一种基于可行域解析中心的多类分类算法

在分析OvA多类分类方法及基于SVM的多分类器的不足的基础上,提出一种基于可行域解析中心的多类分类器MACM．由于该分类器对应可行域解析中心且无需重复构造k个两类分类器,因此它解决了OvA方法计算量大及分类速度低问题,同时也克服了基于SVM的分类器在可行域不对称或狭长时,泛化能力明显降低问题．实验结果验证了上述观点,证明了MACM的有效性．     

基于聚类算法的选择性神经网络集成

为了提高集成个体的差异度,提出了一种利用聚类算法去除冗余个体的选择性集成方法,该方法通过使用神经网络作为基学习器,并在多值分类数据集上进行实验．结果表明,该技术计算效率高,精度与稳健性也与基于遗传算法的选择性集成方法相当甚至占优．     

一种新的样本选择算法及其在文本分类中的应用

在保证分类性能的前提下,如何从大量的训练样本集合中选择重要样本子集,是模式分类中的一个重要问题.基于该问题提出了一种新的样本选择算法,并将该算法应用于文本分类,在标准文档集Reuters-21578、复旦文档集和20newsGroup新闻组文档集上进行了实验.实验结果表明:该方法能有效地选取边界样本,且采用SVM和KNN分类能得到较好的分类结果,尤其是在不均衡文档集上效果更佳.     

创新型科技人才分类评价方法

 在创新型科技人才内涵和分类评价指标体系研究的基础上，利用模糊层次分析法和逼近理想解排序法（TOPSIS法），提出创新型科技人才分类评价方法，并以2019年北京市科技新星计划的生物医药领域申报者为研究对象进行实证分析，结果表明该方法的评价准确率达到80.95%，验证了该方法的可行性与有效性。     

基于共现分析的分类器链标签序列优化方法

针对分类器链模型采用随机生成方式确定标签序列会极大影响分类器链性能的问题。通过共现分析技术深入挖掘标签间的潜在关系, 提出一种基于贪心算法和n-gram模型的两种标签序列优化策略以提升分类器链模型性能。基于贪心算法的策略通过计算和排序标签之间共现率来生成优化的分类器链标签序列, 而基于n-gram模型的策略则通过最大化标签之间条件概率来生成优化的分类器链标签序列。最后通过多个多标签基准数据集进行实验验证, 实验结果表明, 与当前流行的各种分类器链模型相比, 所提的两种策略很有竞争力, 可以明显提升多标签分类效果。     

Hadoop框架下的多标签传播算法

标签传播算法的主要思想是利用已标注数据的标签信息预测未标注数据的标签信息。然而,传统传播算法没有区别对待未标注数据与已标注数据相互之间的转移信息,导致算法的收敛速度较慢,影响了算法的性能。针对传统算法的不足,提出了差异权重标签传播算法,算法按标注信息的重要性赋予不同的权重。在解决了大规模特征矩阵相乘问题之后,将提出的差异权重标签传播算法应用到Hadoop框架下,采用分布式计算,实现了能够处理大规模数据的多标签分类算法(HSML),并将提出的HSML算法与现有主流多标签分类算法进行了性能比较。实验结果表明,HSML算法在多标签分类的各项性能评测指标和执行速度上都是有效的。     

基于小波变换谱信息的溢油油膜厚度分类研究

本文提出一种基于小波变换谱信息的新型分类算法。该算法通过分析不同地物光谱曲线及高频小波系数曲线的奇异性，提取不同厚度油膜的敏感波段，以敏感波段的低频小波系数为基础，重新生成低频小波系数图像并进行分类。实验结果表明，该方法可找到不同厚度油膜的敏感波长，有效提升不同厚度油膜识别精度。     

基于GPC的环肋耐压圆柱壳结构失稳概率分析

为评估具有小失效概率特性的深潜环肋耐压圆柱壳结构的失稳概率，提出了一种新的基于高斯过程分类和重要抽样的自适应分析方法.该方法通过引入马尔科夫链蒙特卡洛法和欧式距离，开发了一种新的考虑预测不确定性和取样均匀性的自适应试验设计策略，以便更高效地构造高斯过程分类器；采用核密度估计构造准最优重要抽样密度函数；基于失效概率估计的稳定性，提出了一种更精确的迭代停止准则.通过某一分段函数验证了所提分析方法的准确性及高效性.应用所提方法得到某深潜环肋耐压圆柱壳结构的失稳概率约为8.242×10^-5.     

基于TF-IDF的网页新闻分类的研究与应用

文本分类作为处理和组织大量文本数据的关键技术,为用户准确、快速查找所需信息提供依据。通过TFIDF算法计算文本词汇的词频,并根据词频排序选择特征项,再用Simhash和余弦相似度算法计算文本之间的相似度,最后采用准确率和召回率为评价标准,根据评价结果分析两种算法的优劣。     

2m分辨率遥感影像地表覆盖分类误差研究

以贵州省镇远县焦溪镇为研究区,以资源3号(ZY-3)2m分辨率卫星影像为主要数据源,采用面向对象分类技术提取研究区地表覆盖信息,将提取结果与普莱亚(Pleiades)影像,经目视解译并结合实地验证获取的高精度地表覆盖进行对比,分析ZY-3影像提取地表覆盖各类型的精度误差。研究结果表明:ZY-3影像相对于Pleiades数据提取平均总误差为1.56%,其中旱地和建设用地分类误差相对较大,精度误差分别是3.41%和3.08%。而水体分类误差最小,为0.70%,其余地类水田、乔木林、灌木林、草地、裸地提取误差则分别是1.28%、0.53%、0.86%、1.18%、1.47%。