基于随机决策森林的循环展开方法

为提高编译器循环展开因子计算的准确性,提出一种基于改进的随机森林模型预测循环展开因子的方法。对传统随机森林模型进行加权的改进,为解决非平衡数据集问题提出基于SMOTE算法的BSC算法。从SPEC2006等测试集中提取近1000个循环并提取特征构成训练集,训练循环展开因子预测模型。生成的模型对于展开因子的预测准确度达81%,与编译器默认的循环展开方法相比,利用预测模型对选定的测试程序循环展开后性能平均提升12%。

基于随机森林的财务异常数据提取方法

提出了一种基于随机森林的提取方法.通过明确财务数据具有的信息增益、信息储存量、搜索引擎等多种属性,建立决策树,利用基尼系数计算决策树中每个节点数据的类别值,将同一类别数据归类到同一层次内,若得到的数据特征分布较为混乱,采用分割法将所处数据集内的全部数据实施分割,直至迭代得到最为精准的结果.在决策树中引入选择性集成算法,根据得到的特征值,将具有同种特征的数据划分到同一子范畴内,保证特征统一性,在决策树中输入异常数据特征,通过特征查找提取到异常财务数据值.仿真实验证明,所提方法对异常数据的提取精准度高,误检率低,可以最少的迭代次数实现达到较好的结果.

基于决策树模型的城市人群稳态分布预测实证——以泉州湾片区为例

基于预测的城市人群时空变化特征对城市空间资源进行配置是城市规划的重要工作,城市人口在不同的空间中快速变迁移动,具有非均衡分布的特点。这种人群非均衡分布的时空变化具有一定的规律性,即稳态分布。本文基于LBS数据以及建成环境的多源异构大数据,选取4大类36小类指标,采用智能决策树模型构建城市人群稳态分布的预测模型。对于泉州的实证发现,预测模型的准确度达84.32%,具有较高的准确性和依据,其内在理论依据是城市人群在空间上的规律性时空活动,能够为未来的城市规划提供决策参考。

可见光海面目标检测的结构随机森林方法

由于受到海岸景物和海面波纹等复杂海况的影响,基于可见光海面图像目标检测是一个技术难点。本文提出一个结构随机森林检测海面目标的方法。该方法首先基于图像块构建随机森林,然后将结构学习策略用于随机森林的预测输出空间,在样本空间训练随机森林,最后通过随机森林将图像块分类为海面图像的目标区域与背景区域。实验结果表明相对Canny算子,Threshold-Segment算子,Salience_ROI算子,文中方法在海面图像目标检测中取得了更高的检测率,且计算开销较小。

基于生成式对抗网络和改进区域建议网络的输电线路杆塔缺陷检测方法

为了减少输电线路杆塔缺陷检测过程中受噪声信号和装置性能等因素的干扰,提高输电线路杆塔缺陷检测的正确率和检测效率。提出一种基于生成式对抗网络(generative adversarial networks,GAN)和改进区域建议网络(region proposal network,RPN)的输电线路杆塔缺陷检测方法。采用GAN采集输电线路杆塔的显著性图像,并利用半软阈值函数模型剔除图像中的噪声,避免噪声对缺陷检测过程产生影响。通过随机森林决策树提取输电线路杆塔图像的轮廓特征,基于多尺度算法对RPN进行改进,将特征输入到改进RPN模型中,通过缺陷的定位、分割完成输电线路杆塔的缺陷检测。试验结果表明,所提方法的输电线路杆塔缺陷检测正确率较高,具有较好的缺陷检测效果和检测效率,从而有利于提高输电线路杆塔缺陷检测的质量,减少电力事故的出现。

大数据算法在罪犯危险度评估中的应用研究——以决策树-随机森林模型为例

现有罪犯危险度评估体系主要是传统经验主义模式,体系不能自我升级、不能全时段监测、不能全员评估、不能全要素纳入。但罪犯危险度工作要求全时段、全员、全要素纳入危险评估,且能分析因子之间的相互影响,提前做出预判,这就需要应用大数据分析。决策树和随机森林模型在聚类算法中较为成熟,其分析结果相对于传统评估体系具有更高的准确性、时效性、全面性,并能不断自我升级优化,预测结果可以为罪犯危险评估工作提供意见参考。

不完全数据集的差分隐私保护决策树研究

主要研究在对不完全数据集进行决策树分析时,如何加入差分隐私保护技术。首先简单介绍了差分隐私ID3算法和差分隐私随机森林决策树算法;然后针对上述算法存在的缺陷和不足进行了修改,提出指数机制的差分隐私随机森林决策树算法;最后对于不完全数据集提出了一种新的WP(Weight Partition)缺失值处理方法,能够在不需要插值的情况下,使决策树分析算法既能满足差分隐私保护,也能拥有更高的预测准确率和适应性。实验证明,无论是Laplace机制还是指数机制,无论是ID3算法还是随机森林决策树算法,都能适用于所提方法。

基于彩色-深度传感器的电容层析成像图像重建方法

工业过程层析成像使用非干扰传感器获取过程容器、反应器等内部状态的二维或三维图像,因在工业应用中获取的电容层析成像资料和信息量有限,难以对影像进行精准、稳定的重构。为此,设计基于彩色-深度(Red Green Blue-Depth,RGB-D)传感器的电容层析成像图像重建方法。利用RGB-D传感器采集电容层析成像图像,采用非局部均值-权重法剔除图像中的噪声后,将图像输入到随机森林分类器中,提取图像的轮廓特征。通过快速投影Landweber算法对轮廓特征求解后,利用电容物质分布的重组完成电容层析成像图像的重建。实验结果显示:所提方法的峰值信噪比数值在35 dB附近波动,结构相似性数值在0.89~1.03之间,重建耗时在4.1 s以下,具有较好的重建效果、质量和结构相似性,能够有效提高重建效率。

基于随机森林的无线传感器通信网络阻塞故障检测

针对无线传感器通信网络信道分布复杂,受外界因素影响大,导致故障检测精准度低的问题,提出一种基于随机森林的无线传感器通信网络阻塞故障检测方法。通过预设随机变量模拟存在阻塞故障、不存在阻塞故障两种状态下,样本集属性向量变化,设立判定阈值。考虑到外界因素影响,建立随机森林决策规则,输入样本数据,通过预设变量模拟外界干预因子,让检测结果逼近真实值,不断迭代直至基于判定阈值的检测结果符合规则。仿真实验证明:本文方法的检测结果与实测值吻合度高,在存在干扰环境下也能保证检测准确率,耗用时间短。

基于比赛环境特征的多目标运动员跟踪方法

鉴于运动员跟踪与移动的复杂程度和环境等因素高度相关,提出一种基于当前运动轨迹和赛场环境特征的跟踪检测方法。从噪声检测中提取赛场环境特征集,对选手空间分布情况等当前赛场环境特征进行描述;基于当前轨迹和比赛环境特征训练随机决策森林,建立运动员各时间点的亲密度模型,该环境条件性运动模型包含目标关联性,可保持可跟踪性。对分别包括10名和22名选手的篮球和足球比赛进行实验,各选取持续几分钟的序列作为样本,实验结果表明,该模型能够显著提高运动员跟踪性能。

人体行为分析方法的研究与仿真

研究人体行为分析优化问题,传统的人体行为分析方法受外部环境因素影响较大,识别率和稳定性较差。针对在复杂环境下人体行为的描述和识别的难点问题,利用人体点模型提出一种基于关节角度和隐马尔可夫模型(HMM)的人体行为分析方法。首先采用新型RGB-D传感器获取图像深度信息;然后通过随机决策森林完成人体部位分割和关节点位置标定,并建立人体三维骨架模型;最后借助HMM,通过计算关节角度对人体行为进行训练和识别。实验结果表明,改进方法在环境光照不稳定以及复杂背景的情况下,能够实现鲁棒的人体日常行为分析。对停止、走、跑、左转、右转五种日常行为识别,取得不错的识别效果。

基于局部形状结构分类的心血管内超声图像中-外膜边界检测

本文提出了一种基于局部形状结构分类的心血管内超声(Intravascular Ultrasound,IVUS)图像中-外膜边界检测方法.首先利用k-均值(k-means)聚类方法,确定局部形状结构类别;其次通过类别标号索引图像块,并对其进行积分通道特征和自相似性特征提取,构建多分类随机决策森林模型;最后由分类模型寻找IVUS图像的关键点,采用曲线拟合方法,实现IVUS图像中-外膜边界检测.实验结果表明,本文方法能够有效地解决IVUS图像中斑块、伪影和血管分支等造成边缘难以准确检测的问题,与已有算法相比,其JM(Jaccard Measure,JM)达到了88.9%,PAD(Percentage of Area Difference,PAD)降低了19.1%,HD(Hausdorff Distance,HD)减少了9.7%,更准确地识别目标边界的关键点,成功地检测出完整的中-外膜边界.

边缘计算在火灾探测中的应用初探

考虑火灾探测系统边缘数据的爆发式增长,引入边缘计算概念,以动态网络和时序数据库为基础,融合机器学习算法,将计算量从云中心下移至网络边缘侧,设计了基于边缘计算的火灾探测模型架构。系统用ZigBee技术和SDN技术搭建网络拓扑;采用ViBe算法抽取背景模型,随机决策森林算法融合各环境因子;按照数据时序用途分级存储。系统测试结果表明,该方法提升了运算效率和检测精度。

样本驱动的多孔隙连通结构设计

为设计满足特定目标并具有近似自然形态的多孔隙结构,同时实现对结构内部连通性的控制,提出一种基于样本学习的多孔隙结构设计方法.首先以多孔介质的孔隙率和连通性作为设计指标,以6-邻接体素结构建立参数化设计单元,通过手工标记方式建立设计单元样本库;在此基础上,利用随机决策树森林(RDF)学习样本结构与设计目标之间的关联模型,生成设计规则;最后将整个设计方法集成于一个可扩展的多孔隙建模框架中.实验结果表明,RDF的泛化能力能够对样本库之外的结构进行正确的判定,可以在满足设计目标的同时得到更加自然的多孔隙结构.

粪便镜检图像中红白细胞的分割与识别方法

针对粪便镜检图像中具有弱边界的红、白细胞的识别问题,研究了基于Chan-Vese模型的兼顾邻域区域边缘和纹理综合信息的分割方法。用八向Sobel弥补透明细胞的模糊边缘,通过细胞域内纹理和边缘信息互补而采用兼顾全局和局部能量分布的Chan-Vese模型的分割方法,并采用具备更好的数据泛化作用的随机决策森林进行分类。实验证明,提出的兼顾边界与域内纹理的改进型Chan-Vese分割方法使粪便镜检图像中红、白细胞的分割精度达到了95.3%。该方法对粪便镜检图像中的有形物体具备更高的分辨能力和光学环境适应性。

数据挖掘技术在电网设备故障诊断中的应用

运用数据挖掘分析理论,建立电网设备状态评估模型,以变压器油中溶解气体数据为研究对象,对变压器故障进行诊断,提前发现和消除安全隐患。

基于人工智能技术的电网故障诊断与预警系统

为有效及时地诊断电网故障,设计一种基于人工智能技术的电网故障诊断系统。首先,调研乌海地区的电网调度,对相关电站系统数据进行采集、存储、清洗和预处理;而后在先验故障判别、拓扑关联联运故障识别、检修计划故障异动识别的基础上,通过随机森林算法的决策体系建立故障决策模型,做到决策体系的自成长;最后建立基于人工智能的电力设备故障预警平台,能够对关键变电故障及时预警。该系统已经在内蒙古乌海地区试运行,现场实用结果表明,该平台可以同时对多个变电站进行监控,对故障做到及时预警,极大地提高了电网故障诊断效率。