结合可信度和DS证据理论的ECOC多类分类研究

针对多类目标识别问题,利用三符号纠错输出编码作为将多类分解为若干个二类问题的结构框架,用改进的证据理论作为融合策略,将每一个二分器的输出作为证据之一进行融合;同时对分类器的可信度进行估计,并将得到的信任度量值融入证据中,从而提高多类分类的正确率。实验中分别对UCI数据集和三种一维距离像数据集进行测试,结果表明本文提出的基于分类器可信度的多类目标识别方法能有效地提高复杂环境下多传感器目标识别的正确率。     

基于随机森林结合地球物理测井资料的煤体结构识别方法及应用

在更加复杂的地质因素影响下,常规测井方法识别煤体结构准确度低,为精确识别煤体结构,研究了煤体结构测井曲线响应机理以及随机森林决策树个数的优选,从而建立煤体结构与测井曲线的随机森林分类模型进行煤体结构识别。结果表明:决策树个数为500时,随机森林分类模型效果最佳;通过袋外误差和模型对测试集样本的预测结果可知,随机森林分类模型的结果稳定且泛化性强,并且适合处理非均衡数据,预测精度较高。可见随机森林算法能有效识别煤体结构,为煤层气开发提供帮助。     

灵巧式机械手研究现状综述

灵巧式机械手作为肢体的延伸可有效协助人类完成各类场合抓取动作。首先对机器人灵巧式机械手发展历程进行概括。总结出近10年灵巧式机械手发展成果,将灵巧式机械手按照特点和传动形式分类,并进行了性能分析。接着,对灵巧式机械手应用的关键技术进行总结概述。最后,对灵巧式机械手在新材料应用、智能协同化作业以及微动控制技术等方面的未来发展趋势进行了讨论。     

基于检测图像的排水管道缺陷智能辅助分类方法

针对当前地下管网CCTV检测缺陷中存在自动化程度偏低及依赖专业人员技术水平的问题,综合采用图像处理和深度学习技术构建了辅助检测人员快速、准确地识别管道缺陷类型的智能方法。首先,收集十类典型缺陷图像,对其进行图像处理生成样本集;在此基础上,以深度卷积神经网络AlexNet和ResNet50为基础框架,使用预训练AlexNet和ResNet50网络迁移学习管道缺陷特征,通过敏感性分析优化了分类网络参数,然后,通过测试集验证了管道缺陷智能分类模型的准确性,并结合具体工程实例验证建立方法的有效性。结果表明：两类管道缺陷智能分类模型在测试集上分别达到92.00%和96.50%的准确率,实际工程实例准确率达到了85.41%和87.94%,且ResNet50的分类效果更优,具有较好工程适应性。图像处理和深度学习技术可提高排水管道缺陷分类的自动化与准确率,值得进一步进行推广。     

基于多元语义特征和图卷积神经网络的短文本分类模型

在互联网和社交媒体迅猛发展的背景下,网络中出现了大量的短文本数据,这些数据在舆情监控、情感分析和新闻分类等自然语言处理领域展现出了非常高的经济和学术价值.但短文本数据固有的特征给短文本分类带来了不小的挑战,如文本稀疏和缺乏丰富的上下文语义等.针对这些问题,提出了一种结合多元语义特征和图卷积神经网络（GCN）的短文本分类模型,该模型通过哈尔滨工业大学的语言技术平台获取短文本的多种语义特征,并将这些语义特征同短文本一起构建一个多元异构图,然后将其作为GCN的输入,利用GCN学习短文本更深层特征,最后通过Softmax函数获取每个类别的概率分布,进而实现短文本分类.试验结果表明,本模型在短文本分类的F1评分上比传统单一模型提高了4%.     

高光谱遥感图像最大似然分类问题及解决方法

利用最大似然分类器对高光谱遥感图像分类时,由于波段数目多、波段间的相关度大,使协方差矩阵的行列式近似于奇异,因而导致了不合理的分类结果。本文调整了波段协方差矩阵对分类的影响。改进了最大似然分类判决函数,利用改进后的判决函数进行分类,试验证明这种方法是有效的。另外,根据图像特征和经验对图像进行波段选择,也是改善高光谱遥感分类效果的有效途径。     

SVM网页分类中一种新的特征提取方法

随着互联网的迅速发展,对网页正确分类显得越来越重要。网页分类的一个难点就是特征空间的维数比较大,支持向量机(SVM)分类方法显示出比其它分类方法更好的性能,但是训练样本时却花费了比其它算法更多的时间。本文提出了一种基于选择最确信的词来预测一个文本的类别的特征提取方法,通过中文文本实验,结果表明在不降低分类准确性的前提下,缩短了训练时间。     

基于贝叶斯网络的邮件过滤系统的设计

电子邮件作为网络应用的一个重要方面已成为现代通信中不可缺少的一部分,但是垃圾邮件的蔓延给用户带来了严重的损失,如何防范垃圾邮件具有重要的实用意义.在分析了垃圾邮件特点的基础上,构建贝叶斯分类模型,利用贝叶斯分类模型设计了一种邮件过滤系统.实验结果表明,设计的邮件过滤系统对垃圾邮件的过滤具有比较明显的效果.     

融合生成式模型的知识增强实体链指方法

未链接实体分类是实体链指(Entity Linking, EL)任务中的重要研究内容之一。现有方法存在上下文语义信息不充分、分类准确率低等问题,导致实体链指任务表现不佳。本研究提出一种融合生成式模型的知识增强实体链指方法。该方法将实体链指分为两个子模块,即候选实体排序模块和未链接实体分类模块。本研究基于高精度的候选实体排序模块,获得高质量的知识扩展信息,并对未链接实体分类任务进行知识增强;针对未链指实体提及的分类问题,提出一套生成式框架,该框架能够取得超过基线模型的性能。本研究方法在2020年全国知识图谱与语义计算大会(CCKS2020)评测任务二的中文短文本实体链指数据集上取得了目前最佳性能(整体F值为91.76%),证明知识增强和生成式框架的引入能提高模型的泛化能力,缓解未链接实体分类中的信息不充分问题。     

晋西黄土崩塌类型及其变形-破坏机制

晋西黄土高原沟壑纵横的地貌形态使得黄土崩塌灾害频发,加之因其纵向贯穿砂黄土带、典型黄土带和黏黄土带,黄土崩塌类型齐全,为黄土崩塌成因及分类理论研究提供了便利条件。基于此通过开展大量野外调查研究,提出了晋西黄土崩塌的“主控因素分类”和“变形-破坏方式分类”,并探索了滑落式黄土崩塌与黄土滑坡的界定条件。结果表明：晋西黄土崩塌按主控因素可分为冻融破坏、构造应力诱导、降雨诱发、灌溉诱发、工程扰动、植物根劈、复合型等7种类型,按变形-破坏方式可分为被动(拉裂)倾倒式、主动(推挤)倾倒式、下挫式、坠落式、被动(拉裂)滑落式、主动(剪切)滑落式、剥落式等7种类型;将变形黄土体重心的垂直移动距离大于其水平位移距离2倍以上且其致灾模式以“击毁+掩埋”为主,“冲毁”为辅的认定为滑落式崩塌。以上研究结果不仅可用于指导晋西黄土高原崩塌灾害防治规划工作实践,亦可为黄土崩塌理论研究提供可以借鉴的理论基础。