基于多置信度的不平衡数据分类算法

传统的分类算法通常设置统一的最小置信度提取规则．如果训练数据集是不平衡的数据,统一置信度的分类算法在小类的准确率不高．本文提出了一种基于训练集类分布的多置信度不平衡数据分类算法CBMI．在CBMI算法中,根据训练数据中类的分布设置不同的最小置信度提取规则,小类置信度的临界值比大类置信度低．此外,算法CBMI综合三种度量选择“好”的属性值．实验结果表明,基于多置信度不平衡数据分类算法CB—MI提高了小类数据分类的正确率．     

大数据在企业供应链管理中的应用

随着数据量、数据来源和数据种类的多样化,以及数据处理速度的实时化,大数据作为一种新的概念被业界提出。在企业供应链管理方面,大数据得到了普遍应用。本文阐述大数据在某集团公司钢铁业务分销系统供应链管理中的应用,说明大数据对提升企业供应链管理水平有很好的促进作用。     

按需发送的加密图像中的可逆信息隐藏

提出了一种新的加密图像中的可逆信息隐藏算法. 发送方对图像进行下采样并计算残差,得到子图像和残差两部分数据,再使用加密密钥对两部分数据分别进行加密后发送给服务器端. 服务器端对残差部分的加密数据进行算术编码,产生冗余空间并使用嵌入密钥隐藏额外数据. 接收端根据持有密钥的情况,从服务器端获取不同的数据版本. 与以往方法相比,所提出的按需传输数据的新机制可有效减少服务器传送的数据量,且在图像可无损恢复的前提下大大提高了数据嵌入率.     

基于频繁模式的选择性集成

针对集成学习方法在处理大规模数据集时具有计算复杂度高、基分类器数目多、分类精度不理想的问题,提出一种基于频繁模式的选择性集成算法. 该算法利用频繁模式挖掘的原理,将未剪枝的集成分类器和样本空间映射为事务数据库,并利用布尔矩阵存储分类结果,然后从中挖掘频繁基分类器组成最终的集成分类器,达到选择性集成的目的. 实验结果表明,与集成分类算法Bagging、AdaBoost、WAVE 和RFW 相比,该算法减小了集成分类器的规模,提高了集成分类器的分类精度和分类效率.     

重复数据删除专利技术综述

互联网使地球"平坦化",也将世界引领到一个信息爆炸的时代。随着数据量的迅猛增长,存储成本不断攀高,如何降低存储使用量成为当代计算机领域的一个热点研究课题和一个亟待解决的关键技术问题。重复数据删除Deduplication是存储系统中一种流行的数据压缩策略,它能够消除重复数据,达到数据压缩进而减少存储量的效果,尤其适用于备份数据的压缩管理。本文主要对重复数据删除的技术发展路线和专利技术申请综述。     

基于代价敏感卷积神经网络的集成分类算法

针对不平衡数据集中少数类样本分类识别率较低的问题,提出一种基于代价敏感卷积神经网络(cost sensitive convolutional neural network,CSCNN)和AdaBoost的分类算法(classification algorithm based on cost sensitive conv...     

基于数据降维的复杂属性大数据分类方法研究

针对数据的多维度、非线性、不稳定性等特有的复杂属性,在传统数据分类方法的基础上,本研究将高维大数据进行降维处理,结合SVM分类方法和多元SVM-REF分类方法,提出一种基于数据降维的复杂属性大数据分类方法。试验证明,与传统数据分类方法相比,本设计方法能够有效地提升复杂属性大数据的分类效率,也为后续对高维数据分类和数据复杂波动规律分析的深入研究提供依据。     

基于显著性分类的数字图像自嵌入方法

数字图像自嵌入与恢复是在图像中嵌入与自身相关的信息,用于接收端判断图像是否被篡改并恢复被篡改区域的内容. 提出一种基于显著性分类的数字图像自嵌入方法,根据图像自身的特点对图像进行分类,动态决定每个区域的参考数据量和嵌入容量,采用喷泉码对参考数据进行编码,并将其嵌入到原图像的不同区域中. 与传统方法相比,所提出的方法主要有以下两点优势：在生成参考数据方面,所提出的方法可根据内容分类确定编码长度,在保证整体恢复质量的同时,能重点保护显著性区域;在数据嵌入方面,选择在不同区域中嵌入不等的数据量,可避免传统均匀嵌入法导致图像伪轮廓等缺陷,保证含密图像具有良好的质量.     

基于关联规则的分类

提出一种基于关联规则的分类算法,这个算法即可以快速分类,又可以不受数据集规模的限制。     

面向深度学习过拟合问题的神经网络模型

针对机器学习算法中的过拟合问题,提出一种基于支持向量数据描述的深度学习神经网络模型.在高效利用深度学习的表达能力的基础上,通过在分类中获取最大间隔的方式,解决不可见数据模型的精度较差的问题,具有非常好的泛化性能.仿真结果表明,提出的模型可以学习多类数据,同时大幅度降低过拟合.     

基因表达式算法的并行化及其在函数发现中的应用

分析了基因表达式编程(GEP)算法的优点与不足,提出了一种基于消息传递接口(MPI)的并行GEP算法(PGEP),并将该算法应用到函数发现问题中.与传统GEP算法的对比实验表明并行的GEP算法具有更好的求精能力.     

基于交互信息的混合特征选择算法

针对传统的特征选择算法只专注于特征间的相关性和冗余性而没有考虑特征之间交互作用的问题,提出一种基于交互信息的混合特征选择（hybrid feature selection based onmutual information,MIHFS）算法,该算法以K-最近邻算法的分类准确率作为衡量所选特征分类性能的评价指标,有效地去除了冗余和不相关的特征,保留了具有交互作用的特征。为了评估该算法的性能,从分类准确率、所选特征数量以及算法稳定性三方面,与最大相关最小冗余、联合互信息等7种特征选择算法在8个数据集上进行了实验比较和分析。实验结果表明：MIHFS算法具有较强的稳定性,不仅有效降低了特征空间的维数,而且在所选特征的分类性能方面明显优于其他特征选择算法。最后将MIHFS算法与灰色关联分析法-逼近理想解的排序技术法相结合并应用到高邮凹陷永安地区戴一段地质评价中,其评价结果准确率为80%,与实际钻探结果基本吻合,具有较高的可靠性,能够有效指导油气地质评价。     

基于Floyd方法的最短路径算法优化算法

最短路径算法在各领域广泛应用,传统研究方法主要集中在算法应用及单一优化,将两种优化方法集于一体的算法很少.以兰州—北京的铁路运输系统实例,利用Floyd与Dijkstra算法结合、代码优化的方法优化传统Floyd算法.结果表明:优化后的算法在很大程度上减少了运算次数和时间,提高了算法的时间及空间复杂度,算法效率较高.     

并行处理系统中一种改进的MARY-LO任务调度算法

讨论了并行处理系统中的任务调度问题，对基于Stone典型模型的一些算法作了些改进，改进后的算法弥补了以前算法的不足，将启发式算法，网络流量算法和贪心算法有机地结合在一起，很好地解决了处理机数目上的限制问题。     

基于混合进化计算的GMM优化方法及其在说话人辨认中的应用

提出了基于进化高斯混合模型(EGMM)的说话人辨认系统建模方法.EGMM在进化算法的框架下,为改善模型的泛化性能对GMM模型的结构与参数共同进行了优化.同时,系统的优化目标中引入了其他用户的区分性信息以提高其分类精度.根据GMM的特点设计了专门的遗传算子并结合GA与EP提出了一种新的混合进化算法.初步实验结果表明,EGMM方法建立的说话人模型具有更强的泛化能力.在说话人辨认实验中,较之传统的GMM方法,基于EGMM的系统的正识率提高了近3%,并且模型具有更小的平均尺寸.     

Chan-Vese模型下的复合多相水平集图像分割

Chan-Vese模型(C-V模型)能够实现图像的二区域分割,但在多区域分割上存在局限. 目前解决C-V模型多区域分割问题有两种方案：一是采用多水平集同时收敛的并行多相分割;另一种是采用多水平集依次收敛的串行多相分割. 文中将两种方案结合起来,利用并行多相算法表示区域量大和串行多相算法分割效率高的特点,提出基于C-V模型的复合多相水平集分割算法,增加了串行结构下的分割区域量,也提高了并行结构下各水平集的实际分割效率. 实验结果表明,该方法可实现多区域分割,并能检测由弱边缘构成的子目标.     

一类新的并行排序算法

提出了两种新的并行排序算法，在第一部分设计了一种有效的异步并行算法，可应用于多指令和多数据流计算机，且提供了该算法的最小和最大的运算时间，第二部分给出了一种新的并行排序网络，对于n个元素的排序序列，可以使用n(n-1)/2个比较元素和n(n-1)/2个反转换元素及n个转换元素能达到常数数量级的运行时间进行快速排序，同时给出了以{0，1}元素组成的序列的排序过程。     

线性递归并行排序算法

应用左递归二叉树构造一个新的并行排序算法,对ｐ个有序块进行排序．从而,将ｎ元素的分类问题转化为对ｐ个有序块的并行排序问题．算法在最坏情况下并行步为Ｏ（（ｎ／ｐ）ｌｏｇｎ／ｐ）,是目前比较好的排序算法．     

基于分步降维HOG-LBP特征的行人头部分类算法

传统的基于PCA-HOG特征的行人头部分类算法存在降维后的子空间鉴别性不足的问题.为此,提出一种基于分步降维HOG-LBP特征的行人头部分类算法.首先,利用样本类别标签构建2类样本的HOG特征集合,在这2类特征集合中分别执行PCA降维,然后将所得的特征与LBP纹理特征进行级联得到最终的头部描述算子,最后通过训练SVM分类器对实际样本集进行分类.实验结果表明,与传统PCA降维方法相比,该方法可有效提高行人头部的分类性能.     

多模态函数优化的小生境克隆选择算法

分析了传统用于多模态函数优化问题小生境遗传算法的特点和不足,基于免疫系统的克隆选择原理,提出一种解决多模态函数优化问题的小生境克隆选择算法(NCSA),通过3个典型的多模态函数寻优问题的仿真实验,说明实现了小生境克隆选择算法在解决多模态函数的优化问题时的有效性.