用聚类与判别分析的房地产特征因素识别与分类方法研究

房地产计税价值评估是各国财产税税制的重要组成部分。由于影响中国房地产市场价格的因素复杂、多变,特别是中国房地产市场短期波动性显著,导致房地产评税系统中有关特征因素识别与评估模型设定等,变得复杂和困难。文章结合中国房地产市场的特点,以选择采用特征价格评估模型为前提,探讨应用聚类与判别分析方法,对房地产特征因素进行系统识别与分类的方法,有效解决特征价格评估模型在实际应用中存在的问题,提高房地产评税系统在境内房地产计税评估的适用性。

基于部件特征的分类方法及在汉字识别中的应用

文章针对汉字的特点,选取一定的轮廓加权值为部件特征向量的度量,提出了一种基于部件特征的特征提取方法。并根据部件的特征和属性,采用ID3算法训练出一个决策树。结合ID3决策树和模糊逻辑的概念,采用粗分类和精分类两级分类判别的方法,首先利用每个部件的权值将部件细分成可处理的小组,然后分析待识别的汉字字符属于哪个不可再分的小组,从而提高了汉字的识别速度和识别效率。

基于机器视觉的工件特征识别与分类方法研究

机器视觉是计算机科学与人工智能研究领域的一项重要内容,主要通过计算机应用技术来模拟人的视觉功能,对从图像中提取的信息进行分析和处理,以达到实际检测和控制的效果。本文主要对基于机器视觉的工件特征识别与分类方法进行了分析和研究,以期帮助人们更好地了解机器视觉分类识别技术。

基于几何特征和贝叶斯的运动目标分类识别方法

针对传统基于几何特征的运动目标分类识别方法在模式类预定义、特征提取利用和分类器判定策略上的一些细节处理不足,提出一种改进方法。依据目标外轮廓形态差异程度,在模式类下定义子模式类;利用提取出目标的高维度几何特征向量,通过伪划分方式分组得到若干子特征向量,多方面描述目标;通过分类器和子特征向量组计算的结果,利用综合判定机制,得到最终的分类识别结果。利用目标类别的平均识别率指标进行实验,实验结果表明,该方法对预定义的4个模式类有较好效果。

多源荧光光谱数据融合下的淡水浮游植物分类识别方法

淡水浮游植物分类识别过程中,主要采用单一的荧光光谱数据进行特征提取,所得特征信息较为片面,分类识别结果的F1分数偏低。为此,以多源荧光光谱数据融合为前提,提出一种新型淡水浮游植物分类识别方法。采用局部线性嵌入算法对多源荧光光谱数据进行降维处理,再通过小波分解算法提取光谱特征信息。运用独立成分分析算法标记出有效的特征信息,依托于多源荧光光谱数据融合原理结合有效特征得到全面的光谱特征信息。将光谱特征输入可解决多分类问题的支持向量机模型,生成淡水浮游植物分类识别结果。实验结果显示,在噪声比例为40%时,文中设计的分类识别方法的分类识别结果F1分数依旧为0.95,与其他两种方法相比提高了14.74%和18.95%,分类结果更加准确。

金属断口图像句法模式识别与分类方法

针对金属断口图像 ,提出了一种基于句法模式识别理论的分类方法。该方法通过提取断口图像上反映出的形貌特征 ,并将这些特征量化成特征参数 ,分别定义不同类型断口的全图特征参数和典型特征块特征参数 ,可以较好地将不同类型的断口区分开来。分别对等轴塑坑、拉长塑坑、河流花样、腐蚀疲劳、韧性沿晶和韧性疲劳六类断口进行分类识别研究。实验结果表明 。

脱机手写汉字识别的最优采样特征新方法

在脱机手写汉字识别中 ,笔画形变是造成识别率下降的主要原因 ,减少笔画形变的影响是提高脱机手写汉字识别率的关键 .针对上述问题 ,提出了最优采样特征 .该特征以目前被广泛应用的方向线素特征为基础 ,在一定的约束条件下 ,通过移动采样点的位置 ,可以适应笔画的形变 .从而减少特征的类内方差 ,提高特征的可分性 ,改进了识别性能 .通过在 THCHR样本集上进行实验 ,并对最优采样特征和方向线素特征的实验结果进行比较 。

核最近特征分类器及人脸识别应用

将最近特征线(NFL)、特征面(NFP)和特征子空间(NFS)分类方法推广为基于核的NFL、NFP和NFS,其优点是可直接对高维的人脸图像样本进行识别,而无需先抽取人脸图像特征,使在训练样本数较多、特征抽取在计算上难以实现的情况下也能直接识别.其中对KNFS得出了两种计算方法,一是KNFP的直接推广,二是利用核主分量分析构造非线性特征子空间.基于ORL和YALE数据库的实验验证了此方法直接识别高维人脸图像的有效性.

基于核的最近邻特征重心分类器及人脸识别应用

本文提出核最近特征线和特征面分类器,可直接对高维人脸图像进行识别。为解决计算量大和可能失效的问题,提出(核)最近特征重心和(核)最近邻特征两种解决方法,前者降低了计算特征线和面距离的复杂度,后者减少了特征线和面的数目,两种方法均避免了可能失效的问题。将二者结合得到的(核)最近邻特征重心分类器,在获得相近识别率的条件下,使计算复杂度降到了最小。所得方法无需预先抽取人脸图像特征,因此避免了在较多样本数时,特征抽取存在计算量大的问题。基于ORL人脸数据库的实验验证了本文方法的有效性。

基于核的快速特征抽取及识别方法

基于核技巧提出的新的非线性鉴别分析方法在最小二乘意义上与基于核的Fisher鉴别分析方法等效,相应鉴别方向通过一个线性方程组得出,计算代价较小,相应分类实现极其简便。该方法的最大优点是,对训练数据进行筛选,可使构造鉴别矢量的“显著”训练样本数大大低于总训练样本数,从而使得测试集的分类非常高效;同时,设计出专门的优化算法以加速“显著”训练样本的选取。实验表明,该方法不仅具有明显的效率上的优势。

因素空间与分类的特征抽取

在汪培庄先生的因素空间理论基础上 ,定义因素空间的连续性 ,将论域上的模糊测度扩展到因素空间上 ,提出了分离度和m 识别因素的概念 ,证明其若干性质 ,为模式识别中的特征抽取问题提供了一种有效方法 .

基于包络指纹特征的辐射源分类识别技术

辐射源识别技术是当前电子侦察的重要研究方向。文中利用雷达模拟器的脉冲包络指纹特征,构建特征数据库,提出一种新的指纹特征向量匹配识别方法。该方法根据自适应评分机制,衡量不同特征向量之间的相似性,实现对辐射源脉冲的分类和识别处理。利用同型号雷达模拟器的外场实录数据,验证了该识别方法的有效性,分类性能优于传统的M-距离法。文中还定量分析了辐射源分类正确率与信噪比的关系,结果表明,分类正确率与SNR成正相关,当信噪比高于20 dB时,分类正确率超过95%。

基于ICA和NFL分类的局部人脸识别方法

目前已存在很多基于统计的人脸整体识别方法,独立元分析方法就是一种基于信号高阶统计特性的方法。但由于人脸光照、姿态、信息缺损等外部不可避免因素会引起整个人脸灰度图像产生很大的变化,因而会对这类整体统计性方法的稳定性产生很大影响。为此提出了一种基于独立元分析和最近邻特征线的局部人脸识别方法。首先,通过对人眼的手工定位并依据人脸几何特征完成对人脸图像的截取和局部分块,从而移除发型等无用信息;然后对每个局部图像进行PCA/ICA特征提取;最后的识别阶段,通过最近邻特征线方法得到各自识别距离,并通过对各部分设置合理的权重来综合判定。实验结果表明,作为一种有效的识别方法,分块独立元方法在识别率、识别的稳定性、应用的灵活性等方面都优于传统的整体识别方法。

融合多特征的骨签释文实体识别

构建适用于汉长安城骨签释文的命名实体识别模型,用来解决由于汉长安城骨签释文关键内容缺失,而导致无法对部分骨签释文进行分类的问题.本文将汉长安城骨签释文原始文本作为数据集,采用BIOE(begin,inside,outside,end)标注方法对释文实体进行数据标注,并提出融合字结构特征、字词结构特征的多特征融合网络模型(multi-feature fusion network,MFFN).该模型不仅考虑了单个字符的结构特征,还融合了字与词的结构特征,以增强模型对骨签释文的理解能力.实验结果表明,MFFN模型能够更好地识别汉长安城骨签释文的命名实体,实现骨签释文分类,优于现有NER模型,为历史学家和研究人员提供更加丰富和准确的数据支持.

基于颜色特征的动物图像分类识别仿真系统设计

为解决动物图像分类识别问题,提出了一种基于颜色特征的动物图像分类识别方法。该方法很好地利用了颜色直方图和低阶统计矩的属性。首先确定选择HSV颜色空间,依据图像的颜色直方图特性调整低阶统计矩数值作为特征描述量,再通过K近邻方法判断图像所属类别,并构建仿真系统。实验另外对比了组合类与单一类特征在识别准确率上的差异。实验表明,该方法能较有效地识别出不同种类的动物,平均正确识别率可达89%。仿真系统具有实用性,组合类特征可在一定程度上提高识别准确率并降低识别时间。

基于多分辨率的多层分类器的手语识别方法

本文提出了一种基于多分辨率的多层分类器的手语识别方法,该方法对来自数据手套的手语输入,先用多分辨率选择特征,然后根据这些特征数据先进行低分辨率识别,再使用全部数据进行高分辨率识别。实验结果表明,该方法比传统HMM(隐马尔可夫模型)识别过程识别速度平均提高了约0.6秒,识别率提高了6.73％。

无人机识别的音频特征提取方法

针对无人机飞行时噪声产生的机理,分别选取基于经验模态分解(EMD)的能量比以及梅尔频率倒谱系数(MFCC)的特征提取算法实现无人机声信号的特征提取,并引用主成分分析(PCA)方法对特征集进行降维融合处理。最后选择矢量量化方法(VQ)作为分类器对不同类型的无人机目标进行分类与识别。实验结果表明特征融合后的分类性能要好于基于单一特征的分类性能,该方法较好地体现不同类型无人机之间的差异,分类结果准确率较高,具有良好的稳定性。

基于分类规则挖掘的数据多标记特征分层识别

面对多标签的大数据集,传统的分类识别方法识别质量不高,现提出基于分类规则挖掘的数据多标记特征分层识别方法。利用改进后的LLE(局部线性嵌入)方法进行数据降维处理,搜索数据特征,并对数据多标记特征选择,构成特征子集,根据特征子集,利用分类规则挖掘方法构建一个分类识别模型,实现数据多标记特征分层识别。结果表明,与传统方法相比,所研究方法识别下,汉明损失度最小,数据多标记特征分层识别准确度最大,说明上述方法的识别质量较高,达到了研究的预期目标,为数据利用和挖掘提供了参考和借鉴。

基于改进支持向量机的纸张缺陷图像分类识别方法

随着纸张生产越来越多样化,带有花纹图案的纸张在缺陷识别时难度大大增加,传统的识别方法准确性不足。针对上述问题,研究一种基于改进支持向量机的纸张缺陷图像分类识别方法。该方法针对采集到的原始纸张图像实施灰度化、滤波前处理,对处理后的图像进行二值化,分割图像缺陷目标和背景,寻找缺陷目标边界并提取缺陷的几何特征和灰度特征。利用蝙蝠算法求取支持向量机两个关键参数的最优值,实现支持向量机改进。以几何特征和灰度特征为输入量,利用改进支持向量机实现纸张缺陷图像分类识别。结果表明:所研究方法的Kappa系数在两种样本集合中的识别都相对更高,由此说明所研究方法的识别能力更强。

贝叶斯方法在玉米叶部病害图像识别中的应用

根据锈病、弯孢菌叶斑病、灰斑病、小斑病及褐斑病等五种玉米病斑图像的实际情况,在图像分割和特征提取的基础上,利用朴素贝叶斯分类器的统计学习方法,实现玉米叶部病斑的分类识别。研究结果表明,对五种玉米叶部病害的诊断精度在83%以上。贝叶斯分类器具有网络结构简单、易于扩展等特点,对玉米叶部病害的分类识别效果较好,也为其它作物病害图像识别的研究提供了借鉴。