基于Softmax回归分类分析的人体运动检测研究

提出一种基于分类分析的人体运动状态识别方法。通过手机内置的加速度传感器采集相关数据,然后对采集的数据进行预处理,采用Softmax回归分类算法对人体运动状态进行分类。在深度学习框架TensorFlow下的实验结果显示此算法分类精度较高,对静止、走路、慢跑、上下楼梯、骑车等五种运动状态的综合识别率为88.18%。

基于迁移学习和逻辑回归模型的花卉分类研究

【目的】不同种花卉之间的相似性以及同种花卉内部的多变性加大了花卉图像分类难度,其难点是要人工设计出能充分体现花卉颜色、形状和花瓣形态等特征的特征提取方法。传统的花卉图像分类方法的精度不高且模型的泛化能力较差,这些问题亟待解决。【方法】课题组提出一种基于数据增强的VGG16迁移学习卷积神经网络提取花卉图像特征,再训练多类逻辑回归模型的花卉图像分类识别方法;并且通过在flowers17和flowers102花卉数据集上进行测试,来验证课题组所提出的花卉分类识别方法的有效性。【结果】课题组所提出的花卉分类识别方法在flowers17和flowers102数据集中分别达到了97.89%和92.10%的分类精度,高于现有其他花卉图像分类方法。【结论】通过预训练的深度人工神经网络提取的高区分度的花卉图像特征,优于人工设定的花卉图像特征,能训练出更高效精准的花卉识别分类器。基于本研究内容,下一步可对VGG16网络进行降维改进,让模型参数减少,从而实现快速实时应用。

基于Softmax回归在复杂地形条件下的降水相态预报模型——以山西省晋中市为例

利用2000—2018年山西省晋中市常规地面观测资料对当地降水相态时空分布特征进行统计分析,用ERA5再分析资料在显著性检验基础上筛选出与降水相态相关性较强的物理量参数,以筛选出的物理量作为特征数据,采用k-聚类法对晋中市进行区域划分,基于Softmax回归方法分别建立不同区域的降水相态分类预报模型。结果表明,晋中市发生雨雪转换日最多的是3月,其次为11月,4月、11月更容易发生液态降水向固态降水的转换;筛选出与降水相态相关性较强的3个物理量参数分别是T_(850hPa)、T_(0)和H_(700~850hPa),相变日数有明显的地域差异;第二区域和第三区域的模型预测精度均高于不进行区域划分的模型精度,说明进行区域划分再建模可在一定程度上提高模型的预报准确率。

基于卷积降噪自编码器和Softmax回归的微地震定位方法

本文提出了一种基于卷积降噪自编码器和Softmax回归的微地震定位方法.该方法首先将微地震数据输入到卷积降噪自编码器中进行随机噪声压制,利用卷积降噪自编码器的编码器提取微地震数据的鲁棒性特征.然后根据震源的地理位置,对每个微地震数据生成多个独立的位置标签.使用带有震源位置标签的微地震特征训练多输出的Softmax分类器模型,同时预测一个输入微地震数据的多个位置标签,进而获得精确的震源位置.合成地震记录的实验结果表明,该方法能够准确快速地定位低信噪比的微地震事件.

基于分类回归树方法的遥感信息快速提取研究

遥感信息具有一定的连续变化性,这将会在一定程度上使得遥感信息快速提取存在偏差,其提取的时间也随之增加,容错率下降,为此文中提出基于分类回归树的遥感信息快速提取方法。通过噪声调整的主成分分析法(NAPCA)提取遥感信息的特征,利用复小波变换法对图像进行去噪处理,同时结合邻域值函数完成小波系数收缩。通过分类回归树方法进行样本训练,连续不间断获取遥感信息,结合Bayes判别准则完成遥感信息快速提取。实验结果表明,所提方法能够有效提升容错率,降低遥感信息快速提取偏差和时间。

利用分类树辅助Logistic回归建模

利用分类树辅助Logistic回归建模的思路已得到不少研究者的认可,并在不同的应用场景下进行了尝试。但在实践的应用中,关于分类树算法的选择,以及如何联合两种方法筛选变量构建模型,缺乏必要的论证。利用分类树辅助Logistic回归建模型的本质是打破线性回归方程对数据结构的限制,通过引入数值型变量的离散化,以及增加交互项,将非线性关系引入回归方程。本文通过剖析分类树和Logistic回归两种建模技术在原理、方法和应用中的异同点,提出利用分类树辅助Logistic回归建模时的算法选择,以及应用中的具体方法和步骤。文章利用2002年3206名美国老年人是否购买私人医疗保险的数据进行了实操演示。论文发现利用分类树辅助Logistic回归建模,通过引入交互项,提升了Logistic回归模型对数据的表达和拟合能力。但同时也应该看到,非线性的引入降低了模型的简洁性和泛化能力,由于回归模型中待估参数个数的增加,在样本量有限的情况下,参数估计的稳健性也会受到影响。

基于Softmax回归的通信辐射源特征分类识别方法

当前通信辐射源的特征识别方法不仅需要较高的样本数,而且存在识别效率低、识别率下降的问题。为此,提出一种应用Softmax回归对通信信号循环谱进行多分类识别的方法。以通信信号的循环谱密度特征为样本集,通过主成分分析降维算法筛选特征样本,使用Softmax回归多分类识别器对特征样本进行分类。实验结果表明,与传统神经网络方法相比,该方法可以实现对通信辐射源个体的有效识别,并且识别时间较短。

朴素贝叶斯与Softmax回归在文本分类上的对比研究

文本分类问题是自然语言处理中的重要任务。本文将机器学习中的朴素贝叶斯模型以及Softmax回归应用于自动文本分类中,在清华新闻分类语料数据集上实现了基于多项分布与类条件分布假设实现了朴素贝叶斯模型,并使用BOOL、TF、IDF、TF-IDF四种特征权重训练了Softmax回归模型。最后,将两种模型在训练集与测试集上的性能进行对比。

基于Logistic回归模型的风云二号(G星)降雹识别技术研究

以风云二号(G星)的7项卫星反演产品(云顶温度、云顶高度、液水路径、过冷层厚度、光学厚度、有效粒子半径以及黑体亮温)作为模型的输入参数建立Logistic回归冰雹识别模型,开展贵州降雹识别技术研究。收集了2020年3—5月期间11个降雹日共计136组风云二号(G星)卫星反演产品数据,其中包括了68个降雹点以及68个未降雹点数据,将每个降雹点降雹时刻前后15 min内的反演产品作为该点的数据。同时选取相应的未降雹点作为对比。将所建立的冰雹数据集分为训练集与检验集。其中,训练集为随机选取的116组数据,用于训练模型(分别包括58组降雹点与未降雹点数据),模型检验集为剩余20组数据(分别包括10组降雹点与未降雹点数据)。利用训练集完成Logistic回归冰雹识别模型建立,利用检验集验证模型识别效果。结果表明,Logistic回归冰雹识别模型对降雹的识别准确率为85%,其中对检验集中的10个降雹点识别准确率为90%,漏报率为10%;对10个未降雹点识别准确率为80%,空报率为20%。

基于softmax回归的通信信号循环谱的多分类识别方法

通信信号调制方式的自动识别在通信对抗领域中具有重要作用,同时也是未来认知无线电系统的重要组成部分,如何在日趋密集的信号环境中快速准确地识别多个混合通信信号是实现通信信号调制方式自动识别的重点。针对这种情况,以数字通信信号的循环谱为特征,通过构建softmax回归多分类识别器,提出一种基于softmax回归的通信信号循环谱的多分类识别方法。通过计算机验证不同条件下的算法性能,证明了该方法无需知道典型的数字调制信号(如ASK,BPSK,QPSK,16QAM,64QAM)的符号率、载频以及同步定时等先验信息,对它们组成的混合信号可以正确识别其中包含的每个调制信号的调制方式,并且识别速度较快。

逻辑回归和支持向量机在客户信用分类中的应用

本文借助R语言,基于逻辑回归和支持向量机模型理论,分别建立客户存款信用分类模型来判断个人客户是否订阅定期存款的状况,通过对比两种模型的错判率和评估性能,选取出相对最优的逐步逻辑回归模型,刻画出最潜在的客户画像,预测订阅存款的可能性,进而对测试集数据分类和判别。这将作为商业银行界用来判断客户是否订阅定期存款的依据,同时也利于银行工作人员选择出更好的营销对策。

陕西秦岭西段典型森林群落数量分类与排序及多样性特征

为探究陕西秦岭西段典型森林群落的空间分布格局及其与环境因子的关系,为研究区域森林群落物种多样性保护提供理论依据。分别对摩天岭自然保护区和紫柏山自然保护区进行全面踏查,共选取了20个具有典型植被特征的群落作为样地,通过多元回归树(multivariate regression trees,MRT)对20个样地进行数量分类,使用典范对应分析(canonical correspondence analysis,CCA)进行排序,并对分类得到的森林群落总体多样性进行分析。结果表明,1)对20个样地进行MRT分类,得出陕西秦岭西段典型森林群落可以分为3类,分别为油松-白刺花-野棉花群落、辽东栎-覆盆子-蛇莓群落和华山松-巴山木竹-野青茅群落。2)CCA排序揭示了陕西秦岭西段典型森林群落分布与环境因子的关系,表明海拔是影响研究区域森林群落分布最主要的环境因子,其次是坡向和坡度。3)研究区域森林群落各层次的物种丰富度和Shannon-Wiener多样性指数以及乔木层的Pielou均匀度指数总体上呈沿海拔梯度上升的趋势,而灌木层和草本层的Pielou均匀度指数随海拔梯度波动不大。综上,海拔是影响陕西秦岭西段森林群落组成和分布的主要环境因子,研究结果可为深入探究陕西秦岭西段森林群落的空间分布格局及其物种多样性的保护提供了理论依据。

基于回归分析的山东省新型研发机构分类评价研究

为了加强管理部门对新型研发机构的分类管理和绩效评价,运用回归分析法、数据定量法、层级分析法等参照预设的绩效评价指标体系,对山东省首批开展绩效评价的139家机构进行分类统计和研究分析,归纳出目前评价指标及评价过程中存在的问题,如评价指标体系有待优化、个性指标的获分权重未能体现、指标说明不够明晰、定性与定量存在断链等。最后,从重新定位评价指标构建、定性与定量相结合、加强个性指标量化说明、多维度设立专家组等方面提出对策建议。

基于分类回归树模型的兰渝线陇南段铁路职工血脂异常流行现状及影响因素分析

目的:基于兰渝线陇南段铁路职工健康体检数据,建立血脂异常发生风险的预测模型。方法:选取2016—2021年参加健康体检的兰渝线陇南段铁路职工作为研究对象,评估并比较血脂正常与血脂异常人群的体检指标。共纳入3970人,其中男性3625人(91.31%)、女性345人(8.69%)。建立分类回归树模型预测血脂异常发生风险。结果:血脂正常人群为2794人(70.38%),血脂异常人群为1176人(29.62%)。同年度比较,血脂异常人群平均年龄、身体质量指数(BMI)均显著高于血脂正常人群,且以男性和超重肥胖者居多;血脂异常人群甘油三酯、总胆固醇、低密度脂蛋白显著高于血脂正常人群,高密度脂蛋白显著低于血脂正常人群;血脂异常人群收缩压(除2016年外)和舒张压均显著高于血脂正常人群。2020年和2021年血脂异常人群的血糖值显著高于血脂正常人群。2019—2021年血脂异常伴高血压或糖代谢异常的人群占比也显著升高。分类回归树模型分析结果显示,BMI是脂代谢异常重要的预测因素,当BMI超过22.78 kg/m^(2)时脂代谢异常占比上升至43.40%;当BMI超过26.46 kg/m^(2)时脂代谢异常占比上升至57.50%。结论:兰渝线陇南段铁路职工血脂异常检出率为29.62%,BMI是血脂异常重要的预测因素。

随机森林与传统经典方法在回归与分类问题中的比较

随机森林最早是由Breiman提出的,是机器学习的算法之一。本文以一个回归,一个分类的数据为基础,利用10折交叉验证的方法比较传统经典回归和分类方法与随机森林的预测效果。对于回归数据,分别用逐步回归、岭回归、偏最小二乘回归、线性回归和随机森林做预测对比,10折交叉验证结果显示随机森林的预测效果比传统回归方法的预测效果好。对于分类数据,分别用混合线性判别分析、线性判别分析、logistic回归和随机森林进行分类对比,10折交叉验证结果显示随机森林的分类效果比传统分类方法的预测效果好。

logistic回归和分类树在慢阻肺影响因素分析中的应用

目的:运用logistic回归和分类树模型对比探讨泸州市居民慢性阻塞性肺疾病(COPD)的影响因素,为COPD的病因学研究和防治提供依据。方法:采用成组病例对照研究设计,通过非条件logistic回归模型和CHAID分类树模型分析泸州市居民COPD的影响因素,并采用ROC曲线下面积(AUC)对两种模型进行评价。结果:本次分析共纳入了COPD患者2 271例和非COPD患者2 367例,非条件logistic回归结果显示:性别、厨房燃料、吸烟、年龄、身体质量指数(BMI)和心率是COPD的危险因素,差异有统计学意义(P<0.05)。分类树模型结果显示:性别、年龄、职业、厨房燃料和吸烟为COPD的危险因素,其中年龄是主要影响因素。logistic回归和CHAID分类树模型的AUC分别为0.925和0.905。结论:泸州市居民COPD患病的可能危险因素主要有性别、年龄、心率、职业、厨房燃料和吸烟和BMI。logistic回归和CHAID分类树模型均具有较高的准确性,两种方法结合使用能更加全面地筛选COPD的危险因素。

基于堆叠稀疏自编码器和Softmax分类器的路面裂缝识别方法研究

为了提高路面裂缝识别的正确率和实时性,文章提出了一种基于堆叠稀疏自编码器和Softmax分类器的路面裂缝识别方法。利用图像处理算法从每张路面图像中提取低维特征,输入到稀疏自编码器进行特征优化并提取高维特征后,使用Softmax分类器来进行识别。利用本文方法进行交叉试验,准确率、精度、灵敏度、特异性和F1-score分别达到99.5%、99%、100%、100%和99.5%。因此,本文提出的方法能够有效地自动检测路面裂缝。

基于CART回归树模型的变电站施工安全事故分析与预测

在当前的变电站施工过程中,主要通过数据包络分析过程预测安全事故,忽略了表征信息中的不确定性,导致预测结果的选取受试者工作特征曲线下面积(AUC)值较低.针对这一问题,本研究应用分类回归树(CART)模型,设计了一种新的变电站施工安全事故分析与预测方法.首先,利用固定型、移动型采集技术相结合的方式,采集变电站施工现场数据,并通过主成分分析算法进行筛选处理.然后,深入分析变电站施工安全事故发生过程,通过基于概率分布的可分性判据,提取施工安全事故前兆特征.最后,利用CART模型构建施工安全事故根节点,再使用支持向量机(SVM)回归算法建立叶节点,形成可用于施工安全事故预测的最优决策树.通过迭代训练多个串联的CART模型实现梯度提升,应用该模型即可得到准确的事故预测结果.实验结果表明:该预测方法灵敏度更高,能够预测出更多的安全事故,并且该预测方法的AUC值高达0.91,具有更高的预测精度.

基于分类回归树的企业会计信息失真识别方法

常规的企业会计信息失真识别方法主要使用svmtrain惩罚参数进行识别交叉验证,易受核函数参数影响,导致平均识别错误率较高,因此急需基于分类回归树设计一种全新的企业会计信息失真识别方法。文章通过定量分析法选取了会计信息失真识别变量,利用分类回归树构建企业会计信息失真识别模型,设计企业会计信息失真识别算法,从而实现了企业会计信息失真识别。实验结果表明,设计的基于分类回归树的企业会计信息失真识别方法在不同会计失真识别变量下的平均识别错误率均较低,证明设计的企业会计信息失真分类回归树识别方法的识别效果较好,具有较高的准确性,有一定的应用价值。

农户感知的生态补偿政策效果影响因素分析——基于有序多分类Logistic回归

文章基于有序多分类Logistic回归,对陕西省周至县退耕还林农户进行实地调研,分析农户感知的生态补偿政策效果影响因素,为可持续生态补偿提供思路。研究表明,受教育程度、年均总收入、退耕还林面积以及对退耕还林补偿政策的了解程度对农户退耕还林补偿政策整体满意度有着显著影响;学历越高、年均总收入越低、退耕面积越小、对退耕还林补偿政策越了解,对退耕还林补偿政策整体满意度越高。因此,文章提出了进一步加强对农户的素质教育和农业培训;提高补助标准,巩固退耕还林成果;进一步把握退耕面积与基本农田面积比例;加强政策宣传,引导农民更新传统观念等建议。