基于GF空间多项式核函数的分类研究

在基于核方法的分类问题中,核函数及其参数选择皆对分类结果具有重要影响,通常基于经验选择核函数或基于多核优化方法确定核函数的权系数。针对GF空间的多项式核函数,在范数限定条件下利用多核学习方法优化多项式权系数,实现多项式核函数的优化。实验结果表明,算法优化得到的多项式核函数其分类性能优于常用的单核函数,与多核方法相当,并在分类中取得良好的效果。     

动态系统参数估计的一种新方法

分析了利用Ｈｏｐｆｉｅｌｄ神经网络进行系统参数估计的基本原理，把参数估计问题转化为Ｈｏｐｆｉｅｌｄ网络的能量函数的最小化问题，当能量函数达到最小值时，Ｈｏｐｆｉｅｌｄ网络的输出即为待估计的参数值，仿真实验证明了该方法的有效性。     

基于多层Bayesian信任网的P2P负载均衡模型

针对基于信誉机制的P2P(Peer-to-Peer)网络中的负载不均衡现象,提出一种基于多层Bayesian信任网的P2P负载均衡模型,介绍了如何在Bayesian信任网中引入多种负载指标以及它们之间的各种关联,并且使用该结构预测P2P网络中各服务节点的负载,使整个网络达到负载均衡.对包含负载指标的多层Bayesian信任模型和动态负载模型进行了实验比较.实验结果表明:基于Bayesian信任网的P2P网络负载均衡模型运用节点的历史交互信息,结合Bayesian预测理论,影响资源请求节点选择服务节点,实现P2P负载的有效均衡,确保整个P2P网络资源利用的高效性、节点服务的可靠性以及整个网络的稳定性.     

SVM核函数对分类精度影响的研究

支持向量机是一种基于统计学习理论的新型机器学习算法,它通过求解最优化问题,在高维空间中寻找最优分类超平面,从而解决复杂数据的分类、回归问题.文中介绍了支持向量机的基本算法原理及其分类方法,重点研究将核函数引入不可分的情形.本文通过改变核函数的参数,采用对比实验来比较分类精度,同时根据Mercer条件形成新的线性组合核函数,最后得出通过改变核函数参数与线性组合核函数的方法可以明显提高分类的精度.     

基于拟合HOSBM的邮件网络稳定链接的预测方法

为提高邮件通联网络中稳定链接预测的准确度,针对邮件通联网络中议题小组结构所具有的可重叠性和层次性特点,提出一种邮件通联网络边演化模型框架HOSBM,并给出HOSBM的似然估计函数;结合使用马尔科夫链蒙特卡洛算法,通过计算生成链接的可信度对邮件通联网络中的稳定链接进行预测.Enron邮件数据集上的实验结果表明,相比基于邻近度CN的链接预测法,基于拟合HOSBM的预测方法具有较高的预测精度和预测准确性.     

基于核密度估计的实验室能力验证

在能力验证活动中,针对稳健统计方法造成分类不精确的问题,利用核密度估计函数设计了一种纵向分类的评价标准.该方法以实验室测得的原始数据,运用核函数估计数据所服从的密度函数,然后计算出各测量值对应的函数值,通过函数值的大小达到分类的效果.实验结果表明:该方法增加了测量结果的满意度,弥补了稳健统计方法只能对正态分布数据进行分类的不足,扩大了数据分类的范围.     

基于组合核函数的高校经济困难生分类

为进一步提高高校资助工作的精准度,构建基于组合核函数的支持向量机(SVM)高校经济困难生分类模型。根据在校生的消费数据、人员信息及历史资助信息抽取样本特征,利用径向基(RBF)核函数的局部拟合能力及多项式核函数的泛化能力,构建基于RBF核函数及多项式核函数的组合核函数SVM分类模型;采用多重网格搜索法训练模型获取最优核参数和组合核函数的权系数,并对高校经济困难生进行分类预测。实验结果表明:采用构建的模型可对高校经济困难生进行分类预测,与单核核函数SVM、逻辑回归模型、最近邻算法(KNN)相比,其分类准确率显著提升;使用融合特征可增加不同类别样本数据的差异性,有助于提高分类准确率。     

基于线性距离核的支持向量机设计

为了消除样本数量对现有SVM决策函数计算的影响,提出一种基于样本数据线性距离特征的线性距离核函数来改进SVM。基于该核函数的SVM决策函数,实现了与样本数量无关的分类计算,极大提升SVM在执行超大规模分类计算的速度。仿真结果表明,该核函数具有与常用核函数一样的性能,可以完成非线性SVM的训练和分类。     

一种基于网络资本评价的关键核挖掘方法

为挖掘出网络中的多个关键点,定义了网络资本和关键核。根据网络特点,确定影响函数和衰减函数来计算网络的网络资本值,以网络资本的变化来反应网络性能变化。 根据投入产出分析的思想,提出了完全相关模型对网络的关键核进行挖掘,如果节点(集)动态删除后使网络性能下降到一定程度,则节点(集)为关键核。实验结果表明:当网络性能下降到原来的30％时,动态失效方法比按序失效方法挖掘关键核的点数少。本方法在对网络关键核的挖掘上更加准确和有效。     

SVM核函数的研究及其在语音激活检测中的应用

在支持向量机的研究中,核函数起着关键性的作用.由于普通核函数都各有利弊,为了得到更好的学习和泛化能力,分别采用了混合核函数(mixture kernel)和适度衰减核函数(moderate de-creasing kernel).大量实验数据表明,将其应用于语音激活检测中,与其他几类分类核函数相比具有明显好的分类效果.     

基于RBF -BP神经网络融合的医学数据分类研究

为改善传统的反向传播(BP)神经网络和径向基函数(RBF)神经网络的学习能力和分类性能的不足,提出一种融合RBF网络与BP网络的混合神经网络算法(HRBF -BP),并将其应用到医学数据分类问题中.在网络结构的实现上,将RBF隐藏层与BP隐藏层进行级联融合,即在连接BP网络输入层与隐藏层之间加入RBF核映射层; 在学习算法的实现上,先采用k-均值聚类算法来实现RBF核参数的估计,然后再使用基于随机梯度下降的BP算法实现级联BP网络的权值优化.将该算法与SGBP、KMRB、PFRBF等算法在不同的医学数据集上进行分类实验对比表明,该方法的网络训练精度以及测试精度均优于SGBP、KMRB、PFRBF算法; 因此,该方法对提高BP网络和RBF网络的学习能力和分类性能具有良好的参考价值.     

一种基于离散马尔可夫过程的诊断风险模型

文章建立了一个基于贝叶斯公式和马尔可夫链的诊断模型,并根据中国现有的医疗管理体制进行假设检验,对假设结果进行评价。在分类过程中应用贝叶斯决策,将医疗诊断简单情况下的二值分类进行研究,同时依据分类平均风险最小的原则给出了分类的决策函数,并应用贝叶斯理论和马尔可夫过程进行讨论。实验证实了在我国建立强制医疗责任保险制度的正确性与必要性。     

一种基于相关向量机的调制方式识别算法

针对数字信号的调制方式识别问题,给出了一种基于相关向量机的分类方法。相关向量机基于贝叶斯学习方法,其判决函数仅取决于训练样本的一小部分。文章提取信号的谱相关特征参数,设计了合理的分类策略。实验结果表明,与支持向量机相比,基于相关向量机的分类方法在保持较高识别率的同时,提高了调制识别的时效性。     

基于用户行为的个性化邮件分类算法

针对垃圾邮件过滤过程中分类模型难以个性化、难以适应用户兴趣动态变化的问题,提出了一种基于用户行为的个性化邮件分类算法.算法通过分析朴素贝叶斯分类算法的原理,改造朴素贝叶斯的算法使其具有动态调整能力.实验结果表明此算法具有较高的分类精度.     

基于小波域特征和贝叶斯估计的目标检测算法

为了改进目标检测算法,在小波域建立基于贝叶斯概率估计的模型,得到一个自适应最佳阈值,并利用该阈值得到待检测的目标。对待检测的图像序列进行基于滑动窗口的双Haar小波变换,对小波变换后的低频分量建立基于核密度函数的贝叶斯概率估计模型,通过训练和学习,得到自适应的最佳阈值,利用该阈值对低频分量进行判别,得到只含有目标的二值化图像。选取室内室外一个和多个运动目标的6个视频序列对该算法的有效性进行检验,并同其他算法相比,可以给出更好的检测结果。     

最大熵模型的事件分类

提出了一种基于最大熵模型的事件分类方法,该方法能够综合事件表述语句中的触发词信息及各类上下文特征对事件进行分类。对其中的两个关键问题:参数估计、特征模板与特征选择进行了详细论述,采用IIS算法学习模型参数,使用增量选择方法选择特征。应用该方法对人民日报语料中的职务变动、会见、恐怖袭击、法庭宣判、自然灾害五类事件进行了分类实验,结果表明,该方法的分类效果明显优于传统的分类方法。     

用于RBF-SVM参数搜索的伪梯度动态步长算法

针对基于径向基核函数(RBF)的支持向量机(SVM)超参数选择问题,提出了一种基于差分方程的新算法——伪梯度动态步长算法。该算法根据径向基核函数的特点提出由训练集的空间特性确定的核参数搜索范围,并采用对数刻度表示搜索空间;利用参数空间中SVM在两个临近点的分类精度的变化估计参数的搜索方向,并且随着搜索方向的变化动态调整搜索步长,从而实现较快的搜索。通过与Grid和PSO方法的对比实验,表明该算法具有良好的性能。     

智能异构模型在电机故障诊断中的研究

提出以测试电机的三相电流噪声为电机故障特征信号的诊断方法,建立电机电流噪声多元时序模型,将时序模型的多元残差序列化为一元序列作为故障总体检测指标。针对多元时序模型参数φi的特点,提出了多层NN的故障类型识别模型,应用APEX网络提取初始模式向量的分类信息,利用前馈网络建立其识别函数,实践证明该诊断方法是正确的。     

Pareto分布参数的Bayes估计

文章主要研究了Pareto分布的参数估计。在平方损失函数下给出了Pareto分布参数的Bayes估计,并且证明了这一估计是可容许的。在Q-对称熵损失函数下,讨论了Pareto分布参数的Bayes估计。