极限学习机集成在骨髓细胞分类中的应用

骨髓细胞的分类有重要的医学诊断意义。先对骨髓细胞图像分割和特征提取,用提取出来的训练集对极限学习机训练,再用该分类器对未知样本识别。针对单个分类器性能的不稳定,提出基于元胞自动机的极限学习机集成算法。通过元胞自动机抽样策略构建差异大的训练子集,多个分类器并行学习,多数投票法联合决策。实验结果表明,与BP、支持向量机比较,该算法基本无参数调整,学习速度快,分类精度高能达到97.33%,且有效克服了神经网络分类器不稳定的缺点。     

基于置信度的多分类器互补集成手写数字识别

离线手写数字识别是光学字符识别的一个重要分支,在银行票据识别、邮政编码识别等领域有着广泛的应用。由于单一分类器在识别率上很难达到要求,人们提出了各种集成分类器识别方案。通过对离线手写数字的特征提取,从特征互补的角度出发,采用了最小距离分类器、树分类器和BP网络分类器进行多分类器互补集成,提出了基于置信度的多分类器互补集成方法。通过实验对比,基于置信度的多分类器互补集成手写数字识别在识别率和识别速度上达到了满意的结果。     

多光谱骨髓细胞图像分类方法研究

介绍了一种结合决策树和极大似然法的多光谱骨髓细胞图像自动分类的方法，详细讨论了怎样确定决策树的结构，应用散点图挑选节点特征以及构造节点分类器。给出了分类结果。实验结果表明，文章提出的基于决策树的细胞分类方法对于多类的骨髓细胞分类识别极为有效，分类准确率远远高于单纯的极大似然法分类器，且分类的速度也令人满意。     

双色红外图像目标多特征决策级融合识别算法

针对双色红外成像系统中的自动目标识别问题,提出了一种采用多特征多分类器决策级融合的目标识别算法。该算法首先提取目标的形状特征和面貌特征;接着基于各种不同特征设计多个分类器对目标进行分类;然后采用所设计的多分类器决策级融合策略对多个分类器的目标分类结果进行融合处理;最后采用所提出的决策规则对多分类器融合分类结果进行处理得到最终的目标识别结果。该算法充分利用了目标在多传感器图像中的多种分类特征信息,在较大程度上提高了系统的目标识别效率和精确性。实验结果证实了该算法的有效性。     

一种基于预分类的高效最近邻分类器算法

本文的最近邻分类器算法是采用多分类器组合的方式对测试样本进行预分类，并根据预分类结果重新生成新的训练和测试样本集。对新的测试样本采用最近邻分类器进行分类识别，并将识别结果与预分类结果结合在一起进行正确率测试。在ORL人脸库上的实验结果说明，该算法对小样本数据的识别具有明显优势。     

一种手写数字的多级分类器设计

对手写数字识别技术进行了研究和探讨,提出一种新的多级分类嚣手写数字识别方法.该识别方法以图像预处理和字符特征提取为基础,采用BP神经网络分类器进行第一级识别、结构特征分类器进行有选择的第二级识别,并提出一种全新的端点特征提取法,大大地简化结构特征分类器的设计.实验结果表明,多级分类器较单一的神经网络分类器的识别率有了明显的提高.     

基于小波变换与神经网络的表面肌电信号的情感识别

情感识别是情感计算的一个关键问题。针对表面肌电图(EMG)的非平稳性,采用小波变换方法对表面肌电信号进行分析,提取小波系数最大值和最小值构造特征矢量,分别输入用L-M算法改进的BP神经网络分类器和最近邻法分类器进行情感识别。实验表明,提取EMG的小波系数对joy、anger、sadness、pleasure四种情感进行识别,BP神经网络分类器识别效果优于最近邻法分类器。说明小波变换的方法对EMG进行分析是可行且有效的,并有很大的应用前景。     

Proximal SVM在脑功能分类中的应用研究

为了研究PSVM分类器用于脑功能识别的有效性与优越性,对脑功能识别做出了深入的研究和分析。采用三名受试者在睁眼和闭眼状态下的脑电实测数据,从不同角度深入分析和比较了PSVM分类器与标准SVM分类器的性能,主要衡量指标为识别率和训练时间。结果PSVM分类器优于标准SVM分类器之处在于,在保证识别率的同时,计算速度有了显著地提高。并且随着样本维数的增加,PSVM分类器的计算速度并没有下降。PSVM用于脑电信号功能识别是高效率的,这对今后的有实时要求的脑功能分类识别问题具有重要意义。     

基于OVR-SVM及fMRI的词语识别认知状态分类研究

词语识别是人脑的一种高级认知过程.论文基于OpenfMRI开源数据集,利用脑图Dosenbach进行特征提取,采用OVR-SVM作为分类器对词语识别及相关认知状态进行了分类器的训练,使用分层K折交叉验证和ROC曲线对分类器进行了性能评估.实验结果显示,采用线性核、多项式核、RBF核、以及Sigmoid核的几种OVR-SVM中,RBF核的分类性能在统计上都显著高于其他三种核对应的SVM.实验结果表明,OVR-SVM作为一种计算模型可以有助于对词语识别认知状态的识别.     

纹理特征和两级分类器相结合的人脸识别

为了提高人脸识别率和识别效率,提出一种纹理特征和两级分类器相结合的人脸识别方法。采用灰度共生矩阵表示人脸图像的纹理特征,计算待识别人脸图像与模板间欧式距离,采用拒识阈值进行评判,如果人脸图像归属类别清楚,则采用欧式距离分类器进行识别,否则将待识人脸图像送入SVM分类器进行识别,采用ORL人脸数据库和Yale人脸数据库进行仿真实验。仿真结果表明,相对于单一人脸识别器,两级分类器不仅提高了人脸识别效率,而且提高了人脸识别率,具有更好的人脸识别性能。     

一种模糊分类器集成的方法

提出了一种基于模糊积分的模糊分类器集成的方法，该方法能在模糊分类器生成过程中，进一步减少主观因素的参与成份，使分类模器具有更好的稳定性和更高的分类识别率。给出了基于隶属度矩阵的模糊积分密度确定方法，介绍了基于模糊积分的分类器集成算法。用权威的数据集作为实验数据集，将提出方法与已有的分类器集成方法进行实验比较，评测了所提出方法的有效性。     

基于遗传算法和模糊积分的多分类器集成

多分类器联合是解决复杂模式识别问题的有效办法。模糊积分是其中一种多分类器联合方法。但是对于模糊积分。如何计算模糊积分密度是一个尚未解决的问题。本文提出了一种基于模糊积分和遗传算法的分类器集成方法，该方法利用遗传算法计算模糊积分密度函数，再利用模糊积分把分类器输出信息联合起来。实验结果表明，该方法比其他方法能够得到更好的识别性能。     

基于线性判别分析的Choquet积分的符号模糊测度提取

在解决分类问题时,建立在Choquet积分上的分类器以其非线性和不可加性的特点,扮演着越来越重要的角色。由于Choquet积分中的符号模糊测度可以描述各特征对结果的影响,因此Choquet积分在解决数据分类及融合 问题方面具有显著的优势。但是,关于Choquet积分符号模糊测度值的求解,学术界一直缺乏有效的方法。目前最常用的方法是遗传算法,但是遗传算法在解决符号模糊测度值的优化问题时存在算法较为复杂、耗时较长等缺陷。由于符号模糊测度值在Choquet积分分类器中是决定性的重要参数,因此设计出一种有效的符号模糊测度提取方法十分必要。文中提出基于线性判别分析的Choquet积分符号模糊测度的提取方法,推导出在分类问题下Choquet积分的符号模糊测度值的解析式表达,其能够有效、快速地得出关键性参数。分别在人工数据集及基准实际数据集上进行测试与验证,实验结果表明所提方法能有效解决Choquet积分分类器中符号模糊测度的优化问题。     

An analytical method for solving linear Fredholm fuzzy integral equations of the second kind

In this paper, we use the parametric form of a fuzzy number and convert a linear fuzzy Fredholm integral equation to two linear systems of integral equations of the second kind in the crisp case. For fuzzy Fredholm integral equations with kernels, the sign of which is difficult to determine, a new parametric form of the fuzzy Fredholm integral equation is introduced. We use the homotopy analysis method to find the approximate solution of the system, and hence, obtain an approximation for fuzzy solutions of the linear fuzzy Fredholm integral equation of the second kind. The proposed method is illustrated by solving some examples. Using the HAM, it is possible to find the exact solution or the approximate solution of the problem in the form of a series.     

直觉模糊集的Choquet积分相关测度及其决策应用

Qu给出的直觉模糊集的Choquet积分相关系数的计算公式与相关系数的性质相矛盾.为此,通过一个实例说明Qu定义的直觉模糊Choquet积分相关系数定义存在的问题,并结合相关系数的性质证明,分析问题出现的原因;然后,针对存在的问题,以直觉模糊集的Choquet积分相关指标为基础,给出新的直觉模糊集的Choquet积分信息能量的概念,定义新的直觉模糊集的Choquet积分相关系数,并讨论相关系数的性质;最后,利用新定义的直觉模糊集的Choquet积分相关测度,推导出方案与正理想方案之间的Choquet积分相关系数计算公式,据此提出一种直觉模糊多属性决策方法,并通过实例分析以及方法对比,说明所提出方法的可行性和有效性.     

Generic LR fuzzy cells for fuzzy hardware synthesis

A novel primitive cell structure for high-performance hardware realization of fuzzy computations is proposed in this paper. Such a cell structure is called generic LR fuzzy cell because it is an integral unit that encapsulates an LR fuzzy set and a basic fuzzy operation such as implication or arithmetic operation. Based on the proposed cell structure, we can develop two major kinds of fuzzy cell-LR fuzzy implication cell and LR fuzzy arithmetic cell-for the systematic synthesis of fuzzy application specific integrated circuits (ASICs) or general purposed fuzzy processors. The fuzzy systems synthesized with LR fuzzy cells possess the characteristics of decentralized knowledge manipulations and massively parallel inference. The system expandability and reconfigurability are also warrantable. This paper emphasizes on the design and application of fuzzy implication cell. The LR fuzzy implication cell is implemented with analog current mode technology. By this technology, an implication cell has the characteristics including small circuit area, high performance, low-power dissipation, etc. Moreover, the implication cell manipulates continuous data so that the realization of a pure fuzzy system is possible. In this paper, the key circuit characteristics of fuzzy implication cell are evaluated in details and there are two cases-fuzzy knowledge system and fuzzy mean filter-implemented to confirm the effectiveness and efficiency of fuzzy hardware synthesis by the LR fuzzy cells     

Improved performance of SOPDT process using rule base shifting scheme for fuzzy PI controller

Rule Base is one of the key factors in design of fuzzy controller. The performance of the system is affected if a delay element is present in the system. The significance of the proposed method is tested on different second order plus delay time process (SOPDT) models using modified rule bases. A criterion is developed for selection of rule base depending on amount of delay time and time constant of the process and is given in tabulated form. The graphical results are given to show the improved process performance using proposed method. Robustness of the proposed method is checked by applying disturbance and set-point change. Analytical comparison with the existing methods is given using performance indices integral of square error (ISE), integral of absolute error (IAE) and integral of time absolute error (ITAE).     

Sugeno模糊积分粒子群优化算法的实验研究

粒子群优化算法是模拟鸟类觅食的行为思想的随机搜索算法,主要是通过迭代寻找最优解.将模糊积分技术引入优化算法调整粒子的多样性的同时动态改变惯性权重,以此来提高粒子的搜索能力.仿真实验结果表明,该方法大大提高了搜索过程中粒子的多样性,并缩短了粒子的搜索时间,保持快速的收敛性的同时获得了算法最优解.     

Sugeno integral generalization applied to improve adaptive image binarization

Classic adaptive binarization methodologies threshold pixels intensity with respect to adjacent pixels exploiting integral images. In turn, integral images are generally computed optimally by using the summed-area-table algorithm (SAT). This document presents a new adaptive binarization technique based on fuzzy integral images. Which, in turn, this technique is supported by an efficient design of a modified SAT for generalized Sugeno fuzzy integrals. We define this methodology as FLAT (Fuzzy Local Adaptive Thresholding). Experimental results show that the proposed methodology produced a better image quality thresholding than well-known global and local thresholding algorithms. We proposed new generalizations of different fuzzy integrals to improve existing results and reaching an accuracy $\approx 0.94$ on a wide dataset. Moreover, due to high performances, these new generalized Sugeno fuzzy integrals created ad hoc for adaptive binarization, can be used as tools for grayscale processing and more complex real-time thresholding applications.