基于最小最大概率机的虹膜图像分类方法研究

为了提高虹膜图像分类的准确性和稳定性,提出了一种基于最小最大概率机的虹膜图像分类方法.该方法通过控制错分概率实现分类的最大化,将一般的二维分类问题扩展到虹膜特征的多维空间,并利用最小最大概率机的高维映射泛化特性,实现了不同核函数下的虹膜图像多维分类问题,具有分类准确率高、稳定性好的特点.通过虹膜图像库的实验验证表明,该方法在保持分类稳定性的同时,获得了径向基核函数高达98.55%的分类率,该分类率比最近特征线方法和相异度函数方法的分类率分别提高了4.47%和6.41%.

基于最小最大概率机的迁移学习分类算法

传统的迁移学习分类算法利用源域中大量有标签的数据和目标域中少量有标签的数据解决相关但不相同目标域的数据分类问题,但对于已知源域的不同类别数据均值的迁移学习分类问题并不适用。为了解决这个问题,利用源域的数据均值和目标域的少量标记数据构造迁移学习约束项,对最小最大概率机进行正则化约束,提出了基于最小最大概率机的迁移学习分类算法,简称TL-MPM。在20 News Groups数据集上的实验结果表明,目标域数据较少时,所提算法具有更高的分类正确率,从而说明了算法的有效性。

基于数据分布一致性最小最大概率机

针对既包含有标记样本又包含未标记样本的分类数据,提出数据分布一致性原理,并将其融入到最小最大概率机中。把有标记样本和无标记样本映射到决策超平面所在空间(简称超空间),通过最小化有标记样本和无标记样本在超空间的概率分布差异,充分利用无标签样本来修正最小最大概率机的误差,使得修正后的决策超平面更接近于真正的分类超平面。实验证明,数据分布一致性最小最大概率机(DCMPM)比最小最大概率机(MPM)具有更好的分类性能。

基于最小最大概率机的客户需求分类技术

针对复杂产品客户需求中类别数多且数据量大的分类问题,利用最小最大概率机的概率信息和样本间隔信息,提出采用启发式方法解决编码设计问题。在算法中将一个减少了迭代次数的分类器视为弱化了的分类器,同时保留分类器的间隔属性和几何特性,并利用高维映射将分类器输出映射到特征空间,在弱化阶段大量减少了整体的迭代次数而在合成阶段利用非线性映射来提升性能。通过对叉车产品客户需求的数值试验证明算法具有较好的分类效果,降低了对二类分类器的精度要求。

基于因子分析和最小最大概率机的交通事件检测算法

为了进一步提高交通事件检测的精度与效率,在多角度构建事件检测初始交通变量的基础上,设计了1种基于因子分析和最小最大概率机的交通事件检测算法。通过分析交通事件上下游交通流参数的变化规律,构建了11种初始交通事件检测变量,利用因子分析方法对初始交通变量进行特征提取,实现初始交通变量的有效降维,并分别采用核函数最小最大概率机算法和线性最小最大概率机算法进行交通事件检测。最后,采用美国I-880数据库的实测数据进行实验验证和对比分析,实验结果表明,FA-MPM算法较MPM算法事件检测率提高3.5%,误报率降低0.17%,平均检测事件减少了27.5s,且最小最大概率机算法的交通事件检测效果明显优于支持向量机算法和BP神经网络算法。

特征加权最小最大概率机

在最小最大概率机中引入Boosting权值确定方法,构造特征加权最小最大概率机(FWMPM)。利用Boosting方法计算各个特征对分类任务的重要度,把此特征重要度作为原始数据各个特征的权重,对核函数中的内积和欧氏距离进行加权计算,从而可以减轻最小最大概率机被一些弱相关的特征影响。实验结果和理论分析表明,该方法比标准最小最大概率机具有更好的分类性能。

一种基于独立成分分析和最小最大概率机的人脸识别系统

提出了一种基于独立成分分析和最小最大概率机的人脸识别系统。该系统首先从摄像头中捕捉包含人脸的实时图像,利用haar特征人脸检测算法定位人脸区域,并将其从原始图像中分割出来。为了更好地提取有效特征,采用了ICA的特征提取方式,结合改进误差估计的最小最大概率机的分类方法对输入的测试图像进行识别。实验证明,该系统能够快速有效地处理实时状态下的人脸识别任务,准确率达到了96.8%,并且对多姿态的人脸具有一定的鲁棒性。

基于最小最大概率机的彩色人脸检测

在生物特征识别领域,人脸识别已经越来越引起了人们的广泛注意.人脸检测在人脸识别系统中是非常重要的,其检测效果将最终直接影响后边的识别.在本文中,我们提出了一种基于最小最大概率机的彩色人脸检测方法.首先对输入图象利用肤色模型对人脸进行初定位,形成肤色区域,达到缩小搜索空间的目的.此结果作为候选人脸区域输出,将大量非人脸的子窗口去除,剩余的子窗口将通过使用基于最小最大概率机分类器进行判别验证.实验证明,本方法在确保有效的检测出复杂背景下的人脸图像的同时,具有很好的实时性.

基于最小最大概率机的OFDM信道预测

本文提出应用基于最小最大概率机(MPM)来解决无线衰落信道非线性预测问题。首先构造信道预测的参考模型,结合插值思想,利用非线性方法对信道频率响应模拟。然后通过改变导频模式,在频域方向插值,从时域上对信道进行预测。为了提高OFDM信道预测速度和精确度,提出用基于最小错分原理的MPM来解决无线衰落信道非线性预测问题。预测实验表明,本算法在衰落信道预测的预测速度和准确性方面具有优越性。

在确定性中找寻高概率机会——年会上观点之补充

鉴于上周六报告会后不少读者和观众就我会上的观点求教于我,现将我的核心观点做以下补充并释疑。对于大势,短期而言,我认同鲁兆前辈的观点,"短期行情很可能一口气走完",我也提示了大家别忘了当时"5·19"行情后的第二浪的残酷杀跌会否重演?这样的背景下,单纯的讨论大势意义已经不大,对于普通投资者而言,更为关心的还是实战,接下来买什么,持有什么,回避什么才是最关键的。

面向类不均衡数据的多任务博弈概率分类向量机

在工程实际中获取的故障样本往往会呈现不均衡特点,同时传统的分类模型也会存在局限性。针对这些问题,基于稀疏贝叶斯理论、模糊隶属度等理论,提出了一种多任务博弈概率分类向量机(MGPCVM)分类方法。首先,在MGPCVM的目标函数中,设计了博弈因子,将不同类样本质心间的博弈信息赋予每个样本特定的样本质心敏感值,以解决传统分类器对不平衡数据集分类表现较差的问题;然后,在贝叶斯框架理论下,采用截断高斯先验分布的方法,使样本参数的正负与对应的标签信息相一致,且使样本质心敏感值产生了稀疏估计;最后,将MGPCVM方法应用于两种不同实验平台采集的滚动轴承实验数据处理,进行了故障诊断有效性验证。研究结果表明:在不同的不平衡比(IR)下,MGPCVM方法的准确率均保持在95%以上,相对于支持向量机(SVM)、概率分类向量机(PCVM)等方法提升了4%~8%;与典型向量式分类方法相比,MGPCVM方法可以在不平衡数据条件下表现出优越的分类性能,适用于实际工况中数据失衡的分类问题。

基于概率密度分布一致约束的最小最大概率机图像分类算法

为了解决含有大量未标记样本的图像分类问题,提出了基于概率密度分布一致约束的最小最大概率机图像分类算法(image classification algorithm based on minimax probability machine regularized by probability density concensus,PDM PM)。用概率密度估计函数对标记图像样本和未标记图像样本在超平面所在空间的分布进行估计,最小化标记图像样本和未标记图像样本在超平面所在空间的分布差异,得到概率密度估计约束项。把概率密度估计约束项融入到非线性最小最大概率机并用于图像分类。在耶鲁大学人脸数据库、加利福尼亚理工学院101类图像数据库的5类和15场景数据库中的10类分类准确率的试验中,该算法较非线性最小最大概率机大约平均提高了3.99%,从而表明该方法充分利用了未标记图像样本包含的分布信息来约束标记图像样本的分布,使得图像分类超平面更加准确。

基于概率支持向量机原理的超声缺陷识别模型研究

为了提高大型零件超声波探伤过程中的缺陷辨识能力,提出一种基于概率支持向量机原理,结合经验模式分解和DS证据理论,采用多探头检测的一种超声缺陷识别模型。首先,对每个探头检测的含有缺陷的信号运用经验模式分解法提取信号特征;其次,利用支持向量机来进行缺陷识别,并采用最大后验概率策略来处理传统支持向量机的输出,得到每个探头检测到的缺陷的概率支持度;最后,采用DS证据理论得出最终的缺陷类型。结果表明,该模型克服了传统的支持向量机在处理多类问题时其硬判决输出限制后续数据处理的缺陷,同时避免了主观判断,提高了识别精度和准确率。与神经网络结合DS证据理论模型和单探头多级二类支持向量机模型进行了对比分析,论证了本模型的优越性。

高光谱影像概率分类向量机分类方法研究

从分析基于支持向量机和相关向量机的高光谱影像分类方法的优势和不足出发,将基于概率分类向量机的方法用于高光谱影像分类试验。在贝叶斯理论框架下,概率分类向量机为基函数权值引入截断Gauss先验概率分布,使得不同类别的基函数权值具有不同符号的先验分布,并利用EM算法进行参数推断,得到足够稀疏的概率模型,弥补了相关向量机选取错误类别的样本作为相关向量的不足,从而有效地提高了模型的分类精度和稳定性。OMIS和PHI影像分类试验表明,概率分类向量机能够很好地应用在高光谱影像分类。

工业机器人概率模糊支持向量机在线控制方法研究

本文针对工业机器人系统中存在的模糊信息和随机信息,结合模糊支持向量机理论、概率处理方法和自适应调整机制,提出了工业机器人概率模糊支持向量机在线控制模型。实验表明,该方法在保障快速性的同时,可以实现对模糊信息和随机信息的统一处理机制,提高了机器人在线控制的鲁棒性、跟踪精度和快速性。

改进的极小极大概率终端学习机

极小极大概率机(Minimax Probability Machine,MPM)、极小极大概率终端学习机(Minimax Probability Extreme Learning Machine,MPELM)和孪生极小极大概率终端学习机(Twin MPELM,TMPELM)在不对数据分布进行具体要求的情况下,可以为泛化误差提供明确的上界,同时使经验风险极小化。目前,MPM算法、MPELM算法和TMPELM算法主要是通过求解二阶锥规划模型的内点算法实现。本文利用支持向量机思想和凸二次规划的Wolfe对偶形式,对已有的MPM算法、MPELM算法和TMPELM算法进行了改进,并提出了三个新算法。实验结果表明,本文所提算法是有效和可竞争的。

最小最大概率回归机在短期风电功率预测中的应用

为了对短期风电功率的预测进行研究,提出了一种基于最大最小概率回归机(MPMR)的预测方法。MPMR方法是将最小最大概率分类机(MPMC)向回归问题的应用推广。该方法仅须假定产生预测模型的数据分布均值与协方差矩阵已知,即能够最大化模型的预测输出位于其真实值边界内的最小概率。验证试验表明,MPMR方法能更好地跟踪风电功率的变化,有效地提高风电功率的预测精度,具有很好的应用前景。

最小最大概率回归机在短时交通流预测中的应用

为了提高短时交通流预测精度,更加精确地进行交通流规划和管理,引入一种新颖的基于最小最大概率回归机(MPMR)的短时交通流预测模型。针对北京某公路监测站实测的交通流数据集以及英国某地区实测的交通流数据集,利用基于MPMR的预测模型进行短时交通流预测,并与常规的基于神经网络、基于支持向量机(SVM)以及基于自适应神经模糊推理系统(ANFIS)预测模型的预测性能进行比较。试验结果表明,基于MPMR的短时交通流预测模型可以很好地跟踪实际流量值,在同等条件下相比常规预测模型的预测精度更优,验证了所提出模型的有效性。

基于概率支持向量机的可靠性分析与设计方法

结构可靠性设计是现代结构设计中能够考虑不确定性因素影响的重要方法之一。针对结构可靠性设计中较为复杂的隐式多概率约束条件问题,本文提出了一种有效的代理模型方法。该方法基于多输入多输出支持向量机方法,并引入分类错误概念,可以同时对多个概率约束条件进行建模,同时对概率约束条件进行了相对保守的结构可靠性分析,得出非零失效概率的两者差值在1%~10%。将该可靠性评估方法嵌入可靠性设计优化框架内,形成了偏于安全的结构可靠性设计方法。文中还提出了一种新偏导数计算方法,用于可靠性优化设计。最后将所提方法应用于减速器可靠性分析和优化设计中,验证了其计算精度和效率。

腔QED中超导量子干涉仪概率克隆机的物理实现

提出一个量子概率克隆机的物理实现方案,该方案首先将高Q腔中的两个超导量子干涉仪分别作为初始比特和目标比特,腔模作为测量比特,通过腔模和经典微波脉冲与超导量子干涉仪的多种相互作用实现量子概率克隆机的幺正演化;然后将腔模态映射到另一个超导量子干涉仪上,通过对该超导量子干涉仪磁通量的测量完成状态坍缩,从而以最优的成功概率实现量子态的精确克隆.本方案采用双光子拉曼共振过程加快单比特门的操作速率,并且总操作时间远小于自发辐射和腔模衰变时间,因而在实验上是可行的.