若干评价准则对不平衡数据学习影响的研究

评价准则对分类器的构建起着重要作用, 在不平衡数据学习(IDL)中这更是如此. 众多研究已表明, 绝大部分传统的以精度准则为优化目标而获得的分类器是不适于IDL的. 那么其他准则又如何呢? 本文致力于回答这个问题. 通过在支持向量机(SVM)模型上进行“元学习”(Meta-Learning), 我们研究了若干常用的评价准则对IDL的影响, 这些准则包括ACC(精度)、BAC(平衡精度)、 GMean(几何平均)、F1(F1得分)、 IG(信息增益)、AUC(ROC曲线下方图面积)以及本文提出的两个新准则GAF和GBF. 在16个来自UCI的不平衡数据集上进行了仿真实验； 对实验结果的统计分析表明, 不同的准则对分类器性能的影响有显著差异. 即便是对于先进的学习方法SVM而言, 若以精度准则最大化选择分类器, 那么得到的SVM分类器也容易偏向预测多类(majority class). 然而, 通过在其他准则上优化, 我们能输出纠偏了的SVM分类器, 它们的整体性能更高, 尤其是在预测少类(minor class)能力方面得到了显著提高. 进一步地, 仿真实验发现在GAF以及GBF准则上优化所得的SVM分类器具有稳定且良好的性能, 这表明它们是值得采用的评价准则.     

小波图像压缩编码中小波基的选择技术研究

传统的分类器对不均衡数据集的分类严重倾向于多数类。为了有效地提高不均衡数据集中少数类的分类性能,针对此问题提出了一种基于K-means聚类和遗传算法的少数类样本采样方法。通过K-means算法将少数类样本聚类分组,在每个聚类内使用遗传算法获取新样本并进行有效性验证,最后通过使用KNN和SVM分类器,在仿真实验中证明了方法的有效性。     

基于产品多模型协同机制的工作流管理系统研究

通过对工作流管理系统 ( Wf MS)功能组成的定义和分析 ,建立了基于复合三元组的工作流管理系统模型 ,并对 Wf MS组成部分相互之间的逻辑关系进行了分析和分类 .结合 Wf MS涉及整个产品形成周期的特点 ,利用产品多模型协同机制对产品形成过程的约束和协调 ,构造了基于产品多模型协同机制的 Wf MS框架结构 ,并对该框架结构的运作原理和产品多模型协同机制在系统中的作用进行了研究.     

中国区域经济重心的历史演化初探

区域经济是中国当前经济发展的主要特征，这是因为中国是一个地域广阔而地形复杂、人口众多却分布不均、资源丰富而人均不足、历史悠久而发展不平衡的发展中国家。中国区域经济及其重心经过了漫长的历史演进过程。在这一过程中，大体上分为区域经济重心与政治中心统一一体和分离分化两个历史阶段。了解区域经济发展及其重心迁移的历史演进，结合现实把握区域经济发展状况和发展规律，是研究中国区域经济布局的关键。     

基于深度学习的图像全景分割改进算法模型

图像语义分割和实例分割是计算机视觉领域基础挑战性工作,图像全景分割统一解决两者的任务,其核心为图像中每一个像素分配相应的类别标签以及为类别中每一个实例分配ID。经典UPSNet已经取得了较好的全景分割效果,但是使用了一种单向信息流动的特征金字塔网络,将存在实例分支的目标实例定位不够准确的问题,并且语义分支的语义分割能力还需进一步提升。本文通过考虑两个任务的差异性以及共性,重新设计特征金字塔网络结构以提取出更适合全景分割的特征图,从而提高了实例分支的AP评价指标。在语义分支中引入了克罗内克卷积,与可变形卷积进行融合使得特征图的感受野更大并且捕获了局部信息,使语义分支的mIoU评价指标得到了提高。此模型在Cityscapes数据集上进行实验,验证了所设计的每个模块及整个模型的有效性。     

面向不平衡数据分类的最近邻三角区域SMOTE方法

针对传统的SMOTE方法在类别区域重合的数据集应用时,可能产生多个更接近多数类的人工样例,甚至突破类别边界,从而影响整体分类性能的情况,提出了一种最近三角区域的SMOTE方法,使合成的人工样例只出现在少数类样例的最近三角区域内部,并且删除掉距离多数类更近的合成样例,从而使生成的样例更接近少数类,且不突破原始的类别边界。实验分别在人工数据集和改进的UCI数据集上进行,并和原始的SMOTE方法分别在G-mean和F-value的评价指标上进行了对比,实验结果验证了改进的SMOTE方法在类别区域有重合的数据集上要优于原始SMOTE方法。     

程序设计语言应用能力的培养

主要针对目前高校程序设计语言教学中存在的不能学以致用的问题,通过重点抓住算法教学,灵活安排教学内容,适当布置综合项目,运用多种考核方式等手段,提高学生程序设计课程的应用能力。     

AUTOCAD教学探讨

AUTOCAD是一种在全球享有广泛声誉的绘图软件，它是高职工科学院每一个学生必须掌握的一种技能，该文立足高职院校探讨了如何实现AUTOCAD教学。     

用于不平衡数据分类的模糊支持向量机算法

作为一种有效的机器学习技术,支持向量机已经被成功地应用于各个领域.然而当数据不平衡时,支持向量机会产生次优的分类模型;另一方面,支持向量机算法对数据集中的噪声点和野点非常敏感.为了克服以上不足,提出了一种新的用于不平衡数据分类的模糊支持向量机算法.该算法在设计样本的模糊隶属度函数时,不仅考虑训练样本到其类中心距离,而且考虑样本周围的紧密度.实验结果表明,所提模糊支持向量机算法可以有效地处理不平衡和噪声问题.     

飞行仿真转台耦合力矩分析及其补偿控制

对于高精度的飞行仿真转台,影响其精度的因素很多,如三轴同时转动时的惯量耦合及负载重心与回转中心不重合等原因而造成的不平衡力矩,本文针对这两个问题进行了分析,建立了转动惯量与转角、负载偏载力矩与转角的函数关系,通过仿真计算说明,外框的转动惯量,内框的偏载力矩受耦合影响最大。在此基础上,给出了控制系统的补偿方法,为转台控制系统的设计提供了参考依据。