线性多步法模糊逻辑系统

根据求解常微分方程的线性多步逼近方法构造了线性多步法模糊逻辑系统以辨识由常微分方程所描述的未知动态系统,这种新的模糊逻辑系统在预测状态的同时也能够逼近系统微分方程中的未知函数,文中从理论上对精度作了分析,并用仿真验证了所得的结果。     

Classifier Ensembles with a Random Linear Oracle

We propose a combined fusion-selection approach to classifier ensemble design. Each classifier in the ensemble is replaced by a miniensemble of a pair of subclassifiers with a random linear oracle to choose between the two. It is argued that this approach encourages extra diversity in the ensemble while allowing for high accuracy of the individual ensemble members. Experiments were carried out with 35 data sets from UCI and 11 ensemble models. Each ensemble model was examined with and without the oracle. The results showed that all ensemble methods benefited from the new approach, most markedly so random subspace and bagging. A further experiment with seven real medical data sets demonstrates the validity of these findings outside the UCI data collection     

Fisher大间距线性分类器

作为一种著名的特征抽取方法,Fisher线性鉴别分析的基本思想是选择使得Fisher准则函数达到最大值的向量(称为最优鉴别向量)作为最优投影方向,以便使得高维输入空间中的模式样本在该向量投影后,在类间散度达到最大的同时,类内散度最小。大间距线性分类器是寻找一个最优投影矢量(最优分隔超平面的法向量),它可使得投影后的两类样本之间的分类间距(Margin)最大。为了获得更佳的识别效果,结合Fisher线性鉴别分析和大间距分类器的优点,提出了一种新的线性投影分类算法——Fisher大间距线性分类器。该分类器的主要思想就是寻找最优投影矢量wbest(最优超平面的法向量),使得高维输入空间中的样本模式在wbest上投影后,在使类间间距达到最大的同时,使类内离散度尽可能地小。并从理论上讨论了与其他线性分类器的联系。在ORL人脸库和FERET人脸数据库上的实验结果表明,该线性投影分类算法的识别率优于其他分类器。     

Deep Convolutional Generalized Classifier Neural Network

Neural Processing Letters - Up to date technological implementations of deep convolutional neural networks are at the forefront of many issues, such as autonomous device control, effective image...     

Convergence of a Generalized SMO Algorithm for SVM Classifier Design

Convergence of a generalized version of the modified SMO algorithms given by Keerthi et al. for SVM classifier design is proved. The convergence results are also extended to modified SMO algorithms for solving -SVM classifier problems.     

线性支持向量机多类分类器几何构造方法

针对支持向量机多类分类问题,根据样本点集凸包找寻模式类间隙,通过提取模式类间隙多边形中轴线构造多类分类边界。当基本支持向量机扩展为多类分类问题时,该方法克服了OAO和OAA等传统方法存在的决策盲区和类别不平衡等缺陷。基于仿真数据集的 实验结果表明,构造的分类边界在保证分类精度的同时,能够使分类空隙最大化,实现对线性可分多类数据的最优分类。     

对抗环境下的线性分类器对抗性比较

机器学习算法为很多安全应用提供了良好的解决方案,然而机器学习算法本身却面临被敌手攻击的威胁。为分析敌手攻击对机器学习算法造成的影响,本文提出符合某些特定场合的敌手攻击模型,并在该模型下比较几种线性分类器的对抗性。最后在垃圾邮件过滤公开数据库上进行测试,实验结果表明,支持向量分类器具有相对较好的对抗性。     

分类器线性组合的有效性和最佳组合问题的研究

通过多个分类器的组合来提升分类精度是机器学习领域主要研究内容,弱学习定理保证了这种研究的可行性.分类器的线性组合,也即加权投票,是最常用的组合方法,其中广泛使用的AdaBoost算法和Bagging算法就是采取的加权投票.分类器组合的有效性问题以及最佳组合问题均需要解决.在各单个分类器互不相关和分类器数量较多条件下,得到了分类器组合有效的组合系数选取条件以及最佳组合系数公式,给出了组合分类器的误差分析.结论表明,当各分类器分类错误率有统一的边界时,即使采取简单投票,也能确保组合分类器分类错误率随分类器个数增加而以指数级降低.在此基础上,仿照AdaBoost算法,提出了一些新的集成学习算法,特别是提出了直接面向组合分类器分类精度快速提升这一目标的集成学习算法,分析并指出了这种算法的合理性和科学性,它是对传统的以错误率最低为目标的分类器训练与选取方法的延伸和扩展.从另一个角度证明了AdaBoost算法中采用的组合不仅有效,而且在一定条件下等效于最佳组合.针对多分类问题,得到了与二分类问题类似的分类器组合理论与结论,包括组合有效条件、最佳组合、误差估计等.还对AdaBoost算法进行了一定的扩展.     

A Generalized Algorithm of Training a Formal Neuron

Activation functions of neurons are represented in the form of power series. An algorithm that controls the slope of an activation function is proposed. The results of numerical experiments are given.     

一种基于线性的朴素贝叶斯分类器知识库的组织方法

提出一种基于线性的朴素贝叶斯分类器知识库组织方法.该方法按照朴素贝叶斯分类算法对所有条件概率进行统一计算,最后把计算结果储存在以枚举类型为下标的线性表当中,以便于快捷查找条件概率并结合先验概率来预测未知类属的样本.该方法具有可扩展性.     

广义线性八元树表示及物体的广义三维重建

提出物体的广义线性八元树表示法,推广线性八元树的构造方法完成物体的广义三维重建--广义线性八元树表示,从而为物体三维重建降低约束、增加灵活性.     

自适应线性广义同步方法

针对参数未知混沌系统提出一种自适应线性广义同步方案,并用该方案实现参数未知统一超混沌系统的自适应线性广义同步,同时用该控制方案对参数未知统一超混沌系统进行参数识别。     

基于广义线性模型的变参数广义卡尔曼滤波

给出了连续系统的一种广义线性模型,不仅适用于已知系统,而且适用于未知系统,无论系统是线性还是非线性的。该模型系数服从确定的变化规律而无需在线辨识或预先计算,因而实时性好。定义了基于这种模型的变参数广义卡尔曼滤波。并给出其递推计算公式,可对未知系统实现实时滤波估计,且满足均方误差最小。该系统能方便、快捷、准确地实现未来多个时刻状态群的实时预报,以便提早掌握系统未来的运动趋势,提高系统的控制性能和对机动目标拦截的制导精度。算例仿真表明,结果是令人满意的。     

基于局部加权表示的线性回归分类器及人脸识别

线性回归分类器(Linear Regression Classifier,LRC)是一种有效的图像分类算法,然而LRC未关注数据的局部结构信息,忽略了类内样本之间的差异性,因此当人脸图像存在表情、光照、角度、遮挡等变化时分类性能不佳.针对此问题,文中提出了一种基于局部加权表示的线性回归分类器(Local WeightedRepresentation based Linear Regression Classifier,LWR-LRC).LWR-LRC首先以测试样本与所有样本的相似性为度量,构建每类样本的加权代表样本;然后将测试样本分解为加权代表样本的线性组合;最后将测试样本分类到重构系数最大的类别.LWR-LRC考虑了样本的局部结构,构建了每类样本的最优代表样本,使用代表样本进行计算,在提高鲁棒性同时,大幅缩短了计算时间.在AR,CMU PIE,FERET和GT数据集上的实验的结果表明,LWR-LRC与NNC,SRC,LRC,CRC,MRC,LMRC等算法相比,在性能上有很强的优越性.     

一种新的改进AdaBoost弱分类器训练算法

AdaBoost是机器学习中比较流行的分类算法.通过研究弱分类器的特性,提出了两种新的弱分类器的阈值和偏置计算方法,二者可以使弱分类器识别率大于50%,从而保证在弱分类器达到一定数目的情况下,AdaBoost训练收敛.对两种阈值和偏置计算方法的仿真实验结果表明,在错分率降可接受的范围内,二者均使用较少的弱分类器便可获得高识别率的强分类器.     

广义线性系统的分散控制

从混合型输出反馈控制的角度讨论了广义线性系统的分散控制问题，给出了一个广义性系统在混合型分散输出反馈下存在脉冲固定模的充分条件，提出卫通过实现分散正常化消除脉冲固定模的有效算法。     

Second Order Training of a Smoothed Piecewise Linear Network

In this paper, we introduce a smoothed piecewise linear network (SPLN) and develop second order training algorithms for it. An embedded feature selection algorithm is developed which minimizes training error with respect to distance measure weights. Then a method is presented which adjusts center vector locations in the SPLN. We also present a gradient method for optimizing the SPLN output weights. Results with several data sets show that the distance measure optimization, center vector optimization, and output weight optimization, individually and together, reduce testing errors in the final network.     

Linear Generalized Synchronization of Spatial Chaotic Systems

This paper is devoted to study the generalized synchronization of spatial chaotic systems by applying linear coupling. Based on the stability of the fixed point of a plane system, we obtain the stable domain of the space plane. According to the stable domain of the space plane, the stable domain of the coupling strength for the linear generalized synchronization of the spatial chaotic systems is determined. Moreover, the relationship between the stable fixed plane and the synchronization of the spatial chaos system is also analyzed. Finally, an example is presented to validate the scheme and the analysis.     

一种基于线性规划特征选择和集成分类器的图像隐写分析方法

隐写分析是防范由隐写术进行信息隐藏所带来危害的有效方法。图像隐写分析方法主要用于检测图像是否被隐写术嵌入隐秘信息。通用型图像隐写分析能够针对广泛类型的隐写术进行检测,该类方法一般采用从图像提取的统计特征和分类器模型进行。当前的高性能隐写分析一般采用高维特征和集成分类器进行。高维特征能够较好地表达图像统计特性中被隐写术扰动的成分,但另一方面,高维特征具有较多的冗余和无效成分,因此进行特征选择能较好的提升效率。本文提出一种使用线性规划的特征选择模型,该模型可与集成分类器协同使用,同时考虑集成分类器中子分类器的检测精度和多个子分类器使用特征的多样性。实验证明,本文提出的方法对多个隐写术的检测性能有较好的提升。     

一种Winnow线性分类器及其在TREC Novelty任务中的应用

文本检索会议(TextREtrievalConference,TREC)是目前国际上信息检索领域最重要的学术交流与国际评测活动。笔者等人代表中科院计算所参加了2003年TREC的Novelty任务。在该任务中,实现了Winnow线性分类器在检测relevant句子和novel句子中的应用。实验表明,这种简单的分类方法表现了较好的性能。