基于ADASYN与AdaBoostSVM相结合的不平衡分类算法

对于平衡数据集支持向量机(support vector machine,SVM)通常具有很好的分类性能和泛化能力,然而对于不平衡数据集,SVM只能得到次优结果,针对该问题提出了一种基于SVM的AS-Ada Boost SVM分类算法.首先,通过使用ADASYN采样,提高少类样本在边界区域的密度;然后,使用基于径向基核支持向量机(radial basis function kernel mapping support vector machine,RBFSVM)模型弱分类器的Ada Boost SVM算法训练得到决策分类器.通过将该算法在各种不平衡数据集上的测试结果与单纯运用ADASYN技术、Ada Boost SVM、SMOTEBoost等其他分类器进行比较,验证了该算法的有效性和鲁棒性.

基于改进AdaBoostSVM的JPEG图像多特征融合隐写检测方法

传统的JPEG图像盲隐写检测算法主要是通过单个或是两个特征集融合的方式来设计。而对于多个特征集,如何从这些特征集中选取一个较优的组合进行融合,目前尚处于研究阶段。本文提出一种基于改进AdaBoostSVM的多特征融合隐写检测方法,并通过设计多个实验来验证算法的性能。通过实验比较,在JPEG图像隐写多特征融合盲检测中,该方法能够在有限的计算复杂度下得到一个融合效果较优的特征组合。

基于特征融合与决策树级联结构的多姿态人脸检测

为了提高复杂模式下多姿态人脸检测的速度与性能,提出了一种基于特征融合与决策树级联结构相结合的多姿态人脸检测方法.该方法给出了基于形态学梯度的边缘方位场特征,并提出了基于Haar-like特征与边缘方位场特征相融合的AdaboostSVM算法.通过对决策树级联结构进行改进,将特征融合的AdaboostSVM算法与改进的决策树级联结构相结合进行多姿态人脸检测.实验结果表明,该方法能明显改善复杂模式下多姿态人脸检测的速度与性能.

基于组件距离匹配度函数检测部分遮挡的人脸方法

为了较好地解决被部分遮挡的人脸的检测问题，提出一种基于组件距离匹配度函数的人脸检测方法。该算法首先采用基于支持向量机的Adaboost算法即AdaboostSVM算法对输入图像进行人脸各组件的检测，然后根据组件间距离的均值和方差构建组件距离匹配度函数，并提出基于组件距离匹配度函数的组件整合验证算法，在此基础上对被遮挡的组件的位置进行估计，进而实现部分遮挡的人脸的检测与定位。实验结果表明，该方法能够提高部分遮挡的人脸的检测性能与速度，能够在复杂背景下对被部分遮挡的人脸进行较为准确的定位与检测。

飞机硬着陆多因素特性判断仿真研究

针对国内航空公司飞机硬着陆识别精度不够理想,存在较高漏判率和误判率的问题,提出一种改进的AdaBoostSVM算法建立硬着陆判断模型。该模型在充分考虑产生硬着陆相关因素的基础上,增加主起落架缓冲支柱套筒压缩行程特征量作为飞机硬着陆判断因素,并调整AdaBoostSVM算法弱分类器的评价系数,优化对硬着陆识别能力强的弱分类器的权重。以国内某机队飞机为例,采用实际样本数据进行仿真验证,对比支持向量机和传统AdaBoostSVM算法分析飞机硬着陆判断的准确性和可靠性。仿真结果表明,改进的AdaBoostSVM算法在具有充分样本的情况下能够显著提高硬着陆事件的识别精度,有效降低飞机硬着陆的漏判率和误判率,减少飞机飞行的安全隐患和节约航空公司的维修成本,具有较强的工程实际意义。

非均衡数据的债券违约预警研究

将上海交易所和深证交易所发行的30只违约债券和468只未违约债券作为研究样本,将债券是否违约设定为一个二分类问题进行识别分析,针对该问题构建了基于SVM的ADmR-AdaboostSVM分类模型;从企业资本结构、盈利能力、现金流量、偿债能力4个评估因素中筛选16个预警指标,运用ADASYN方法进行过采样合成新样本点,将特征提取mRMR方法引入债券违约领域,得出长期负债率、资本收益率、成本费用利润率以及股权比例这4个变量作为债券违约的最终预警指标,在此基础上运用AdaboostSVM模型进行风险识别。研究结果表明:在建模过程中克服了样本非均衡化问题使得分类精度显著提高,同时通过解决高维数据冗余问题,识别违约债券的准确率进一步提高,反复验证表明该模型具有较强的稳健性和有效性,具有一定的应用价值。