基于核主元分析与纠错输出编码SVM的齿轮故障诊断

为提高齿轮故障诊断的准确率,提出了核主元分析和纠错输出编码支持向量机相结合的方法。首先采用基于核主元分析方法对原始样本向量进行预处理,实现对原始样本向量的降噪及冗余消除。然后采用基于纠错输出编码矩阵构造出若干个互不相关的子支持向量机,以提高分类模型的整体容错能力。最后,把经过核主元处理后的新向量作为纠错输出编码支持向量机的训练及测试样本,实现对不同故障状态齿轮的识别。结果表明,该方法能够提取更有效的分类样本向量,故障诊断效果更好。

基于混淆矩阵的自适应纠错输出编码多类分类方法

利用纠错输出编码(error-correcting output code,ECOC)作为分解框架,把多类问题转化为二类问题进行求解,是目前解决多类分类的有效手段之一。如何构造基于数据的分解框架是应用此类方法的重点。为此,提出一种自适应纠错输出编码构造方法,利用混淆矩阵计算多类问题中各类别的相关性,基于Fisher准则找出最有利于分类的类别组合,最后根据组合方案构建类别的二类划分并最终形成输出编码。实验中分别对UCI数据集和3种一维距离像数据集进行测试,通过与几种经典的编码方法比较,结果表明该编码方法可以显著提高分类器的性能和稳健性。

基于SVDD的层次纠错输出编码研究

纠错输出编码能有效地将多类问题分解为一系列二类子问题进行求解,已受到众多机器学习研究者的关注。如何构建基于数据的编码矩阵是编码方法确定的关键。针对此问题,基于Fisher原理,提出一种基于支持向量数据描述(support vector domain description,SVDD)的层次纠错输出编码构造方法(hierarchical error-correcting output codes,HECOC)。该方法首先采用SVDD计算各类别的可分程度,从而得到由不同子类构成的二叉树;然后分别对二叉树的各层结点进行编码并最终形成层次输出编码。在仿真实验中,对不同子类类群划分构成的基分类器的可分性进行了对比,结果表明,该编码方法能在保证分类精度的同时,提高基分类器之间的差异性和纠错输出编码的容错能力。

半监督层次纠错输出编码算法

纠错输出编码是一种处理多类分类问题的有效方法,但它只能用于有监督的数据,而对大量未标签样本却无法利用.提出一种新颖的基于半监督技术的层次编码算法,对传统的纠错输出编码算法(ECOC)进行改造,拓展了编码的概念.在编码阶段,根据簇特征进行同类组合后再进行层次编码,从而在充分利用了无标签样本的同时,根据数据类分布的特点进行编码以提高算法精度.最后在化工产品有毒性预测数据集上的实验结果表明了本方法的可行性和有效性.

基于最小二乘和纠错输出编码的多类分类

多类分类是目标识别中必须面对的一个关键问题,现有分类器大都为二分器,无法满足对多类目标进行分类,为此,提出利用纠错输出编码方法对多类问题进行分解,即把多类问题转化成二类问题;同时讨论一种基于最小二乘法对二分器结果进行融合的策略。实验分别对UCI数据集和三种一维距离像数据集进行测试,结果表明与经典的多分类器相比,提出的多类分类策略有较高的分类正确率。

基于纠错输出编码的支持向量机在语音识别中的应用

利用纠错输出编码的矩阵编码构造出若干个无关的子支持向量机,用来改善分类模型的整体容错性能。使用了一对余、一对一、稠密型随机编码、稀疏型随机编码4种常用的纠错输出编码方法,用于训练集和测试集。实验结果显示,对于韩语非特定人小词汇量孤立词的语音识别,基于纠错输出编码的支持向量机比隐马尔科夫方法具有更高的识别率。其中,一对一编码是效果最好的。

基于纠错输出编码的人脸表情识别

多分类问题一直是模式识别领域的一个热点,提出了一种基于纠错输出编码和支持向量机的多分类器算法。根据通信编码理论设计纠错输出编码矩阵;按照该编码矩阵设计若干个互不相关的子支持向量机,根据编码原理将它们融合为一个多分类器。为了验证本分类器的有效性,采用Gabor小波提取人脸表情特征,应用二元主成分(2DPCA)分析法对提取的特征进行降维处理,应用该分类器进行了人脸表情的识别。实验结果表明,提出的方法能有效提高人脸表情的识别率,并具有极好的鲁棒性。

纠错输出编码的留一误差界估计

纠错输出编码(ECOC)作为分解框架,将多类分类问题转化为二类分类问题,是解决多类分类问题的有效手段。为了提高ECOC的泛化性能,对ECOC基分类器的设计问题进行了研究。解决这一问题的关键是对ECOC的泛化性能进行估计。留一(LOO)误差作为泛化性能的无偏估计,研究了ECOC留一误差界的估计问题。先给出了ECOC留一误差的定义,基于此定义,再给出了基分类器为支持向量机(SVM),解码方法为线性损失函数解码时,ECOC留一误差的上界和下界。在人工数据集和UCI数据集上的实验表明,ECOC留一误差的上界可以指导基分类器的参数选择,通过基分类器设计可以提高ECOC的泛化性能。此外,ECOC的训练误差可以作为ECOC留一误差的下界,对ECOC留一误差下界的研究可以作为未来的研究方向。

一种融合纠错输出编码的人脸年龄识别

基于人脸图像的年龄分类是指将人脸图像分为预定义的几个年龄组的方法,它是一个多分类问题。提出一种融合纠错输出编码的SVM多类分类器,将二分类器SVM扩展为多分类器。采用Gabor小波提取人脸年龄特征,并应用二元主成分(2DPCA)分析法对提取的特征进行降维,在FG-NET年龄数据库上进行实验,结果证明了该方法的有效性和鲁棒性。在人脸年龄特征提取方面,Gabor与2DPCA结合的方式比单纯2DPCA方式具有更好的年龄特征表达能力。

基于FPGA的Camera Link输出编码设计

为了Camera Link摄像机的小型化和集成化,设计并实现了基于FPGA的Camera Link接口的编码输出功能。输出编码分为3个步骤:首先,完成图像像素数据到Camera Link PORT的映射;其次,根据DS90CR287的数据编码要求对PORT数据和同步时钟信号进行编码;最后,通过FIFO和并串转换功能模块完成图像数据和时钟编码信号的LVDS信号输出。使用ModelSim软件,对像素时钟为40 MHz的BASE模式进行了仿真,同时在实物实验中,完成了像素时钟为40 MHz的FULL模式的实验,通过以上两方面实验验证了设计的Camera Link输出编码方案的正确性和可行性。提出的编码方案稳定可靠,可以应用于不同模式下的Camera Link编码输出,具有很高的灵活性和应用价值。

基于三元纠错输出编码的偏标记学习算法

偏标记学习是一类重要的弱监督学习框架,在该框架下,每个训练样本与一组候选标记相关联,在候选标记集合中有且仅有一个是其真实标记。很明显,候选标记数目越多,偏标记学习难度越大。为了减少候选标记数目以降低偏标记学习难度,提出了一种基于三元纠错输出码的偏标记学习算法(PL-TECOC),该算法将偏标记学习问题转换为多个二类学习问题,并对学到的多个二类分类器进行最终集成。在构建二类训练数据时采用编码"0"来忽略相应标记,仅依据非"0"编码标记进行正负类的构造,以达到减少候选标记数目的目的。实验表明,与多个流行的偏标记学习算法相比,PL-TECOC在人工数据集和真实数据集上均取得了较好的分类性能。

基于迭代延长纠错输出编码的微阵列数据多分类方法

微阵列技术使快速大量检测基因成为可能,人们迫切需要利用该技术提高疾病诊断水平.因此,对微阵列数据的分析研究迅速发展,其中以数据多类分类研究尤为突出.但由于微阵列数据具有特征多、样本少的特点,使得传统统计学习方法分类效果欠佳.为了针对微阵列数据特点解决多类分类问题,提出了一种迭代延长纠错输出编码(iterative extension error correct output coding,IE-ECOC)的算法.在几个特征子集上,配合与特征相关的数据复杂度,利用一种基于二叉树的编码方法生成一个列池,并提出一种择列策略构造编码矩阵;然后,依据迭代验证结果延长矩阵.对癌症基因微阵列进行分类实验,结果显示,IE-ECOC对特征多、样本少的数据具有针对性,且与一些经典的ECOC算法相比,可以产生较好的结果,IE-ECOE算法效果也在实验中得到了验证.

基于神经网络的纠错输出编码方法研究

构造基于数据编码矩阵是目前利用纠错输出编码解决多类分类问题的研究重点.为此提出利用单层感知器作为学习框架,结合解码策略把输出编码矩阵各码元值映射为感知器网络中的权值,同时引入含权值取值约束的目标函数作为该网络代价函数,并对其进行学习,最终得到基于子类划分的数据编码矩阵.实验中利用人工数据集和UCI数据集并选择线性逻辑分类器作为基分类器分别进行测试,通过与几种经典编码方法比较,结果表明该编码方法能在编码长度较小情况下得到更好的分类效果.

基于支持向量机和输出编码的文本分类器研究

介绍了一种支持向量机与输出编码相结合的文本分类器算法 ,采用一对多、一对一和纠错编码三种编码方式以及相似度计算的海明码距、边界损失方法进行文本分类和测试 ,表明一对多编码与边界损失相似度计算相结合的分类器系统具有最高的查全率和查准率。

基于证据理论的纠错输出编码解决多类分类问题

针对多类分类问题,利用纠错输出编码作为分解框架,把多类问题转化为多个二类问题加以解决;同时提出一种基于证据理论的解码策略,把每一个二分器的输出作为证据之一进行融合,并讨论在两种编码类型(二元和三元编码矩阵)下证据融合的不同策略.通过实验分别对UCI数据集和3种一维距离像数据集进行测试,并与几种经典的解码方法进行比较,验证了所提出的方法能有效提高纠错输出编码特别是三元编码矩阵的分类正确率.

基于特征空间变换的纠错输出编码

针对基于纠错输出编码多类分类中如何保证基分类器差异性的问题,提出一种基于特征空间变换的编码方法.该方法引入特征空间,将编码矩阵扩展成三维矩阵;然后基于二类划分,利用特征变换得到不同的特征子空间,从而训练得到差异性大的基分类器.基于公共数据集的实验结果表明:该方法能够比原始的编码矩阵获得更优的分类性能,同时增加了基分类器的差异性;该方法适用于任何编码矩阵,为大数据的分类提供了新的思路.

基于纠错输出编码的多类概率建模

目前模式识别领域中缺乏有效的多类概率建模方法,对此提出利用纠错输出编码作为多类概率建模框架,将二元纠错输出编码研究的概率输出问题转化为线性超定方程的求解问题,通过线性最小二乘法来求解并获取多类后验概率的结果;而对于三元纠错输出编码的等价非线性超定方程组,提出一种迭代法则来求解多类概率输出.实验中通过与3种经典方法相比较可以发现,新方法求取的概率输出具有更好的分布形态,并且该方法具有较好的分类性能.

纠错输出编码支持向量机的电机诊断

针对交流电机故障诊断问题,提出了1种纠错编码输出向量机故障诊断方法。通过试验系统采集了正常电机、内置断条、内置不对中和转子不平衡4类电机的振动信号。对振动信号进行小波包分解、重构处理提取分解后各个频段的特征向量。通过纠错输出编码将多分类问题转化为多个二分类问题求解的思想,以编码的形式,利用纠错编码矩阵每列的码位值对训练样本进行重新分类,构造出若干个互不相关的二分类支持向量机,基于最小汉明距离原则检验测试样本的类别归属。该方法纠正由单分类器引起的偏差,提高了在多分类问题中的分类精度。实验结果表明该方法可达到诊断分类的目的。

捕获输出蛋白编码基因的小分子量质粒载体的构建与验证

自行设计一对引物,从质粒pUC18上扩增一段无启动子和信号肽的β-内酰胺酶基因(△P△SPAmp),经pGEM-T-EASY载体克隆到pET-28衍生质粒pKan的EcoR 和Xba 间,得到在Kan平板中生长而在Amp和Kan双抗平板中不能生长的转化子pMBL-E质粒.经部分酶切补平自连,筛选得到消除Hind 位点端EcoR 位点的质粒,即为用于输出信号基因片段捕获的目的载体pMBL,大小为3.46kb.经酶切鉴定和测序分析,表明构建的载体与预期设计的一致,并应用四环素抗性基因(Tetr)对载体的有效性进行了验证,证明构建的载体pMBL能有效捕获含启动子和信号肽序列的输出蛋白编码基因.