A novel multiple rule sets data classification algorithm based on ant colony algorithm

Ant colony optimization (ACO) algorithms have been successfully applied in data classification, which aim at discovering a list of classification rules. However, due to the essentially random search in ACO algorithms, the lists of classification rules constructed by ACO-based classification algorithms are not fixed and may be distinctly different even using the same training set. Those differences are generally ignored and some beneficial information cannot be dug from the different data sets, which may lower the predictive accuracy. To overcome this shortcoming, this paper proposes a novel classification rule discovery algorithm based on ACO, named AntMiner_mbc, in which a new model of multiple rule sets is presented to produce multiple lists of rules. Multiple base classifiers are built in AntMiner_mbc, and each base classifier is expected to remedy the weakness of other base classifiers, which can improve the predictive accuracy by exploiting the useful information from various base classifiers. A new heuristic function for ACO is also designed in our algorithm, which considers both of the correlation and coverage for the purpose to avoid deceptive high accuracy. The performance of our algorithm is studied experimentally on 19 publicly available data sets and further compared to several state-of-the-art classification approaches. The experimental results show that the predictive accuracy obtained by our algorithm is statistically higher than that of the compared targets.     

基于集合卡尔曼滤波的变化环境下渭河流域日径流模拟

流域水文模型是研究水文规律和模拟水文过程的主要工具,而流域气候和下垫面条件的变化给径流的准确模拟带来了新的挑战。以渭河华县水文站以上流域为例,采用智能优化算法(SCE-UA)对HyMOD模型首先进行参数优选,并针对传统"捆绑率定"策略模拟效果不佳的实际情况,将集合卡尔曼滤波(EnKF)数据同化方法分别应用于HyMOD模型的状态变量更新、参数更新及状态—参数的同时更新,并在渭河流域近50年的日径流模拟中进行了效果检验。结果表明,状态—参数的双EnKF策略获得了最满意的效果,模拟精度比传统模型率定方法有显著提升。     

One-against-all ensemble for multiclass pattern classification

This paper presents a new method called one-against-all ensemble for solving multiclass pattern classification problems. The proposed method incorporates a neural network ensemble into the one-against-all method to improve the generalization performance of the classifier. The experimental results show that the proposed method can reduce the uncertainty of the decision and it is comparable to the other widely used methods.     

HL型水力分级机的开发及试验研究

水力分级机广泛应用于选矿厂,但是由于传统水力分级机的设计不合理,造成分级产品粒度不精确、分级效率低。为了解决这个问题,研制了新一代水力分级机———HL型水力分级机,并进行钛铁矿脱泥试验,试验证明这种高效分级机性能得到了很大提高。     

幂变换在一维距离像目标识别中的作用分析

幂变换是一种一维距离像非线性预处理方法,服从任意概率分布的随机变量经幂变换后更接近于高斯分布,为选用基于高斯分布的分类器提供了方便,因此对提高识别率有一定的作用。文中分析了在应用中为得到好的识别效果幂变换系数如何取值的问题。取不同的幂变换系数对多批飞机在不同噪声环境下的距离像进行幂变换,然后用径向基函数分类器进行分类。根据实测数据处理后的结果分析,为了提高识别率,应根据信号的信噪比选择幂变换系数对距离像进行预处理。     

一种基于线性分类器的通用指纹分割方法

针对不同传感器采集的指纹难以进行统一准确的分割的问题,提出主频率带能量比值,归一化的灰度均值及灰度对比度值三个更为通用的指纹描述特征,并利用这三个指纹特征,使用SVM方法训练一个线性分类器,对指纹进行有效分割.实验表明,该方法不仅实现了对指纹的准确分割,在FVC2002指纹数据库上平均分割误差约为2%,并且该分割方法具有很好的通用性,适用各种传感器采集的指纹.     

基于SVM的医学图像分类器的设计

提出了一个基于支持向量机的医学图像分类器.能提取形状和纹理特征作为分类算法的特征输入,进行计算机辅助诊断.提出了一种支持向量机新算法,解决了当两类中的样本数量差别较大时,支持向量机的分类能力将会下降的问题.实验表明,在小样本、两类样本数量严重不均衡的情况下,该算法有着较强的分类能力,可以极大地提高医学图像分类的效率和准确性.     

基于条件随机场的复杂背景图像文字分割

图像中的文字提取是处理文字信息的关键步骤。提出一种基于条件随机场（CRFs）的分割方法。针对背案复杂的情况,精心选择特征,设计分类器,计算在给定观测数据情况下,像素标签的条件概率分布。这样,有效地避免了计算联合分布所带来的问题（如马尔可夫随机场）。与传统的分类器相比,该方法更加注重像素以及标签之间互相影响程度以及合理性。试验结果表明,与其他方法相比,CRFs的文字分割结果有明显的提高。     

涡流空气分级机内物料分布的模拟试验研究

为研究涡流空气分级机内物料分布的规律,探索物料在涡流空气分级机内的分散方法,文中设计了撒料盘试验来模拟涡流空气分级机内物料分布,并进行了物料分布的计算与试验研究。以建筑用标准砂做试验,结果表明:撒料盘转速的提高可以改善大颗粒物料的分散性,而对小颗粒物料的分散性影响较小;物料的粒度分布范围对物料分散性影响较大,粒度分布范围越宽,分散性越差,同时还研究了撒料盘结构对物料分散性的影响。结果表明:双层撒料盘的使用能将物料在承料面上的单位面积堆积量从单层撒料盘的0.067 g/cm2降低到0.042 g/cm2,相对减少量为37.31%,从而提高物料在分级机内的分散性。