织物组织结构分类新探

介绍了织物组织结构的常规分类方法,并提出了一种可对组织进行定量分析的新的分类方法——从浮长的角度分类,对常规分类方法进行了有益的补充.     

科学方法的分类浅析

科学方法的分类很多，按照不同的分类标准可以给出不同的分类方式，给出了几种常见的科学方法的分类方式并做简单的分析之后，提出了一种对科学方法进行二级分类的方式。     

分层分类法在植物油色分类中的应用

文[1]介绍了一种可代替目视检验的植物油色客观检验方法——植物油颜色的谱识别方法.本文将介绍另一种油色分类法——分层分类法.该方法是基于同一识色模式下的不同分类方法,与单参数试解法比较,具有更高的识别精度.分层分类法是近年来研究得较多的一种模式识别方法.该方法的主要思想是;将样本分层次进行分类.首先选择某些特征将容易分开的类集先行分类,然后在第二层的每个类集中又各自选择合适的特征将容易分开的类集再分类,这样一层一层分下去,直至将样本分到终节类别.     

遥感影像监督分类与非监督分类的比较

遥感影像的分类方法按照是否有先验类别可以分为监督分类和非监督分类,这两种分类法有着本质的区别但也存在一定的联系．从分类原理、分类过程、分类方法等不同角度分析了这两种方法的区别与联系,并展望了遥感影像分类的发展趋势与发展前景．     

基于SVM的图像分类研究

支持向量机（SVM）是一种优秀的分类方法,灰度共生矩阵（GLCM）是一种很好的纹理分析方法;本文研究了图像的颜色、纹理等特征对利用支持向量机进行图像分类的影响,提出了一种使用灰度共生矩阵进行综合特征提取的SVM图像分类方法。实验结果表明SVM方法的可行性和有效性,并得出图像综合特征的提取有利于分类效果的提高。     

基于SVM的图像分类研究

支持向量机(SVM)是一种优秀的分类方法,灰度共生矩阵(GLCM)是一种很好的纹理分析方法;本文研究了图像的颜色、纹理等特征对利用支持向量机进行图像分类的影响,提出了一种使用灰度共生矩阵进行综合特征提取的SVM图像分类方法.实验结果表明SVM方法的可行性和有效性,并得出图像综合特征的提取有利于分类效果的提高.     

基于一类分类方法的多类分类及其应用

在分析一种非线性数据处理新方法的核心概念基础上,研究了基于一类分类方法的多类分类基本原理,提出了应用于多类分类的可信度函数,使聚类与分类的结果更具有可信度．最后,以某企业对供应商关系的调查数据为例,将这种方法应用于企业商业关系网络分析中．结果表明了该方法的有效性．     

数据挖掘中决策树分类方法研究

分类知识的获取是数据挖掘所要实现的重要任务之一,其核心问题是解决分类模型的构造和分类算法实现问题.本文以决策树分类方法中有代表性的方法C4.5为例介绍数据挖掘中的一种分类模式:基于决策树方法的分类器的构建方法和算法.     

数据挖掘中决策树分类方法研究

分类知识的获取是数据挖掘所要实现的重要任务之一 ,其核心问题是解决分类模型的构造和分类算法实现问题。本文以决策树分类方法中有代表性的方法 C4.5为例介绍数据挖掘中的一种分类模式 :基于决策树方法的分类器的构建方法和算法。     

装备维修保障信息的分类研究

信息分类是信息管理中很重要的一项工作,提出了两种保障信息的分类,一种是依据装备维修保障中保障对象与资源的分类,该分类将装备维修保障信患分成六类,即装备信息、维修力量信息、维修器材信息、维修设备信息、维修设施信息和维修经费信息;一种是依据保障对象与资源管理方法的分类,该分类将装备维修保障信息分成三类,即个体信息、逐类信息和成套信息.并在此基础上提出了保障信息的管理对象信息维和管理方法信息维的二维分类.     

基于量子粒子群算法选择特征的遥感图像分类

针对目前遥感图像分类算法存在精度低、 速度慢等问题, 提出一种基于量子粒子群算法的遥感图像分类算法, 以提高遥感图像的分类效果. 首先分析目前遥感图像分类算法存在的不足及其原因; 然后提取多种类型的遥感图像原始特征, 采用量子粒子群算法对特征进行筛选, 以提取对遥感图像分类结果较重要的特征; 最后采用最小二乘支持向量机(LSSVM)建立遥感图像分类器, 实现遥感图像分类和识别, 并进行遥感图像分类的仿真对比实验. 实验结果表明, 该算法克服了当前遥感图像分类算 法存在的局限性, 大幅度提高了遥感图像的分类精度, 有效减少了图像分类误差, 提高了图像分类效率.     

A Method for Data Classification Based on Discernibility Matrix and Discernibility Function

0 IntroductionDiantga .cl Dasesciifsiicoanti otrneies r aengr ie smspioornta,n Bta yperosibalnem claisnsi dfiactaati omnin&-Bayesian network, decision tree[1], neural network andSVM[2 ,3]are the technologies of data classificationin commonnow. They have extensively appliedin machine learning,ex-pert systemandstatistics etc .Inthese methods ,the most tra-ditional method is C4 .5[1]based on information entropy,which had extensively applied in practical problems . But themain problemof this me…     

基于遥感和GIS的景观分类研究——以安徽省为例

本文以安徽省为例,探讨了地理信息系统在景观生态分类中的应用。文中分类主要包括四个方面,第一,根据研究区特点及景观生态分类的实际需要确定分类的方法及各级指标体系;第二,对分类所需数据进行处理,提取分类所需的各种信息;第三,将各种信息综合叠加,得出景观分类系统,并做出研究区景观类型;第四,对分类结果进行评价,进而分析分类方法的优劣。研究结果表明遥感和GIS是景观生态分类的一种有效方法。     

基于最大间隔法的蠓虫分类模型

考虑两种蠓虫Af和Apf的鉴别分类问题,通过对已知数据的分析并讨论其分布图．利用最大间隔法的思想,建立了两种蠓虫的分类模型,通过对非线性同题的分析,采用循环代替与数值计算方法,得出了所给数据的蠓虫分类结果。最后应用最大间隔法和超平面思想,讨论了高维空间的蠓虫分类问题。     

均匀分类DHNN的分类对称性

用对称性的观点,对均匀分类网络的分类表进行深入地研究,提出把吸引子间的Ｈａｍｍｉｎｇ距离转换成欧几里德空间两个点的距离的方法,并由此建立了一个能够描述网络的吸收子间相互关系的几何图一网络的吸引子图;借助网络吸引子图的对称性可以寻找能同时存储在一个均匀分类网络中且具有相同吸引域的模式矢量集。     

多特征筛选与支持向量机相融合的图像分类模型

针对图像分类中的特征选择问题,提出一种多特征筛选与支持向量机相融合的图像分类模型.首先提取图像的多种特征,并对特征进行归一化处理;然后根据平均影响值对特征进行筛选,选择一组最优的特征子集;最后采用支持向量机构建图像的多分类器.采用图像数据集SIMPLIcity进行仿真实验验证该模型的有效性.实验结果表明,该模型降低了图像分类的开销,提高了图像分类性能.     

基于RBF神经网络的Web分类挖掘研究

根据Web文档分类与人工神经网络理论，设计了一个Web分类挖掘系统。针对BP网络分类器的不足，提出了用径向基函数神经网络对Web页面中的文本信息进行分类的方法。实验初步证明，用径向基函数进行分类比BP算法构造的神经网络更具准确性，有效地提高了分类的正确率。     

基于Xception的细粒度图像分类

细粒度图像分类是对传统图像分类的子类进行更加细致的划分,实现对物体更为精细的识别,它是计算机视觉领域的一个极具挑战的研究方向。通过对现有的细粒度图像分类算法和Xception模型的分析,提出将Xception模型应用于细粒度图像分类任务。用ImageNet分类的预训练模型参数作为卷积层的初始化,然后对图像进行缩放、数据类型转换、数值归一化处理,以及对分类器参数随机初始化,最后对网络进行微调。在公开的细粒度图像库CUB200-2011、Flower102和Stanford Dogs上进行实验验证,得到的平均分类正确率为71.0%、89.9%和91.4%。实验结果表明Xception模型在细粒度图像分类上有很好的泛化能力。由于不需要物体标注框和部位标注点等额外人工标注信息,Xception模型用在细粒度图像分类上具有较好的通用性和鲁棒性。     

基于拒识的误差编码车辆分类

基于支持向量机的误差编码分类已经成功应用到多类分类问题中,但通常是以错误率来衡量误差编码分类器的优劣,具有较大的局限性。在实际应用中,错分结果往往会带来一定的风险代价,为了在一定程度上减少这种代价,本文提出了一种带有拒识功能的误差编码分类方法。文中利用纠错编码把多类分类问题转换成多个两类分类,再将拒识的方法应用到每个分类器中,最后结合编码矩阵投票表决得到分类结果,从而提高分类可靠性。     

基于集成神经网络的短文本分类模型

针对短文本具有稀疏性强和文本长度较小等特性, 为更好地处理短文本分类问题, 提出一个基于集成神经网络的短文本分类模型. 首先, 使用扩展词向量作为模型的输入, 从而使数值词向量可有效描述短文本中形态、 句法及语义特征; 其次, 利用递归神经网络（RNN）对短文本语义进行建模, 捕获短文本内部结构的依赖关系; 最后, 在训练模型过程中, 利用正则化项选取经验风险和模型复杂度同时最小的模型. 通过对语料库进行短文本分类实验, 验证了所提出模型有较好的分类效果, 且该分类模型可处理变长的短文本输入, 具有良好的鲁棒性.