一种基于特征子图的不确定图分类算法

采用频繁子图作为特征子图,对不确定图进行分类.提出AGF频繁子图挖掘算法,该算法将频繁子图挖掘问题转换为频繁项挖掘问题,可有效提高频繁子图生成效率.利用频繁子图构造分类模型,首次应用于不确定图,通过实验证明,给出的分类算法具有良好的分类正确率.     

基于加权频繁子图挖掘的图模型在文本分类中的应用

针对传统文本分类算法的分类精度低和计算复杂度高的问题,提出一种基于加权频繁子图挖掘的图模型文本分类算法。首先将文档集表示成图集;然后运用加权图挖掘算法提取频繁子图;最后,对特征向量进行分类。提出的算法仅提取最重要的子图,使其整体具有较好的分类效果和较高的计算效率。为评估该算法有效性,将其与多种现有分类算法分别对一个数据集进行分类实验,实验结果表明,提出的算法具有更高的识别精度和更少的运行时间。     

BP网络在膨胀土判别和分类中的应用

结合膨胀土的影响指标和神经网络的特性,提出了一种针对膨胀土进行判别和分类的新方法-BP 网络方法。BP 网络是通过将网络输出误差反馈回传,来对网络参数进行修正,从而实现网络的映射能力。结果表明,用神经网络对膨胀土进行判别和分类的准确率很高,它无须在判别因子与预测目标之间建立基于某种理论的经验统计关系。     

基于互信息与判别结构互补的特征选择

提出一种基于子问题分类能力的特征选择算法,利用互信息度量特征对子问题的分类能力,根据特征的判别结构互补确定目标特征子集.该算法既会选择总分类能力强的特征,也会选择子问题分类能力强的特征.将该算法与已有的6个特征选择算法在6个公开的数据集上进行比较实验,结果表明,所提算法的性能优于其他特征选择算法.     

基于子图选择的土种识别

针对机器视觉野外自然条件下采集土壤图像包含阴影、空洞、缝隙对土种识别可能产生影响,和土壤图像采集、标记成本高,样本量小的问题,提出一种基于土壤子图选择的土种识别方法。该方法以局部阴影最小化及空间距离最大化为准则,构造最优化模型;并基于最大最小距离算法思想,迭代更新距离矩阵求解优化模型,获得选择子图中心点,构建土壤子图数据集。实验结果显示：土壤子图选择算法构建的数据集在三个不同深度ResNet模型下训练、识别测试,均有较好的训练、识别精度;在土壤子图选择α参数为1、子图尺寸为224时,在浅层网络ResNet-18下能达到最佳测试结果,训练的网络模型在验证集识别准确率为92.48%,测试集识别准确率为92.95%,相较于土壤原图数据集的最佳土种识别结果提升46.65%;利用最小外接矩阵能加速相较于不使用加速,子图选择算法提升运算速度38.88%。基于子图选择的土种识别大幅度提升土种识别准确率,证明算法是有效的。     

复杂网络子图中心性分析

许多现实网络虽然具有小世界和无标度的全局结构特征,但可能具有非常不同的局部结构特征,子图从局部层次刻画了网络内部相互连接的特定模式.本文通过仿真分析的方法研究了ER随机网络、WS小世界网络和BA无标度网络模型的子图中心性的特点,得出了这三类网络模型的子图中心性与网络密度、重连概率和网络规模之间的关系.仿真结果表明,子图中心性能够刻画复杂网络的拓扑结构.     

模糊数学在某段公路膨胀土分类判别中的应用

对膨胀土的判别与分类方法较多,但都存在着一定的缺陷,对工程实践存在着不良的影响.模糊数学模型自建立以来,在自然科学的很多领域中得到了广泛的应用并取得了显著的成效.在宜黄公路施工中运用模糊数学模型对膨胀土进行分类判别,成功地解决了江宜段膨胀土处理和利用问题,使该段土工工程能正常施工和使用,取得了较为理想的效果.     

函数子卡诺图及其在逻辑设计中的应用

在逻辑电路的设计过程中,经常涉及到用卡诺图化简逻辑函数,本文给出一种新的化简方法,即函数子卡诺图的化简法,同时举例说明在逻辑设计中的应用。     

雷达图图形特征提取中的特征排序

基于多元数据的雷达图图表示,提出了雷达图重心图形特征.针对同样的多元数据不同的特征排序会导致不同的雷达图图表示,进而产生不同的重心特征,而这些重心特征会最终影响分类器的性能,因此提出一种新的问题,即雷达图图形特征提取中的特征排序问题.基于这个新的问题,设计了一种新的解决方法,即提出了基于改进的遗传算法的特征排序.同时也研究并改进了传统的基于排序的特征选择方法.基于一些机器学习数据库的分类实验结果表明:一方面,数据的原始特征排序下的重心特征和传统的特征提取方法相比,并不总是最优,但是在遗传算法下特征排序的重心特征优于传统的特征提取方法;另一方面,在遗传算法下特征排序的重心特征优于传统的基于排序的特征选择方法下的重心特征.尤其对于高维小样本的肺癌数据达到了12.5%的留一法交叉验证错误率,效果非常好.乳腺癌数据和糖尿病数据等的分类结果优于目前国际上的报道.     

RBF神经网络在Web分类挖掘中的应用

为了有效地组织和分析大量WEB信息,本文设计了WEB分类发掘系统.BP网络应用广泛,但也有许多不足之处.因此,提出了用RBFNN(径向基函数神经网络)分类WEB页面信息的方法.分类系统框架主要包括RBF(径向基函数)分类器、评估模型及数据预处理.用Macro-Fi作为分类效果的评估标准,实验结果证实,RBFNN分类器比BPNN分类器更有效、更准确.并且用相同的分类器对不同类进行分类,分析了不同分类精度.     

RBF神经网络在Web分类挖掘中的应用

为了有效地组织和分析大量WEB信息,本文设计了WEB分类发掘系统。BP网络应用广泛,但也有许多不足之处。因此,提出了用RBFNN(径向基函数神经网络)分类WEB页面信息的方法。分类系统框架主要包括RBF(径向基函数)分类器、评估模型及数据预处理。用Macro-Fi作为分类效果的评估标准,实验结果证实,RBFNN分类器比BPNN分类器更有效、更准确。并且用相同的分类器对不同类进行分类,分析了不同分类精度。     

特征分类的子类型关系

采用什么方法对客观事物进行分类 ?传统数据类型分类方法习惯于用行为规范作为分类的依据 .我们认为事物应依据其结构、行为、性质、职能等诸方面的特征来进行分类 ,并在此基础上建立了对象类型之间的子类型关系 .     

未确知测度模型在膨胀土判别分类中的应用

基于未确知测度空间理论,建立了未确知测度评价模型,并将此理论模型应用于膨胀土的膨胀性判别和分类。研究采用信息熵确定膨胀士胀缩性指标的权重、建立了指标权重和实测值的关系。同时还将置信度的概念应用于膨胀土判别分类的标准中。与模糊综合评判、灰色聚类分析等评判方法比较,未确知测度评价模型严谨、应用方便,非常适合膨胀土的判别分类。     

基于子图采样的大规模图对抗性攻击方法

为提高对抗性攻击在大规模图上的攻击效率,提出了基于子图采样的对抗样本生成方法. 该方法通过引入PageRank、余弦相似度及K跳子图等技术,提取与目标节点高度相关的子图,在大规模图上缓解了计算梯度效率较低的问题,在降低被攻击模型准确性的同时提升了攻击的隐蔽性. 实验结果表明： 所提出的对抗性攻击方法与基于梯度攻击的GradArgmax算法相比,在Cora数据集上提升了30.7%的攻击性能,且在Reddit大规模数据上能够计算GradArgmax算法无法计算的攻击扰动.     

基于自适应非对称卷积网络的精神分裂症MRI图像分类研究

针对精神分裂症的发病机制尚不清楚,难以精准治疗的问题,首次提出了一种自适应非对称卷积网络用于精神分裂症MRI图像分类研究.首先,基于熵值对三种切片图像进行数据筛选,以获取更为全面、丰富的特征信息.然后,利用自适应非对称卷积灵活地确定特征之间的连接状态,并在不增加额外参数的情况下增强特征表示能力.最后,将高阶特征投影到分类目标空间进行疾病分类.在两个公开数据集上评估了该模型的有效性,分别获得了95.77%和96.99%的平均准确率,与传统的卷积神经网络相比提高了3%～6%的分类准确率.分析表明,提出的方法可以动态地关注局部特征和全局特征,从而挖掘更有效的特征信息,为精神分裂症的识别诊断提供了一种新的思路和方法.     

基于归一化文档频率的文本分类特征选择方法

特征选择是文本分类的一个重要过程,对分类性能的提升发挥着重要的作用。传统的文档频率(Document Frequency,DF)特征选择指标只是从全局的角度统计包含特征的文档数作为选择的依据,没有考虑特征与类别的相关性。针对该问题,本文从特征和类别的相关性出发,对文档频率分别进行局部和全局的归一化处理,提出了一种归一化文档频率(Normalized Document Frequency,NDF)的特征选择指标,并在不同的特征维度下验证特征选择对文本分类性能的影响。结果表明,应用NDF特征选择指标可以得到更高的分类准确率和Macro-F1值。因此,对文档频率进行归一化处理可以更好地选择出有价值的特征,有效提升文本的分类性能。     

交错群图AGn的5类子图可靠性研究简

交错群图AGn具有多种优良性能.该文对其5类子图进行界定和分类,进而以一个具体的案例分析这5类子图的可靠性.分析结果表明,交错群图AGn的5类子图具有非常理想的可靠性,适用于拓扑网络的故障诊断.     

基于核主成分分析和子空间分类的边缘检测方法

针对传统边缘检测方法对噪声敏感的问题,提出了一种基于核主成分分析和子空间分类的边缘检测方法,建立了统一的图像特征表达模型.首先结合其它边缘检测方法进行采样并将采样结果投影到特征空间,然后将核主成分分析得到的特征向量组成特征空间的一个子空间,最后将子空间分类法推广到特征空间来对数据进行分类.实验结果表明,该方法增强了对噪声的鲁棒性,能适应小样本训练,其边缘检测效果明显优于经典算子、主成分分析和非线性主成分分析方法.     

基于机器学习的Web文本分类技术及算法

提出了一种基于机器学习的Web文本自动分类的信息检索解决方案。采用层次约束法完成文本自动抓取功能,文本频度与词条频度相结合的文本特征选择算法实现特征提取,并采用特征加权技术进一步提高文本分类性能。该算法不仅实现中文文本的自动分类,有效地提高Web信息检索的精度,而且能大大降低人工二次浏览筛选的工作量,还可用于电子政务和电子商务信息的自动分类。     

遥感分类图在高精度栅格矢量转换中的应用

随着遥感的发展,遥感数据逐渐成为地理信息系统重要的数据源。而栅格数据不能满足GIS中进行空间分析的要求,因此栅格数据的矢量化在GIS和RS集成中具有十分重要的意义。在总结前人算法的基础上,提出了改进的栅格数据矢量化方法。根据4个相邻栅格像元的异同关系来提取拐点和交点。并且根据提取点的类型自动建立连接关系,进而自动生成弧段和多边形,实现栅格数据快速有效地的矢量化。