支持向量机的凸优化求解

支持向量机(SVM)是一种基于统计学习理论的机器学习方法,由于其优越的学习性能,已经成为当前模式识别、数据挖掘、大数据处理等机器学习领域的研究热点.查阅相关同类文章,发现其中对SVM理论中公式,如距离函数d、拉格朗日函数L(w,b,α)、二次凸优化函数f(x)等的来龙去脉缺少细致的阐述.本文对SVM理论中典型的线性最优二分类问题的求解进行了完整的推导,并给出了对岩屑岩性分类识别的结果,也为今后的非线性多类模式分解作出铺垫.     

目标字符串频率变化对WCNB分类器精度的影响

为解决MNB分类器在测试样本变化时分类精度误差较大的问题,采用权重标准补集分类器(WCNB)代替MNB分类器,并研究WCNB分类器对不同测试样本分类精度的变化,针对WCNB技术存在目标字符串变化所产生的权重计数问题,采用目标字符串频率转换技术,建立一种有误差补偿功能的WCNB分类器数学模型并进行了实验仿真. 实验仿真结果验证了WCNB数学模型的可行性.      

基于故障区分度DAGSVM的模拟电路故障诊断

为了提高模拟电路故障诊断的精度,针对现有DAG-SVM用于解决多类分类问题固有的不稳定性结构以及"误差累积"的特点,提出了一种基于故障区分度构建DAG-SVM的新方法。根据从不同测试点获取的故障数据信息,定义故障区分度,并以此为依据优化DAG-SVM的拓扑结构,从而消除DAG-SVM结构固有的不稳定性,获得稳定而较高的诊断精度。实验结果表明,与现有的"1vs 1"SVM、DAG-SVM及其改进方法相比,该方法在诊断精度上有明显提高,对于模拟电路的故障诊断具有很好的借鉴意义。     

人工神经网络和支持向量机性能比较及其在DMD疾病识别中的应用

对人工神经网络(ANN)和支持向量机(SVM)这两种机器学习方法进行了分析与比较,并分别利用两种算法对神经肌肉罕见病DMD的磁共振图像(MRI)数据进行建模、分类预测.经对比后得出结论:两种算法结果均表明,DMD的两类MRI(T1和T2)中,T1更具特征性,故此类患者的MRI检查可仅进行T1扫描;若能选择合适的模型参数,则两种算法模型均具有极好的分类预测效果,其灵敏度、特异度和准确率分别高达98.5%,97.3%,97.9%和96.9%,97.3%,97.1%;利用机器学习方法对DMD患者的MRI进行分析处理可作为该病无创检测的技术探索,有望为临床提供客观有效的辅助诊断手段.     

不同情境下中文文本分类模型的表现及选择

针对中文文本分类任务中N-Gram,素贝叶斯、K最近邻和TF-IDF等经典而广泛使用的文本分类模型的选择困惑问题,基于万余篇中文新闻文本语料数据,设计了一系列的对比实验,考察了各模型在不同参数、不同训练数据规模、不同训练文本长度、类别是否偏斜等多种情境下分类性能的表现,总结了各模型的特性,为中文文本分类模型的选择和应用提供了实践依据和参考.     

神经网络BP算法用于三类基本波形分类时训练样本输入方式的研究

为了进一步研究神径网络BP葬法用于摸式分类时网络的性能,本文采用了四种方式向多层神经网络提供训练样本,并相互进行比较,结果衣明:随机输入法和部分输入法的输入方式为较佳,从而说明了训练样本的翰入方式对神经网络的性能有着直接的影响.     

江西东北部低山区的土类组合

<正>江西省东北部低山区的森林土壤,按我国现行土壤分类系统应归入红壤和黄壤;但是,实际上坡地中部以上的黄棕色土壤与上述红壤或黄壤的概念不符。以赣东北与南京近郊低山区几个土壤剖面的数据作出极小生成树图,可见赣东北低山坡地下部的红色土壤与中部以上的黄棕色土壤,是属于截然不同的两类。后者在性质上与南京低山坡地下部的、具有埋藏红层的土壤剖面接近,但二者成因不同。南京近郊低山坡地的土壤组合,自上而下为薄层土(性质近似于山东棕壤)和黄棕壤(老红土上发育的);而赣东北低山坡地的土壤组合,自上而下为黄棕壤(近代发育的黄棕色土壤)和红壤(古风化壳上发育的)。     

贵州树木新分类群及新分布(续)

<正>长柄核果木 新种(图1) Drypetis longipes X. H. Song, sp, nov. Species foliis intergris, pedicellis fructuum 3～4cm. longis instractis. Arbuscula sempervirens, 8 m. alta, tranco 14 cm diam., cortice cineracei, levi,tenuiramis cernuis cinereis vel flavidi-inereis, lenticellis suberosis leviter elevatis,ramulis hornotinis interdum pubescentibus, deinde glabris. Folia alterna tenuicoriacea vel crassi-chartacea, elliptica vel ovato-elliptica, 7～10cm. longa et 3～4cm. lata, apice acuminata vel brevicaudata, acumine obtusis, basi cuneata, obliqua,utringque glabra, nitide, costa media supra elevata vel plana subtus elevata, nervis alteralibus utrinsecus 7～8(～9), curvis, prope marginem consutis, nervulis,subparallelis, subtus elevatis, manifestis, petiolis 3～5mm. longis, purpureis interdum pubescentibus. Fructus juvenes plerumque singulares, globosis viridis,dense brevipubescentis, stylis brevissimis 2-lobatis, persistentibus, stigmatibus latissimis, reniformibus, pedicellis 3～4cm. longis.     

砂体分类评价的模糊综合评判

依据模糊综合评判法,分别采用相关分析法和相对值比较法确定了砂体分类的评价标准;用层次分析法确定了因数权重;用函数分段法确定了单因数隶属度。经过多个变换模型的对比分析,选择合适的模型,利用最大隶属原则评价出砂体类属。大芦家地区东营组13个单砂层砂体分类的实验表明,正判率达90%以上。     

基于短文本扩展和特征融合的市民热线文本分类

针对市民热线多为短文本和特征稀疏的特点。提出了一种短文本扩展法和基于双通道特征融合的文本分类（BERT-BiGRU-TextCNN,BGTC）模型,实现了对市民热线文本的自动识别与归类。首先使用TF-IWF模型以及LDA主题模型构建核心词库;然后利用Word2Vec计算词语相似度,完成对短文本内容和词向量特征的扩展;最终通过融合BERT-TextCNN和BERT-BiGRU-Attention两个通道特征信息的BGTC模型实现了对扩展后文本的分类。经过多组对比实验,结果表明该方法在市民热线文本分类任务中具有更好的性能,准确率和F1值分别达到了85.6%和85.8%。