基于子空间样本选择的最近凸包分类器

最近邻凸包分类器需要求解测试样本到训练集凸包距离的凸二次规划问题,对于训练集规模较大的情况,有必要在分类之前进行适当的样本选择。为此该文提出基于子空间样本选择的最近凸包分类方法。该方法首先采用子空间样本选择算法对训练集样本进行筛选,然后将各类选出的样本作为最近邻分类器的新的训练集。子空间样本选择方法的原理是在一类训练样本集内,迭代选择距离已选样本张成子空间最远的样本。在MIT-CBCL人脸识别数据库的training-synthetic子库的实验中,该方法只需5.6%的训练样本即可取得100%的识别率,并且执行时间较未经选样的最近邻凸包分类器也大为减少。

核子空间样本选择方法的核最近邻凸包分类器

为了保证核最近邻凸包分类器有效地处理大训练集的应用问题,提出一种核子空间样本选择方法与该分类器相结合。核子空间样本选择方法是一个类内迭代算法,该算法在核空间里每次迭代选择一个距离选择集样本张成子空间最远的样本。在MIT-CBCL人脸识别数据库的training-synthetic子库上的实验中,该方法不但可以取得100%的识别率,而且与未经选样的核最近邻凸包分类器相比,其执行速度要快许多。

正交空间样本选择在金银花多批醇沉过程中的应用

本研究探讨模型传递方法在金银花醇沉过程中的适用性。在金银花醇沉过程中,以高效液相色谱法(HPLC)为对照分析方法,测定提取液中绿原酸的含量,分别运用iPLS算法、SPLS算法和模型更新(MU)建立绿原酸的NIR定量校正模型,检测另外两个批次金银花醇沉过程中绿原酸的含量变化。为使选择的样本更具代表性,本研究在OSC的基础上提出了一种新的样本选择方法———正交空间样本选择(OS),并与常用的K-S法进行了对比。结果表明,采用模型更新可以实现定量校正模型在不同的批次之间稳健传递。且用OS法选择更新样本能够明显提高模型预测的准确性和稳健性。

船舶结构振动信号的空间样本扩容

针对实际船舶振动信号测试过程中存在的因结构复杂或者传感器数量不足等原因造成的小样本问题,提出结合传递率函数和有限元仿真的空间样本扩容方法,利用有限元软件对实际的结构进行仿真计算,得到仿真状态下相关测点的传递率函数;根据传递率函数的特点,利用已知测点信号计算得到实际情况下结构上未知测点的信息,以扩充在实际测量过程中无法得到的振动响应信号,实验证实该方法用于解决空间小样本问题可行。

临床试验期中分析中不同样本空间排序方法矫正效应高估的比较

目的:比较逐段(SW)排序法、似然比(LR)排序法和极大似然估计值(MLE)排序法对临床试验中成组序贯设计期中分析效应高估的矫正效果。方法:使用SAS 9.4生成正态分布资料模拟数据集,模拟期中分析,采用中位无偏估计值(MUE)及其95%CI下限评估3种样本空间排序法的矫正效果。采用一项已上市的随机对照临床试验进行验证。结果:与SW排序法相比,LR排序法和MLE排序法的MUE及其95%CI下限更接近真实值。结论:对于正态分布数据,LR和MLE排序法能更好地矫正临床试验期中分析的效应高估。

基于帧结构的语音对抗样本重点区域扰动分析

目前针对语音识别模型的对抗攻击主要是在整条语音上添加噪声,扰动范围大且引入了高频噪声.现有研究在一定程度上缩小了扰动范围,但由于语音对抗攻击需要在每帧添加扰动实现对转录结果的控制,限制了扰动范围的进一步降低.针对此问题,从帧结构的角度研究了语音识别系统中的特征提取流程,发现分帧和加窗处理决定了帧结构中重点区域的分布,即帧内各采样点上添加扰动的重要性受采样点所处位置的影响.首先,根据对输入特征的扰动分析结果进行区域划分;然后,为了量化这些采样点对求解对抗样本的重要性,提出了对抗样本空间度量方法和相应的评价指标,并设计了在帧内不同区间上添加扰动的交叉实验,进而确定了扰动添加的重点区域;最后,在多个模型上进行了广泛的实验,表明了在重点区域添加对抗扰动能够缩小扰动范围,为高质量语音对抗样本的生成提出新的角度.

复杂约束条件下导引头抗干扰试验样本空间分析

针对试验样本空间组成要素众多、动态变化且存在复杂关联约束的特点,围绕典型作战场景下导引头、目标、背景和干扰等4类要素及其相互作用,提出复杂约束条件下抗干扰试验样本空间的分析框架,实现“典型作战场景—全干扰对抗要素—全因子试验样本空间—约束满足的有限样本空间”的转化与映射。同时,重点关注对抗战术动态博弈影响下样本空间规范化描述以及多重约束下样本空间的不规则特征分析等问题,提出综合运用复杂网络、图分解、约束满足优化等理论解决其中关键问题的建模流程,为结合典型作战实例进行深入分析及后续的试验设计提供有效输入。

基于问题驱动的单元起始课教学设计——以“有限样本空间与随机事件”为例

以问题驱动为主要策略,预设问题主线,通过对随机现象的分析构建研究随机现象的路径并抽象概率研究的对象.通过复习初中知识,发现重构随机事件概念的必要性.围绕抽象核心概念随机事件,通过系列探究对比活动,巩固有限样本空间在整个概率单元学习中的重要地位.

“条件概率”的教学设计研究--基于样本空间视角

样本空间为条件概率的本质理解提供了必要的基础.本节课对样本空间、条件概率进行了分析研究,让学生从对实际问题的分析中感受样本空间的变化,抽象出条件概率的概念,并能依据条件概率公式和直观意义求解条件概率.

从样本点到全概率公式

全概率公式是概率论中的重点内容,深入理解全概率公式中的基本概念有助于正确求解相关问题.文章通过三道全概率公式例题阐述了如何从本质上理解这些基本概念,以及理解这些基本概念对解题的重要性.

基于样本空间学习算法的彩色匹配方法研究

提出基于样本空间学习算法的 RGB(Red,Green,Blue)→ CMYK(Cyan,Magen-ta,Yellow,blac K)颜色空间变换方法 ,仅需测试 40 0组纯色色块 ,即可在不同的打印 (抖动 )模式、墨水和纸张条件下 ,对 RGB→ CMYK转换规律进行有效的学习 .该算法学习能力强、打印速度快 ,通过在模型中增加高次项 ,提高了彩色匹配的精度 ,进一步解决了彩色匹配的自动化和通用性问题 .同时 ,借助于 CIELab均匀颜色空间对图像进行动态范围调整 ,还起到了减小色偏、突出图像细节。

基于潜源区样本空间确定空间分布函数

本文给出了采用潜源区样本空间确定CPSHA模型的空间分布函数的方法。该方法将潜源区震级上限和给定震级m之差与潜源区面积的乘积定义为该潜源区m级以上地震事件的样本空间,称为事件体;把所有事件体的集合作为地震统计区的样本空间,然后利用任意一个事件体与地震统计区样本空间的比值关系确定空间分布函数。这种利用潜源区样本空间确定空间分布函数的方法不仅可以避免多因子方法的主观性和人为性,而且可以给出任意震级间隔的空间分布函数;其简单的计算过程也有利于在CPSHA方法使用多方案潜源区评估场地的地震危险性。

样本空间排序法评价瞬时辐照无失效数据研究

为降低瞬时辐照抽样检验中现行经典非参数法的评价结果的保守性,引入样本空间排序法,从理论和实例两方面计算无失效数据的生存概率置信下限,并与经典非参数法进行对比。结果是,样本空间排序法不仅提高生存概率的置信下限,还增大这些置信限所对应的剂量率范围。该研究结果表明样本空间排序法提高了数据利用率,降低了保守性,可减少试验成本。

样本空间中的序与参数的置信限

此文中我们利用样本空间中的序提出了计算参数置信限的一般方法。对于双向删失和更新计数过程的情形,我们分别获得了具体的计算公式,它们在寿命及可靠性研究中有重要的实用价值。

优化样本空间 简解古典概型

通过对称压缩法、样本空间缩小法、事件对等转化法三种方法优化了样本空间,简化了古典概型的计算.

计数型截尾序贯检验的样本空间排序法

针对IEC1123所建议的截尾序贯检验存在未能使平均试验次数达到最少等不足之处,在对最优截尾序贯检验进行精确定义的基础上,通过在截尾序贯样本空间建立序关系,采取逐点优化的方式得到截尾序贯检验的最优化方案.计算结果表明,新方法与IEC1123所建议的截尾序贯抽样方案及序贯网图检验(SMT)相比,无论是在序贯检验截尾值的控制,还是在减少检验的平均试验次数等方面,都有十分明显的改进.

利用潜源区样本空间确定CPSHA模型空间分布函数的方法

提出了一种利用潜源区样本空间确定空间分布函数的思路—潜源区样本空间法。除潜源区和地震目录外,不需要任何额外的资料,该方法就可以给出4套不同的空间分布函数,还可以提供任意震级间隔的空间分布函数,不存在多因子方法中因子分辨率与计算震级档不协调的问题,更好地体现了潜源区之间地震活动的空间差异,适用于多方案潜源区开展概率地震危险性分析。

关于概率中样本空间选取的两点体会

从古典概型中事件概率的计算和事件的相互独立性两个方面,通过举例较深入地分析了样本空间选取的重要性,并指出在概率计算中要充分利用概率概念.

一种基于DNN及决策森林的回归模型在小样本空间中的应用

针对DNN回归模型难以应用于小样本空间的问题,将DNN的特征学习和决策树模型相结合,提出了一种融合DNN特征学习和决策森林的级联回归模型,采用一种“概率”随机森林代替单一决策树进行训练,使其可用少量样本获得较好的特征表达学习能力,并完成在小规模数据集下的图像分类任务.为了验证该模型的有效性,将此模型应用于两种不同的数据集上,并与其他几种模型算法进行了对比.实验结果表明,此回归模型在整体上优于其他模型,能够较好的完成小样本空间的目标检测及分类.