基于纹理的文本依存的离线笔迹鉴别

针对文本依存的离线笔迹鉴别,提出一种基于纹理的算法.该算法采用Gabor变换对纹理进行分析,选取4个频率8个相位,通过变换,选取32维变换系数的方差作为笔迹特征,在分类时使用欧氏距离作为分类器,并且提出一种新的阈值获取方法,针对该算法进行实验得出,正确接受率为89.3%,正确拒绝率为80.0%.     

试论笔迹鉴定差异的分析与判断

个人书写习惯的形成,会在笔迹中体现出一定的差异,而不同个体所表现出的书写差异,在差异当中又存有一定共性。因此,利用已知笔迹与未知笔迹的校验、对比等方式,能够判断笔迹的差异,以保证鉴定意见更加科学严谨。在常规笔迹鉴定中,差一点分析及其判断往往是关键环节,同时也是衡量鉴定结果的主要依据。本文将重点分析笔迹鉴定差异的分析方式和判断方法,对其差一点做详细传输,进而提出具有可行性的鉴定判断方法,以促进鉴定结构更具科学性。     

基于改进多数规则的笔迹鉴定信息融合

针对传统笔迹鉴定信息融合算法的不足,提出了改进多数规则信息融合算法。在笔迹鉴定过程中,分别用文本依存的距离变换法、几何矩算法和多通道分解与匹配算法三种特征提取算法进行特征提取,三种算法的提取结果采用基于改进多数规则的笔迹鉴定信息融合算法进行融合。在融合的同时,单独对每种笔迹鉴定方法在相同的条件下进行了实验,并且设计相应分类器,估计分类器的错误率。实验结果表明,运用本文的融合算法,在融合后笔迹鉴定准确率有大幅度的提高。     

一种文本处理中的朴素贝叶斯分类器

首先在特征独立性假设的基础上，讨论了朴素贝叶斯分类器的原理，以及训练朴素贝叶斯分类器和应用朴素贝叶斯分类器进行分类的问题。然后，通过EM算法（期望值最大算法），自动增加训练量，以得到较为完备的训练文本库，扩展了朴素贝叶斯分类器的应用，提高了朴素贝叶斯分类器的分类精度。文章最后给出一组实验数据。本文的研究发现，朴素贝叶斯分类器分类精度较高，并且不存在单分类器与多分类器的实现差异，是一个比较实用的分类器。     

基于模糊积分的多分类器融合文本分类研究

提出一种基于模糊积分的多神经网络分类器融合文本分类方法,利用Sugeno模糊积分作为融合工具,将BP神经网络、RBF神经网络及采用K-means算法的RBF神经网络等多种文本分类器相结合,取得了更加优化的中文文本分类结果。     

一种改进的朴素贝叶斯分类器在文本分类中的应用研究

文本分类是数据挖掘领域中重要的研究分支.通过对自适应遗传算法和朴素贝叶斯分类器的研究,提出一种基于自适应遗传算法的朴素贝叶斯分类算法.将该算法应用于中文文本分类中,可以生成最优贝叶斯分类器及最优属性集合,提高分类精度.     

基于Naive Bayes的文本分类器的设计与实现

利用Naive Bayes分类算法,在Windows操作系统中使用Jbuilder实现一个英文邮件分类系统.使用JavaMail API开发一个邮件客户端程序,将邮件分类的功能与之集成,对接收到的邮件依据邮件的内容自动分类到Junk和Legimate两个文件夹中.     

手写体笔迹识别中分类器的设计及实现

为提高手写体笔迹识别的识别率和稳定度,将信息融合理论应用到识别算法中,给出了多分类器融合的结构框图;采用将笔迹的特征向量转化为待识样本(检材)的特征向量与样本库中的样本特征向量的距离值作为神经网络的输入值,将多类识别问题转化为判断是否为同一类的问题;提出利用分类器的先验知识,为每个分类器构造一个混淆矩阵,来标识每个分类器的分类能力.     

论伪装签名的鉴定

本文讨论了伪装签名的定义和对签名笔迹进行分类的必要性和现实性,比较分析了实践中容易混淆的伪装签名和摹仿签名的相同点和不同点,论述了如何对伪装签名进行正确的鉴定.     

基于组合凸线性感知器的文本分类模型

针对文本分类问题,从分片线性学习的角度出发,提出了一种文本分类的组合凸线性感知器模型.首先,对文本样本集进行预处理,包括特征选择、特征项赋权等;然后,分别利用生长支持组合凸线性感知器算法(growing support multiconlitron algorithm,GSMA)和支持组合凸线性感知器算法(support multiconlitron algorithm,SMA)构造组合凸线性感知器,对样本集进行分类.该模型基于支持向量机的最大间隔思想,通过集成线性分类器,实现了对2类数据的划分,具有计算简单、适应能力强的优点.在标准文本数据集上的实验结果表明:该模型所构造的分类器具有良好的文本分类性能,与其他典型文本分类方法的对比也说明了该方法的有效性.     

一个基于遗传分类器的入侵检测系统

为了解决计算机系统中入侵检测问题，提出基于遗传分类器的方法，给出了编码方案和规则匹配算法，进而改进了规则更新算法．依据这些算法构建的系统经过仿真实验得到较好的结果，对个别攻击检测率可以达到96％．基于遗传分类器的入侵检测系统具有多级别特征采集和入侵规则集自动更新的特点，适合用于计算机安全防御领域．     

基于安全协议操作语义模型的组合协议分析及验证

协议的可组合性问题是安全协议形式化分析及验证领域的一个公开问题,通过提出采用安全协议的操作语义模型对组合协议进行形式分析和验证,建立了Yahalom和Denning-Sacco组合协议的操作语义模型,并用基于操作语义模型的自动化验证工具Scyther验证了其安全性,发现了一个针对Yahalom协议机密性的组合攻击.结果表明,操作语义模型是分析与验证组合协议的一种可行方法.     

一种基于遗传算法的受限制的分类器学习算法

提出了一种基于遗传算法的受限制BAN分类器算法-GBAN(genetic algorithm based BAN)。新算法采用了遗传算法进行网络结构的学习,限制了所学习的BAN分类器结构的复杂度。同时对TAN分类器的结构进行了扩展,得到了一种受限制的BAN分类器。针对这种分类器的结构学习,设计了结合对数似然的适应度函数及相应的遗传算子,并给出了网络结构的编码方案,使得该算法能够收敛到全局最优的结构。实验结果表明,当数据集属性之间关系相对复杂的时候,GBAN比TAN的分类准确率高,分类效果较好。     

基于相关分析法的介质损耗因素测量

用谐波分析法进行介损测量时,很容易受到系统频率波动的影响,从而降低测量的准确度．提出一种介损测量新方法,可有效消除信号初相角的差异和频谱泄漏的影响．仿真分析结果表明该方法能有效提高介损测量的准确性和稳定性．     

基于聚类组织协同进化的入侵检测算法

针对组织协同进化分类算法中样本数据集数量较大时对训练样本的学习不充分,分类的效率和准确性不高的问题,提出了一种将聚类融入了组织协同的进化算法.该算法在分析组织协同进化特征的基础上,形成聚类组织协同进化算法,并将此算法应用于入侵检测问题中使得训练样本得到比较充分的学习.通过该算法对KDDCUP99数据集进行仿真对比实验,验证了该算法的有效性.     

基于支持向量机和多球体的一对多分类器

为了提高支持向量机（SVM）多分类器的训练效率,将多球体思想引入有指导学习,对训练样本按类别分别进行一类支持向量机（1-SVM）训练得到多球体分类器.针对多球体的冗余区域,构造简化一对多分类器将各球内混叠样本与正常样本分离.以上两个分类器性能互补,可以加权组合为多球体一对多分类器.同时给出了组合分类器基于交叉验证的权重估计和参数调整.仿真实验表明,相对于一对多算法,该分类器训练时间较短且分类正确率较高;相对于一对一算法,该分类器决策速度较快,有助于解决大样本的多分类问题.     

基于ZING的Web服务建模与验证

为了验证Web服务的正确性和可靠性等性质以及提高Web服务流程验证的自动化程度,提出了一种适合构造BPEL4WS(Web服务的业务流程执行语言)结构模型的输入输出标记迁移系统(I/OLTS)作为中间形式化模型,将BPEL转化为中间形式模型I/OLTS,然后再转化为软件模型检测工具ZING的输入语言的转化算法,并应用ZI...     

基于免疫网络的无监督式分类算法

基于免疫网络原理,提出了一种新的无监督式分类算法。首先基于形态空间理论给出了抗体、抗原和免疫网络的形式化定义,建立了抗体克隆选择、高频变异以及免疫记忆的动态模型和相应的数学方程,最后给出了分类过程。实验表明该算法的分类精度要高于其它传统的聚类算法,并具有很好的持续学习、动态调节、特性记忆等特性。如果把抗体视为某种既定模式,合理地调整抗原集合,则该模型具有广泛的用途。     

基于ICA和神经网络的手写体字符识别系统

探讨独立分量分析在字符识别系统中的应用.在分析图像处理及其特征提取的基础上,提出一种可有效提高字符识别精度、降低误识率的基于独立分量分析和神经网络的手写体字符识别系统.实验表明,提出的字符识别系统与单独基于神经网络的字符识别系统相比,其识别率和适应性优越,适合应用于对字符识别精度要求高的场合.     

基于多GEP分类器和DGA的变压器故障诊断

将GEP(Gene Expression Programming)方法与变压器油中溶解气体分析方法结合起来,提出了基于自适应GEP分类算法的变压器故障诊断方法。该方法继承了遗传算法(GA)的线性性和遗传程序设计(GP)的普适性,从而达到了简单编码解决复杂问题的目的,具有良好的收敛性和鲁棒性。选择能反映各种故障而又不冗余的400组DGA实测数据作为GEP分类器的训练样本和测试样本,并将测试结果与NB分类器,BP网络法,免疫分类法进行对比分析。大量诊断实例表明,所提出的自适应多GEP分类方法适用于变压器故障诊断,其性能优于另外3种方法。