基于多置信度的不平衡数据分类算法

传统的分类算法通常设置统一的最小置信度提取规则．如果训练数据集是不平衡的数据,统一置信度的分类算法在小类的准确率不高．本文提出了一种基于训练集类分布的多置信度不平衡数据分类算法CBMI．在CBMI算法中,根据训练数据中类的分布设置不同的最小置信度提取规则,小类置信度的临界值比大类置信度低．此外,算法CBMI综合三种度量选择“好”的属性值．实验结果表明,基于多置信度不平衡数据分类算法CB—MI提高了小类数据分类的正确率．     

纹理图像分类的置信规则库推理方法

针对传统纹理图像分类算法识别率不高的问题,引入置信规则库推理方法而提出一种纹理图像分类策略.目前纹理图像分类研究常局限于纹理特征提取算法的改进,而忽视了另一个决定分类效果的关键,即分类器设计.该文采用置信规则库推理方法,在现有纹理特征提取算法基础上重新设计纹理图像分类器.根据角度径向变换和灰度共生矩阵算法提取图像纹理特征,采用主成分分析方法减少角度径向变换特征的维数,以避免产生置信规则库"组合爆炸"的问题.最后用置信规则库推理方法将纹理特征信息转换成类别置信度信息,得到最终的分类结果.实验中将置信规则库推理方法分别与相似性距离度量法和支持向量机法进行对比,结果表明所提出的方法在一定程度上提高了纹理图像分类准确率.     

基于加权特征的无监督模糊聚类入侵检测研究

鉴于网络入侵检测数据样本特征属性的异构性及贡献率不同,提出一种加权特征的异构数据相似性度量法来反应网络数据样本间的相似程度.针对基于模糊C-均值聚类的网络入侵检测算法聚类数目难以确定的问题,提出了一种自动确定最佳聚类数的无监督模糊聚类入侵检测算法.通过KDDcup1999数据集的仿真对比实验,结果表明本文算法能找到最佳...     

基于紧密度的模糊加权kNN数据分类方法

模糊k-最近邻(fuzzy k-nearest neighbor,FkNN)及其改进的分类方法忽略了样本存在分布不均匀以及噪声样本的情况,不能充分体现每个类样本特征的差异性,影响了分类的准确率.为此,提出了一种基于紧密度的模糊加权kNN数据分类方法.首先基于样本间紧密度计算样本的隶属度;然后根据特征的模糊熵值分别计算每个类样本特征的权重,并使用加权欧氏距离确定近邻训练样本;最后根据待分类样本所属的每个类别的隶属度确定其类别.对UCI多个数据集的实验结果表明该方法是有效的.     

基于邻域熵的决策表约简

针对传统粗糙集理论难以处理数值型数据的特点,提出基于邻域熵的决策表特征约简方法.该方法通过引入邻域关系进行信息粒化,定义邻域熵概念,用来度量数值型数据的不确定性,证明邻域熵的单调性原理,提出基于邻域熵与分类精度加权的特征重要度概念,基于邻域熵单调性原理设计了两种启发式特征约简算法.理论分析与实例表明该方法是有效可行的.     

基于聚类融合的不平衡数据分类方法

列举了有关基于聚类融合的不平衡数据分类的办法,可以解决少数类的识别率很低,利用传统分类手段予以解决.利用此种方法能够发现,引入少数类边界区域与在多数类核心当中的样本聚类一致性系数,并且分别对欠抽样方法对少数类与多数类的训练集.     

基于非平衡问题的高斯混合模型卷积神经网络

为了提升分类模型对非平衡数据的分类性能，提出一种EMWRS(expectation-maximization weighted resampling)抽样算法和WCELoss(weighted cross entropy loss function)损失函数，在数据预处理阶段采用高斯混合模型得知数据分布特点，根据其聚类结果分析每个聚类簇中样本权重，以及样本分布和对应权重对数据进行采样，降低数据集不平衡程度；再依据样本比例权重对少数类和多数类赋予不同的代价损失，构建卷积神经网络模型，提高非平衡数据集的分类准确性。构建的卷积神经网络以F1和G-mean为评价指标，在UCI(university of California irvine)公共数据集adult上与SMOTE(synthetic minority over-sampling technique)和ADASYN(adaptive synthetic sampling)等多种经典算法进行比较，结果显示在这两种评价指标中所提模型均为第一，这表明改进后的卷积神经网络模型能够很好地提高少数类分类正确率。     

基于分步降维HOG-LBP特征的行人头部分类算法

传统的基于PCA-HOG特征的行人头部分类算法存在降维后的子空间鉴别性不足的问题.为此,提出一种基于分步降维HOG-LBP特征的行人头部分类算法.首先,利用样本类别标签构建2类样本的HOG特征集合,在这2类特征集合中分别执行PCA降维,然后将所得的特征与LBP纹理特征进行级联得到最终的头部描述算子,最后通过训练SVM分类器对实际样本集进行分类.实验结果表明,与传统PCA降维方法相比,该方法可有效提高行人头部的分类性能.     

基于GRU与特征嵌入的网络入侵检测

当前基于神经网络的入侵检测方法并没有将数据分类信息考虑在内,无法有效利用网络流量数据的时序信息,为此将门控循环单元(gated recurrent unit,GRU)和基于分类信息的特征嵌入技术结合起来,构建了基于GRU与特征嵌入的网络入侵检测模型.利用UNSW-NB15数据集进行模型仿真实验,结果表明该模型提高了对入...     

基于RBF神经网络重构模糊PID控制器的研究

尽管模糊PID控制器具有良好的控制品质,但存在计算复杂和实时性差的问题,为了解决这个问题.利用1LBF神经网络逼近能力重构模糊PID控制器,由于重构的RBF神经网络的并行计算能力,这简化了计算复杂性并提高实时性.通过选择不同的给定信号,比较模糊PID控制器和重构的RBF神经网络的控制性能.得到两者的控制效果是相当的.说明重构的RBF神经网络可以取代模糊PID控制器,从而减少了计算复杂性.避免维度灾难并改善控制实时性.     

RNAi机制的研究进展

RNA干涉广泛存在于各种真核生物中,而且其基本的作用机制也具有高度的保守性．最近,研究发现RNAi在许多重要的生物学过程中发挥调节作用,具有重要的生物学功能．而且RNAi技术已经成为研究功能基因组学的一种有力工具．     

论诸种电影元素在塔尔柯夫斯基作品中的运用

对诸种电影元素的极其严谨而和谐的运用并使其完美地服务于作品整体的精神内涵,这是塔尔柯夫斯基高度的电影艺术成就的一个重要方面。从作品的人物、表演、摄影、剪辑、色彩与声音诸要素来看,它们都能很好的实现作者的表意目的。     

适可而止的“栖息”

当今的设计将重点探讨物品、过程、服务中的方式创新,亦即谋事,其研究具有广泛性和纵深性。设计承载的是人类的理想、道德的重任,设计是一种生产关系,是科学与艺术发展的动力,是人类生存智慧的源泉。     

网络通读系统技术的实现

通过对网络通讯系统的分析，进而得出如何实现网络通讯系统的设计思想及表现方法。     

我国冰上运动员（1999—2000）个性特征分析论述

应用艾森个性问卷（Eysenck perscnlity Questionnaire)简称（EPQ）,对中国冰上运动员273人个性特征调查结果：以外向稳定者为多,占35．17％,冰球队及速滑队多为外向,花样队多为内向,冰球队及花样队以稳定为主,速滑队台湾省稳定为主P＜0．005,男女个性有差异,男以外向型为主P＜0．005,各年龄组的个性有差异,16岁以上组为外向为主,随年龄增大而情绪逐渐稳定,文化程度,小学者以内向为主,初中以上者逐渐为外向化,在运动员间;P项方向,主要运动员与一般运动员看不出有差异,E及N项乃主要运动员较低,L项主要运动员较高,在各队间T分比较：P项乃花样高于其他,E项为花样低于其他,N及L项;在冰球,花样及速滑均无显著差异P＞0．05,少年组与成年组比较：P项少年组高,E项少年组低,N项成年组低,L项各年龄段有差异,冰球队各位置PENL的T分比较P＞0．05,均看不出有显著差异。     

从E=mc2看质量与能量之间的关系

把E＝mc^2解释成质量与之的“转化性”或“同一性”都是不科学的，正确的解释应该是，这一关系式表示了质量与能理之间的不可分割性。     

计算机网络互联技术研究

本文详细分析了计算机网络互联原理及各种互联设备。     

电荷掺杂和Cl掺杂聚吡咯、聚呋喃、聚噻吩的导电性理论研究

利用Gaussian 03程序包中的密度泛函理论在B3LYP/6-31G(d)水平下,对未掺杂、电荷掺杂和C l掺杂的聚吡咯、聚呋喃、聚噻吩进行几何全优化,并对它们的几何结构、自旋密度、自然键轨道(NBO)、前线轨道能进行了理论分析.结果表明,电荷掺杂能使聚合物键长趋于平均化,其极子分布几乎遍及了整个分子链而C l原子掺杂对聚合物的影响主要集中在与C l原子相邻的C原子上,极子分布局域在C l原子附近的大约7个碳原子上,掺杂能够明显增强π电子共轭性,降低能隙,从而增强导电性.