基于准确率爬坡的动态加权集成分类算法

传统集成分类算法中,一般将集成数目设置为固定值,这可能会导致较低分类准确率。针对这一问题,提出了准确率爬坡集成分类算法（C-ECA）。首先,该算法不再用一些基分类器去替换相同数量的表现最差的基分类器,而是基于准确率对基分类器进行更新,然后确定最佳集成数目。其次,在C-ECA的基础上提出了基于爬坡的动态加权集成分类算法（C-DWECA）。该算法提出了一个加权函数,其在具有不同特征的数据流上训练基分类器时,可以获得基分类器的最佳权值,从而提升集成分类器的性能。最后,为了能更早地检测到概念漂移并提高最终精度,采用了快速霍夫丁漂移检测方法（FHDDM）。实验结果表明C-DWECA的准确率最高可达到97.44%,并且该算法的平均准确率比自适应多样性的在线增强（ADOB）算法提升了40%左右,也优于杠杆装袋（LevBag）、自适应随机森林（ARF）等其他对比算法。     

基于动态加权函数的集成分类算法

针对数据流集成分类如何使分类器适应不断变化的数据流,调整基分类器的权重选择合适的分类器集合的问题,提出了一种基于动态加权函数的集成分类算法。首先,提出了一种加权函数调节基分类器的权重,使用不断更新的数据块训练分类器;然后,使用一个新的权重函数对候选分类器进行一个合理的选择;最后,在基分类器中应用决策树的增量性质,实现对数据流的分类。通过大量实验发现,基于动态加权函数的集成分类算法的性能不受块的大小影响,与AUE2算法相比,叶子数平均减少了681.3、节点数平均减少了1 192.8,树的深度平均减少了4.42,同时相对地提高了准确率,降低了消耗时间。实验结果表明该算法在对数据流进行分类时不但可以保证准确率还可以节省大量的内存空间和时间。     

基于改进U2-Net与迁移学习的无人机影像堤防裂缝检测

为准确便捷地从大范围背景复杂的堤防表面获取裂缝的形态信息,提出了一种基于改进U²-Net(U²-ADSNet)的裂缝检测方法。该方法在U²-Net中融合深度可分离卷积和扩张卷积,扩大了原有模型的感受野,增强了对细节特征的学习能力,降低了模型参数;在少量无人机实测影像数据基础上,利用裂缝开源数据集进行迁移学习,降低了训练成本;通过切片预测实现对大范围无人机影像的裂缝检测,利用连通域搜索去除可能的误检。将U²-ADSNet与FCN、SegNet、U-Net和DeepCrack等语义分割模型在堤防裂缝数据集上进行对比,验证了U²-ADSNet的有效性,该模型经过迁移学习后交并比达到78.55%,综合评价指标值为87.87%,可用于堤防裂缝的检测。     

基于深度学习的结构裂缝检测综述

将无人机影像数据与深度学习技术相结合,可实现水工建筑物表面裂缝的远程非接触式检测,为维护结构正常运行提供保障。本文介绍了近年来流行的深度学习方法,梳理了基于卷积神经网络的分类、检测和分割三类算法在裂缝检测中的应用及特点。结合堤防裂缝检测,阐述了无人机影像用于裂缝检测的流程和挑战。最后给出水工建筑物裂缝检测的研究难点与展望。     

基于滑动窗口模型的数据流闭合高效用项集挖掘

从数据流中挖掘高效用项集是一项具有挑战性的任务,因为传入的数据必须在时间和存储内存约束下进行实时处理数据流挖掘通常会产生大量冗余的项集,为了减少这些无用的项集数量且保证无损压缩,需要挖掘闭合项集,它可以比全集高效用项集的集合小几个数量级.为了解决以上问题,提出一种基于滑动窗口模型的数据流闭合高效用项集挖掘(closed high utility itemsets mining over data stream based on sliding window model,CHUI_DS)算法.在 CHUI DS 中设计了 一种新的效用列表结构,该结构在提升批次插入和删除的速度方面非常有效此外,应用修剪策略来改进闭合项集挖掘过程,消除潜在的低效用候选对象.对真实数据集和合成数据集进行的广泛实验评估显示了该算法的效率以及可行性就速度而言,它优于先前提出的主要以批处理模式运行的算法.且它适用于不同大小的滑动窗口,在事务数量等方面具有较强的扩展性.     

不平衡数据集分类方法综述

不平衡数据集的特点导致了在分类时产生了诸多难题。对不平衡数据集的分类方法进行了分析与总结。在数据采样方法中从欠采样、过采样和混合采样三方面介绍不平衡数据集的分类方法;在欠采样方法中分为基于[K]近邻、Bagging和Boosting三种方法;在过采样方法中从合成少数过采样技术（Synthetic Minority Over-sampling Technology,SMOTE）、支持向量机（Support Vector Machine,SVM）两个角度来分析不平衡数据集的分类方法;对这两类采样方法的优缺点进行了比较,在相同数据集下比较算法的性能并进行分析与总结。从深度学习、极限学习机、代价敏感和特征选择四方面对不平衡数据集的分类方法进行了归纳。最后对下一步工作方向进行了展望。     

基于索引列表的增量高效用模式挖掘算法

基于效用列表的高效用模式挖掘算法主要局限性在于创建和维护效用列表非常耗时,原因是建立了大量的列表,且列表之间连接操作成本较高.为了解决这个问题,提出一种索引列表结构,可以依据索引值快速访问并更新存储在列表中的信息,并提出一种基于索引列表的增量高效用模式挖掘算法,在挖掘过程中加快挖掘速度并减少内存消耗.试验结果表明,所提...     

混凝土结构碳素纤维布补强施工技术

北京城市铁路望京西站建筑面积10 738ｍ2 ,框架结构独立柱基础 ,站台层挡土墙墙厚 4 0 0ｍｍ ,混凝土强度等级Ｃ4 0。由于多方面的原因 ,前两个施工段的挡土墙出现穿透性裂缝 ,裂缝长近2ｍ ,宽约 1 5ｍｍ ,采取粘贴碳纤维布进行混凝土结构补强。施工操作要点如下1)备齐专业用工具和材料。(2 )施工环境　必须确保环境温度在 5℃以上 ,以便封缝及灌浆材料、碳素纤维布基底涂料硬化及强度增加。(3)混凝土表面处理　用电动砂轮磨平裂缝两侧各 5 0ｃｍ ,以表面高差不超过 1ｍｍ为宜。用钢丝刷、毛刷、压力空气将碎渣、尘粉清理干净。(4)封缝　用…     

基于ZigBee和Android的古建筑火灾监测系统设计

针对西藏古建筑火灾复杂、可预测性差的特点,结合ZigBee与Android平台设计智能移动监测系统。该系统完成了ZigBee无线传感器网络设计、Android客户端开发以及相关中间件的实现,各类传感器采集的数据通过GPRS上传至客户端。实验表明,该系统可以实现对古建筑环境信息的实时反馈和对用户指令的及时响应。     

基于正负效用划分的高效用模式挖掘方法综述

高效用模式挖掘（HUPM）是新兴的数据科学研究内容之一,通过考虑事务数据库中项的单位利润和数量,以提取出更有用的信息。传统的HUPM方法假定所有项的效用值均为正,但是在实际应用中,某些数据项的效用值可能为负（如商品因产生亏损而导致利润值为负）,含负项的模式挖掘与仅含正项的模式挖掘同样重要。首先,阐述了HUPM的相关概念,并分别给出相应正负效用的实例;然后,以正与负角度划分了HUPM方法,其中带有正效用的模式挖掘方法进一步以动态与静态的数据库新颖角度划分,带有负效用的模式挖掘方法中包括了基于先验、基于树、基于效用列表和基于数组等关键技术,并从不同方面对这些方法进行了讨论和总结;最后,给出了现有HUPM方法的不足和下一步研究方向。