关于互信息准则在分类(包括拒识类别)问题中的应用

不同于传统的基于性能为评价指标的机器学习方法, 基于互信息评价准则的学习方法显示出了独到的优越性. 但是, 如何理解互信息概念在分类问题中的具体内涵与应用特点仍然是不明确的. 本文推导了归一化互信息与包括拒识类别分类矩阵的显式表达关系. 给出了归一化互信息在极值情况下的三个相关定理, 以及在二值分类情况下误差敏感度分析方程. 为互信息与传统分类性能指标作出了初步理论方面解释. 通过给出的若干简单实例, 讨论了互信息概念及评价准则在分类问题中的基本应用特点及相关问题.     

虚拟机显示性能评测系统

针对虚拟化环境下图形显示的特点,设计一个半虚拟化环境下的虚拟机显示性能评测系统。通过跟踪技术获取有关虚拟显示的相关性能参数,利用排队论知识对虚拟机的显示系统进行排队建模,分析影响虚拟显示系统性能的原因,并与实测得到的结果进行比较,指出虚拟显示系统在不同情况下的性能瓶颈。     

基于子空间信息量准则的前向神经网络设计理论与方法研究

从理论上提出了子空间信息量(SIQ)及其准则(SIQC)的概念；在此基础上阐述了基于上述准则的前向神经网络设计的相关理论，包括前向神经网络隐含层信息量(HLIQ)、存在性和逼近定理，给出了选择隐含层神经元数、权值向量集和隐含层激励函数的指导方向；提出了基于上述理论的一种可行的次优网络设计算法；最后，详细分析了网络性能指标及其影响因素，上述理论和方法完全克服了传统学习算法的各种弊端，丰富了前向神经网络设计领域的理论依据，具有较大的理论指导和实际应用价值，文中通过具体实例验证了上述理论和方法的可行性和优越性．     

DDoS防御评估准则的分类学研究

文章阐述了分布式拒绝服务防御系统评估的基本原则和分类准则,研究了基于集合论模型的防御系统评估准则的分类学,在此基础上建立了分布式拒绝服务防御系统评估准则的分类学视图.     

类别增量学习研究进展和性能评价

机器学习技术成功地应用于计算机视觉、自然语言处理和语音识别等众多领域. 然而, 现有的大多数机器学习模型在部署后类别和参数是固定的, 只能泛化到训练集中出现的类别, 无法增量式地学习新类别. 在实际应用中, 新的类别或任务会源源不断地出现, 这要求模型能够像人类一样在较好地保持已有类别知识的基础上持续地学习新类别知识. 近年来新兴的类别增量学习研究方向, 旨在使得模型能够在开放、动态的环境中持续学习新类别的同时保持对旧类别的判别能力(防止“灾难性遗忘”). 本文对类别增量学习(Class-incremental learning, CIL)方法进行了详细综述. 根据克服遗忘的技术思路, 将现有方法分为基于参数正则化、基于知识蒸馏、基于数据回放、基于特征回放和基于网络结构的五类方法, 对每类方法的优缺点进行了总结. 此外, 本文在常用数据集上对代表性方法进行了实验评估, 并通过实验结果对现有算法的性能进行了比较分析. 最后, 对类别增量学习的研究趋势进行展望.     

Performance Evaluation Criterion for Characterizing Video-Surveillance Systems

In the last decade, video surveillance systems have been developed to guard remote environments in order to detect and prevent dangerous situations. In general, such systems are very complex and their performances rely strongly on the values taken on by the parameters regulating the behavior of surveillance algorithms. This makes it difficult to compare performances to select the most suitable system for the problem considered. Moreover, parameters are set during the installation phase, but a good selection requires time and experience. In this paper, we present an evaluation method for characterizing video-surveillance systems in order to provide an easy way of system installation. The proposed procedure is based on the definition of Receiver Operating Characteristic (ROC) curves traced for different parameter sets and for different system working conditions. Examples are given that concern an indoor video-based surveillance system for detecting, recognizing and tracking moving objects; the system has been characterized and evaluated for different scenarios. Results prove the validation of the proposed evaluation procedure though a comparison of the performances obtained in a laboratory with the ones achieved in real working environments, after system installation following the guidelines provided by the proposed methodology.     

多传感器图像融合技术及评价方法研究

对图像融合的主要研究内容和方法进行了探讨,对像素级多分辨图像融合的主流方法作了深入地分析和定性比较,对图像融合效果的客观评价准则进行了比较和总结。实验结果表明基于多分辨分析的融合方法在主观视觉质量和客观评价准则上均具有明显优势,文中最后对图像融合的未来发展前景进行了展望。     

FuzzyBagging: A novel ensemble of classifiers

In this work, a new method for the creation of classifier ensembles is introduced. The patterns are partitioned into clusters to group together similar patterns, a training set is built using the patterns that belong to a cluster. Each of the new sets is used to train a classifier. We show that the approach here presented, called FuzzyBagging, obtains performance better than Bagging.     

基于支持向量机的学习评价系统

在分析学生学习行为的基础上,文章提出了支持向量机的学习评估系统的设计方案并进行了模拟,结果显示该系统能够有效地实现对学生的学习指导,同时给教师的教学提供了一个有力的教学辅助工具。     

基于SVM的综合评价方法研究

系统介绍了统计学习理论与支持向量机的基本思想，研究了它们在综合评价中的应用。分析了科研立项评审系统的设计方法，建立了基于SVM的评审系统。文末比较了新评审系统和采用其它方法如模糊排序、神经网络等建立的评审系统所分别取得的拟合效果，比较结果表明：采用支持向量机设计的评审系统结构简单、思路清晰地且能取得更为理想的评审结果。     

A text-based decision support system for financial sequence prediction

Although most quantitative financial data are analyzed using traditional statistical, artificial intelligence or data mining techniques, the abundance of online electronic financial news articles has opened up new possibilities for intelligent systems that can extract and organize relevant knowledge automatically in a usable format. Most information extraction systems require a hand-built dictionary of templates and thus need continual modification to accommodate new patterns that are observed in the text. In this research, we propose a novel text-based decision support system (DSS) that (i) extracts event sequences from shallow text patterns, and (ii) predicts the likelihood of the occurrence of events using a classifier-based inference engine. The prediction relies on two major, but complementary, feature sets: adjacent events and a set of information-theoretic functions. In contrast to other approaches, the proposed text-based DSS gives explanatory hypotheses about its predictions from a coalition of intimations learned from the inference engine, while preserving robustness and without indulging in formalism. We investigate more than 2000 financial reports with 28,000 sentences. Experiments show that the prediction accuracy of our model outperforms similar statistical models by 7% for the seen data while significantly improving the prediction accuracy for the unseen data. Further comparisons substantiate the experimental findings.     

一种改进的推广能力衡量准则

通过对支撑向量机推广能力的分析，提出了一种构造性的与样本分布有关的推广能力衡量准则．该准则与统计学习理论中的推广能力准则具有几何上的一致性，由样本的二阶统计量构成，比已有的完全不依赖于样本分布的推广能力上界更能反映学习过程的收敛性和收敛速率．较为重要的一点是该准则在学习过程之前是可处理的，所以它可以用作所有分类器中数据预处理的准则，同时也可以为支撑向量机模型的选择提供依据．文中最后给出的人工及实际的例子也很好地说明了该准则的合理性．     

基于ListMLE排序学习方法的机器译文自动评价研究

机器翻译译文质量的自动评价是推动机器翻译技术快速发展的一条重要途径。该文提出了基于List-MLE 排序学习方法的译文自动评价方法。在此基础上,探讨引入刻画译文流利度和忠实度的特征,来进一步提高译文自动评价结果和人工评价结果的一致性。实验结果表明,在评价WMT11德英任务和IWSLT08 BTEC CE ASR任务上的多个翻译系统的输出译文质量时,该文提出的方法预测准确率高于BLEU尺度和基于RankSVM的译文评价方法。     

基于机器学习的文学作品英译自动评价

为了提高文学英译作品自动评价的水平,引入基于机器学习的智能算法模型成为当前最有效的方法.首先研究文学作品的翻译规则和特殊性,建立基于变量特征的翻译评价指标体系;然后利用Python语言平台,英译文本经Stanford Parser、NLTK等工具包过滤预处理之后,采取VSM向量空间模型获得特征编码和特征度,再输入到Random-RF、Original-RF和AHP-RF算法模型中训练学习,完成翻译质量评价与分析.实验结果表明,融合层次分析法、灰色关联法和随机森林算法的AHP-RF模型的分类效果优于其它2种,同时人工译本相较于其它4种机器译本,质量评分高、分类错误率小,评价结果与实际翻译情况吻合.     

基于Xen的虚拟显示性能测试与评价

针对虚拟化环境下图形显示的特点,该文充分考虑了在虚拟化环境下显示性能的特殊性,选取了六个不同的应用．将其作为评价虚拟化环境下显示性能的重要指标;与此同时提出了一个虚拟化环境下虚拟机显示性能的评价标准．作为判断虚拟环境下虚拟机显示性能好坏的依据。     

云计算环境中虚拟机性能评测工具的研究与设计

介绍了云计算环境中服务器的部署方式及优缺点,总结了传统的服务器性能评测工具的特点,特别是对于云计算场景下的服务器测试方面的不足及存在的问题。基于此,分析了云计算环境中虚拟机性能测试的需求,并提出了虚拟机性能评测方法,主要针对性能评测工具的功能及关键问题进行了比较全面合理的方案设计。     

基于Xen的虚拟显示性能测试与评价

针对虚拟化环境下图形显示的特点,该文充分考虑了在虚拟化环境下显示性能的特殊性,选取了六个不同的应用,将其作为评价虚拟化环境下显示性能的重要指标;与此同时提出了一个虚拟化环境下虚拟机显示性能的评价标准,作为判断虚拟环境下虚拟机显示性能好坏的依据。     

一种基于学习的自动图像配准检验方法

图像配准是众多具体应用的共性核心技术, 如图像融合, 变化检测等. 然而, 当参考图像经过变换后, 如何自动地确定变换后的图像是否与目标图像真正达到了配准仍然是目前文献中一个尚未很好解决的问题. 究其原因, 主要是很难找到一种图像相似性的度量方法来有效地对配准后的图像进行评价. 不同于传统的方法, 本文提出了一种基于学习的相似性度量方法, 即将图像配准的度量问题转化为模式分类问题, 由基于机器学习设计的分类器自动检验图像是否配准. 本文对 400 组图像进行了配准检验, 实验结果显示了该方法的可行性和可靠性. 尽管本文方法的具体实现是针对基于 Fourier-Mellin 变换的配准算法, 但这种基于学习的图像配准检验思想同样可以应用到其他配准方法中.     

CROC: A New Evaluation Criterion for Recommender Systems

Evaluation of a recommender system algorithm is a challenging task due to the many possible scenarios in which such systems may be deployed. We have designed a new performance plot called the CROC curve with an associated statistic: the area under the curve. Our CROC curve supplements the widely used ROC curve in recommender system evaluation by discovering performance characteristics that standard ROC evaluation often ignores. Empirical studies on two domains and including several recommender system algorithms demonstrate that combining ROC and CROC curves in evaluation can lead to a more informed characterization of performance than using either curve alone.