基于新型集成分类器的非平衡数据分类关键问题研究

针对非平衡数据分类问题,提出了一种基于差异采样率的重采样算法（differentiated sampling rate algorithm, DSRA）,基于DSRA设计了一种新的集成分类器(SVM-Ripper ensemble classifier, SREC）。SREC采用独特的分类器选择策略、分类器集成策略、分类决策方案,可获得较高的分类精度。同时,利用SREC对影响非平衡数据分类的关键问题进行了研究。结果表明,非平衡数据分类问题本质上是由正负样本类间非平衡、类内非平衡、样本规模以及样本非平衡度等诸多因素引起的,只有综合考虑这些因素才能更好地解决非平衡数据分类问题。     

用于DNA序列结构分析的特征抽取方法

人类基因组计划中的DNA序列图谱是生命科学和基因工程中的伟大成就,要解译隐藏在基因组中的生物信息还有一段很长的路要走,这是因为DNA序列的结构很难分析和识别．作者提出一种用于DNA序列结构分析的特征抽取方法．这种方法采用DNA序列码序的共生概率来抽取高维特征．然后采用相关法和／或贝叶斯分类器来分类结构模式．一些仿真试验的结果表明这种方法适合于DNA序列的结构分析。     

一种网络数据包的智能分类方法

各种网络行为都会产生大量的数据包,在没有其它任何先验知识的情况下,如何把数据包分成网络游戏包和非网络游戏包是一件困难的工作.通过对大量的数据包样本进行分析,发现用地址偶对和端口偶对的线性拟合斜率作为模式的两个特征,构造出一个线性分类器,采用Least Mean Square Error(LMSE)算法求解分类器的权向量,进一步利用该线性分类器可以对各种环境下新的数据包准确划分为网络游戏包和非网络游戏包,据此可以控制终端用户网络游戏行为.     

Dynamic Classifier Combination Method Based on Minimum Cost Criterion

ＩｎｔｒｏｄｕｃｔｉｏｎＴｈｅｍｅｔｈｏｄｏｌｏｇｙｏｆｍｕｌｔｉｃｌａｓｓｉｆｉｅｒｃｏｍｂｉｎａｔｉｏｎａｔｔｒａｃｔｓｅｘｔｅｎｓｉｖｅａｔｔｅｎｔｉｏｎｆｒｏｍｒｅｓｅａｒｃｈｅｒｓｉｎｔｈｅｆｉｅｌｄｏｆｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ．Ｍｏｓｔｒｅｓｅａｒｃｈｅｓｆｏｃｕｓｏｎｈｏｗｔｏｓｅｌｅｃｔｔｈｅｂｅｓｔｒｅｓｕｌｔｆｒｏｍｔｈｏｓｅｇｉｖｅｎｂｙｓｅｖｅｒａｌｄｉｆｆｅｒｅｎｔｃｌａｓｓｉｆｉｅｒｓｆｏｒｔｈｅｐｕｒｐｏｓｅｏｆｔｈｅｂｅｓｔｒｅｃｏｇｎｉｔｉｏｎｒａ…     

一种改进的朴素贝叶斯分类器在文本分类中的应用研究

文本分类是数据挖掘领域中重要的研究分支.通过对自适应遗传算法和朴素贝叶斯分类器的研究,提出一种基于自适应遗传算法的朴素贝叶斯分类算法.将该算法应用于中文文本分类中,可以生成最优贝叶斯分类器及最优属性集合,提高分类精度.     

基于GIS平台的CBERS-1卫星数据的应用研究——以贵阳市生态环境调查为例

以地理信息系统(G IS)为数据处理平台、CBERS-1卫星遥感数据为信息源,结合野外考察,从贵阳市生态环境、人口和经济现状入手,主要利用RS与G IS为技术手段,详细研究了区域生态环境评价因子信息提取的技术、环境指标确定的方法,构造生态环境质量评价模型,探讨了开发利用土地资源对生态环境的影响,对贵阳市生态环境现状进行综合评价,并从景观生态的角度探讨生态环境现状背景指数与土地利用程度的关系,由于岩溶地区的人口压力过大,因此还进一步研究了该地区生态环境质量中人为干扰度的评价。     

基于特征多视图提升Naive Bayesian的Boosting改进算法

AdaBoost作为一种有效的集成学习方法,能够明显提高不稳定学习算法的分类正确率,但对稳定的Naive Bayesian分类算法的提升效果却不明显.为此,利用多种特征评估函数建立不同的特征视图,生成多个有差异的加权朴素贝叶斯(WNB)基分类器;尝试使用几种不同的方式将样本权重嵌入WNB基分类器的参数中,对WNB产生扰动,进一步增加基分类器的不稳定性.实验结果表明,对比AdaBoost所提算法,BoostMV-WNB能够明显提升WNB文本分类器的性能.     

基于贝叶斯网络的分类器研究

研究了贝叶斯分类器家族中具有代表性的分类器，即朴素(naIve)贝叶斯分类器、贝叶斯网络分类器和TAN(tree augmented Bayesian)分类器；发现属性变量之间的依赖相对于属性变量与类变量之间的依赖是可以忽略的，因此在所有树形分类器中TAN分类器是最优的．     

一种采用排名机制的分块在线压缩跟踪算法

基于分类学习的目标跟踪在面对环境中光照变化、目标姿态变化以及遮挡等复杂环境下容易出现漂移问题,为此提出一种基于分类器融合的压缩感知目标跟踪算法。使用压缩感知理论分块提取目标压缩特征,根据贝叶斯后验概率对特征进行筛选以构建目标模型,并提出一种二阶段样本搜索方法,通过粗搜索缩小样本的搜索范围,利用基于分类器排名的细搜索方法精确地找到目标的位置。实验表明,该算法与当前主要的算法相比具有较高的跟踪精度,以及良好的鲁棒性和实时性。     

基于自组织映射网络的模式分类器对储产层自动分类方法研究

文章提出了一种储产层识别及预测方法，该方法利用了神经网络中的自组织特征映射网络，它是由无人管理训练而得到的。当该网络被用作储产层的模式分类器时，它需要进行有导师指导的训练，这个模型就变为储产层的模式分类器。