采用联合域字典稀疏表示的极化SAR图像分类

针对传统字典学习算法难以有效保持极化SAR图像的空间结构以及难以处理大规模数据的问题,提出了一种基于空域和极化域的联合域字典学习和稀疏表示的分类方法.该方法采用基于联合域流形距离的快速AP聚类进行字典学习.利用局部线性编码对极化SAR图像进行空域和极化域的联合域稀疏表示,充分利用了极化SAR数据集潜在的信息,有效保持极化SAR数据结构的同时降低了算法的时间复杂度.试验结果表明:所提算法适应性强,收敛速度快,能够提高极化SAR图像的分类精度.     

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。