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．     

支持向量机及其在模式分类中的应用

支持向量机作为一种新的机器学习技术，由于它具有结构简单，泛化能力强的优良性能，越来越受到人们的关注．为此，介绍了支持向量机的一些新的进展，及其在分类器设计中的应用．     

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.     

人工智能技术在遥感分类中的应用综述

目前遥感数据广泛应用于地表信息的提取,因复杂性、不确定性,分类方法不一。文中介绍了决策树、神经网络和支持向量机方法等人工智能分类法的算法,分析了探讨了其在遥感分类中的优势与局限,并从提高遥感分类精度的角度进行了总结与展望。     

面向深度学习过拟合问题的神经网络模型

针对机器学习算法中的过拟合问题,提出一种基于支持向量数据描述的深度学习神经网络模型.在高效利用深度学习的表达能力的基础上,通过在分类中获取最大间隔的方式,解决不可见数据模型的精度较差的问题,具有非常好的泛化性能.仿真结果表明,提出的模型可以学习多类数据,同时大幅度降低过拟合.     

不平衡报价浅析

工程承包市场竞争激烈,投标人追求利润最大化的同时,也要保证报价的竞争性,不平衡报价是首选策略。笔者根据多年的工作经验,从不平衡报价的内涵、产生原因、表现形式及应用这几方面对不平衡报价进行了详细论述。     

三相负荷不平衡能耗及综合平衡治理关键技术研究

针对目前配电网普遍存在的三相不平衡问题,该文在系统分析各环节模型特点的基础上,建立了系统能耗仿真模型.仿真结果表明:低压线路损耗所占比例最大,且随着不平衡度增加损耗增速增大;变压器损耗量虽然较大,但不平衡对变化量的影响相对较小,而高压线路损耗所占比例最小.在上述理论分析基础上,进一步对比不同平衡调节技术特点及平衡效果,提出了换相开关与SVG技术相结合综合补偿方法,此种方法不但可以有效改善低压线路损耗,同时可实现配网平衡的最优调整,并进一步通过仿真验证了此方法的正确性与合理性.     

三相负载不平衡运行后果分析

本文分析了变配电系统中,三相负载不平衡运行对变压器,电动机等引起的不良后果,提出应对三相负载进行监视和及时调整,使之尽可能做到均衡运行.     

SVG在地图预览及元数据中的应用

<正>地理信息系统(Geographic Information System,简称GIS)作为一种采集、存储、管理、分析和输出各种地理信息的信息系统,在城市建设、规划、环境资源利用和决策支持等方面发挥了重要的作用。但随着Internet技术和信息技术的迅猛发展,对     

基于抗非线性SVM的几何整形可见光通信系统

非线性效应限制是高速可见光通信系统性能提升的一大瓶颈问题,为此提出将支持向量机(support vector machine, SVM)监督学习算法应用于几何整形可见光通信系统接收信号星座点的分类判决,将信号的同向分量和正交分量作为特征向量,建立最优分类界面,以降低非线性条件下星座点变形带来的符号误判,同时比较几种几何整形设计的性能.仿真分析和实验结果表明,SVM提升了非线性条件下系统的性能,在数据速率为1.2 Gbit/s的高速可见光通信传输中,圆-169几何整形16正交幅度调制(quadrature amplitude modulation,QAM)的符号误码性能最优.     

基于支持向量机的多特征选择目标跟踪

目标判别跟踪方法一般以单一跟踪结果(正样本)和部分负样本训练分类器,并只用单一的特征描述目标,因此在目标发生遮挡、光照变化、形变等情况下很容易导致跟踪的失败. 为了克服单一正样本和单一特征训练的分类器导致跟踪不稳定的问题,提出一种基于支持向量机的多特征描述、多个正负样本进行分类器训练的目标跟踪方法,用训练分类器对所有候选粒子的不同特征进行判别和选择,并将具有最大置信概率的粒子确定为跟踪结果. 在跟踪过程中,利用子空间学习的方法实现正样本的更新,并以更新后的正负样本训练分类器. 实验结果表明,该方法在目标存在遮挡、光照变化、形变等情况下均可以取得较好的跟踪效果.     

改进支持向量机分类方法及其在原发性肝癌筛查中的应用

为了尽早检测出原发性肝癌患者,辅助医生进行医疗决策,提高患者临床疗效,提出一种基于临床常规检验指标的筛查方法。该方法使用支持向量机建模,采用差异进化算法进行参数优化,以接收者操作特征曲线下面积的值作为模型评价测度,将得到的最优模型用于检验数据识别,以判断该数据属于健康、良性病变还是原发性肝癌。此外,还根据临床需求绘制分类模型的性能指标曲线和阈值查找表,由用户选择阈值,使预测性能进一步提升。实验结果表明：与其他5种分类方法相比,该方法建立的模型具有更好的性能,其准确度可达0.94,Kappa系数可达0.90。研究结果可辅助医生进行原发性肝癌早期筛查,提高患者长期生存率。     

基于证据框架的模糊超球面支持向量机超参数优化

模糊超球面支持向量机(FHS-SVM)在处理一类分类问题时比超平面支持向量机泛化能力更强,特别是在雷达目标检测中得到了成功应用.FHS-SVM训练时需要预设一些超参数,不同的超参数得到的FHS-SVM性能差异很大.文中首先证明了FHS-SVM训练过程与证据框架第一层贝叶斯推理的等价性,然后在证据框架下提出了FHS-SVM超参数优化迭代方法.基于超宽带合成孔径雷达探雷数据,通过与穷举方法结果的对比检验了迭代优化方法的有效性.     

利用支持向量机构建水稻镉含量高光谱预测模型

研究基于支持向量机构建水稻镉(Cd)含量高光谱预测模型的可行性.利用ASD光谱仪测量研究区水稻冠层反射光谱,通过实验室化学分析得到土壤镉含量和水稻叶片镉含量,对研究区水稻光谱进行均一化平滑处理以及小波变换降噪,构建基于支持向量机(support vector machines,SVM)的水稻镉含量高光谱预测模型.结果表明,小波变换降噪处理对SVM建立的镉含量预测模型精度有所提高,SVM高光谱预测模型的相关系数为0.8674,均方误差为0.0012.该研究为利用高光谱遥感大面积、快速监测农田作物重金属污染提供技术支持.     

(Zr0.7Sn0.3)TiO4陶瓷性能预报的支持向量回归模型

将支持向量回归方法用于(Zr0.7Sn0.3)TiO4陶瓷的配方性能关系研究中,分别建立了(Zr0.7Sn0.3)TiO4陶瓷介电常数和损耗角正切的支持向量回归模型,并与逆传播人工神经网络、多元线性回归模型进行了比较.用留一法分别检验了支持向量回归、逆传播人工神经网络和多元线性回归3种不同模型的预报能力,结果表明:上述3种模型对于(Zr0.7Sn0.3)TiO4陶瓷介电常数的留一法预报的平均相对误差分别为1.083%、1.632%、1.931%,对于损耗角正切的留一法预报的平均相对误差分别为0.999%、1.746%、1.414%.因此,支持向量回归模型的预报能力较好,可望在陶瓷配方设计中的多变量、非线性问题和小样本体系中发挥较好的作用,为新型介电陶瓷的性能预报和配方优化提供一条全新可靠的途径.     

基于SVM的直升机飞行状态识别

针对直升机飞行状态识别训练样本数据少而导致识别率不高的问题,提出一种基于支持向量机(support vector machine,SVM)的直升机飞行状态识别方法.首先利用限幅、去野点和均值滤波对飞行数据进行去噪,用最小二乘法对飞行数据进行直线拟合获取变化率,并根据线性相关性提取状态特征参数,以减少数据冗余;然后根据特征参数将飞行状态分为10小类,对每一小类进行SVM分类器设计以提高识别效率;最后利用训练样本训练每个SVM分类器,用训练好的SVM分类器识别直升机全起落飞行状态.通过某型直升机实飞数据进行飞行状态识别实验,并将所提出的方法与RBF神经网络法进行对比,所得结果表明该方法在小样本情况下的识别率有明显提高,可为直升机故障诊断和寿命预测提供依据.     

ITTFA迭代向量初值选择新策略

提出了一种新的初始迭代向量选择方法,利用渐进因子分析(EFA)提供的色谱流入流出信息来选择迭代初值,采用设定极大值区间的方法,选择几个极大值点来代替只有一个极大值点,尽可能地使迭代向理想的方向收敛.在某一组分的流入流出区间迭代初值设为1,无流出的区域迭代初值设为0,拓展了传统ITTFA方法计算中初始迭代向量只在一个点设定极大值的方法.采用该法解析模拟二维数据和实际酒样GC/MS二维数据中的重叠组分,取得了令人满意的结果.     

灰度和纹理特征组合的SAR影像SVM分类

针对利用单一特征进行分类的效果不理想、普适性不强等问题,提出了一种灰度和不同纹理特征组合的支持向量机(support vector machine, SVM) 分类方法,将由不同特征组合的SVM分类器用于SAR影像分类,并对几种不同的分类结果进行定性和定量比较分析. 实验结果表明,灰度和不同纹理特征组合的SVM分类方法能够取得较高的分类精度,其结果要优于传统的单一纹理特征分类,是一种有效的SAR影像分类方法.