一种基于属性相关性度量的朴素贝叶斯分类模型

本文通过分析属性相关性的度量和属性约简,提出一种基于属性相关性度量的朴素贝叶斯分类模型EANBC。实验结果表明,与朴素贝叶斯分类模型相比,EANBC分类模型具有较高的分类正确率。     

基于纹理基元与颜色的室外自然场景分类

为解决算法生成纹理地图时时间耗费量大的问题,提出采用KD-tree算法对数据结构进行划分、减小KNN算法搜索复杂度、提高搜索速度的方法.针对基于纹理基元的分类算法无法准确检测室外某些纹理相似性较高的自然场景,提出加入颜色特征、设置相应权值构建混合模型的方法.实验结果表明,基于KD-tree的KNN算法可缩短分类时间、满足实时性的要求,基于纹理基元与颜色的分类算法在室外自然场景中能够获得较高的分类精确度.     

核素分布的漂亮三角形

在氘氚结团为坐标的核素图中,边长11核素的核素分布最大三角形的3顶点为361818Ar180,1365838Ce7820,1967838Pt1184,3边为坐标S38,差K18和参量2S-H=36.最大三角形由4个边长10个坐标单位的小三角形组成,还可由3个6×6核素的菱形组成,3个菱形内部的3个4×4核素组合共有36核素1144830Cd6618,1275232Te7220,1305432Xe7622;中心区有2个最小三角形,其3顶点分别为偶偶核素,奇A核素1195031Sn6919,1255231Te7321,1275332I7421.     

适于全断面岩石掘进机的围岩分类方法

为了研究影响全断面岩石掘进机(TBM)掘进速率的地质因素,利用三维离散元程序3DEC建立TBM滚刀破岩三维仿真模型,分析不同的地质条件对TBM掘进速率的影响,根据TBM在围岩中的可钻性对南水北调西线工程中的围岩进行分类。分析结果表明:TBM掘进速率与岩石物理力学性质及岩体中的节理条件密切相关,在一定范围内,围岩强度越低,节理分布越密集,TBM掘进速率越高;而围岩强度越高,节理间距越大,使得TBM掘进速率大大降低。     

基于HHT方法的果蝇鸣声特征提取及分类

 采用HHT方法对同种内2个不同品系果蝇翅振鸣声进行特征分析,分别提取果蝇翅振鸣声前10阶IMF能量与信号总能量的比值,HH谱图的低频段、中频段、高频段的相对能量值作为特征向量.设计BP神经网络分类器识别不同品系果蝇.实验结果表明,用HHT方法提取特征,神经网络识别不同品系果蝇的方法是可行而有效的,为进一步鉴别果蝇种内关系提供了新的思想和方法.     

工业设计教育中的教学设计——基于科学的学科分类之“设计教育”设计(一)

改革开放之后,中国设计业得到了快速发展,设计教育也快速成长起来。通过解读工业设计行业、教育和社会发展的变化,探究设计教育的真谛,科学地进行分类,合理地规划设计教学。根据工业设计学科的特点,实验性地提出一些措施,试图在教学形式上做出改变,以适应新时期设计行业和社会发展的需要。     

术语工作中文本挖掘方法的应用探索——信息管理与知识管理科技名词审定工作方法

研究了信息管理与知识管理科技名词术语的审定工作方法。该工作由全国科学技术名词审定委员会主管并委托国家自然科学基金委员会管理科学部完成。工作内容主要包括三个连续的阶段：（1）确定领域的收词范围,（2）确定术语定义,（3）确定术语的英文名称。介绍了在每一阶段所使用的工作方法、发现的问题与解决办法。目的是向从事术语审定工作的专家汇报工作,总结工作经验,并征求意见。     

基于模糊支持向量的多标签分类方法

单实例多标签分类是指一个样本拥有多个标签的分类问题,对此提出了一种基于半模糊核聚类和模糊支持向量机的多标签分类算法.该算法采用一对一分解策略将多类多标签数据集分解为多个两类双标签数据子集,在每个子集上训练两类双标签模糊支持向量机.为提高分类器的性能引入了半模糊核聚类技术.实验结果表明,与现有的一些算法相比新算法具有其优...     

基于不完备信息系统的文本分类研究与应用

在文本分类中,文本特征向量通常高达几千甚至上万维,给整个分类过程带来了相当庞大的计算量,因此进行有效的降维处理是非常重要的。在不完备信息系统理论的基础上,结合文本分类的特点,提出了一种量化容差关系和启发式的属性约简算法。实验证明该属性约简算法不仅能有效地降低文本特征向量的维度,同时能保证分类的正确率。     

基于新型空间注意力机制和迁移学习的垃圾图像分类算法

随着我国各级政府大力推动垃圾强制分类,分类回收各环节中实现标准化、自动化的垃圾分类识别需要适合云端部署的高准确率、低延时要求的细粒度图像分类模型.本文发挥深度迁移学习的优势建立了一套端到端的迁移学习网络架构GANet (garbage neural network);针对垃圾分类中类别易混淆、背景干扰等挑战,提出一种新型的像素级空间注意力机制PSATT (pixel-level spatial attention).为克服类别多和样本不平衡挑战,提出使用标签平滑正则化损失函数;为改善收敛速度以及模型稳定性与泛化性,提出了阶梯形OneCycle学习率控制方法,并给出了结合Rectified Adam (RAdam)优化方法和权重平滑处理技术的组合使用策略.实验使用了"华为云人工智能大赛.垃圾分类挑战杯"提供的按照深圳市垃圾分类标准标注的训练数据,验证了GANet在垃圾分类问题中的显著效果,获得了全国二等奖(第2名);同时,提出的PSATT机制优于对比方法,且在不同主干网络架构上均得到了提升,具有良好的通用性.本文提出的GANet架构、PSATT机制和训练策略不仅具有重要的工程参考价值,也具有较好的学术价值.