基于概念的形状分类和识别

基于中文自然语言中的形状名词,提出了一种基于概念的形状分类方法。利用简单的形状描述参数进行二分类与利用复杂的形状参数进行模糊分类相结合的原则,实现形状分层分类。给出了17类基本形状的分类实验结果,表明该方法的可行性。     

一种基于多维属性的网络攻击分类方法

本文以攻击分类的六要素为基本原则,分析总结了现有的网络攻击方法,基于自动化安全测评的需求,提出了一种基于多维属性的攻击分类基本构架.     

用面向对象的方法实现层次分类模型

本文首先简要地介绍了层次分类方法及其意义，以及建立分类模型的方法原则；然后，介绍了面向对象的思想，特别是面向对象的知识表达方法，并提出了用对象分类的结构来表达层次分类结构的方法；最后提出了面向对象的层次分类模型的求解机制——推理机制和解释机制，进而较全面、系统地提出了一种用崭新的面向对象的方法实现层次分类模型的方法技术。     

航空机载软件缺陷分类方法研究及应用

分析现有软件缺陷分类方法,针对现有缺陷分类方法不能完全适用于航空机载软件缺陷管理的问题,结合机载软件研制阶段和特点,以现有软件缺陷分类方法为基础,综合考虑缺陷度量分析的要求,提出一种符合航空机载软件研制特点的缺陷分类方法,并给出了“缺陷类别”详细的分类.将其应用于实际软件研制过程中,应用结果表明,该方法满足机载软件缺陷分类原则.     

基于最大隶属度原则的基因表达式编程分类

提出了一种基于最大隶属度原则的基因表达式编程(Gene Expression Programming,GEP)分类方法MDM-GEP。引入模糊集合中的隶属度描述分类的模糊性,在训练集上得到逼近各类别隶属函数的GEP分类器。对于待分类实例,计算其在各模糊集中的隶属度,基于最大隶属度的模糊模式识别原则确定最终归属类,并在三个UCI数据集上对该算法进行了实验。实验结果表明,MDM-GEP不仅具有较好的分类性能,而且有效解决了传统的简单GEP分类方法中存在的拒分区域问题。     

一种限定性的双层贝叶斯分类模型

朴素贝叶斯分类模型是一种简单而有效的分类方法,但它的属性独立性假设使其无法表达属性变量间存在的依赖关系,影响了它的分类性能.通过分析贝叶斯分类模型的分类原则以及贝叶斯定理的变异形式,提出了一种基于贝叶斯定理的新的分类模型DLBAN(double-level Bayesian network augmented naive Bayes).该模型通过选择关键属性建立属性之间的依赖关系.将该分类方法与朴素贝叶斯分类器和TAN(tree augmented naive Bayes)分类器进行实验比较.实验结果表明,在大多数数据集上,DLBAN分类方法具有较高的分类正确率.     

一种结合云模型的文本分类方法

为了降低在传统的文本分类方法中自然语言的不确定性对分类效果的影响,提出了一种结合云模型的文本分类方法。该方法分别定义文本和类别的云模型,通过计算测试文本和每个类别的云相似度,根据最大相似度原则确定测试文本所属的类别。实验结果表明,与传统的K-NN算法相比,该方法在分类准确率等方面有所提高。     

一种基于PCA-LDA的卫星遥感图像的分类方法

结合主成分分析PCA(Principal Components Analysis)和线性判别分析LDA(Linear Discriminant Analysis)的特点,提出一种基于PCA-LDA算法的卫星遥感图像色彩分类方法。该算法将PCA算法和LDA算法的特征空间相融合,得到融合颜色特征空间。该方法去除了图像的R、G、B之间的相关性,改善了光照敏感性,采用基于区域分类的空间一致性原则对图像进行颜色分类。实验结果表明,该方法是对多频谱遥感图像分类的一种有效的方法。     

面向文本分类的基于最小冗余原则的特征选取

在文本分类中,为了降低计算复杂度,常用的特征选取方法(如IG)都假设特征之间条件独立。该假设将引入严重的特征冗余现象。为了降低特征子集的冗余度,本文提出了一种基于最小冗余原则(minimal RedundancyPrinciple,MRP)的特征选取方法。通过考虑不同特征之间的相关性,选择较小冗余度的特征子集。实验结果显示基于最小冗余原则方法能够改善特征选取的效果,提高文本分类的性能。     

基于多表达式编程的分类算法研究

多表达式编程是一种基因可复用的线性遗传程序设计方法,目前已应用于许多数据挖掘问题,但在分类问题中的研究还比较少.针对多表达式编程的编码特点并结合现有分类方法,提出一种新的分美算法.该算法将分类规则蕴含于多表达式编程的染色体内,并按照适者生存的原则对分类规则进行演化挖掘.实验表明该算法具有可行性,能够达到较高分类精度.     

最小距离分类器的改进算法--加权最小距离分类器

最小距离分类器是一种简单而有效的分类方法。为了提高最小距离分类器的分类性能,主要的改进方法是选择更有效的距离度量。通过分析多重限制分类器和决策树分类器的分类原则,提出了基于标准化欧式距离的加权最小距离分类器。该分类器通过对标称型和字符串型属性的距离的加权定义。以及增加属性值的范围约束,扩大了最小标准化欧式距离分类器的适用范围,同时提高了其分类准确率。实验结果表明,加权最小距离分类器具有较高的分类准确率。     

一种面向演进数据流的结合相似准则和反例信息的分类新方法

提出一种面向演进数据流数据的分类方法, 在有效利用相邻演进窗内数据间相似性信息的基础上, 通过引入反例信息, 构建一种面向演进数据流的增强型演进分类器优化目标函数, 从而推导出面向演进数据流的分类方法.该方法在保有最大间隔原则和全局优化特性的同时, 充分考虑了反例信息对待解分类平面的影响. 在模拟和真实数据集上进行实验, 结果表明了所提出方法的有效性.

     

一种改进的C均值法初始类划分方法

C均值法是计算机模式分类中一种重要的动态聚类方法,它主要是利用模式间最小距离原则进行分类,其分类效果受到模式的协方差阵和初始类心选取方法的影响。在分析这两个影响因素的基础上,给出了一种新的基于二分或二倍类内距离试探的初始聚类中心的选取和类的初始划分方法。此方法可以不需要先验知识,这对于从事相关研究的人员有一定的参考价值。     

一种新的基于ART的支持向量机多类分类方法

基于支持向量机的二值分类原理，提出了一种由自适应共振理论方法与支持向量机相结合的改进型多类分类方法,此方法改进了传统支持向量机的一对一多类分类方法；对于每个二值分类器的结果进行决策时没有采用投票原则，而是采用自适应共振理论网络融合二值分类器的输出信息，从而克服了当分类器输出结果接近于O时投票法容易出现决策错误和票数相同时无法决策的不足．此算法已应用于玻璃的分类．仿真实验证明，此方法具有较好的分类效果．     

容错的移动代理框架及执行

容错是移动代理系统实现的重要条件。介绍了基于暂存复制和基于空间复制分类方法。对移动代理的容错研究需要解决的关键问题:只一次原则,提出了基于事务处理领导者选举的容错方法。     

模糊聚类分析在生产管理应用的探讨

本文从最大隶属原则和择近原则的有教师样本识别模式分类理论出发 ,然后用聚类分析无教师识别的模糊模式识别方法 ,对工人完成的质量和数量及其出勤三个项目所构成的论域进行聚类 ,并探讨了聚类分析不同的识别方法产生不同的分类。     

基于SVM的墙地砖颜色自动分类

支持向量机(SVM)是一种采用结构风险最小化原则的新的机器学习方法,具有完备的理论基础。该文首次把支持向量机技术应用于墙地砖的自动分类,首先通过对墙地砖图像的RGB通道进行小波分解,由于不同通道的相关性,故提取其协变信号作为特征集,再构建二叉树形式的决策树来实现SVM多类分类,然后对墙地砖进行了颜色分类实验,并与knn分类结果对比,实验结果证明SVM分类器具有更高的分类准确率。     

一种懒惰式决策树和普通决策树结合的分类模型——半懒惰式决策树

懒惰式决策树分类是一种非常有效的分类方法。它从概念上为每一个测试实例建立一棵“最优”的决策树。但是,大多数的研究是基于小的数据集合之上。在大的数据集合上,它的分类速度慢、内存消耗大、易被噪声误导等缺点,影响了其分类性能。通过分析懒惰式决策树和普通决策树的分类原则,提出了一种新的决策树分类模型,Semi—LDtree。它生成的决策树的节点,如普通决策树一样,包含单变量分裂,但是叶子节点相当于一个懒惰式决策树分类器。这种分类模型保留了普通决策树良好的可解释性,实验结果表明它提高了分类速度和分类精确度,在某些分类任务上它的分类性能经常性地胜过两者,特别是在大的数据集合上。     

基于Geoway的森林资源数据采集方案设计研究

以Geoway软件为森林资源矢量数据采集平台，根据合肥市森林资源地理信息管理系统的需要，探讨了森林资源地理信息分类编码的原则；采用基于研究对象的图形分类方法，建立了一套合肥市森林资源地理信息分类编码方案。利用该方案所采集的数据能用于各种GIS软件，满足制图与GIS分析的需要，已在合肥市森林资源空间数据库中使用，并取得了良好的效果。     

面向文本分类的基于最小冗佘原则的特征选取

在文本分类中，为了降低计算复杂度，常用的特征选取方法（如IG）都假设特征之间条件独立。该假设将引入严重的特征冗余现象。为了降低特征子集的冗余度，本文提出了一种基于最小冗余原则（minimal Redundancy Principle，MRP）的特征选取方法。通过考虑不同特征之间的相关性，选择较小冗余度的特征子集。实验结果显示基于最小冗余原则方法能够改善特征选取的效果，提高文本分类的性能。