基于神经网络多分类器融合系统的人脸识别方法

在主成分分析方法(PCA)的基础上,采用3种神经网络(BP、RBF、LVQ)分类器进行人脸识别实验研究.实验中引入多数投票法(MVS),构建了多分类器组合决策体系,对分类结果进行决策融合.最后,将使用此决策体系的人脸识别结果与使用单一分类器的人脸识别结果进行对比分析.分析结果显示,采用MVS规则的人脸识别系统,能有效提高人脸识别系统的准确率和稳定性,且方法简单可行.     

贝叶斯分类器的集成学习方法及其在图像标注中的应用

针对贝叶斯(Naive Bayes,NB)分类器的集成学习方法,研究如何提高分类器集成中各成员分类器之间的多样性,同时提高分类器系统准确率。实现方法是把训练集的所有属性特征划分特征子集,并处理所划分的属性特征子集,最后为每个成员分类器构造出不同的完整特征属性训练集。研究结果表明采用的NB集成方法(Ensemble ofNaive Bayes,ENB)提高了分类性能,把ENB机器学习方法应用到自动图像标注中也获得了很好的效果。     

基于贝叶斯方法的中尺度对流系统移动方向研究

在朴素贝叶斯分类的基础上建立了一种增强型分类器系统，并在对1997～2002年夏季青藏高原上MCS(Mesoscale Convective System)进行自动追踪的基础上，对MCS的移动方向与其周边环境物理量场的分布特征进行了分类研究.进而，将分类结果与决策树、人工神经网络分类方法进行了比较.研究表明，与其他分类方法相比，使用增强型的贝叶斯分类器预测MCS的移动路径具有较好的效果，这为揭示高原上MCS的移动规律、提高长江中下游地区灾害天气预报的准确率提供了一种有效的方法.     

最短特征线段多分类器系统设计

为提高多分类器系统分类的性能,设计了一种使用最短特征线段分类器的多分类器系统。依据最短特征线段分类算法工作机理,利用特征线段长度表征样本隶属于各个类别的可能性,即模糊隶属度,对成员分类器输出形式完成由摘要级至度量级的重新建模,更多地保留输出细节以减少信息损失,进而利用基于模糊的证据融合规则实现成员分类器的度量级融合,通过隶属度到mass函数的转换,利用模糊-证据融合规则实现多分类器系统的构造,进一步提高了多分类器系统分类性能。采用人工数据集和UCI数据集设计了对比实验,实验表明,与其他邻域型分类器构造的多分类器系统相比,新多分类器系统能有效提升分类正确率。     

基于LCS的水库供水规则分类系统

建立了基于遗传学习分类器系统(LCS)的水库供水规则分类系统,通过信任分配(桶链算法,BBA)与规则发现(遗传算法,GA)机制进行学习,提取水库供水调度规则.实例研究得到学习样本识别率接近95%,检验样本识别率为85%.进一步从调度规则的合理性、学习样本对规则集的影响以及该分类系统与人工神经网络对规则提取结果的比较这3个方面分析了系统提取规则的性能与行为.研究表明,利用该分类系统提取水库供水调度规则是可行且有效的.     

分类器模拟算法及其应用

针对标准数据集在评估多分类器系统的组合方法时存在的不足,设计了一种新的分类器模拟算法.该算法利用分类器的识别率建立混淆矩阵,由混淆矩阵生成基分类器的决策,进而结合分类器之间的相关性度量生成所有的模拟数据.通过实验评估表明,该算法能够模拟任意多个分类器和任意多个模式类别的数据,且能够表达出分类器之间的关联性.又应用生成的模拟数据集对多数投票和堆叠泛化这2种组合方法进行了实验,结果表明分类器之间的负相关有助于提高系统的性能,特别是当单个分类器识别率取0.8、关联度从0.829 5降至-0.484 7时,多数投票和堆叠泛化的性能分别提高了14.98%和41.99%.     

基于贝叶斯网络的分类器研究

研究了贝叶斯分类器家族中具有代表性的分类器，即朴素(naIve)贝叶斯分类器、贝叶斯网络分类器和TAN(tree augmented Bayesian)分类器；发现属性变量之间的依赖相对于属性变量与类变量之间的依赖是可以忽略的，因此在所有树形分类器中TAN分类器是最优的．     

基于栈自编码器的图像分类器

图像分类问题包含两个重要的部分:特征提取器和分类器.多年来研究人员一直将精力投入到特征表示中,对于分类器却仅进行局部调参.基于一个性能优异的分类器与特征表示对图像分类系统同等重要的思想,提出了基于卷积特征的栈自编码器(stacked autoencoder on convolutional feature maps,SACF)的分类系统,并在数据集CUB-200和VGGflower上进行了实验,对比了SACF与基于卷积特征和多层感知机的卷积神经网络(CNN)分类系统的分类效果,实验结果表明SACF具有更优的分类效果.     

RBF神经网络在Web分类挖掘中的应用

为了有效地组织和分析大量WEB信息,本文设计了WEB分类发掘系统.BP网络应用广泛,但也有许多不足之处.因此,提出了用RBFNN(径向基函数神经网络)分类WEB页面信息的方法.分类系统框架主要包括RBF(径向基函数)分类器、评估模型及数据预处理.用Macro-Fi作为分类效果的评估标准,实验结果证实,RBFNN分类器比BPNN分类器更有效、更准确.并且用相同的分类器对不同类进行分类,分析了不同分类精度.     

RBF神经网络在Web分类挖掘中的应用

为了有效地组织和分析大量WEB信息,本文设计了WEB分类发掘系统。BP网络应用广泛,但也有许多不足之处。因此,提出了用RBFNN(径向基函数神经网络)分类WEB页面信息的方法。分类系统框架主要包括RBF(径向基函数)分类器、评估模型及数据预处理。用Macro-Fi作为分类效果的评估标准,实验结果证实,RBFNN分类器比BPNN分类器更有效、更准确。并且用相同的分类器对不同类进行分类,分析了不同分类精度。     

系统思维（Ⅴ）

系统科学是二十世纪留给人类社会最重要的科学成果之一，其核心思想就是系统思维。本文介绍了与系统思维相关的5个专题。每一个专题的内容都由三个模块构成：所论专题+有关现有理论+系统经济学视角。这种联系相关专题介绍思维的方法，可以帮助读者更好的理解和掌握系统思维。     

系统思维（Ⅳ）

系统科学是二十世纪留给人类社会最重要的科学成果之一,其核心思想就是系统思维。本文介绍了与系统思维相关的10个专题。每一个专题的内容都由三个模块构成：所论专题+有关现有理论+系统经济学视角。这种联系相关专题介绍思维的方法,可以帮助读者更好的理解和掌握系统思维。     

系统工程新发展——体系

 介绍了体系和体系工程的含义与特点、体系工程过程、有效的体系结构框架、体系工程的研究热点。从系统科学和系统工程发展历程的角度,阐述了体系和体系工程出现的背景及主要内容,列举了研究工作中存在的不同观点并介绍了当前的研究热点。     

系统思维（Ⅵ）

系统科学是二十世纪留给人类社会最重要的科学成果之一，其核心思想就是系统思维。本文介绍了与系统思维相关的10个专题。每一个专题的内容都由三个模块构成：所论专题+有关现有理论+系统经济学视角。这种联系相关专题介绍思维的方法，可以帮助读者更好的理解和掌握系统思维。     

系统思维（Ⅲ）

系统科学是二十世纪留给人类社会最重要的科学成果之一，其核心思想就是系统思维。本文介绍了与系统思维相关的60个专题。每一个专题的内容都由三个模块构成：所论专题+有关现有理论+系统经济学视角。这种联系相关专题介绍思维的方法，可以帮助读者更好的理解和掌握系统思维。     

系统思维（Ⅰ）

系统科学是二十世纪留给人类社会最重要的科学成果之一，其核心思想就是系统思维。本文介绍了与系统思维相关的60个专题。每一个专题的内容都由三个模块构成：所论专题+有关现有理论+系统经济学视角。这种联系相关专题介绍思维的方法，可以帮助读者更好的理解和掌握系统思维。     

系统思维（Ⅱ）

系统科学是二十世纪留给人类社会最重要的科学成果之一，其核心思想就是系统思维。本文介绍了与系统思维相关的60个专题。每一个专题的内容都由三个模块构成：所论专题+有关现有理论+系统经济学视角。这种联系相关专题介绍思维的方法，可以帮助读者更好的理解和掌握系统思维。     

可限制李三系

给出了可限制李三系的定义,讨论了限制李三系和可限制李三系的等价关系,并通过可限制李三系,讨论了限制李三系的存在性问题.     

从面向对象视角认识基于模型的系统工程

 软件工程经历了从面向过程到面向对象的转变，实践证明了这种转变的成功。相对软件工程更为一般化的系统工程，也遇到了系统日益复杂的问题。基于模型的系统工程（MBSE）是对建模（活动）的形式化应用，以便支持系统要求、设计、分析、验证和确认等活动，这些活动从概念设计阶段开始，持续贯穿到设计开发及其后来的所有寿命周期阶段。MBSE采用从统一建模语言（UML）发展而来的系统建模语言（SysML）构建系统模型，其本质是面向对象的系统工程（OOSE），也将获得类似面向对象的软件工程（OOSWE）的优势，而且MBSE的工作流程，应以面向对象为指导原则来探索和实践。     

系统工程的使命

该文说明系统工程在中国是伴随着改革开放而发展起来的,人们期望它解决四化建设中的一系列复杂、重大的问题;介绍了这支专业队伍的建立并且取得的一大批应用成果;指出应该继续在实际应用和理论研究两方面开展工作。当前应用研究方面的重点有两大类:各级各类发展战略与规划研究,以及各级各类计算机管理与决策系统研制,提出两种三维结构并分别予以描述。文中提出两项工作,提高系统工程队伍的组织化程度,发挥青年力量的作用。