一种聚类型基于示例学习新方法

借鉴聚类思想和万有引力计算方法,提出了解决基于示例学习中两个关键问题的新思路,这两个新思路分别是,利用示例邻近同类其它示例数目来描述该示例潜在预测能力,以及利用实例质量来帮助更加准确地预测新实例类别。据此构造了一种聚类型基于示例学习的新方法,并利用标准机器学习数据库中3个复杂数据样本,对所提方法的性能进行实验检测,有关的对比实验结果表明,所提方法在实例预测能力以及学习结果占用空间有效性方面,均优越其它多种基于示范学习方法。     

PG-HMI:一种基于互信息的特征选择方法

传统的基于样本的互信息估计方法不能直接处理离散、连续属性混合的情况.本文给出一种能够直接处理混合属性的互信息估计方法(PG法).为了更好地考虑属性之间的关联,提出名为HMI的特征选择准则.结合PG互信息估计方法和HMI特征选择准则,给出一种新的特征选择方法(PG-HMI).实验结果验证PG互信息估计法的合理性及PG-HMI特征选择方法的有效性.     

基于最大联合条件互信息的特征选择

在高维数据如图像数据、基因数据、文本数据等的分析过程中,当样本存在冗余特征时会大大增加问题分析复杂难度,因此在数据分析前从中剔除冗余特征尤为重要。基于互信息（MI）的特征选择方法能够有效地降低数据维数,提高分析结果精度,但是,现有方法在特征选择过程中评判特征是否冗余的标准单一,无法合理排除冗余特征,最终影响分析结果。为此,提出一种基于最大联合条件互信息的特征选择方法（MCJMI）。MCJMI选择特征时考虑整体联合互信息与条件互信息两个因素,两个因素融合增强特征选择约束。在平均预测精度方面,MCJMI与信息增益（IG）、最小冗余度最大相关性（mRMR）特征选择相比提升了6个百分点;与联合互信息（JMI）、最大化联合互信息（JMIM）相比提升了2个百分点;与LW向前搜索方法（SFS-LW）相比提升了1个百分点。在稳定性方面,MCJMI稳定性达到了0.92,优于JMI、JMIM、SFS-LW方法。实验结果表明MCJMI能够有效地提高特征选择的准确率与稳定性。     

基于示例学习的特征空间变换方法

特征空间是人工智能领域中经常用的基本概念之一，人工智能领域中的许多问题可以可以通过特征空间变换的方法化简和求解。文中提出了一种基于示例学习的特征空间变换方法。     

一种基于语料库和互信息的本体学习方法

提出了一种应用中文自由文本作为知识源的本体构造方法,将采用该方法分词后得到的词汇分别计算,进而得到在样本文本和日常语料库中的出现概率估计值,将二者对比得到出现频率的显著性指标,由此自动识别并提取领域用词汇,再应用互信息分析识别领域词汇之间的结合特性.它可自动建立可能的领域本体词汇及词汇之间基本关系的集合,同时还可构造出基于领域词汇和它们之间结合度的领域词图,为进一步进行人工本体构造提供方便的可视化界面.该成果可为实现大规模基于内容的知识管理提供自动化/半自动化本体支持.     

用粗糙集理论建立决策树的一种方法

在数据挖掘中，分期是一个很重要的问题，有很多流行的分类器可以创建决策树木产生类模型。本文介绍了通过信息增益或熵的比较来构造一棵决策树的数桩挖掘算法思想，给出了用粗糙集理论构造决策树的一种方法，并用曲面造型方面的实例说明了决策树的生成过程。通过与ID3方法的比较，该种方法可以降低决策树的复杂性，优化决策树的结构，能挖掘较好的规则信息。     

一种基于示例非独立同分布的多示例多标签分类算法

多示例多标签学习是一种新型的机器学习框架。在多示例多标签学习中,样本以包的形式存在,一个包由多个示例组成,并被标记多个标签。以往的多示例多标签学习研究中,通常认为包中的示例是独立同分布的,但这个假设在实际应用中是很难保证的。为了利用包中示例的相关性特征,提出了一种基于示例非独立同分布的多示例多标签分类算法。该算法首先通过建立相关性矩阵表示出包内示例的相关关系,每个多示例包由一个相关性矩阵表示;然后建立基于不同尺度的相关性矩阵的核函数;最后考虑到不同标签的预测对应不同的核函数,引入多核学习构造并训练针对不同标签预测的多核SVM分类器。图像和文本数据集上的实验结果表明,该算法大大提高了多标签分类的准确性。     

基于集成多示例学习决策树分析的三维运动检索

随着运动捕获设备的普及,大量的运动数据可以直接得到,从而使得大规模的运动数据库的建立成为可能.在此背景下,研究以检索为核心的运动捕获数据处理技术就显得十分重要了.提出了一种对运动捕获数据中的人体的各个关节点提取一种基于三维空间变换规律的三维空间特征的方法,并基于空间运动连续性引入了关键空间的概念.针对各关节点空间特征相对保持独立的特性,用每个关节点作为索引,并通过集成学习的多示例决策树的学习方法去分析关节点对运动相似的不同影响,最终实现了一个高效的运动检索系统.     

一种基于互信息的图像配准算法

针对红外和可见光图像的特性,提出了一种基于互信息的图像配准算法。该算法采用互信息作为红外和可见光图像的统计相关性测度,并使用仿射模型实现两者的配准。实验结果表明,该算法能够较好的进行图像间尺度、旋转和平移差别的修正,可以很好地解决成像差异较大的红外与可见光图像间的配准问题。     

一种基于CRO的高阶神经网络多示例学习方法

在多示例学习(MIL)中,包是含有多个示例的集合,训练样本只给出包的标记,而没有给出单个示例的标记。提出一种基于示例标记强度的MIL方法(ILI-MIL),其允许示例标记强度为任何实数。考虑到基于梯度训练神经网络方法的计算复杂性和ILI-MIL目标函数的复杂性,利用基于化学反应优化的高阶神经网络来实现ILI-MIL,学习方法具有较强的非线性表达能力和较高的计算效率。实验结果表明,该算法比已有算法具有更加有效的分类能力,且适应范围更广。     

一种基于信息增益与费用评价函数的特征选择准则

特征选择问题是机器学习和模式识别中的一个重要问题,然而,在实际应用中,由于没有将特征选择与特征提取过程统一考虑,只注重特征本身的分类性能,没有考虑特征提取的费用问题,导致识别系统的效率较低,文中从实际应用角度,提出一种新的特征选择准则,将分类性能与特征的提取费用统一考虑,利用信息增益与特征提取费用综合评价函数作为特征选择准则,并给出了启发式算法ＥＣＦＳ〈将算法应用于实际领域的学习问题并与决策树算     

基于信息增益和粗糙集的入侵检测方法

传统的随机森林在网络入侵检测中收敛速度慢,并且学习性能不够完善。为消除原始入侵检测数据中的冗余信息,提出一种基于信息增益和粗糙集的随机森林入侵检测方法。使用信息增益对数据的各个属性进行相关分析,删除冗余属性,减小属性简约的时间复杂度;利用粗糙集理论从数据中提取分明函数,求得属性简约;使用随机森林分类器进行分类。实验结果表明,该方法收敛速度较快,在召回率和精度方面都要高于传统的随机森林方法,尤其是在训练样本充足的网络环境下,效果更加明显。     

基于信息共享的测量引导网的构建方法

针对飞行试验中各参试装备不能实时共享数据、相互引导的问题,本文设计了一种将所有参试测量装备通过有线和无线的方式链接为一个能够信息共享的网络平台,讨论了运用平滑剔点、坐标转换、数据融合、数据外推等数学方法优化引导数据,实现了各设备之间快速、实时相互引导的功能,有效增强了装备使用效率和整体测量能力。     

基于散焦图像的物体深度信息恢复方法

提出一种使用散焦图像恢复物体深度信息的新方法。该方法使用单个相机,通过改变其光圈大小获得两幅不同散焦程度的图像,结合模糊边缘的边界提取与Hough变换的圆、直线检测技术求取两幅散焦图像对应位置的模糊边缘宽度差值,并利用该差值计算物体深度信息。实验结果证明该方法能在一定精度内较快速地恢复物体深度信息。     

动态环境中基于增强式学习的路径规划方法

本文结合机器人路径规划问题介绍了增强式学习方法 ,实现了动态环境中基于增强式学习的自适应路径规划 .增强式学习通过采用随机性的控制策略 ,实现策略的优化搜索和在线学习 .并采用具有模式增强输入的BP网络进行决策参数估计 ,加快学习的收敛 .仿真试验证明该方法能有效实现动态环境中机器人的避碰和导航     

基于信息增益法的决策树构造方法

决策树数据挖掘技术是目前最有影响和使用最多的一种数据挖掘技术。决策树构造的方法很多,本文提出一种基于信息增益法的决策树构造方法。给出了相应的决策树构造算法,并通过一个实例对其进行了说明。最后,本文对噪声问题、子树复制和碎叶等问题提出了解决思路。     

基于本体的电力多数据源信息集成研究

在电力领域,由于异构的多数据源带来的语义冲突问题越来越成为制约信息集成的难点。基于本体的概念,提出一个电力信息语义集成方案。从分布式的电力数据源中提取出局部本体,然后将局部本体整合为全局本体,从而消除数据库之间的信息冗余与冲突,能够实现多维查询、信息推理和本体演化等功能,从语义层面实现电力信息的无歧义共享与重用。     

一个基于机器学习的神经网络初始化方法

本文针对ＢＰ前馈神经网络存在的训练时间长、容易陷入局部极小等问题，研究了一个基于机器学习的神经网络初始化方法。实验结果表明，用这种方法初始化神经网络，提高了神经网络的学习效率和泛化能力，并且可以有效地抑制陷入局部极小的可能性。     

基于ActiveX技术的图纸标题栏信息自动提取

剖析了ＡｃｔｉｖｅＸ Ａｕｔｏｍａｔｉｏｎ技术和ＡｒｔｏＣＡＤ Ｒ１４新提供的Ａｕｔｏｎｍａｔｉｏｎ编程接口,在此基础上介绍了基于ＡｃｔｉｖｅＸ Ａｕｔｏｍｔｉｏｎ技术从ＡｕｔｏＣＡＤ的ＤＷＧ文件中自动提取标题栏和明细栏管理信息的方法,并给出了关键技术的源程序．在此技术上开发出的软件包在实践中得到了较好的应用．