基于改进的混合学习模型的手写阿拉伯数字识别方法

在特征空间维数较高的手写阿拉伯数字识别问题中,冗余的特征往往会意外增加学习模型刻画问题空间的复杂度,影响手写阿拉伯数字识别的效率和精确度。该文提出了一种基于边界对特征的敏感度值进行特征选择的支持向量机树混合学习模型,依据当前中间节点上的分类曲面对子样本空间中的样例特征的敏感程度选择特征,在新构建的子样本集上训练子节点上的支持向量机。UCI机器学习数据库中手写阿拉伯数字识别问题的仿真结果表明,与其他算法相比,该文提出的方法能够在提高或保持手写阿拉伯数字高识别精确率的同时,精简问题空间,从而简化混合学习模型的中间节点和整体结构。     

基于关系图卷积神经网络的多标签事件预测

事件预测需要综合考虑的要素众多,现有预测模型多数存在数据稀疏、事件的组合特征及时序特征考虑不足、预测类型单一等问题。为此,提出了基于关系图卷积神经网络的多标签事件预测方法,通过节点特征聚合技术实现数据的稠密化表示。模型利用卷积神经网络的卷积和池化运算,提取预测数据的组合时间段特征信息,并结合长短期记忆网络的时序特征提取能力,进一步提取预测数据的时序规律特征;最后,模型通过全连接的多标签分类器,输出多种类型事件发生的概率值。实验结果表明,所提模型可以支持进行多日期、多类型事件预测,在特定数据集上最高F1值可以达到0.85。     

用最小二乘支持向量机的可见-近红外光谱测定蜂花粉贮存时间

为了探索一种快速有效的蜂花粉新鲜程度检测方法,利用可见近红外光谱技术结合最小二乘支持向量机（LSSVM）对蜂花粉的贮存时间进行了检测.选择常温环境中贮存时间为4~50天（共计47天）的茶花蜂花粉作为研究对象,将全光谱数据作为输入变量建立了LSSVM模型.结果显示,该LSSVM模型预测效果较好,预测相关系数rp达到了0.996,预测标准误差（SEP）和预测均方根误差（RMSEP）的值分别为1.310和1.308,优于偏最小二乘法（PLS）和主成分回归（PCR）的预测结果,说明基于LSSVM的可见近红外光谱技术能够很好地对花粉贮存时间进行检测.同时对不同贮存时间段花粉的预测效果进行了比较,发现该LSSVM模型适用于对第11~50天范围的贮存时间进行检测.     

基于卡口上下文和深度置信网络的车辆轨迹预测模型研究

针对车辆轨迹预测中节点序列的时序特性和实际路网中的空间关联性,该文提出一种基于深度置信网络和SoftMax (DBN-SoftMax)轨迹预测方法.首先,考虑到轨迹在节点集合中的强稀疏性和一般特征学习方法对新特征的泛化能力不足,该文利用深度置信网络(DBN)较强的无监督特征学习能力,达到提取轨迹局部空间特性的目的;然后,针对轨迹的时序特性,该文采用逻辑回归的预测思路,用当前轨迹集在路网特征空间中的线性组合来预测轨迹;最后,结合自然语言处理领域中的词嵌入的思想,基于实际轨迹中节点存在的上下文关系,运用节点的向量集表征了节点间的交通时空关系.实验结果表明该模型不仅能够有效地提取轨迹特征,并且在拓扑结构复杂的路网中也能得到较好的预测结果.     

认知无线电中基于支持向量机的频谱空闲度预测

研究认知无线系统中的频谱小时空闲度预测问题,针对GSM系统的载频小时空闲度时间序列的非线性特点,提出一种基于支持向量机的预测模型构建方法。为提高模型的预测精度,在GSM系统小时空闲度时间序列特征分析的基础上,利用序列的节假日特性和日周期特性,对数据序列进行了重构。仿真结果表明,与采用基于神经网络的预测模型相比,该预测方法对工作日和周末均具有较高的预测精度,其预测绝对百分比误差在4以内。     

业务流预测在网络编码平台的实现及验证

网络编码由于可以利用无线信道的广播特性带来的空间冗余条件,在无线自组织网络中的应用显示了巨大的潜力。但TCP业务的机会网络编码在无线自组织网络中获得的增益却很小。基于这一问题,提出对TCP业务流具有的自相似性进行FARIMA模型建模,进行数据包到达时间的预测,从而为路由节点根据网络状态进行正确的编码等待决定提供依据,仿真结果验证了TCP业务流的自相似性,预测算法具有良好的预测结果。文中详细介绍了预测算法在COPE网络编码的NS2平台中的具体实现流程。     

基于猫群聚类算法的二叉树SVM蛋白质结构类预测

针对传统的基于二叉树SVM分类模型存在不可区分域和误差积累的缺陷,本文提出了一种基于猫群聚类算法的二叉树SVM分类方法,利用猫群聚类算法在各个节点自适应构造二叉树结构。以蛋白质序列的氨基酸相互作用和疏水模式为分类特征,采用本文算法对蛋白质结构类进行预测,实验结果表明,与其他算法相比较,本文算法具有较高的预测精度。     

移动互联网发展及其核心业务运营预测研究

对移动宽带及其核心业务的发展进行预测研究,对运营商把握市场、互联网创新型企业抢占市场先机有重要意义。通过构建基于支持向量机的预测模型,在利用传统宽带的发展数据验证该模型对于宽带发展预测的有效性基础上,对移动宽带及其核心业务的发展做出预测,并基于预测结果对移动宽带核心业务运营给出合理建议。     

基于SVM的骨质疏松识别算法

文中讨论了基于模式分类的算法,通过常规的体检参数对骨质疏松情况进行预测和识别.由于常规体检参数和骨质疏松诊断结果之间的线性相关度小、参数方差大等问题,基于线性分类边界模型得到的分类器误差大,文中利用数据和骨质疏松之间的非线性关联特性,使用高斯核函数将原始训练数据映射到核空间进行分类,较好地实现了用体检参数预测骨质疏松.此外文中给出了利用多个分类器的分类结果进行组合方法,使得不同分类器分类结果相互矛盾时能够输出唯一的诊断结论.     

基于SVM-LSTM-ATTE组合模型的高校录取分数线预测

高校录取分数线预测受到许多动态因素影响,传统的SVM算法在预测高校录取分数线方面存在难以衡量输入特征序列对目标特征的影响程度,而注意力机制可以动态分配权重给重要特征,且基于注意力机制的长短期记忆网络(LSTM-ATTE),在高校录取分数线方面有显著成效。综合考虑多种因素,利用SVM可以把高维空间中的非线性问题转化为线性问题,以及LSTM-ATTE能解决时间序列数据长期依赖的问题,提出将SVM模型与LSTM-ATTE方法相结合的组合模型,来构建高校录取分数线预测模型,并通过网格搜索寻找组成LSTM-ATTE最优参数组合。实验证明,本文提出的组合模型在误差范围为3分的情况下,相比于其他模型准确率最高提升了13%。     

基于目标紧密性与区域同质性策略的图像显著性检测

针对基于图模型的显著性检测算法中节点间特征差异描述不准确的问题,该文提出一种目标紧密性与区域同质性策略相结合的图像显著性检测算法。区别于常用的图模型,该算法建立更贴近人眼视觉系统的稀疏图结构与新颖的区域同质性图结构,以便描述图像前景内部的关联性与前景背景间的差异性,从而摒弃众多节点的冗余连接,强化节点局部空间关系;并且结合聚类簇紧密性采取流形排序的方式形成显著图,利用背景区域簇的相似性,引入背景置信度进行显著性优化,最终得到精细的检测结果。在4个基准数据集上与4种基于图模型的流行算法对比,该算法能清晰地突出显著区域,且在多种综合指标评估中,具备更优越的性能。     

一种基于有监督局部决策分层支持向量机的异常检测方法

该文针对包含多种攻击模式的高维特征空间中的异常检测问题,提出了一种基于有监督局部决策的分层支持向量机(HSVM)异常检测方法.通过HSVM的二叉树结构实现复杂异常检测问题的分而治之,即在每个中间节点上,通过信息增益准则构建有监督学习所需的训练信号,监督局部决策;在每个嵌入中间节点的二分类支持向量机(SVM)的训练过程中,以局部决策边界对特征的敏感度为依据,选择入侵检测的局部最优特征子集.实验结果表明,该文提出的异常检测方法能够在训练信号的局部决策监督下构建具有良好稳定性的检测学习模型,并能以更精简的特征信息实现检测精确率和检测效率的提高.     

基于眼动特征的人机交互行为意图预测模型

针对自适应人机界面对用户行为意图预测的需求,提出一种基于眼动特征的人机交互行为分类及意图预测方法.通过建立简化的界面模型,将用户的行为意图分为5类,设计视觉交互实验收集相关行为意图状态下的眼动特征数据,利用SVM（Support Vector Machine）算法建立分类预测模型,结合差异性分析方法选取眼动特征分量,最终确定连续3个采样注视点的位置X坐标、Y坐标、注视时间、眼跳幅度以及瞳孔直径共15个分量作为特征参数可以获得较好的预测效果,其预测精度可达90%以上.     

基于可见/近红外光谱技术的黄瓜叶片SPAD值检测

为了快速准确检测黄瓜叶片的SPAD值,采用可见/近红外光谱技术并结合化学计量学方法建立了黄瓜叶片SPAD值校正模型.并用不同建模方法对全波段光谱进行建模,结果表明用最小二乘支持向量机(LSSVM)建模得到的预测效果最好,其相关系数r和预测均方根误差RMSEP分别为0.9583和0.9732.通过分析黄瓜叶片的光谱反射率与SPAD值的相关系数和PLS建模回归系数,得到了531~581nm和696~716nm 2个特征波段以及556nm、581nm、698nm和715nm 4个特征波长,应用LSSVM分别对特征波段和特征波长建模.分析表明,采用特征波段建模,其预测相关系数r和预测均方根误差分别为0.9338和1.1370,与全波段建模结果相近,而采用特征波长建模效果稍差.特征波段建模大大减少了建模中的运算量,提高了建模速度,便于相应检测仪器的开发,所以,采用光谱特征波段建模对黄瓜叶片SPAD值的检测更为有效.     

结合灵敏度降维和支持向量回归的土壤元素定量分析方法

为提高土壤元素定量分析的精度，提出一种结合灵敏度降维与贝叶斯优化算法支持向量回归（BOA-SVR）的土壤元素定量分析方法。利用便携式X射线荧光（XRF）分析仪测量得到土壤的XRF光谱，采用迭代离散小波变换对光谱进行本底扣除，并将计算的各元素净峰面积作为模型输入特征。通过灵敏度分析研究了不同输入特征集合对预测精度的影响，以实现特征降维。将样本分为训练集和测试集，通过均方根误差和决定系数评价模型的预测精度，基于Cu和As元素对比了全特征输入下的BOA-SVR模型、特征降维后的BOA-SVR模型、单参数偏最小二乘法模型的预测结果。实验结果表明，特征降维后的BOA-SVR模型在Cu和As元素预测中都获得最好的预测结果。     

基于非参数估计的双模态红外图像差异特征频次分布构造

差异特征频次属性的分布构造对建立双模态红外图像差异特征多属性融合有效度分布合成具有重要意义。针对双模态红外图像差异特征频次属性分布构造的问题,提出了基于K最近邻(KNN)概率密度估计的差异特征频次分布构造方法。利用累积分布函数得到差异特征频次真实序列值,计算所构造的差异特征频次分布中具有统计意义的频次序列值与真实序列值的相似性测度,对结果进行了验证。实验结果表明,将非参数概率密度估计运用于差异特征频次分布构造中具有可行性,且本文方法相较于MISE最优带宽高斯核密度估计更能准确构造差异特征频次分布。     

利用节点增强方法分析作弊度的研究

针对大量出现的网络虚假评论“水军”的问题,提出一种基于无监督的节点增强迭代算法,首先,建立基于虚假评论的数据集的时间和评论内容以及打分的相似程度定义相似函数,分别有打分相似性,时间相似性和文本相似性,并确定相似度的集合,使具有相似性的评论都放到相同的集合中,然后,通过设定好的相似性计算公式去计算出具有高相似的评论之间的具体相似值,并建立相似度函数矩阵,在相似函数矩阵中,行列值为评论信息,矩阵中的值为两两评论之间的具体相似度,构建图向量,最后,通过建立初始矩阵与相似矩阵进行迭代的计算,最终获得最终的作弊度大小,通过迭代,在达到设定的迭代值后结束实验。试验结果表明,在无监督的在线迭代下,召回率,准确率,精确率和F1-scorre都获得了较高的数值,在最后得到的实验结果下,通过数据可视化以及和其他实验的对比,获得到了优秀的数据指标。     

基于时空图联合关系路径的行人轨迹预测框架

时空图被广泛应用于行人轨迹预测等时间序列任务中,如何更精确地捕捉不同时间段的轨迹位置信息以及更充分地利用时空图的结构信息对于轨迹预测至关重要。传统的轨迹预测方法规则复杂、约束性强、可扩展性较差,往往只能应用于特定领域。基于学习的轨迹预测方法不依赖于专家经验的物理规则,根据观察的轨迹数据来学习不同时间段各个空间位置之间的变化规则。基于学习的方法存在一定局限性,如没有充分利用时空图的结构信息,导致轨迹预测模型的性能下降。针对上述问题,提出了一种新型基于时空图联合关系路径的行人轨迹预测框架(Spatio-Temporal Graphs with Relationship Path Trajectory Prediction Framework, STRP-TPF)。STRP-TPF主要包括EdgeRNN和NodeRNN模型。STRP-TPF基于时空图构建关系路径,基于关系路径构建因子图;构建EdgeRNN和NodeRNN模型,并将因子图作为输入;输出下一时刻行人的位置,并且预测完整的行人轨迹。STRP-TPF利用关系路径能够准确捕捉时空图的结构信息,充分学习行人在不同时间和空间点的轨迹关系。...     

基于模糊C-均值的相似性特征转换光滑支持向量机

在用于非线性分类的光滑支持向量机（SSVM）模型中,核函数必须满足Mercer's条件,由此限制了核函数的选择范围;并且在面对大规模数据集时,SSVM模型的计算复杂度很高,训练时间长.针对这两点缺陷提出了基于模糊C-均值的相似性特征转换光滑支持向量机模型（SFT-SSVM-FCM）.首先,运用基于相似性的特征转换,使得核函数不需要再满足Mercer's条件,从而拓宽了核函数的选择范围;其次,运用模糊C-均值（FCM）分群技术,将完整的训练数据集划分成若干子簇,分别在每一个子簇上进行已经过相似性特征转换的SSVM模型训练.实验表明：与传统的SVM、SSVM模型及一系列变体模型相比较,该新模型在训练时间、分类精度方面都具有更好的表现.     

使用组合分类器预测蛋白质相互作用

蛋白质必须通过与其他蛋白质之间的相互作用才能行使其功能,因此,对于蛋白质相互作用的研究显得尤为重要.针对蛋白质相互作用预测问题,本文提出了一种基于不同特征编码的组合分类器投票的预测方法.该方法综合考虑了蛋白质序列中氨基酸频率、氨基酸位置、氨基酸理化性质和氨基酸生物相似性等特征.在真实的蛋白质相瓦作用human数据集上,使用支持向量机根据不同特征编码建立的预测模型,分别作为组合分类器中的子分类器进行投票.结果表明,该方法能有效提高蛋白质相互作用预测的性能,且预测结果与其他方法相比也具有一定优势.