基于加权熵的重要性不对等样本学习的知识约简

由于学习样本的分布特性和所反映的主观特性的不同,每一个样本相对于学习算法的重要性程度往往是不对等的,为了能够在知识约简过程中考虑到学习样本的不对等性,提出了基于加权熵的知识约简方法。针对各类别样本分布不均匀的样本重要性不对等情况,为了加强小类样本所蕴含的知识在知识约简中的体现,提出一种逆类概率加权的不对等样本加权方法,实验表明该方法能够明显提高小类样本的分类正确率,也验证了基于加权熵的知识约简方法能够将样本的不对等性体现在知识约简结果中。     

多光谱卫星云图降水区域与强度估计的模糊推理模型

在卫星云图降水分析中,针对降水天气和降水强度具有明显的"模糊"特性,提出了云图降水的模糊推理模型.从不同云类降水的经验知识和降水天气的卫星云图样本中,提取出若干云类降水规则.在此基础上,引入模糊推理方法,建立了卫星云图降水分布和降水强度估计的模糊推理模型.实际应用中,对卫星云图进行云分类,根据云分类结果,去除不可能产生降水的云类区域.对可能产生降水的云类区域,通过提取多光谱云图的灰度等特征进行推理判别,进而得出该区域是否降水以及降水强度和降水分布的估算.试验结果表明,该方法在客观性、定量性和自动化程度方面优于传统的降水估计方法,且建模所需的样本少,可适用于多种类型的气象卫星云图.     

基于云模型的地面智能机器人自主性评价方法

为解决地面智能机器人自主性评价过程中评价体系单一、未考虑评价过程及系统自身不确定性等问题,提出了一种基于云模型的自主性评价方法.该方法建立了评价云模型,以期望作为评价基本度量,以熵和超熵描述评价的不确定性.通过对不同属性特征的样本进行统计特征、区间数和评价向量运算,得到实数型、区间型和语言型三类评价云生成方法.利用加性合并计算,将多个评价云信息累加,得到具有稳定可信性的综合评价状态云.以实验室3台地面智能机器人为原型,设计系统自主性评估验证实例,完成了云化过程.实验验证了该方法能够有效结合定性与定量评价,可应用于地面智能机器人自主性评价和其他复杂智能系统的综合性能评价.     

基于卫星云图的DBSCAN聚类云团分类方法

针对云分类问题提出一种新的云团分类方法.该方法先利用风云二号静止气象卫星实时云图图像资料建立多种云和地表类型的样本库,提取分析已知样本的光谱特征和纹理特征;再使用中值滤波器对云图进行预处理,并采用具有噪声的基于密度的聚类算法对云区聚类;最后对聚类得到的云团光谱特征和纹理特征进行匹配,确定云团所属的云类别.实验结果表明,该方法以云团为单位进行划分,易实现云团分类自动化.     

基于蚁群SVDD和聚类方法的旋转机械故障诊断

摘要：
针对典型故障样本缺乏而使常规机器学习方法无法直接应用的难题,提出了一个基于支持向量数据描述（SVDD）新异类检测与基于Davies Bouldin指数（DBI）的K均值聚类方法相结合的旋转机械故障诊断框架.首先,针对正常状态样本建立SVDD模型,并利用蚁群算法对SVDD模型参数进行优化;然后,当拒绝样本数目累积到设定的阈值时,利用K均值聚类方法对其进行处理而获得能够进行标记的类别,其中,K均值聚类的类型数目由DBI辅助确定;最后,针对所标记的各类样本,分别建立SVDD模型并进行训练,将SVDD分类器按照二叉树形式构建系统状态的完整诊断模型.同时,利用滚动轴承多故障模式样本进行训练测试,以验证所提出算法的有效性.结果表明,所提出算法的训练速度为常规网格搜索算法的近10倍,DBI能够有效确定聚类的数目,对样本状态的识别率达到100%. 关键词：
蚁群支持向量数据描述; K均值聚类; Davies Bouldin指数; 旋转机械; 故障诊断 中图分类号： TP 183
文献标志码： A     

高维云模型及其在多属性评价中的应用

提出核空间高维云模型并将其应用于多属性评价问题.基于样本取值范围计算云模型的数字特征,生成云模型表达样本属性值与其属于期望值的隶属度之间的关系.在一维云模型的基础上,建立样本的多属性核空间高维云模型.对核空间内的样本,高维云模型的隶属度取值为1;基于样本在核空间高维云模型中的隶属度对样本进行多属性评价;应用核空间高维云模型,对地理信息系统内选定区域进行评价,选出适合作为观察所的位置,并对选取结果进行分类.该模型的多属性评价效果良好.     

基于模糊聚类方法的海工结构耐久性评估

考虑海工结构耐久性评估的模糊性特点,提出一种新的耐久性评估方法.基于模糊数学原理对待估样本进行聚类分析,利用MATLAB模糊工具箱实现对海工构件耐久性的模糊评估;建立样本对于类别的不确定性描述,给出每个样本隶属于某一聚类中心的模糊隶属度.结果表明:采用的模糊聚类方法避免了传统硬划分对构件耐久性评估的不合理性,符合客观实际;基于软划分的模糊c-均值聚类的MATLAB编程法避免了主观因素对评估结果的影响,可对多个样本及多个评价指标的待评估事物进行模糊聚类分析,评估结果形象且动态反映了样本的耐久性状况.     

基于QoS的一维逆云控制器研究

采用云模型不确定性推理方法设计了一种逆云映射器,并给出了逆云映射器的结构设计方法,分析了其映射特性.据此提出了一种一维逆云智能控制器,将其应用于基于QoS的网络控制系统中,并给出了相关的仿真结果.     

多光谱卫星云图的SOFM-PNN网络耦合的云分类模型

针对单一类型的神经网络分类器难以正确区分和有效识别复杂云类特征的缺陷,本文基于静止气象卫星云图多光谱云类样本,通过计算、分析云图灰度、梯度与纹理特征,提取了云分类最佳判别因子,建立了自组织网络（SOFM）与概率神经网络（PNN）的综合云分类器优化模型．该分类器首先利用自组织网络对云类样本进行无监督初始分类,确定出相似样本子集;随后用概率神经网络对初始分类误差进行有监督修正和分类结果的二次优化判别．试验结果表明,该分类器可有效提高云类判别效果,分类结果的总正确率达到92．4％,Kappa系数为90．82,明显优于单一的统计分类器判别效果．     

一种集成构造性分类学习方法

构造性学习算法训练分类器对有些样本会有"拒认状态",构造性学习算法中对这一状况的处理使用就近原则,然而,这种方法通常不能给出"拒认状态"样本的正确类别。提出了一种集成构造性分类方法,在测试阶段,通过多个分类器的最终打分,对"拒认状态"样本进行分类标记。同时,选取UCI数据集进行实验,结果表明,与CML算法相比,该方法的分类更为有效。     

阈值与纹理相结合的云识别方法

为了利用大气向下红外辐射进行云的地基红外遥感,分析了晴空辐射阈值的确定方法以及有云天空和晴空的LBP谱,进一步提出了阈值与纹理相结合的云识别方法.辐射阈值法可以逐像元地进行云识别,但一旦阈值确定不准,会导致云识别误差较大;有云与晴空的LBP谱有明显差异,可以利用晴空相似度周值进行云识别,但由于计算LBP谱需要在较大区域...     

最优分割分析在水环境监测优化布点中的应用

应用Fisher最优分割分析法解决山东省水环境监测优化布点系统中有序样本的分类问题,以河流监测断面样本的综合污染指数作为分析数据,计算分类的直径,并通过比较各种分类的误差函数,从而寻求一种最优的分类结果。     

数据挖掘综述

从人工智能、统计分析和数据库技术3个方面对数据挖掘技术进行了总结;从模式识别的角度讨论了数据挖掘技术的主要任务,包括分类、聚类、回归、关联、序列和偏差6种模式的识别.详细介绍了数据挖掘技术的常用方法,包括模糊理论、粗糙集理论、云理论、证据理论、人工神经网络、遗传算法以及归纳学习.列举了当前数据挖掘技术的实际应用场合,并指出其今后的发展趋势以及急需关注的问题.     

基于区间分析和云模型的实物期权定价研究

针对实物期权定价中预期现金流收益的现值和投资成本采用精确值给出不太合理的实际情况,深入分析了现有的基于模糊集理论和基于云模型的实物期权定价方法,提出了基于区间分析和云模型的实物期权定价方法。首先,在基于云X信息的逆向云算法的启发下,结合区间分析理论,提出一种新的逆向正态云构建算法;然后,用生成的云模型表示预期现金流收益的现值和投资成本,结合期权定价理论和基于区间数的逆向云算法,运用云运算,给出了一种将专家评估区间数据转化成正态云模型的形式,并提出了利用逆向正态云估计预期现金流收益的波动率的实物期权定价方法;最后,通过实例模拟证明了该方法的有效性。     

高速结构化光照扫描系统中的三维手势及人脸识别

在计算机视觉人机交互（Human-Computer Interaction, HCI）领域,信号质量的优劣对系统性能的影响很大。为了解决这个问题,提出了一种基于实时高分辨率的高速结构化光照三维（Three-Dimensional, 3D）物体扫描系统,通过结合鲁棒人脸识别建模与三维点云分类算法,将完整的表面几何形状与不同分类的模板相匹配,从而可以准确地重建及分类各个结构点。所提方法的有效性分别在结构光照明（Structured Light Illumination, SLI）三维手势数据库及结构光照明三维人脸数据库上得到了验证,实验结果表明,与最先进的方法相比,所提方法取得了更好的识别效果。     

基于激光强度的建筑立面点云分类及信息提取

针对地面三维激光扫描仪的点云激光强度值,提出了一种基于激光雷达方程的数据模型改正方法.通过将激光强度值进行角度和距离改正,分析数据模型的改正效果,并利用改正后的激光强度值对建筑立面点云进行分类及建筑立面信息的特征提取.实验表明:改正模型能对点云激光强度值进行有效补偿,使得同类物体的激光强度值趋于统一.因此,利用改正后的点云激光强度值对建筑立面点云进行分类及特征提取,能够保证分类精度及目标识别效果.     

云模型和集成极限学习机相结合的滚动轴承故障诊断方法

针对轴承振动信号的不确定性和非平稳性以及BP神经网络学习算法收敛速度慢、稳定性差等问题,提出了基于云模型和集成极限学习机的滚动轴承故障模式识别方法.将经预处理之后的信号进行云化,产生滚动轴承在不同状态下的信号云;提取出决定信号云分布的期望、熵和超熵三个参数作为表征轴承状态的特征量并依此构造出原始的轴承状态数据集;再将故...     

区间数型隧道围岩综合分级云优化理论模型

隧道围岩指标具有不确定性,其实测指标值常用区间数表示。针对区间数型隧道围岩综合分级同时存在模糊性与随机性的现实,将云模型理论应用于隧道围岩综合分级进行了研究。首先根据正态云模型的数字特征将隧道围岩分级标准及待分级围岩样本区间数转化为云模型;然后将规范化区间数转化为云模型,定义了待分级围岩样本云与标准云相似程度的云模型距离测度,运用扩展的最小二乘方准则构造目标函数,通过拉格朗日乘数法求解,建立了一种新的隧道围岩分级模型;最后通过6个隧道围岩分级的实例说明了该模型的应用,并与用其它方法得到的结果进行了对比,验证了该模型的有效性。     

GMS卫星红外云图云迹风的反演

GMS静止气象卫星探测所得到的红外云图资料,用计算机图象识别技术来反演云迹风。将整幅云图划分为若干个象素点数为32×32的小块,对每个小块进行目标物的分类运算。应用模式识别中区域聚类法即最近邻简单试探法和K-均值聚类算法来完成高云、中云、低云和地表的区分。云迹风的计算采用红外亮温交叉相关法,在设定的搜索区内通过计算相邻两个时次云图目标区与搜索区的红外亮温交叉相关系数,可以得到一个交叉相关系数匹配面。对匹配面上的主极大峰值和次极大峰值应用匹配面检测和连续性检测选出合适的峰值,进而得到云迹风矢量。云迹风的高度推算用选定目标云的红外亮温加权平均值与该季节气候统计温度垂直分布值相比较,推算出目标云为高云、中云或低云。     

基于纹理特征的地基云分类识别研究

云是一种重要的天气现象,云观测对当时天气系统的观测具有很强的指导意义,同时云的变化趋势也是预测未来天气的一项重要指标?目前对遥感卫星云图的研究取得了较丰富的成果,但地基云图分类识别研究取得的成果则比较有限,地基云图的研究一直是模式识别中的难点?采用标准气象站地基云图数据,选取了浓积云?积雨云?雨层云等5类常见的云类,并将Gabor小波变换应用于地基云图的纹理特征数据提取,运用实验法选取了Gabor小波变换的最优参数?将地基云图纹理特征数据运用到最短距离和包含BP神经网络的陀螺分类器构造成的地基云图分类系统,从而实现了对地基云图的分类?实验结果表明,该方案不仅能够有效地运用于地基云图分类,而且分类效果也是比较理想的?