一种基于因果网络的支持向量回归特征选择算法

为了提高支持向量回归算法的学习能力,提出了一种基于因果网络的特征选择算法.该方法假设目标变量和特征候选集之间符合一个因果网络模型,然后利用基于条件独立性测试的方法对目标变量的直接影响特征进行识别,从候选特征集之中获取与目标变量有着直接因果关系的特征子集.虚拟和真实数据集上的实验结果表明,该特征选择算法适用于支持向量回归算法,优于目前其他算法.     

基于运动历史图像与卷积神经网络的行为识别

针对人体行为识别难于兼顾速度与精度的问题,提出了一种结合运动历史图像(MHI)与卷积神经网络的行为识别算法.该算法首先从原始视频序列中计算MHI,不仅减少了待处理的信息量,还提取了行为识别中的关键时空信息;接着以MHI作为输入,搭建了深度卷积神经网络,可以更好地表达时空信息;最后利用随机梯度下降法与dropout策略训练网络,实现行为类别分类.对比不同卷积神经网络训练与测试实验,该算法在Weizmann行为识别数据集上取得了95%的平均识别率,相较于未改进的网络结构提升了1.2%;对于持续时间为1.6s的行为动作,该算法的识别时间为1.56s.实验结果表明,所提算法在维持较高识别准确率的同时,实现了人体行为的在线实时识别与分类.     

大数据环境下利用随机森林算法和 决策树的贫困生认定方法

针对当前校园扶贫工作普遍存在的“隐形贫困”及疑似“虚假贫困”等问题，提出了利用随机森林算法和决策树的贫困生认定方法首先，利用智慧校园大数据环境获取高校内学生的基本信息、消费信息等数据，找出10个具有分类能力的特征；然后使用基于permutation随机置换的残差均方减小量来衡量对于变量重要性评分；最后，基于随机森林算法和决策树进行判别与分类实验结果表明，提出的方法具有一定的准确性，相比Adaboost方法，无论是预测准确度还是平均绝对误差，随机森林方法都更出色     

利用深度卷积神经网络算法识别传统篆体书法的应用研究

利用先进的数字化和智能化技术对我国古代文化遗产进行数字化应用和有效保护,以更快捷、更高效的方式解决凭借人力无法解决的问题,具有重要的现实意义。通过研究深度卷积神经网络在书法文字检测识别任务上的应用,设计了一个篆体书法文字检测识别的完整系统,包括数据采集、数据扩充、算法训练与测试和算法模型部署等流程。整个系统以YOLOv4目标检测算法为基础,根据篆体书法图像数据特征对采集得到的数据进行有效地扩充,进行多次训练和验证测试,最终获得了89.7%的平均精度、92.3%的准确率和94.7%的召回率,同时达到45张/s的识别速度;最终将识别检测模型部署至服务器端,并提供了接口供外部调用。实验证明设计的识别系统可以利用深度卷积神经网络自动、快速、准确地对篆体文字进行定位和识别,并且可以方便地调用训练和部署完成的模型。     

基于高斯相似度分析的最大后验非线性变换HMM自适应算法

由于训练环境和识别环境的失配,识别系统的性能会严重下降,为此提出了基于高斯相似度分析的最大后验概率非线性变换的环境自适应算法,它可以减小由于环境的失配所引起的系统性能的下降.在该算法中,首先将HMM模型中的高斯分量进行相似度分析并建立二叉树,然后根据数据自适应调整变换类数,在每一类内利用分段线性回归近似非线性变换将训练环境下的HMM变换到识别环境,减小环境的失配,变换参数的估计采用了最大后验概率估计(MAP).数字语音识别实验证明:该环境自适应算法的识别性能优于带有高斯相似度分析的MLST、MAPLR和MLLR等算法.     

基于颜色通道特征融合的环境声音分类方法

针对传统神经网络提取的复杂环境声音特征微弱，导致分类准确率低的问题，提出了一种基于颜色通道特征融合的环境声音分类方法。首先，从原始音频数据中提取出三种声音特征，即对数梅尔频谱图（log-Mel spectrogram, LMS）、梅尔倒谱系数（Mel-scale frequency cepstral coefficients, MFCC）以及能量谱图（energy spectrum, ES）；其次，分别将以上三者作为RGB颜色通道分量进行特征融合，形成包含更多特征信息的声谱图，更全面表征环境声音；再次，为了避免由于数据集较少导致所训练的模型泛化能力较差，对预训练模型VGG-16采用微调方法进行训练；最后，在两个广泛使用的环境声音分类数据集以及实际场景采集的音频上验证本文所提方法的有效性，并与其他模型的准确率进行对比。结果表明，本文所提方法在ESC-10以及ESC-50数据集上的准确率分别能够达到88.2%和65.2%，并且能提高实际场景采集的音频分类效果。     

运用C4.5算法优化入侵检测系统的研究

研究了以决策树结构取代原有入侵检测系统采用的链表结构,在于改进入侵规则的存储和模式匹配,提高检测速度.用C4.5算法为决策树每个规则集节点动态选择最显著的特征,进行并行测试,实现性能优化.为了减少冗余比较和无效匹配,运用了一种基于C4.5决策树裁剪算法,以规则信息量作为判断标准.研究结果表明,此方法可以提高最终模型的预测精度,并能克服噪音数据,有效地提高了模式匹配速度和规则的访问速度.     

实体类别信息增强的命名实体识别算法

中文命名实体识别（named entity recognition, NER）字符级别模型会忽略句子中词语的信息，为此提出了一种基于知识图谱中实体类别信息增强的中文NER方法。首先，使用分词工具对训练集进行分词，选出所有可能的词语构建词表；其次，利用通用知识图谱检索词表中实体的类别信息，并以简单有效的方式构建与字符相关的词集，根据词集中实体对应的类别信息生成实体类别信息集合；最后，采用词嵌入的方法将类别信息的集合转换成嵌入与字符嵌入拼接，以此丰富嵌入层生成的特征。所提出的方法可以作为嵌入层扩充特征多样性的模块使用，也可与多种编码器-解码器的模型结合使用。在微软亚洲研究院提出的中文NER数据集上的实验展现了该模型的优越性，相较于双向长短期记忆网络与双向长短期记忆网络+条件随机场模型，在评价指标F1上分别提升了11.00%与3.09%，从而验证了知识图谱中实体的类别信息对中文NER增强的有效性。     

一种可能性测度的模糊支持向量机

支持向量机能够成功的解决分类和回归问题,但是训练数据都是精确的。如果支持向量机的训练集中含有模糊信息,即训练集中的输入训练样本点为模糊数,那么支持向量机将无能为力。基于此,在可能性测度理论和模糊机会约束规划的基础上,建立了模糊v-支持向量机模型,并将该方法应用于某病的诊断中,实验结果验证了该方法的有效性。     

一种改进的朴素贝叶斯不平衡数据集分类算法

当训练集中各个类别的样本分布不均匀且存在数据稀疏问题时,朴素贝叶斯算法分类不够准确。针对此问题,提出了一种基于数据平滑与加权补集的朴素贝叶斯文本分类算法,该算法引入数据平滑算法计算贝叶斯模型中缺失特征的补偿概率,克服数据稀疏问题;利用当前类别补集的特征来表示当前类别的特征,解决训练集中各个类别的样本分布不均匀时,分类器容易倾向于大类别而忽略小类别的问题。实验结果表明,在样本集分布不均衡时,该算法比传统的朴素贝叶斯分类算法分类效果更好。     

基于属性约简的决策树算法在商品促销决策中的应用研究

商品销售管理是企业经营管理中的一个重要环节,通过建立商品促销决策的数据挖掘模型,企业可以获取有助于销售决策的大量有价值的信息,从而获得竞争优势.该文采用决策支持模型来发掘不同客户群的商品购买需求.首先对收集的历史数据进行预处理,然后采用似然比计算预测字段和目标字段的相关性,对属性进行约简,最后使用CHAID算法构建决策模型.实验结果表明,约简模型的性能降低很小,但是大大提高了运行效率和分析效率,降低了过度拟合模型的风险,具有很好的实用价值.     

基于模拟退火算法的子集AR模型辨识方法及其应用

该文提出一种子集ＡＲ模型辨识算法，该方法采用模拟退火随机搜索算法，对模型的回归项子集进行优化辨识，克服“组合爆炸”问题，简化计算。文中还讨论了基于该算法的人口死亡率建模和预报问题。     

基于ResUNet和Dense CRF模型的地震裂缝识别方法

针对人工解释地震资料耗时长、效率低、受主观因素影响较大的不足,提出了一种基于ResUNet和全连接条件随机场（dense conditional random field,Dense CRF）模型的裂缝识别方法。该方法首先使用ResUNet模型提取地震振幅数据体中裂缝的不同分辨率的特征,实现地震裂缝识别;然后利用Dense CRF模型进一步优化识别结果,从而实现地震裂缝的精准识别。将该方法与传统UNet、ResUNet模型在合成地震振幅数据体和F3工区地震数据体进行了实验比较,结果表明运用所提方法识别的裂缝更准确、裂缝尺寸更细、连续性更好。     

基于粗糙集约简的水稻叶片叶绿素含量高光谱反演

利用高光谱技术可估测水稻冠层叶绿素含量,为水稻的长势遥感监测与农艺决策提供科学依据. 基于地面实测水稻叶片光谱数据,提出了一种粗糙集属性简约和支持向量回归相结合的叶绿素反演方法,解决了植被光谱指数相关性高易造成计算冗余以及降低水稻叶片叶绿素高光谱反演效率的问题. 首先选择18 个与水稻叶绿素含量相关性较大的植被光谱指数作为因变量,利用粗糙集约简植被指数数据空间得到含有6 个植被光谱指数的简约核;然后采用支持向量回归方法反演叶绿素含量. 基于全部指数反演及基于简约核指数反演的R2 分别为0.858 6与0.850 6. 因此,该方法与采用全部指数进行反演的结果相比,不但具有相当的反演精度,而且有效缩短了反演算法步骤及时间,为大数据处理提供了新的技术方法.     

基于帧间单映变换的视频序列超分辨率重建

针对帧间单映变换的视频序列提出了一种超分辨率重建算法。首先在最小二乘的基础上给出超分辨率重建的数学模型;其次采用基于模型的等级估计法估计相邻帧的单映变换矩阵;然后采用基于RANSAC的特征点匹配方法对非相邻帧进行带指导的改进估计,使其能够达到要求的亚像素级精度;最后运用共扼梯度算法进行迭代重建,并详细讨论了主要的矩阵向量乘法计算。实验结果表明该算法的重建相当有效。     

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。     

采用自适应补偿的无人机姿态测量

根据合作目标的单站姿态测量原理,结合实际大气湍流条件下激光光束的漂移及扩展效应,提出利用补偿和定位后的激光光斑质心确定无人机外部姿态的方法. 通过计算单帧激光光斑中心提取单位时间内激光光斑质心组成的外围轮廓特征点,并将其构成多边形. 以多边形图像质心为参照,建立姿态测量自适应补偿模型. 计算结果表明,当目标距离为3 km时,采用模拟退火算法迭代解算并对结果进行自适应补偿,得到的姿态角误差最大值为0.221±,说明自适应补偿技术的姿态测量算法具有较高的姿态测量精度和收敛性.     

一种面向不确定标签样本的K-近邻高效决策算法

基于案例的决策是一种直接依据过去的历史案例对当前案例进行分类或者指标预测的方法，K-近邻方法就是一种广泛应用的基于案例的决策模型。在K-近邻方法中，历史案例上需要有标签，而在现实应用中，标签本身有一定的不确定性.文章详细地讨论了现有的基于K-近邻的决策方法忽略了样本标签不确定性这一问题，并基于Dempster-Shafer证据理论对标签不确定性进行建模以改善预测的性能，在此基础上结合边界树模型提高模型的运行效率.文中介绍了边界树算法的作用与原理，对如何结合传统边界树算法与样本标签的不确定性对边界树算法的节点转移策略以及决策过程进行了优化.文章最后对边界树算法的计算规模与准确率做了详细的实验论证.结果表明，文中提出的方法一方面考虑了标签的不确定性，另一方面提高了传统的K-近邻模型的决策效率.     

决策树分类ID3算法研究

分类是数据挖掘的重要内容之一,在许多领域得到广泛应用,现已有多种分类方法,其中决策树分类法在海量数据环境中应用最为广泛,本文分析了决策树分类ID3算法的原理,给出构造决策树的基本算法,指出ID3算法构造决策树的优缺点,针对ID3算法倾向于取值较多的测试属性的缺点,引入一个参数来约束属性选择,给出一种优化算法．     

一种室内环境下仿人机器人路径规划方法

研究了单目环境下仿人机器人的室内环境的建立和运动规划问题.按照室内环境的建立地图,并选择SURF特征点作为室内环境中路标,提出了基于SURF路标与A＊算法的仿人机器人路径规划算法,该算法能够较好地满足仿人机器人路径规划的要求,具有一定可行性和有效性.