基于二叉树结构双优化的SVM多分类算法研究

针对传统二叉树在多分类问题上存在分类精度不够高和时间复杂度较高的不足,提出了一种基于二叉树结构双优化的SVM多分类学习算法。此算法利用遗传算法对已经提取的特征参数子集和核参数进行双重优化,以获得最优的主要特征参数,从而有效地解决了样本结构复杂、分布不平坦的多分类识别问题。作者运用UCI数据库中的数据,通过仿真实验,并就经度和时间复杂度与有向无环图法和一对一法作比较,结果表明本文提出的算法具有较好的优越性。
     

基于多元时间序列融合的飞行动作识别方法

针对飞行动作数据随机性强与长度不一致的问题,提出通过减小动态时间规整(DTW)算法的搜索空间,并定义不同特征参数贡献度的概念,实现对飞行数据的多元时间序列融合,从而完成对战术机动动作的识别。通过引入预分类和细分类结合的方式,对动作数据进行预处理,然后根据改进的动态时间规整(WDTW)算法对待测数据进行识别。仿真实验表明,相比传统DTW算法,WDTW算法通过降低算法复杂度,识别计算时间变化明显;对核密度与精准度系数的分析表明识别准确率亦有所提高。实验结果验证了所提方法的准确性。     

基于U形有向无环支持向量机的多类文本分类研究

针对原始的有向无环支持向量机（Directed Acyclic Graph Support Vector Machine,DAGSVM）多类文本分类算法结构图中存在误差累积以及路径冗余的问题,提出一种改进的有向无环图支持向量机多类文本分类算法。将易于分离的那些类两两组成两类分类器放置在结构图的上层,有效克服了误差累积问题,通过将原始的分类结构图改造为U形图以及引入集合运算进行类别判定,有效剪除冗余路径并降低时间复杂度。实例表明,该算法能有效提高类别判定的准确率并降低时间复杂度。     

一种IP数据包快速分类算法

为了提高查找效率,在无冲突哈希查找算法和Grid of Tries算法的基础上提出了一种基于无冲突哈希和多比特Trie树(NHMT)的IP分类算法.该算法的核心有3部分:哈希函数的构造,主要是采用基于目的端口和协议两域构造哈希函数,使得在最坏情况下完全避免了空间爆炸问题;在Grid of Tries算法的基础上,对Grid of Tries算法改造成修剪的Trie树和多比特Trie树,以减少空间复杂度;在无冲突哈希查找算法的基础上扩展一层用于存放源端口号(或范围),扩展后一般要提高算法的时间复杂度,要通过引入多比特Trie树的方法进行解决.对于空间复杂度方面与无冲突哈希查找算法比较,一般情况下不增加空间复杂度.通过仿真,当对10 000条规则进行包分类时,该算法的分类速度可以达到1 Mbit/s,所消耗的最大内存为8.2 MB.     

基于标记相关性的多标记三支分类算法

提出了一种基于标记相关性的多标记三支分类算法TML_LC,该算法利用三支决策模型将多标记样本空间划分为接受域、拒绝域和边界域,然后利用概率图模型构建标记之间的相关性,并应用于边界域的延迟决策,从而降低分类模型的时间复杂度,并提高分类模型的精度。     

一适用于超多类手写汉字识别的新改型Adaboost算法

提出一种适用于超多类手写汉字识别的新改型Adaboost算法,采用基于描述性模型的多类分类器（modified quadratic discriminant function,MQDF）作为Adaboost基元分类器,可直接进行多类分类,无需将多类问题转化为多个两类问题处理,其训练复杂度大大低于已有的多类Adaboost算法。算法提出根据广义置信度更新样本权重,实验证明这种算法适用于大规模多类分类问题。为了降低算法的识别复杂度,提出从所有训练后得到的Adaboost基元分类器组中选择一个最优的基元分类器作为最终分类器的方法进行删减。在HCL2000及THOCR-HCD数据集上进行实验证明,所提改型Adaboost算法提高了识别率的有效性,该算法的相对错误率比现有最优算法分别下降了14.3 %,8.1 %和19.5 %。     

房间辐射时间序列决策树分类方法研究

采用辐射时间序列方法，现有可用的辐射时间序列涉及的房间结构和特征参数数量太少，导致其计算的空调设计负荷偏差较大. 考虑国内建筑常用的围护结构及其特征参数，采用简单随机抽样方法抽取结构和特征参数组合的房间样本，应用热平衡方法计算大量的结构与特征组合房间样本的辐射时间序列，用CART决策树算法提取影响房间辐射时间序列的主要特征参数，对房间结构类型和特征参数进行分类，用K-Medoids中心算法确定各类房间代表性辐射时间序列. 用提出的决策树分类方法将结构及其特性参数组合房间的非太阳辐射时间序列和太阳辐射时间序列分别分为12类和8类. 适用性检验表明，分类后每类房间辐射时间序列很好地代表了该类的所有房间，可显著提高空调设计负荷的准确性.     

一种时空高效的多类别文本分类算法

低时空复杂度始终是多类别文本分类算法希望达到的性能。新闻文档集中Token频率分布的研究再次验证了Token频率分布普遍服从幂律。据此设计了一种新的多类别Token频率索引数据结构,并基于该数据结构提出了一种低时空复杂度的多类别文本分类算法。在TanCorp数据集上的实验结果表明该算法在多类别新闻文档分类应用中是时空高效的。     

并行层压缩树包分类算法

在层压缩树路由算法思想基础上提出了一种新的硬件包分类算法--并行层压缩树包分类算法.该算法是基于独立存储单元和多域并行处理并在FPGA内部实现的高速网络包分类算法,主要包括单通道并行搜索和多通道综合比较两大部分.仿真结果表明在40 MHz的搜索时钟频率下,该算法能够达到每秒2 M包头的处理速度,其空间性能明显优于其他算法,具有O（d）的时间复杂度（d为域的个数）和O（dN）的空间复杂度（N为规则数）.     

基于SITF特征提取的加速匹配方法

SIFT算法是目前应用最广泛的特征点提取匹配算法,该算法具有尺度不变性,旋转不变性和一定的光照不变性.但SIFT算法复杂度较高,而且图像匹配时间较慢,在较大形变和光照变化下易出现匹配不准确.针对上述问题,提出极值分类匹配算法,将特征点分为极大特征点和极小特征点两类,进行分类匹配,并利用扩散过程来代替欧式距离计算特征点之间的距离.该文方法不仅降低了时间复杂度,提高匹配速度,而且对图像形变和光照变化更具鲁棒性.     

基于动态调整的GA-SVM多分类二叉树的方法

基于遗传算法的支持向量机决策树多分类方法仍然存在错误累积的问题,累积的错误往往使分类准确率下降,分类效果变差,存在全局优化缺陷的问题;并且在每个节点进行二分类常用的实数编码切分方法,效率低下。针对这两方面的问题,提出从根节点开始逐层构造二叉树,运用二进制编码的遗传算法进行每一阶段的二叉树构造。二进制编码对于每个节点的分类以及进行交叉、变异更高效,不用考虑从什么位置切分。针对越靠近根节点产生的误差对后续节点分类误差的累积影响,提出一种动态调整的方法,此方法对每个节点赋予权重再进行对权重的调整使得整体的分类误差减小,最终得到二叉树的全局最优,从而提高分类精度。通过实验并进行五折交叉验证表明,DABT-SVM比多种传统的支持向量机多分类算法在全局优化能力和分类精度上有很大的提升。验证了该算法的可行性和有效性。     

支持向量机与哈夫曼树实现多分类的研究

提出了基于哈夫曼树的支持向量机多分类方法,该方法首先将1个多分类问题分解为多个2分类问题,针对每个2分类问题使用支持向量机2分类方法解决;然后根据相异度来决策分类的优先顺序,构建基于哈夫曼树的支持向量机多分类模型;最后使用勒卡斯开源数据集进行验证,并将它与传统的支持向量机多分类方法进行实验比较。实验结果表明:新的方法在分类速度和分类精度上较传统的支持向量机多分类方法优越。     

与基于变换存储结构的一种高效排序算法的商榷

作为计算机应用中一项复杂而重要的技术，排序一直是计算机领域内人们感兴趣的课题，寻找速度快、附加存储空间开销小的高效排序算法也一直是计算机工作者为之追求的目标．对变换存储结构的一种高效排序算法中所存在的几个问题进行商榷与讨论．并证明了建立／生成一棵含有n个数据元素的二又排序树，其时间复杂度最小为O（n log2n）．     

由先序序列和结点的层数构造严格二叉树的高效算法

提出一种新的通过一棵严格二叉树的先序序列和这棵严格二叉树的结点的层数构造这棵严格二叉树的非递归算法.举例说明新算法的执行过程.对于有n个结点的严格二叉树,新算法的时间复杂度为O(n),比相应的递归算法的低,新算法的最差情况空间复杂度为O(n),与相应的递归算法的相同.     

事务模式树分层挖掘算法及其应用

从事务数据、时间序列数据等数据库中挖掘频繁模式已在数据挖掘领域中得到了广泛地研究．针对目前已有的Apriori算法和频繁模式增长算法在时间和空间等方面的复杂性和低效性，提出了一种新的数据结构——事务模式树，用来存放待挖掘的事务信息，同时给出一种基于该数据结构的挖掘算法——事务模式树分层挖掘算法．最后，把该算法应用于保险业务．结果表明,该算法简单高效，值得推广.     

基于二叉树的位排序算法

利用二叉树的结构性质,给出一个基于二叉树的位排序算法（ＢＢＳ算法）。并证明了该算是生成二叉树的这组数据按排序码升序的排序,最后,讨论了该算法的复杂性。     

二叉树先序遍历的非递归算法讨论

在传统的二叉树递归算法的基础上,讨论了两种非递归算法,一种是较常见的算法,但这种算法有重复的操作,因而笔者做了修改,形成了第二种算法,并在时间复杂度和空间复杂度方面对这两种算法的优劣进行了探讨。     

精馏分离序列综合邻域结构的研究

为了有效解决精馏分离序列优化综合问题,研究邻域(超级)结构是成功实现寻优算法的前提。由于精馏分离序列与二叉树之间具有同构性,在数据结构上精馏分离序列可以抽象为二叉树,进而采用图论方法对其进行研究。本文运用组合数学理论深入研究了精馏分离序列综合问题．简明分析了有序剖分问题的计算复杂性;通过二叉树相邻切分点变换机制,实现了对精馏分离序列的随机搜索;提炼出后序遍历相邻变换的等价规则,从而构造出高效演化邻域结构。     

遍历二叉树时工作栈变化情况的研究

二叉树是一种常用的数据结构，对二叉树的遍历通常采用递归调用的算法，但对调用过程中语句调用的顺序和参数传递情况的理解容易被忽略。文中通过举例详细分析工作栈的变化情况，来诠释二叉树遍历时运行全过程。     

基于二叉树的位排序算法

利用二叉树的结构性质 ,给出了一个基于二叉树的位排序算法 (BBS算法 ) .并证明了 BBS算法是生成二叉树的这组数据按排序码升序的排序 ,最后 ,我们讨论了该算法的算法复杂性 .