLOv3算法中的特征检测网络进行改进。实验结果表明,改进的YOLOv3检测算法在检测速率和检测精度方面均有了进一步提升。

ID3算法的改进和简化

对于ID3算法分类时,存在一是节点选择时,属性取值偏向问题;二是计算属性信息增益要循环计算对数问题,本文引入粗集理论中的属性重要性来改进ID3算法,利用Maclaurin公式来简化ID3算法。通过使用经典天气表,比较ID3算法和IF-ID3算法的生成决策树的节点数、叶子数和树高,验证了IF-ID3算法的优越性。

基于改进的YOLOv3与EPnP算法的几何体位姿估计

针对机器人动态几何体模型抓取操作中存在对模型检测和位姿估计的问题,提出了一种基于改进的YOLOv3算法和EPnP算法相结合的几何体模型位姿估计方法。首先为提升YOLOv3算法的检测效果,采用完全交并比损失函数(CIOU)计算位置回归损失,同时引入通道注意力机制(ECAnet),运用网络自适应性注意重要信息,调整特征图。其次预测几何体模型3D虚拟控制点的2D像素坐标,利用EPnP算法求解目标物体的位姿。实验结果表明,与传统的YOLOv3算法相比,改进的YOLOv3算法mAP和F1性能分别提高了约6%和3%,并且能够较好的得到模型的中心和3D边框尺寸,有较好的位姿估计精度,验证了该方法的可行性和有效性。

基于ID3改进算法的公共自行车服务系统优化研究

优化设置站点位置和锁桩的数量,直接影响了城市公共自行车服务系统的运行效率。ID3改进算法,是数据挖掘技术中应用最多的决策树生成算法,改进后的ID3算法大大提高了准确度和执行效率。文章阐述了运用ID3改进算法的数据挖掘技术,对已经部署公共自行车站点的区域进行分析,从而找到公共自行车系统的最优运行规律,同时,创建站点和锁桩的配置模型,为城市公共自行车系统高效运行提供有价值的参考。