基于贝叶斯分类算法的安全检测

准确率和效率对一个入侵检测系统来说是至关重要的。介绍了分类的模型及其评价方法,采用基于贝叶斯算法的分类模型,给出了入侵检测系统的基本框架及实验结果。     

基于粒子群优化的设备状态分类器设计

以某设备中的减速箱为研究对象,建立了BP神经网络,采用粒子群优化算法训练神经网络,设计一个状态分类器,用于检测减速箱的当前状态。结果表明,基于粒子群优化的神经网络具有良好的训练性能,能快速地收敛于最优解;样本输出结果较理想值误差较小,分类器的识别结果完全符合实际情况。该分类器可以有效准确地识别减速箱的运行状态,为进一步故障检测提供了有效工具。     

纺织品表面纹理的图像分析方法

回顾了用于纺织品表面纹理的图像分析方法,其中着重介绍了纺织品表面纹理特征的描述方法、分析方法和模式分类方法,并以一些常用纺织品为对象,对这些方法的有效性作了比较。     

基于学习分类器(LCS)的MP3音乐分类方法

面向MP3音乐的分类方法是利用MP3编解码的特点,将MP3音乐文件表示成特征向量,采用常用机器 学习分类方法对音乐文件进行分类。重点对MP3音乐特征片段提取和分类方法进行讨论，提出基于离散余弦变 换（MDCT）系数域3种特征参数的特征片段提取方法和基于LCS(学习分类器)的音乐分类方法。实验表明，特征 片段提取方法能够在最短时间内找到最具有“特征”的特征片段，从而缩小了匹配时间，因此LCS分类方法提高了 分类方法的命中率。     

一个基于粒子群算法的淋巴瘤形态参数分类器

对自适应粒子群算法引入变异算子,并对其进行改进,将其应用到淋巴瘤形态参数的分类问题上.主要讨论了基于粒子群算法的淋巴瘤形态参数分类器的编码、适应度函数的构造及分类器的设计.实验结果表明,该方法能有效地进行淋巴瘤细胞形态参数的分类.     

TAN分类器及其应用

主要介绍了贝叶斯网络分类器中的TAN分类器的模型、构造方法及分类方法.通过对参加2006年6月大学英语四级考试同学的学习情况及考试成绩的问卷调查获得数据,采用Hold-out检测方法,即取出其中2/3的数据集作为训练集,另外1/3数据集作为测试集,构造TAN分类器,检验分类器的分类效果.并通过与朴素贝叶斯分类器分类效果的对比实验,证明TAN分类器是分类效果较好的分类器.     

不确定性推理在文本分类上的应用研究

在文本分类中k-NN分类方法简洁而有效,但在多类分类问题中,由于类的重叠和属性的不足导致训练文本和类边界出现不确定性,而传统k-NN分类方法无法处理这种不确定性.该文借助于几种经典的不确定性推理方法:DS证据理论、模糊集理论、模糊-粗糙集理论,来改进传统k-NN文本分类方法,实验表明基于不确定性推理的方法能够提高文本分类的精度和召回率.     

基于MDCT域特征的MP3音乐分类

音乐分类是将用户输入的音乐信号与音乐库中的音乐文件进行匹配,找出相应的类别.传统的MP3分类的研究大多先把MP3文件解压缩到PCM文件,然后在PCM文件上进行特征提取,这种方法存在的问题是处理速度比较慢.本文中借鉴语音识别技术,提出了基于MDCT域的MP3音乐特征片段提取方法,然后利用MDCT域上的音乐片段特点表示MP3音乐特征属性,最后采用适应性较强的学习分类器对已经提取的音乐特征向量进行分类.实验先通过对4个歌手100首歌的学习,然后对未知20首歌进行分类,识别演唱歌手平均准确度达80%.     

汽车牌照的提取方法

汽车牌照提取是汽车牌照自动识别的关键一步，本文中提出了两种提取方法，即利用扫描离差数据、有效谷峰点特征及先验知识来初步定位车牌区域；采用彩色分割及多级联合混合集成分类器的车牌提取技术，通过多层感知器网络对输入彩色图像进行彩色分割，将这两种方法联合使用对车牌定位准确率高、鲁棒性好，车牌定位的准确率达99.3%，具有很好的实用技术指标。     

基于层次的分类器组合

对传统的串行、并行组合方式的分析基础上，该文提出一种基于层次的分类器组合方式，并以手写体数字识别为例，选取了8个不同信息层次的分类器进行组合，得到最终分类结果如下：正确识别率为97．15％，错误率为0．75％，拒识率为2．10％，可靠性为99．234％。实验结果表明，此种分类器组合方式较传统的串行、并行组合方式在性能上有所提高。