基于本体的Web挖掘分类方法及应用

为了解决Web挖掘系统中信息共享的语义问题,应用本体技术,在传统Web挖掘分类方法的基础上提出了一种基于本体的Web挖掘分类方法.实践表明,该方法能有效地解决传统Web挖掘系统中诸如"新项目"等问题,并为用户提供基于本体属性的更细粒度、交互式的语义Web信息服务.     

融合注意力机制的多阶段舌象分类算法

为解决舌象分类算法容易受到面部无关信息以及舌部杂质信息的干扰,造成分类准确率下降的问题,设计一种融合注意力机制的多阶段舌象分类算法.通过舌部定位阶段提取不同感受视野的舌象特征进行融合,获得舌部区域,减轻面部信息干扰;在舌象分类阶段基于舌部区域,借助注意力机制模块抑制舌部杂质信息的干扰,提取精准特征,进行分类.将算法得到分类结果的P、R、F值与KNN、SVM和Inception-V4的作比较,结果均优于这3种算法.     

基于局部特征位置编码的小样本分类网络

为了解决使用图片级特征直接度量两张图片距离时会出现具有不同语义信息区域之间相互比较的问题,文章提出了基于局部特征位置编码的小样本分类网络。网络首先通过空间注意力模块加强具有判别性的区域特征,之后通过位置编码模块完成位置映射,使得具有相同语义信息的区域处于同一位置。实验结果表明,将局部特征进行位置编码之后再进行分类,能够有效地提升小样本分类的准确度。     

利用贝叶斯网络融合空间上下文的高分辨遥感图像分类

针对高分辨遥感图像,本文提出了一种基于贝叶斯网络的上下文模型,以及基于该模型的面向对象的遥感图像分类方法.首先,利用支持向量机(SVM)实现分割区域的初始分类,获得各个类别的候选区域.然后,利用提出的上下文模型融合候选区域及其周围区域的上下文信息,通过贝叶斯网络推理,将候选区域分类到各类地物类型中.基于贝叶斯网络的上下...     

基于全信息相关度的动态多分类器融合

AdaB00st采用级联方法生成各基分类器,较好地体现了分类器之间的差异性和互补性.其存在的问题是,在迭代的后期,训练分类器越来越集中在某一小区域的样本上,生成的基分类器体现不同区域的分类特征.根据基分类器的全局分类性能得到固定的投票权重,不能体现基分类器在不同区域上的局部性能差别.因此,本文基于Ada-Boost融合方法,利用待测样本与各分类器的全信息相关度描述基分类器的局部分类性能,提出基于全信息相关度的动态多分类器融合方法,根据各分类器对待测样本的局部分类性能动态确定分类器组合和权重.仿真实验结果表明,该算法提高了融合分类性能.     

基于多网络学习的人脸属性分类

为解决传统人脸属性分类训练效率低、模型参数量巨大等问题,本文提出了一种多网络学习框架.该框架包含两个子网络:人脸区域定位网络和属性分类网络,从而实现动态选择不同的人脸区域进行人脸属性预测.此外,本文提出了基于提示的模型压缩技术,在不明显降低准确率的前提下大大压缩网络参数.最后,通过仿真在CelebA人脸属性分类数据集上...     

改进的一对一支持向量机多分类算法

支持向量机的一对一多分类算法具有良好的性能,但该算法在分类时存在不可分区域,影响了该方法的应用.因此,提出一种一对一与基于紧密度判决相结合的多分类方法,使用一对一算法分类,采用基于紧密度决策解决不可分区,依据样本到类中心之间的距离和基于kNN (k nearest neighbor)的样本分布情况结合的方式构建判别函数来确定类别归属.使用UCI (university of California Irvine)数据集做测试,测试结果表明,该算法能有效地解决不可分区域问题,而且表现出比其它算法更好的性能.     

基于对象的最优尺度建筑物信息提取方法

针对基于像素分析方法不适用于高分辨率影像信息提取的问题,提出一种基于对象的图像分析方法来进行城市建筑信息提取。采用多分辨率图像分割方法得到图像对象,提出非监督的最优尺度判定方法解决单尺度分割造成的欠分割和过分割问题。在对象分类提取过程中,结合LiDAR数据的地形表面高程信息和光谱信息对建筑物进行提取,并利用尺寸、空间位置等信息进行误分类修正。实验区域共提取出18个建筑目标,结果表明所提出的方法有效可行。     

交互迭代一对一分类算法

在基于支持向量机的多分类算法中,一对一算法表现出较好的性能.然而此算法却存在不可分区域,落入该区域的样本不能有效被识别,因此影响了一对一算法的性能.为解决这个难题,提出交互迭代一对一分类算法,同时给出算法的有效性分析和计算复杂度证明.为了验证该算法解决不可分区域的能力,我们选用UCI数据集来做对比实验.实验结果显示,本文算法不但可以较成功解决不可分区域问题而且表现出比其它算法更好的性能.     

基于视觉注意力模型的高速铁路轨道病害检测

提出了基于视觉注意力模型的高速铁路轨道病害检测方法.采用基于稀疏采样和核密度估计的视觉注意力模型,得到高速铁路车载视频的显著图,进而提取视频中包含病害的区域;为了解决病害图像分类中的小样本问题,结合已标记样本和未标记样本,提出了基于生成模型的半监督分类方法,并用于高速铁路轨道病害识别分类.对3种典型的轨道病害进行了检查与识别实验,实验结果表明,该方法具有很高的检测率和识别率.     

基于自适应学习率的背景建模方法

针对高斯混合模型中均值和方差的学习,提出基于自适应学习率的背景建模方法。统计每个像素模型被匹配的次数,在线更新学习率。在初始化背景时,分配一个全局的学习率,采用传统高斯混合模型的学习方式;在更新背景时,为每个像素分配一个学习率,采用自适应的学习方式。实验结果表明,该方法与传统高斯混合背景模型相比,有较好的学习能力与稳定性,能提高运动目标检测的正确率。     

近邻保持降维技术在网络异常检测中的应用

针对入侵检测中的高维数据处理问题,以直推式网络异常检测方法为原型,提出了一种基于近邻保持降维方法的新模型。该模型能够用于高维数据的降维,从而减少欧氏距离的计算量,加快异常检测算法的训练及检测速度。采用著名的KDD cup99公用数据集的仿真实验表明,相比较基于主成分分析法和单类支持向量机的网络异常检测模型来说,基于近邻保持降维技术的检测模型能够在降维的同时,保持较高的检测率和较低的误报率。     

基于UML状态图的类测试技术

针对基于状态的类测试技术缺陷检测率较低的问题,提出一种使用等价类划分和边界值分析等功能性测试方法构建UML状态图的方法,描述基于W方法的测试序列生成策略,使用Mujava变异工具对方法的有效性进行检测。实验结果表明,该测试策略具有较高的缺陷检测率。     

Neural network modelling of continuous microbial cultivation accounting for the memory effects

Three approaches to the problem of Neural Network (NN) modelling of chemostat microbial culture accounting for the memory effects are considered and, based on the results they are compared. The first approach uses feedforward NNs with time delay feedback connections from and to the output neurons, for the entire process modelling. The second and third approach relay on Hybrid NN modelling. The second one applies feedforward NNs with time delayed inputs for the specific growth rate approximation within the framework of the classical unstructured model. In this case the specific consumption rate is assumed to be proportional to the specific growth rate. The yield factor is assumed to be constant or polynomial function of the substrate concentration. The third approach is also based on a classical unstructured model, but different feedforward NNs with delay elements for both specific growth rate and specific consumption rate approximation are adopted. On the example of the growth of a strain Saccharomyces cerevisiae on a glucose limited medium different NN topologies are studied and a suitable model is figured out.     

空间运动图像序列的跨尺度插值方法

提出跨尺度插值方法,获取高质量、高帧率和高分辨率的运动图像序列,以增强空间对接任务中图像的运动平滑性,流畅地再现空间图像运动细节。提出基于视觉对应的关注域探测方法,有效地缩小插值帧的预测范围,实现关注尺度改变;提出基于一致敏感哈希的帧插值方法,生成高质量的插值帧,实现帧率尺度改变;提出基于区域的运动序列插值方法,提高关注域插值细节,实现分辨率尺度改变。实验结果表明,相比于已有的方法,可取得更好的视觉效果和更高的客观评价指标值。     

基于颜色规格化的交通标志识别

采用神经网络群构成的分类器解决实景交通标志识别问题时,识别率普遍较低.分析可知,颜色复杂性造成的颜色失真是影响识别率的主要因素.遵循"简化复杂问题、基于颜色信息、采用智能方法"的基本思路,提出了一种新的解决方案:先通过颜色规格化方法将交通标志中复杂的颜色信息简化为5种基本颜色,然后再利用两级智能分类器实现分类.采用BP网络实现了颜色规格化;实验表明,这种方法具有很好的鲁棒性.     

New dynamical observer for a batch crystallization process based on solute concentration

In this paper a new observer is introduced to estimate the Crystal Size Distribution (CSD) only from the measurements of the solute concentration, temperature and a model of the growth rate. No model of the nucleation rate is needed. This approach is based on the use of a Kazantzis-Kravaris/Luenberger observer which exponentially estimates functionals of the CSD. Then, the full state is estimated by means of a Tikhonov regularization procedure. Numerical simulations are provided. Our approach relies on an infinite-dimensional observer, contrarily to the usual moment based observers.     

基于小波变换的木马心跳行为检测方法

通常的木马心跳行为检测方法利用的是聚类的思想,很难避免木马自身传输数据包的干扰,导致误报。为此,提出基于小波变换的木马心跳行为检测方法。该方法首先将TCP数据包流表示成包长度信号,然后用基于Mallat的强制阈值除噪算法对信号进行处理,最后通过基于包速率的行为详细信息判定算法得出检测结果。实验表明,该检测方法能有效地检测出心跳行为并具有较强的抗干扰性。     

基于能量特征和支持向量机的网络蠕虫检测方法

根据网络蠕虫攻击的特点,建立了能够反映蠕虫扫描特征的失败连接流量(FCT)时间序列,提出了一种基于FCT时间序列小波包能量特征和支持向量机(SVM)的蠕虫检测新方法。该方法利用小波包分析计算FCT时间序列在各频带投影序列的能量分布,获得能够表征蠕虫扫描的特征向量,使用经过样本训练的SVM分类器进行分类,实现蠕虫攻击扫描的自动检测。实验结果表明,该方法能够比较准确地检测蠕虫攻击,和理论值相比,漏报率低于6%,误报率低于1%。     

基于遗传算法的多维模糊分类器构造的研究

讨论了基于模糊遗传机器学习机制的密歇根方法在多维分类问题上的应用及性能问题,并提出了一种新的模糊遗传学习方法.将每一模糊规则作为遗传算法中的一个个体,且具有相应的适应度函数值.在提取模糊规则的同时,还对每个属性维的模糊划分进行学习以获取较好的模糊集合参数.另外,该方法引入了基于相似性的选择机制,减轻了选择机制对低适应函数值个体造成的选择压力,保持了种群的多样性,从而有效地避免了遗传算法收敛到局部解的问题.实验结果表明,该方法在多维模糊分类器的构造问题上具有较高的正确分类率、适应性较好等性能.