多元图图形基元和特征基元提取与表示方法

提出一种多维数据多元图图形基元和特征基元提取和表示的方法.首先应用多维数据多元图表示原理实现无结构数据的结构化表示,然后在建立基于多元图图形基元和特征基元表示的一般化表示模型基础上,提取出了表征多元图图形的图形基元和特征基元.为验证该方法的正确性,采用UCI机器学习数据库中的Iris等数据进行了分类实验,不同分类方法实验结果对比证明该方法具有较好的识别效果.     

基于多元图形特征融合原理的降维方法研究

降维是将高维模式映射到低维子空间的过程.在降维后的低维子空间进行分类往往能得到更好的效果.本文以高维数据为研究对象,采用多元描述图对高维数据进行可视化表达,采用多元图图形特征融合的方法对高维数据进行降维,用K邻分类器进行分类效果评价.与Fisher线性判别及其他一些常用非线性降维方法相比,本文所提方法在数据的可视化以及分类精度等方面均有较好效果.     

基于T检验与支持向量机的蛋白质质谱数据分析

对蛋白质质谱数据进行模式识别成为癌症诊断的一种新方法,但质谱数据存在高维小样本问题,因而数据分析面临着巨大挑战.在对原始数据进行基线校正与标准化并用分箱法进行降维预处理的基础上,提出用T检验方法选取特征,对蛋白质质谱数据进行分析研究.实验对卵巢质谱数据集进行分类,用10-fold交叉验证法选择训练和测试样本,以支持向量...     

一种多元图图形特征向球面坐标映射的可视化方法

提出一种将二维多元图图形特征映射到三维球面坐标的可视化方法。提取二维多元图中雷达图的面积特征、融合矢量的长度和角度特征,通过球面坐标映射将其有机融合到3D球体空间。对Iris数据集的实验结果表明,该方法具有较高的灵活性,能有力揭示数据结构。     

着装脸谱图的分类新算法

基于多元统计图表示的脸谱图方法和最小均值分类器的思想,提出了最近脸谱图分类器新方法.针对脸谱图不能有效表达数据样本维数的特点,提出了着装脸谱图,并给出了新的图形特征:面积特征和重心特征.针对脸谱图分类器的主观性,提出了利用最近均值分类器实现脸谱图图形特征的自动分类.8种真实数据集的实验结果证明了该方法的有效性.     

基于数学形态学与PNN的螺杆泵井故障诊断

针对螺杆泵井泵功图图形信息一直没有得到充分利用,在一定程度上影响诊断技术的推广和利用的问题,研究直接提取泵功图状态参数形状特征信息的方法,提出基于数学形态学的泵功图图形特征提取方法。采用开闭组合的数学形态学算子实现泵功图边缘纹理特征提取,对提取的特征数字化后,使用PNN(概率神经网络)进行故障识别。实际应用证明,识别准确率达到90%以上。     

心肌梗死并右束支阻滞心电雷达图表示与特征提取

提出一种新的基于多元统计分析中图表达原理的心电雷达图表示方法.选取MIT-BIHPTB心电诊断数据库数据,每一导联随机截取一个心动周期,给予12导联心电雷达图表示,并提取径向坐标图包围面积、分区面积、最大值方向、图形对称性、区域间极值和相邻幅值比特征参数进行分析,发现该方法可直观、准确地从心电形态学角度定性、定量表征心脏生物电变化.     

容错粗糙主成分分析的属性约简方法

在分析大肠早癌荧光数据属性约简方法的基础上,提出一种基于容错关系信息熵的粗糙主成分属性约简方法.该方法首先针对数据的不完整特性,建立容错关系粗糙集模型.然后,引入随信息量减小而单调下降的信息熵,建立基于信息熵的容错关系粗糙集模型,并进行初步数据属性处理.最后,结合主成分分析方法,形成基于容错关系信息熵的粗糙主成分分析方法,在进行数据降维处理的同时提取数据特征.以大肠早癌荧光光谱为实验数据的分析处理结果表明,该方法可以有效地降低荧光光谱数据的处理维数,提取影响医疗诊断的特征数据,减少后续数据处理的复杂度.     

卷积神经网络与人工水母搜索的图特征选择方法

目前，卷积神经网络（Convolutional Neural Network,CNN）模型在处理图像数据时分类效果较差，人工水母搜索（Artificial Jellyfish Search,AJS）算法收敛速度慢，迭代次数多，特征选择的效果不理想.针对上述问题，提出一种基于CNN和AJS的图特征选择方法 .首先，使用CNN来提取特征，将生成的特征图进行图嵌入降维，再使用AJS算法进行特征选择，把得到的特征输入分类器，进行模型训练和评估；然后，在图嵌入阶段，将特征图进行随机游走，并通过添加特征权重计算节点的游走概率来增强权重大的节点的游走概率，提高分类精度；最后，在AJS算法中引入余弦公式对人工水母的位置进行更新，充分考虑特征向量之间的相似性，提高算法的收敛速度并减少迭代次数.在10个基准函数上进行实验，结果表明改进的AJS算法具有较好的优化性能.在四个数据集上，将提出的算法与其他算法进行对比实验，实验结果表明，提出的算法能提高分类精度，减少迭代次数.     

基于超限学习机的快速癌症检测方法

利用基于局部感受野的超限学习机(ELM-LRF)算法从给定的基因表达数据中提取有效的特征来进行癌症检测与分类.首先使用主成分分析(PCA)方法对原数据进行适当预处理,减少数据中存在的冗余,然后构建特定的特征映射,将得到的数据映射到相应特征空间中去,最后对得到的数据特征进行训练学习,得到最终训练好的特征提取模型.实验表明,ELM-LRF的学习效率更高,取得的癌症检测效果比以往方法更好.     

工艺规划系统中动态模式分类的研究

提出了工艺规划系统中动态模式分类（pattern classification）的概念，介绍了模式分类判定树和动态模式分类的基本原理，并对动态模式分类的聚类质量标准进行了研究。动态模式分类是基于实例归纳（case based reasoning,CBR)的自动分类过程，具有自学习和自完善的功能。     

基于模式识别技术的中成药分类与质量鉴定流程

通过分析模式识别各种技术的应用特点,结合指纹图谱技术的应用,探索出了一条针对中成药分类与质量鉴定的标准技术路线,可以完成中成药的分类与质量鉴定工作。以六味地黄丸分析为案例,分析流程先将样品的指纹图谱信息转化成数学信息,再使用模式识别技术进行判别分析,技术路线基于MATLAB编程实现。技术路线准确地进行了样品的分类与质量鉴定,分析结果可用于评价药品的生产工艺,比较不同品牌药品的质量稳定性。     

基于模式识别技术的中成药分类与质量鉴定流程

通过分析模式识别各种技术的应用特点,结合指纹图谱技术的应用,文章探索出了一条针对中成药分类与质量鉴定的标准技术路线,可以完成中成药的分类与质量鉴定工作。以六味地黄丸分析为案例,分析流程先将样品的指纹图谱信息转化成数学信息,再使用模式识别技术进行判别分析,技术路线基于MATLAB编程实现。技术路线准确的进行了样品的分类与质量鉴定,分析结果可用于评价药品的生产工艺,比较不同品牌药品的质量稳定性。     

基于深度学习的高维光谱分类识别研究

光谱分类识别一直是天文学家研究中的基础问题,也是LAMOST巡天计划的一项重要任务.从LAMOST发布的海量天体光谱数据库中选取F、G、K 3种型星光谱数据,采用深度学习模型进行分类识别研究和对比实验研究,解决原有方法对光谱分类可信度低的问题.实验结果证明:对于F、G、K 3种型星的分类精确度问题,深度学习方法明显优于原有其他分类方法.     

岩体分级的多分类有序因变量Logistic回归模型

将多分类有序因变量的Logistic回归分析引入到岩体质量分级问题中,以影响岩体级别的单轴抗压强度、岩体声波纵波速度、体积节理数、节理面粗糙度系数、节理面风化变异系数和透水性系数为自变量,岩体级别为响应变量,以工程实测岩体质量数据作为统计样本,建立了岩体分级公式。对模型进行了拟合优度检验、模型的有效性检验、预测能力的检验,研究结果表明：Logistic逐步回归分析得到的回归模型性能良好,回判估计的误判率为零,预测精度高。相比距离判别分析模型,回归分析模型在现场岩体分级更加方便,回判的误判率更低,另外模型能输出岩体属于各级别的概率,为工程设计人员提供更多的岩体质量信息;相比普通的回归分析,多分类有序因变量 Logistic回归更适于响应变量为有序多类别的岩体分级问题,因而岩体分级的多分类有序因变量回归模型是一种更优的岩体分级方法。     

岩体声发射检测技术在采场顶板安全分级中的应用

岩体在破坏过程中，必然产生声发射现象。岩体声发射的频度、强弱及高能事件与岩体的破坏过程密切相关。根据岩体声发射的特点及其相关参数将岩体声发射检测技术应用于采场顶板安全等级划分，为采矿安全管理提供技术指导。矿山实际应用情况表明该方法是可行的。     

基于决策树与质谱分析数据的癌症判别

通过采用模式识别领域常用的决策树与AdaBoost技术来处理医学领域常用的质谱分析数据,研究了弱分类器个数对分类性能的影响,将AdaBoost与SVM进行类比,从大间隔学习的观点出发,解释了AdaBoost的优势。     

改进型遗传神经网络在模式分类中的应用

为研究图像和语音的模式分类,提出一种采用可变长度串遗传算法(VGA)的进化神经网络.该算法可以全局搜索优化神经网络的结构,找到神经网络接近最优的连接权,再通过反向传播算法(BP),在该优化结构中找到最优连接权.对语音数据和SPOT图像数据的验证结果表明,在模式分类中,采用该算法的分类器(VGA-BP)的分类性能较贝叶斯(Bayes)分类器、最近邻规则(k-NN)分类器具有更高的分类精度.     

隧道监控量测在围岩动态分级中的应用

研究了隧道监控量测结果在围岩动态分级中的应用.通过对隧道监测数据的统计分析,得出了对围岩动态分级具有意义的指标和各级围岩所对应的各指标的数值范围,用以指导施工阶段的隧道围岩动态分级、隧道的反馈设计和施工过程中的预测预报.实例证明,准确的隧道监测数据可以进一步完善和优化围岩分级,提高围岩分级的可靠性,为隧道围岩动态分级提供了一条新的途径.     

基于局部模式纹理描述符的杂草自动分类算法

传统的耕作过程中,除草剂的施用对环境、人体健康以及其它生物都会产生不利的影响。为了解决这个问题,提出了基于局部模式纹理描述符的简单有效的杂草自动分类算法,首先借助于局部二元模式（LBP）、局部的三元模式（LTP）、局部定向模式（LDP）三种广泛使用的纹理描述算子对杂草图像进行纹理编码,然后通过微观层面的纹理图案将杂草图像分类成阔叶杂草和禾本科杂草,最后利用模板匹配和支持向量机完成了杂草的自动分类。在自己拍摄的400张杂草图像样本上的实验验证了所提方法的有效性,实验结果表明,与最先进的方法相比,所提方法取得了更好的分类性能。