一种融合特征选择的AdaBoost集成算法

针对Ada Boost算法训练分类器的特征具有大量冗余问题,提出了一种融合特征选择的Ada Boost集成算法.首先,使用一种特征选取方法,选择图像特征之间冗余度最小的特征,构造最优训练集;其次,采用Ada Boost算法训练分类器,构建分类模型;最后,使用分类模型实现待标注图像的自动标注.实验使用华盛顿大学用于图像自动标注的数据集,结果验证算法的有效性,并且相比其他传统算法,该算法具有更高的分类精度.     

基于自编码神经网络与AdaBoost的快速行人检测算法

针对传统基于HOG特征与Ada Boost算法分类器在目标检测中存在检测速度慢、误差率大的问题,提出了一种基于自编码神经网络与Ada Boost的快速行人检测算法.该算法首先利用基于ACF模型的目标检测算法对图像进行预处理,获得疑似目标区域;然后对获取的子区域进行尺度归一化,提取HOG特征,并输入到自编码神经网络中进行降维;最后利用Ada Boost分类器对分类检测,输出检测到的行人区域.实验结果表明:文中所提算法的行人检测性能超过现有的检测算法,其检测速度也超过大多数算法.     

基于AdaBoost集成学习的演化硬件DNA微阵列数据分类

为了更好地解决DNA微阵列数据的分类问题并进一步提高系统的识别率,提出了一种用于DNA微阵列数据分类的演化硬件多分类器Ada Boost选择性集成学习方法.在系统集成阶段,介绍了2种改进的Ada Boost算法,分别探讨了以样本标记提升抽样有效容量和直接面向组合分类器分类精度提升的选择性集成策略.对急性白血病、肺癌、结肠癌数据集进行了试验.结果表明,基于Ada Boost集成学习的演化硬件方法对白血病、肺癌、结肠癌的平均识别率为97.06%,99.32%,和94.44%.相对于传统演化硬件集成学习方法,文中方法保证更优识别率的同时有效降低了硬件实现代价.     

基于改进粒子群算法的医学图像分类研究

针对医学图像具有很高的特征维度和非常大的交叉性及相似性、极其容易造成类别归属混乱、导致医学图像多类别分类精度普遍较低的问题,首先提出了一种惯性权重自适应的粒子群算法,并以此为基础引入交叉算子提出一种混合优化算法.然后,采用中值滤波法、直方图均衡化方法对医学图像进行去噪、图像增强等预处理.最后运用改进后的混合粒子群算法集成SVM、KNN、Ada Boost分类器对医学图像进行特征分类研究.试验表明,本文算法的分类结果无论是直接特征提取,还是SIFT特征提取,相对于传统的分类器多类别分类准确率都有所提升;针对MIAS数据集,多类别分类相比于现有的分类算法有明显的精度提升.     

大型岩质边坡岩体质量的可拓学理论评价

基于物元模型的可拓学理论分析,提出龙滩水电站高边坡岩体稳定性的可拓学预测方法.利用岩体边坡稳定性等级和影响因子,构造经典域物元和节域物元,应用物元和可拓集合中的关联函数,建立了岩体边坡稳定性等级综合评判的可拓预测模型,通过可拓学评价分析,得到了岩体边坡稳定性的预测结果.实例分析表明该可拓学预测方法能够更加准确、科学地预测岩质边坡质量的等级问题,从而为采取相应的经济合理的支护加固措施提供了更可靠的依据.     

改进AdaBoost与SVM快速人脸检测

使用Ada Boost进行人脸检测,存在训练时间长以及误检率高的问题.本文提出了一种新的快速人脸检测方法.首先通过对类Haar特征约束,提高人脸特征选取的有效性,减少整体特征数;然后利用基于梯度方向直方图HOG特征的支持向量机SVM算法对改进后的Ada Boost算法出现的高误检率进行检测优化,以降低误检率,提高检测的准确度.实验结果表明,本文提出的Ada Boost改进算法可以有效地缩短训练和检测时间,结合SVM优化实验可以大大降低误检率,提高人脸检测的正检率,实现快速高效的人脸检测.     

一种用于方向预测的集成学习算法

对用方向向量标识示例的学习问题,以预测方向与实际方向之间的方向误差最小化为目标,提出了一种可用于方向预测的集成学习算法,详细分析了构造多个预测函数以及组合各个预测函数以实现方向的最优化预测方法. 提出的算法具有广泛的应用特性：当用不同的轴向来标识类别时,可简化得到多分类连续AdaBoost算法,其能确保训练错误率随分类器个数增加而降低;用错分代价组成的向量来标识示例时,可简化得到一种平均错分代价最小化的集成学习算法. 理论分析和实验结果均表明了算法的合理性和有效性.     

正域为有限区间的三区间套一维关联函数

 可拓集合从变换的角度描述事物具有某种性质的程度及其变化, 并用关联函数定量化研究变化的分类和分类的变化以及矛盾问题的转化, 因此关联函数是可拓集合的核心内容和可拓学的重要理论基础。基于现实生活中人们对客观事物特征的量值存在满意区间、可接受区间和不可接受区间等区别, 在定义点与三区间套的位置值的概念基础上, 构造了正域为有限区间的三区间套一维关联函数公式并探讨其性质, 深化了一维关联函数的研究内容, 拓展了可拓学描述现实矛盾问题的范围。     

基于可拓距离的K近邻算法

距离机制是K近邻算法的关键部分,传统的方法是采用欧式距离来讨论各个属性取值的差异,而对于同一属性取值的差异就显得很简单.采用可拓学来定量描述事物属性的关联函数的性质,构造可拓距离应用到K近邻算法中,设计出可拓K近邻算法.为了验证算法的可行性和准确率,分别应用到二维数据的故障诊断和标准数据集的聚类分析中,实验证明该算法是可行和有效的.     

可拓理论在地质工程领域应用中的改进

从可拓理论在工程地质领域应用出发,首先分析了工程地质领域问题的特点--"等级对关联度的影响效果相同.但等级的取值区间长度可以不同;等级内关联值随取值呈一阶线性变化";其次根据一个应用可拓理论中物元模型进行工程地质建模的简单特例,将物元模型展开,绘制出关于所有等级的"关联度一等级(影响因素值)"关系曲线,根据曲线与实际现象的不符之处分析模型存在的问题;提出一个新的关联函数计算方程,改进了原关联函数方程与实际的不符之处;最后通过分析改进后的方程曲线.论证改进后方程较符合工程地质领域问题的实际情况.总之,本文分析了可拓理论中的物元模型在工程地质领域中应用存在的问题,改进了物元模型中的关联度计算函数,对可拓模型在工程地质领域中的广泛和正确应用起到了推动作用.     

岩体质量等级分类预测方法及其工程应用

为准确地预测前方岩体质量,提出基于隧道地震波勘探系统和可拓理论的岩体质量等级分类预测方法。通过对数百例典型地震波探测数据的系统收集与归类分析,遴选出隧道地震波勘探系统可有效识别的、可表征岩体质量等级的物理力学参数作为分类预测指标,并根据隧道地震波场响应特征,提出岩体质量分类预测指标体系的分级标准,建立隧道岩体质量等级分类预测的物元可拓模型。通过TSP探测技术获取预测指标取值,对其进行无量纲化处理,并利用简单关联函数法确定预测指标的权重。研究结果表明:岩体质量分类预测结果与属性识别模型、GA_SVM评价结果及现场情况具有较好的一致性,验证了该方法的可行性和准确性,提供了一种可应用于施工阶段的岩体质量等级预测方法。     

基于人才系统预测目标的物元模型

基于物元分析的基本理论,应用可拓学的方法,分析人才系统对人才市场的影响,建立了人才系统预测目标的物元模型。采用了以关联函数为基础的物元综合评判方法,并对人才系统预测目标的物元模型的优选,提出了对人才系统预测目标的具体方案。     

基于改进层次分析-物元可拓的岩爆预测模型

岩爆是岩土工程中棘手的地质灾害,预防预测是治理的关键.数学建模方法是岩爆预测领域的常用手段.论文结合层次分析法和物元可拓理论进行建模,用于工程中的岩爆预测.首先,对层次分析法进行改进,精简计算量;其次,对物元可拓模型进行改进,避免特征值超出节域时关联函数失效的问题;最后,将改进后方法结合建模并应用于白鹤滩水电站岩爆预测...     

可拓学理论在东戈壁露天矿工程岩体质量评价中的应用

基于可拓学工程方法,在物元模型理论的基础上建立工程岩体质量评价的物元模型,应用可拓集合的关联函数,建立基于物元和关联函数的工程岩体可拓评价方法,对新疆东戈壁露天矿主要工程岩体质量进行评价,并与传统的“RMR、Q”法评价结果作比较.研究结果表明:得出的评价结果与现场实际相符合.工程岩体质量的可拓学评价不仅可以反映岩体属于何种质量等级,而且可以反映工程岩体与其他质量等级的“距离”,能较好的反应工程岩体的质量等级,具有较好的适用性.     

基于随机平衡采样的不平衡数据集分类算法研究

提出了随机平衡数据采样算法,以此为基础对Ada Boost算法进行修改并构建了随机平衡集成分类算法,采用6组UCI数据集对随机平衡集成分类算法进行实验,并与SMOTEBoost算法、RUSBoost算法、AdaBoost算法进行比较.实验结果表明,随机平衡数据集成算法具有更好的分类性能,在处理不平衡数据集方面有一定的优势,具有较强的多元性和鲁棒性.     

基于转换策略的多标记学习改进算法

针对传统转换多标记学习算法较难确定最低阈值的问题,该文对传统转换策略的多标记学习算法进行改进,提出了一种基于最低阈值的学习算法(TFEL),该方法根据类别标记学习为每个类别得到一个最低阈值.当分类器将一个测试示例预测为某个类别标记的分值大于为该类别标记学得的最低阈值时,则将该类别标记添加到该测试示例的最终分类结果中.实验结果表明, TFEL方法能够得到较好的分类效果,证明了该方法的可行性和有效性.     

基于AdaBoost的集成支持向量机预测技术仿真

本文结合遗传算法参数优化方法,提出了基于AdaBoost集成支持向量机（SupportVectorMachine或SVM）算法,建立了基于AdaBoost集成SVM预测模型。通过Sinc函数仿真数据,分析了基于AdaBoost的集成支持向量机的预测性能。结果表明,基于Ada～Boost集成预测模型的预测相对平均误差达到1．31％,而SVM预测相对平均误差为279％,提升幅度达到53％,说明集成SVM预测模型具有很高的预测精度。通过对Sinc函数加入不同含量的噪声,发现与改进前的集成SVM算法相比,本文提出的算法具有更强的抗干扰能力。应用该算法,对轴承疲劳寿命实验中轴承振动信号特征量趋势进行预测,结果表明其14步预测的相对平均误差为027％,预测结果良好。     

可拓方法在地下工程岩体质量评价中的应用

基于物元理论和关联函数,将可拓理论引入到岩体质量等级评价当中,建立了岩体质量评价的可拓模型.以RMR评价方法为基础选取能够反映工程特性的评价指标,对某矿山工程岩体质量进行了可拓理论评价,引入改进的AHP法求解指标权重,避免了权重求解过程中人为主观因素影响过多的弊端.通过与传统的RMR评价方法对比分析,证明将可拓学运用于岩体质量等级评价是合理可行的,且分级结果具有更加直观的特点.表4,参10.     

膨胀土预测分级的可拓学模型及应用

为预测膨胀土胀缩等级,提出一种基于物元模型和聚类分析的预测方法。首先利用膨胀土等级和影响因子,构造经典域物元和节域物元;然后应用物元和可拓集合中的关联函数,建立膨胀土预测等级模型。通过聚类分析,得到膨胀土等级的预测结果。实例分析结果表明,该算法是一种可行、有效的预测膨胀土胀缩等级模型。     

基于可拓集的入侵检测模型

针时入侵行为特征表现的隐蔽性、不确定性和多样性问题,提出一种基于物元模型和可拓集的入侵检测模型.利用多评价特征类物元描述多特征表现的入侵行为,建立每一个评价特征的关联函数并进行运算,得到综合关联函数以建立多特征物元可拓集,作为检测该入侵行为的模型.对于待检测行为,通过计算其与可拓集的综合关联度来判定是否为入侵行为以及异常的程度,不同的综合关联函数能够实现基于多特征融合的不同检测方法,该模型被应用到网络异常流量检测中.