基于D-S证据理论的纹理图像分类方法

在阐述Dempster-Shafer证据理论的基础上,给出了基于Dempster-Shafer证据理论的多源信息融合的方法,并将Dempster-Shafer证据理论的信息融合技术应用于遥感图像纹理的分类.图像灰度均值特征和图像灰度共生矩阵的熵特征作为纹理图像的不同特征被提取,并构成该理论中的证据,利用一定的决策规则,选择融合证据作用下最大的假设.实验结果表明,基于Dempster-Shafer证据理论的多特征融合分类识别图像纹理的新方法是切实有效的和可行的,分类结果要优于仅仅利用单个特征进行分类的结果,能极大地提高图像纹理的识别分类能力.     

一种新宏基因组DNA片段物种属性约简分类方法的研究

由于宏基因组学的迅猛发展,导致可测序的宏基因组数量激增,可测DNA序列也在扩大,但绝大部分DNA序列种属未知,故生物信息学面临的重要课题是研究一种如何针对这些巨大量宏基因组DNA信息属性约简并正确分类的方法.提出采用RandWPSO结合粗糙集的优化算法,分别对宏基因组中的DNA片段在不同属、同属不同种情况下进行属性约简并分类,经实验证明能够进行有效约简可取得较高的分辩准确率.     

基于最大池化稀疏编码的煤岩识别方法

针对现今煤岩图像识别方法的缺乏与不足,为了挖掘新的煤岩图像识别方法以及更好地处理高维煤岩图像数据,提出了基于最大池化稀疏编码的煤岩识别方法.本方法在提取煤岩图像特征时加入了池化操作,在分类识别时采用了集成分类器,即多个弱分类器组成一个强分类器.实验结果表明:最大池化稀疏编码的特征提取方式能简单有效表达煤岩图像的纹理特征,大大增强煤岩图像的可区分性,获得较高的识别率,并且具有良好的识别稳定性.研究结果可为煤岩界面的自动识别提供新的思路和方法.     

基于词-标签概率的多标签文本分类研究

针对多标签文本分类任务中如何有效地提取文本特征和获取标签之间潜在的相关性问题,提出一种CNN(convolutional neural networks)结合Bi-LSTM (bi-directional long short-term memory)的模型.首先,通过CNN网络和最大池化提取文本的特征;然后,利用训练的Labeled-LDA(labeled latent dirichlet allocation)模型获取所有词与标签之间的词-标签概率信息;接着,使用Bi-LSTM网络和CNN网络提取当前预测文本中每个词的词-标签信息特征;最后,结合提取的文本特征,预测与当前文本相关联的标签集.实验结果表明,使用词-标签概率获取文本中词与标签之间的相关性信息,能够有效提升模型的F1值.     

面向特征融合与知识蒸馏的恶意软件分类

恶意软件分类是一个多分类任务,旨在提取软件特征来训练模型,以判断恶意软件的类别。现有工作主要集中于利用深度神经网络从恶意软件图像中抽取特征进行分类,对恶意软件的序列特征和分布特征之间的关联性缺乏关注,限制了模型性能。此外,这些现有模型大多具有较高的参数量,往往需要占用较大的计算资源。为此,提出一种基于特征融合与知识蒸馏的恶意软件分类方法。一方面,通过残差网络分别从灰度图和马尔可夫图中抽取恶意软件的序列特征和分布特征,并利用自注意力挖掘不同特征之间的关联性,以提升模型性能。另一方面,通过教师网络向多个学生网络进行知识迁移,并让学生网络互相协作学习,以进一步降低模型规模。在微软和CCF数据集上的实验结果证明,该方法不仅有效提升了模型性能,而且可以降低模型的参数量和计算量。此外,本文通过热力图定位影响分类结果的字节,对分类依据进行解释。     

基于重要性评分的多级随机森林网络语音情感识别

在源数据不充分或不平衡的情况下,深度学习方法在小样本集上难以取得令人满意的语音情感识别效果。因此,本研究构造了一种三层随机森林情感识别网络,在每一层都单独剥离易于区分的情感类别,并通过重要性评分方法,为每一层网络都构造一个识别特定类别的特征集,该特征集的每一个特征都依据贡献度大小得到赋权,以确保对分类贡献越多的特征因子对结果影响越大。本研究构建的多级情感识别网络,在小样本集语音情感识别的整体识别率上,较单层随机森林网络和支持向量机分别提高了5%和7%,较流行的深度学习方法卷积神经网络提高了12%。实验结果和理论分析表明:基于重要性评分的多级随机森林网络相较于其他方法,在源数据样本量较少和部分不平衡的情况下,有更高的识别准确率,具有语音情感识别方向的实际应用意义。     

基于i-Tree模型的城市小区行道树生态效益评价

【目的】通过行道树生态经济价值分析,了解城市森林中树木发挥的各类生态效益,为校园行道树种植规划以及道路的合理分布提供参考。【方法】调查南京林业大学校园5个区域行道树树种组成、胸径和树高结构以及树木类型,共取得2 350株立木资料,分析研究校园行道树结构组成,并运用i-Tree模型对对校园行道树进行定量的森林效益评估,包括节能效益、净化空气效益、吸收二氧化碳效益、截留雨水效益和美学效益5个方面,并将效益值转化为相应的经济价值。【结果】研究区行道树属于31科49属54种,树木种类多为落叶阔叶型乔木,其中樱花、二球悬铃木、马褂木、樟树和银杏的数量最多; 以胸径为≥8～46 cm的树种为主,其中胸径为≥8～15 cm的441株,占18.77%; ≥15～30 cm的1 132株,占48.17%; ≥30～46 cm的507株,占21.57%。通过i-Tree模型对南京林业大学行道树的总生态效益评估可得,研究区主要道路上的2 350株行道树年创造总效益值为1 023 101.29元,其中校园行道树的美学效益最高,占总效益的65.67%; 其次是截留雨水效益,占总效益的17.05%,节能效益占总效益的13.02%; 减少CO₂效益与改善空气质量效益比分别占总效益的2.65%、1.61%。各个区域中,教学区为行道树主要种植区,效益最高,占总效益的43.62%; 其次是居民区,占总效益的19.43%; 行政区、活动区和生活区分别占总效益的15.17%、11.21%和10.56%。不同的树种在各生态效益上的贡献率不同,二球悬铃木、银杏、马褂木、樟树的总生态效益贡献率最高,占总量的比例分别为21.97%、18.09%、14.50%、8.57%,共占生态总效益的63.13%,超过了总效益的一半。【结论】研究区总树种类型丰富,多样性高,但在活动区缺少高大乔木。生活区节能效益和改善空气质量效益低,建议种植枫杨、七叶树等树种。居民区水杉、银杏和二球悬铃木树种分布均匀度最高,所得到的单株效益和总效益均为各区首位。行政区尽管面积和道路长度最小,但杨树种植多区域单株效益较高,区域截留雨水效益最高。     

完全贝叶斯分类器在经济数据分类中的应用

针对贝叶斯分类器分类强关联属性导致分类准确率下降的问题,提一种完全贝叶斯分类器合理利用属性间的依赖关系优化贝叶斯分类器,对参数进行动态调整组合,同时合理剔除无关属性.采用国内外知名数据库提供的数据,通过与其他分类器的对比实验,证明了完全贝叶斯分类器在宏观与微观经济数据分类中都获得了较好的分类效果.     

基于多类特征池化的文本分类算法

文本分类是文本挖掘的一个内容,在信息检索、邮件过滤、网页分类等领域有着广泛的应用价值。目前文本分类算法在特征表示上的信息仍然不足,对此本文提出了基于多种特征池化的文本分类算法。在该算法中,本文首先对分词后的文本采用skip-gram模型获取词向量,然后对整个文本的词向量进行多种池化,最后将多种池化的特征作为一个整体输入到Softmax回归模型中得到文本的类别信息。通过对复旦大学所提供的文本分类语料库(复旦)测试语料的实验,该结果表明本文所给出的多种特征池化方法能够提高文本分类的准确率,说明了本文算法的有效性。     

神经网络在遥感图像自动分类中的应用研究

西方琉金华市婺城区土地利用为例，介绍了神经网络遥感图像自动分类的方法，研究表明，用神经网络进行遥感图像自动分类，其分类精度高显示了其在遥交为广阔的应用前景。