Adaboost算法分类器设计及其应用

Adaboost算法可以将分类效果一般的弱分类器提升为分类效果理想的强分类器,而且不需要预先知道弱分类器的错误率上限,这样就可以应用很多分类效果不稳定的算法来作为Adaboost算法的弱分类器。由于BP神经网络算法自身存在的局限性和对训练样本进行选择的主观性,其分类精度以及扩展性有待提高。将Adaboost算法与BP神经网络相结合,使用神经网络分类模型作为Adaboost算法的弱分类器。算法在matlab中实现。对2个UCI的分类实验数据集进行实验,结果表明Adaboost能有效改善BP神经网络的不足,提高分类正确率和泛化率。     

Adaboost算法分类器设计及其应用

Adaboost算法可以将分类效果一般的弱分类器提升为分类效果理想的强分类器,而且不需要预先知道弱分类器的错误率上限,这样就可以应用很多分类效果不稳定的算法来作为Adaboost算法的弱分类器。由于BP神经网络算法自身存在的局限性和对训练样本进行选择的主观性,其分类精度以及扩展性有待提高。将Adaboost算法与BP神经网络相结合,使用神经网络分类模型作为Adaboost算法的弱分类器。算法在matlab中实现。对2个UCI的分类实验数据集进行实验,结果表明Adaboost能有效改善BP神经网络的不足,提高分类正确率和泛化率。     

基于线性迭代的分类器最小扰动评估方法

当数据集包含对抗性扰动样本时,其分类结构缺乏稳定性,传统的扰动评估方法效率低且准确率不高.针对该问题,提出一种高效准确的扰动评估方法.首先,根据样本与分类器间的物理属性,定义样本的对抗性扰动,利用线性迭代方法评估计算二类分类器的鲁棒性;然后,为了适应更加一般的情况,将该方法扩展到更加普遍的多类非线性分类器,即超平面包围的区域变为不规则多面体;最后,标记扰动样本对分类器进行优化调整,并对当前估计进行更新,以进一步提高分类器性能.不同数据集和分类器的实验结果表明:与FGSM方法、 L-BFGS方法和未标记方法相比,提出的方法具有更稳定高效的扰动评估性能,且可以构建鲁棒性更高的分类器.     

交遇区样本分类的应用

在模式识别中，许多问题是非线性的．对于未知的样本需要按属性来进行分类，并且由于空间条件的复杂性高，分类器的设计方法也有很多种．利用“交遇区”中的样本的特殊性，把非线性的问题转换成分段线性问题来处理，并设计了基于“交遇区”的样本分段线性分类器，来对未知的样本进行分类．该分类器可以应用于数据挖掘、模式识别、人工智能等领域．     

基于人工鱼群的GentleAdaboost快速训练算法

GentleAdaboost算法训练弱分类器时，需要遍历特征空间，将分类结果最好的特征作为弱分类器，这将消耗大量的时间。本文提出了一种基于人工鱼群的GentleAdaboost快速训练算法。人工鱼群算法能够模拟鱼群行为策略，有效的对特征空间快速搜索，减少需要计算的特征数，缩短训练时间。在保证检测效果的条件下，通过对MIT和FERET人脸数据库部分样本的训练，新方法的训练时间约能缩短至原始训练时间的1／4。     

偏序集上的弱滤子弱极大理想

文章在偏序集上引入偏序集上弱滤子弱极大理想,证明其存在性定理,并研究它的一些性质,得到弱理想在满足弱理想降链条件的偏序集上的一个分解定理.     

基于线性SVM子空间的正面人脸检测研究

通过对二阶段的子空间方法的研究,提出了基于线性SVM子空间的正面人脸检测方法.首先构造线性SVM粗分类滤波器,然后在线性SVM粗分类滤波器分割的子空间内构造高斯核的非线性SVM分类器.检测时.为了加快速度引入了平均脸模板匹配进行粗筛选,然后依次通过线性SVM粗分类滤波器、非线性SVM分类器进行人脸检测.     

偏序集上的局部弱极大理想

文章在偏序集上引入并考察局部弱极大理想,给出偏序集上的局部弱极大理想的存在性定理和偏序集上弱理想的一个分解定理,特别地,在满足弱理想降链条件的偏序集上弱理想的一个分解定理.这些定理推广有关文献中的相关结果.     

自映射的弱可迁性

本文主要讨论了 S′到自身的连续映射和保持定向同胚的链回归点集的结构,在紧致度量空间上引入了弱可迁的概念,给出了 S′及一般度量空间上连续映射弱可迁性的一些命题。     

集成分类器组合算法及其在医学诊断中的应用

在计算机辅助诊断系统中使用集成分类器是提高机器识别能力的一种重要途径。针对集成分类器投票组合算法中存在的投票可信度问题,提出了一种基于Grading的集成分类器组合算法EGR,该算法根据集成分类器对样本的预测结果是否正确来转换相应样本的类标签,用新数据构造元分类器。在UCI医学数据集上进行的实验结果显示,EGR算法对分类精度的提升以及敏感性与特异性的整体改善是有效的。     

基于AdaBoost的弱分类器选择和整合算法

针对传统AdaBoost算法在人脸检测中训练耗时和误检率高的问题,提出一种改进的AdaBoost算法.新算法在基于PSO的AdaBoost算法基础上对弱分类器的选择和整合两个阶段进行改进.弱分类器选择阶段,在使用PSO迭代选择最佳弱分类器之前,剔除部分无用特征,缩小粒子搜索空间;弱分类器整合阶段,在采用基于核函数的非线性感知器算法优化调节弱分类器参数的过程中使用一种新的与正样本分类能力有关的弱分类器初始参数.采用基于MIT数据库的实验结果表明,本文算法比基于PSO的AdaBoost算法在检测性能上有明显提高.     

弱紧型条件下Banach空间中一类非线性Volterra型积分方程解的存在性

主要考虑Banach空间中一类非线性volterra型积分方程在弱拓扑下逼近解与精确解之间的关系,并由此通过比较定理在弱紧型条件下获得方程解的存在性结果。由于非线性项中含有非线性积分算子,相对于线性积分算子。文章所得结论推广并丰富了已有文献的一些结果。     

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%.     

Banach空间微分方程初值问题弱解的一个存在性定理

在弱耗散型条件ｌｉｍ／ｈ→０＾－１／ｈ［｜ψ（ｘ－ｙ＋ｈ（ｆ（ｔ，ｘ）－ｆ（ｔ，ｙ）））｜－ψ（ｘ－ｙ）｜］≤ｇ（ｔ，｜ψ（ｘ－ｙ）｜）下给出了Ｂａｎａｃｈ空间常微分方程初值问题弱解的一个存在性定理。     

具奇异非线性项p-Laplace方程Dirichlet问题解的存在唯一性

针对p-Laplace方程拟线性及非线性项在边界上的奇异特征,运用弱比较原理、上下解方法得到了该方程解的存在唯一性,证明了一类奇异拟线性方程边值问题的解的存在性和唯一性.通过研究该问题的逼近问题的解的存在性,得到了该问题的解存在且唯一,并且逼近问题的解收敛于该类问题的解.此外,还研究了一类奇异拟线性椭圆方程Dirichlet问题解的存在性,该类问题主要运用了上下解方法等得到了其解的存在性,并且通过证明其逼近问题解的存在性,得到了该类奇异拟线性椭圆方程Dirichlet问题解的存在性,所得到的解是弱解.     

双极量子漂移-扩散模型弱解的整体存在性

研究一维双极量子漂移-扩散等温模型,它是由两个非线性四阶抛物方程与一个泊松方程耦合而成的方程组,在Dirichlet边界条件下,利用半离散化方法与熵估计方法证明了其弱解的整体存在性.     

一类非线性弹性梁方程弱解存在的唯一性

以Sobolev空间为工具,利用Galerkin法和局部延拓法,对源于FPU问题的一类具非线性本构关系的弹性梁方程弱解的存在唯一性问题进行了研究,得到以下结论:在一定的边界条件和初始条件下,证明了一类具非线性本构关系的弹性梁方程弱解的存在性;在此弹性梁方程弱解存在的条件下,证明了上述方程弱解的唯一性。     

一类具非线性阻尼梁方程的整体弱解

文章研究了一类同时具有非线性阻尼项和强阻尼项的梁方程初边值问题.以Sobo-lev空间的性质为工具,利用Faedo-Galerkin方法,证明了此初边值问题存在唯一的整体弱解.     

金属断口图像的非线性模式识别方法

针对金属断口图像模式识别的特点,提出应用小波变换技术提取断口图像特征的方法,在此基础上,利用神经网络的基本原理设计了一种断口图像模式识别的非线性分类器·通过实验确定了分类器的网络结构,给出了相关参数选择的方法·对几种典型的金属断口图像进行了计算机实验研究·实验结果表明,其平均正确识别率达93 75%,单独以能量作为特征值,其平均正确识别率可达到95%·这说明采用非线性分类器进行断口模式识别比采用线性分类器能取得更高、更可靠的正确识别率·研究结果显示出,这种基于小波变换技术和神经网络原理的非线性模式识别方法能对纹理变化复杂、规律性不强的断口图像进行有效识别,具有更好的适应性·