CF患者肺组织分类——基于相关反馈的监督核哈希方法

现有的哈希方法用于CF患者肺组织分类时没有从正负反馈样本挖掘判别信息,分类精度不高.为此,提出一种基于相关反馈的监督核哈希方法.首先,对肺组织进行监督核哈希学习,得到初始哈希函数;其次,使用该初始哈希函数对肺组织进行哈希编码和分类,并得到正负反馈样本;接着,基于正负反馈样本构建新的哈希函数;最后,使用新构建的哈希函数对肺组织再次进行哈希编码和分类.实验结果表明,同现有方法相比,所提出的方法显著提高了CF患者肺组织的分类精度.     

基于BIM的输水工程安全监测信息集成与可视化分析

为了提高长距离输水工程安全监测信息的可视化表达效果,实现海量动态安全监测信息的高效管理,并用以辅助安全分析,提出了基于建筑信息模型(building information modeling,BIM)的输水工程动态安全监测信息集成与网络可视化方法。首先,根据输水工程三维虚拟场景元素构成分析,建立输水工程三维BIM模型;然后,应用关键字段映射的方法建立BIM模型与安全监测信息间的动态耦合;最后,基于WebGL图形加载技术,使用Forge Viewer实现BIM模型的WEB显示。结合天津南水北调工程,开发了相应系统并进行应用,实现了网络环境下工程安全监测动态信息与BIM的可视化集成,为输水工程安全分析提供了支撑平台。     

基于WT-MB方法的OLI图像融合——以宁夏回族自治区吴忠市的OLI图像和P5图像为例

为解决Landsat 8 OLI多光谱图像和CBERS-04 P5全色图像的融合问题,设计了一种基于WT-MB变换的融合方法;以宁夏回族自治区吴忠市的图像融合为案例,从定量评价、目视判读评价和SVM分类精度评价3个方面比较WT-MB变换方法与GS、PCA、MLT、Brovey变换方法的融合效果,然后以总体精度和Kappa系数评判融合图像的分类精度.实验结果表明:WT-MB变换方法在增强融合OLI图像的空间结构信息的同时,更有效地保持原OLI图像的光谱信息,提高了图像分类精度,能够更准确地服务于环境遥感监测.     

基于出行者潜在类别的公交出行行为研究

不同类型的公交使用者对公交的评价、使用公交出行的意愿不相同,如何对公交使用者进行有效划分,分析各类因素对划分的影响,并研究不同类型出行者使用公交意愿等受到各类影响因素的异同是值得关注的问题.文中引入潜在回归模型,基于公交使用者对公交满意度、使用意愿等几类因素,对其进行类别划分,并根据类别划分,分别分析每一类公交出行者总体满意度、使用公交意愿受到的影响因素的异同.研究结果表明,公交使用可划分为机会乘客、忠诚乘客两类群体,且小汽车拥有情况、收入水平会影响出行者的类别划分.拥有小汽车时,出行者更可能成为机会乘客,随着收入的增加,出行者成为机会乘客的概率增加.对比分析影响出行者总体满意度的因素,发现速度评价、准点性评价、等车时间评价、票价评价等因素对机会乘客总体满意度的影响大于对忠诚乘客总体满意度的影响.分析成功推荐他人使用公交的情况,发现机会乘客总体满意度对推荐结果的影响极为显著,随着总体满意度的增加,推荐的概率大致呈线性增长趋势.研究使用公交频率影响因素,发现拥有小汽车会降低机会乘客和忠诚乘客使用公交频率,而增加总体满意度会增加机会乘客使用公交频率.     

基于数据挖掘和高光谱数据的湿地植被精细分类

以大丰市沿海滩涂湿地区域为研究区,以机载高光谱影像为主要数据源,冠层高度模型(canopy height model,CHM)数据为辅助数据,采用数据挖掘的方法对高光谱数据进行特征规则提取,实现了湿地植被的精细分类.结果表明:3种湿地植被分类结果的总体精度为90.3%,说明数据挖掘技术在处理高维数据时不仅可以提取重要程度较高的数据,而且可以减少数据量,提高数据处理效率与分类精度;与传统的支持向量机分类法(SVM)分类结果进行对比,基于数据挖掘的湿地植被精细分类总体精度比SVM分类方法高10.8%,表明数据挖掘方法在湿地植被高光谱遥感分类问题上具有较大优势.     

一种改进的主成分分析特征抽取算法:YJ-MICPCA

针对主成分分析(PCA)假设数据服从高斯分布的条件以及只能处理特征之间线性关系的不足,提出一种基于Yeo-Johnson变换和最大信息系数(MIC)的PCA特征抽取算法,命名为YJ-MICPCA。通过YeoJohnson变换改善原始数据分布,使其近似服从高斯分布,并将PCA中计算协方差矩阵转化为计算MIC矩阵的平方,使其也能处理特征间存在的非线性关系。以UCI机器学习数据库中的11个数据集为实验对象,采用支持向量机、朴素贝叶斯模型、k近邻算法这3种分类器,比较了YJ-MICPCA与PCA及其他常用非线性降维方法LLE、Isomap、MSD、KPCA的降维效果和分类精度,结果表明YJ-MICPCA总体上优于其他几种算法。     

预防维护下装配线平衡的集成优化

在装配线生产过程中,当某个工位的设备突发故障时会导致全线停工,带来重大的经济损失,为此本文提出预防维护下的装配线平衡问题,对正常生产和设备维护两种情形下的生产负载进行集成优化。以给定工位数量下正常生产节拍、预防维护时的生产节拍以及两种模式切换时的工序调整数量的最小化为目标建立数学模型,采用遗传算法进行求解。案例分析表明,预防维护下的装配线平衡可有效实现正常生产与设备维护之间的快速切换,保证生产的高效性和稳定性。     

基于LS-SO算法的情感文本分类方法

首先, 基于点互信息与信息检索(PMI IR)算法, 提出一种Laplace平滑情感判定(LS-SO)算法, 对情感词典与表情符号情感词典进行自动扩充, 得到了具有一定规模、 高质量的情感词典, 包括基础情感词典、 目标情感词典、 网络用语情感词典、 表情符号情感词典、 否定词词典、 疑问词词典、 程度副词词典和连词词典. 其次, 通过细化文本语义分析规则计算文本情感值. 实验结果验证了该方法的有效性.     

基于属性敏感卷积神经网络的行人属性分类

针对行人属性分类受行人属性不均衡影响的问题,提出了一种基于属性敏感卷积神经网络的行人属性分类方法.首先调整现有的卷积神经网络结构,通过融合正反通道激活模块的使用,使模型能够感知更加详细的行人属性;其次引入属性不均衡损失函数,根据属性的不均衡比例自适应更新网络权重,利用误差的反向传播对少类属性增加其权值,提升模型对少类属性的敏感;最后在PETA数据集上,对54个属性进行了分类试验.结果表明:相比MLCNN等方法,新方法在36分类任务上取得了提升;在平均准确度、平均召回率和平均AUC上,分别提升2.13%,2.38%和1.19%.     

嵌入式多标签分类算法的优化研究

多标签分类中如何有效处理具有许多实例和大量标签的大规模数据集、补偿训练集中缺失标签以及利用未标记实例改进预测性能等问题已成为重要研究方向。提出嵌入式多标签分类（EMC）算法,首先从伪实例参数化的高斯过程（GP）中提取两组随机变换来模拟特征向量、潜在空间表示向量和标签向量之间的非线性关系映射,其次引入一组辅助变量结合专家集成（EEOE）方法补偿缺失标签,最后利用未标记实例学习随机函数的平滑映射提高预测性能。仿真结果表明,与特征识别隐式标签空间编码的多标签分类（FaLE）算法和半监督低秩映射多标签分类（SLRM）算法相比,EMC算法优化了处理大规模数据集、补偿缺失标签及利用未标记数据的能力,从而提高了类标签的预测性能,且具有良好的可扩展性,训练时间短。