基于关联规则及无监督分类方法探寻孟河医派治疗中风病的用药规律

目的:基于关联规则及无监督分类方法探寻孟河医派治疗中风病的用药规律,为临床中风病的中医药诊疗提供参考。方法:检索收集清初以来孟河医派丁甘仁、费伯雄、马培之、邓星伯、杨博良等9位代表性医家,归纳整理其诊治中风病的医话医案,采用关联规则及无监督分类方法对数据进行数据挖掘分析。发现诊疗过程中的四诊信息及与之对应的核心药物。结果:共纳入105首处方,涉及中药173味;首先通过简单关联分析,调整支持度及关联度获得前10位的药物,用药频次最高的为半夏,舌苔脉象出现频次最高的为苔腻。支持度最高的药对、舌脉分别为陈皮和半夏、滑脉和苔腻;使用无监督分类方法将中药及四诊信息自动分为4大类。结论:通过频数分析,简单关联规则及复杂关联规则以及无监督的分类方法逐层探寻出孟河医派对中风病的独特治疗特色,发现通过机器学习找出的四诊信息与药物之间有相互对应关系。结合舌脉分析与药物分析,孟河医家治疗中风以清热化痰、补益气血、平肝熄风、祛瘀化痰为主。

基于Apriori算法及无监督分类方法探析孟河医派治疗头痛用药规律

目的:头痛病因病机复杂,历代各家医派治疗方法各异,本文旨在以现代的数据挖掘为工具,选择合适的数据分析方法,找出孟河医派治疗头痛的用药规律,以期为临床治疗头痛提供新的思路。方法:检索收集清初以来孟河医派费伯雄、马培之、巢渭芳、丁甘仁等16位代表性医家,归纳整理其诊治头痛的医话医案,以Apriori算法及无监督分类等为数据挖掘分析方法,进行频次统计、关联规则分析、聚类分析等逐层找出其用药特点、用药规律等。结果:共纳入16位孟河医派代表性医家治疗头痛处方115首,使用频次较高的药物有川芎、当归、白芍、全蝎、天麻、菊花、白芷、细辛、钩藤、黄芪等。药性以温为首,药味以辛、甘为主;归经肝、脾、肾经三经,肝经占比70%,为三经之最。关联规则通过调整支持度及关联度获得15条靠前的关联规则。无监督分类方法将药物分为5组。结论:孟河医家治疗头痛多重用风药,辅以补益气血药,注重肝脾同治及肝肾同治;尤其善于用虫类药增加止痛疗效。

基于面向对象的无监督分类的遥感影像自动分类方法

为了实现无任何先验知识的高分辨率遥感数据的自动分类,并进一步提高自动分类精度和效率,提出了一种基于面向对象的无监督分类方法(Object Oriented Unsupervised Classification).具体步骤如下:首先对遥感影像进行分割,得到一系列空间上相邻、同质性较好的分割单元,然后对分割单元进行特征提取,得到分割单元的对象特征(光谱特征、纹理特征等多特征信息),进而对分割单元进行基于对象特征马氏距离聚类.最后,通过分类后处理(类别合并、错分类别调整等)得到最终的分类结果.通过实验表明:本文提出的方法不仅能够利用影像中更多的特征信息进行聚类而且还可以有效地减少聚类对象的个数,从而使自动分类的精度和效率都得到较大的提升.

一种新型ARTⅡ无监督分类算法

ＡＲＴ是一种典型的、无监督的、能够对复杂输入模式实现自稳定和自组织识别的神经网络。该文针对标准ＡＲＴⅡ算法的预处理信号畸变问题，提出了新的非线性变换函数和竞争学习算法，该新型ＡＲＴⅡ算法的输入域由原来的非负实数域扩大到整个实数域，且分类性能良好，以多种分类问题对该算法的性能进行验证，结果表明该算法性能优良，能自适应地识别未知故障模式，分类准确。

基于模糊模型相似测量的字符无监督分类法

该文提出一种基于模糊模型相似测量的文本分析系统的字符预分类方法 ,用于对字符的无监督分类 ,以提高整个字符识别系统的速度、正确性和鲁棒性 .作者在字符印刷结构归类的基础上 ,采用模板匹配方法将各类字符分别转换成基于一非线性加权相似函数的模糊样板集合 .模糊字符的无监督分类是字符匹配的一种自然范例并发展了加权模糊相似测量的研究 .该文讨论了该模糊模型的特性、模糊样板匹配的规则 ,并用于加快字符分类处理 ,经过字符分类 。

基于流形距离的人工免疫无监督分类与识别算法

将一种新的流形距离作为相似性度量测度,提出了一种用于无监督分类与识别的人工免疫系统方法.通过基于流形距离的相似性度量,有效利用样本集固有的全局一致性信息,充分挖掘无类属样本的空间分布信息,对样本进行类别划分.新方法将免疫响应过程建模为一个四元组AIR=(G,I,R,A),其中G为引发免疫响应的外界刺激,即抗原;I为所有可能抗体的集合;R为抗体间相互作用的规则集合;A为支配抗体反应、指导抗体进化的动态算法.针对无监督分类问题,将抗体编码为代表各类别的典型样本序号的排列,利用动态算法A搜索能代表各类别的典型样本的最佳组合.将新方法与标准的K-均值算法、基于流形距离的进化聚类算法以及Maulik等人提出的基于遗传算法的聚类算法进行了性能比较.对6个人工数据集及手写体数字识别问题的仿真实验结果显示,新方法对样本空间分布复杂的无监督分类问题和实际的模式识别问题具有较高的准确率和较好的鲁棒性.

基于无监督分类的多视极化SAR相干斑滤波

相干斑噪声是引起SAR图像降质的主要原因之一。多视极化白化滤波器(MPWF)是一种专门应用于多视极化SAR图像降噪的有效技术。其中,滤波器参数估计的精确度直接决定了其滤波性能的好坏。对此,该文提出了一种新的基于无监督分类的自适应窗算法。该算法以分类图像作为对象;在滑动矩形窗内以中心像素作为参照物,自动搜索与其同类的像素并用于MPWF参数估计。实验结果表明,与其他几种典型的算法相比,该法不仅有效地抑制了相干斑,而且对图像的纹理信息具有很好的保持能力。

基于免疫无监督分类的老年人行为分析

在建立行为特征量化模型的基础上,提出了无监督分类算法对日常行为规律进行分析和表示,并利用免疫原理对分类进行优化和改进。对比实验表明,该方法有效地克服了传统聚类方法的收敛速度慢和极值点等问题,实现了较好的分类效果。

用Kohonen神经网络对高光谱分辨率图像进行无监督分类的研究

讨论了将Ｋｏｈｏｎｅｎ自组织神经网络用于成像光谱仪高光谱分辨率遥感图像无监督分类的结果．用于研究的是０．４６～０．７６μｍ１５个波段的高光谱分辨率的原始航空遥感图像．该图像复盖了澳大利亚达尔文市周围约２００ｋｍ２的试验区，包括了海湾、岛屿、海滩、河流、城市与旷野等各种地物类型．神经网络分类的结果提供了试验区内地物分布符合实际的预测和估计，它与传统的分类方法的结果相比较，用神经网络所得到的结果更准确可信．

基于最大惩罚似然的高斯混合模型无监督分类研究

本文提出了一个基于高斯混合模型的无监督分类算法.考虑到利用EM算法求解高斯混合模型的参数参数估计问题容易陷入局部最优解,我们引入逆Wishart分布来代替传统的Jeffery先验.几个实验数据的结果表明,采用该方法估计无监督分类的成分数,无论是估计的正确率,还是运算速度,都有较大提高.

一种基于模糊模型相似测量的字符无监督分类法(英文)

提出了一种能有效完成对无监督字符分类的模糊逻辑方法 ,以提高字符识别系统的速度 ,正确性和鲁棒性 .字符首先被分为 8种印刷结构类 ,然后采用模式匹配方法将各类字符分别转换成基于一非线性加权相似函数的模糊样板集合 .模糊无监督字符的分类是字符匹配的一种自然范例并发展了加权模糊相似测量的研究 .本文讨论了该模糊模型的特性并用以加快字符分类处理 ,经过字符分类 。

高光谱图像无监督分类的非线性特征提取器

高光谱图像的数据维数高、数据量大、数据间高度冗余等特点给图像分类带来困难,为进行有效降维、提高分类精度,提出以曲线距离分析作为非线性特征提取器、以独立分量分析的混合模型作为分类器的高光谱图像无监督分类的新方法。利用该方法对来自空载可见光/红外成像光谱仪的高光谱图像进行无监督分类,用分类精度对分类效果进行评价。实验表明,用本文提出的方法得到的分类精度高于传统分类方法得到的分类精度,说明了CDA方法在高光谱图像特征提取方面的有效性。

一种基于目标散射鉴别的POLSAR图像地物无监督分类新方法

提出了一种基于目标散射鉴别的POLSAR图像地物无监督分类新方法.该方法首先利用极化散射熵将POLSAR图像地物粗分为高散射随机性、中散射随机性和低散射随机性三种情形;然后提取球面散射、偶次散射和体散射相似性参数将上述三种情形细分为十种;在上述散射分类的基础上,采用新定义的两类目标极化差异度量对地物进行类别迭代调整.由于球面散射、偶次散射和体散射为地物固有散射,采用它们的相似性参数进行散射分类,使散射分类结果更符合实际地物散射情况;根据散射相似性参数大小确定散射类别,克服了现有散射分类人工确定类别边界带来的不足;新定义的两类目标极化差异度量运算简便,克服了Wishart距离度量运算偏大的不足.实测极化数据的实验结果验证了新方法的有效性.

一种无监督高光谱图像分类算法

为了实现对无任何先验知识的高光谱遥感数据的全自动分类,提出了一种关于高光谱图像的无监督分类算法。该算法将高光谱图像的凸面几何特征与光谱特征相结合,通过自动提取端元,并利用所提取的端元进行类别识别来实现高光谱图像的自动分类。此算法的特点是原理简单、易于实现、适应性广,而且不需要任何辅助支持和人工干预。实验结果表明,该算法能够获得较好的分类效果。

自适应无监督分类的PolSAR图像机场跑道区域快速检测

针对复杂PolSAR图像场景中机场目标区域检测问题,本文提出一种自适应无监督分类的机场目标快速检测方法,该方法首先对极化SAR相干矩阵分解提取PolSAR图像的特征值图,转化为超像素图实现图像去噪及降维。然后用SLIC超像素分割算法分割构造超像素。基于超像素图构建极化分类特征,并采用无监督的谱聚类方法提取出疑似机场跑道区域,其中的类别数确定利用VAT-DBE(Visual Assessment of cluster Tendency-Dark Block Extraction)算法获得。最后,在疑似区域内结合跑道结构特征进一步辨识检测出场景中的机场跑道区域。利用美国UAVSAR系统采集的多组全极化SAR实测数据对算法进行验证,并与两种已有的无监督跑道检测算法进行对比,实验结果表明,该算法能够快速准确检测出机场跑道区域,处理耗时可减小80%以上。具有更好的鲁棒性。

基于GOF的SAR海冰图像无监督自动分类算法

提出一种基于拟合优度(GOF)的合成孔径雷达(SAR)海冰图像无监督自动分类算法。该算法首先在高斯混合模型(GMM)参数进行估计过程中,附加了一个拟合优度(GOF)检验过程,在一定置信区间条件下,不仅能动态地选择最佳显著类别数,而且在马尔科夫随机场(MRF)计算最小能量对区域重新标记时,能提供初始特征参数;然后,再进行区域增长循环迭代;最后,得到各区域的最佳标记。实验结果证明,此算法在提高运行效率的同时,能够解决无监督图像分类过程中需要手动输入类别数的问题,而且输出结果图与专家解译的实况图相比在细节保持上效果更好,实用性更强。

一种基于流形拓扑结构的轴承故障分类方法

根据不同故障类型的轴承信号在高维相空间中呈现不同结构的流形形态,提出了基于流形拓扑结构的轴承故障无监督分类方法。新方法首先将反映轴承状态的一维振动信号重构到高维相空间中,利用相点邻域的切空间信息逼近流形的局部几何结构,从而得到描述流形拓扑结构的矩阵;对所有样本构成的流形拓扑结构作多向主元分析后,将获得的主元信息作为特征集输入到C-均值分类器中进行轴承的状态识别。用轴承在正常状态、内圈故障、外圈故障的试验数据进行验证,结果表明,与传统的利用振动统计量为特征输入的方法相比,新方法能够更完整地刻画信号特征,获得更准确的分类识别率。

改进独立成分分析在高光谱图像分类中的应用

针对独立成分分析在使用常规数值求解时容易陷入局部最优解的问题,以及采用神经学习算法时神经元激活函数的限制问题,将遗传算法与独立成分分析相结合,并对模型进行改进,提出了适合于高光谱数据无监督分类的模型.该算法采用最大化非高斯性进行成分的统计独立性度量,利用四阶累积量-峰度作为遗传算法的适应度函数.在应用分析中,将该算法应用于推扫式高光谱成像仪(PHI,Push-broom Hyperspectral technique Imager)数据地物分类能够获得全局最优解,在没有先验信息情况下实现地物的精细分类;与传统高光谱无监督分类算法比较,表明该算法的适用性,并具有更高的分类精度和准确性.

风电机组齿轮箱故障分类方法研究

风电机组齿轮箱的运行工况复杂多变,很难获取大量的所有已知故障的样本数据,为了能够实现在无已知样本数据条件下的故障分类,提出了一种基于ART2神经网络和C-均值聚类算法的风电机组齿轮箱故障分类方法。首先利用ART2无监督神经网络实现样本数据的初步分类,再利用C-均值聚类算法对分类结果进行修正,克服了由于原始神经网络算法存在"硬竞争"导致分类精度下降的问题。分析结果表明提出的方法具有更高的分类准确度,能够对健康和不同故障类型的风电机组齿轮箱进行准确分类识别。

基于模糊聚类和证据理论的光谱偏振图像分类

为了将光谱偏振信息用于物质分类,提出了一种无监督聚类融合算法.算法结合偏振信息的特性,首先对Stokes参量中的非偏振光强参量、线偏振度参量、偏振角参量进行无监督模糊c均值聚类(FuzzyC-mean,FCM),利用目标表面的偏振特性以及聚类结果分配置信指派,然后对这些置信指派进行加权融合.仿真实验表明了算法的有效性.