里弗莫尔提出促进美国竞争力的国家计划

里弗莫尔提出促进美国竞争力的国家计划现在，冷战已经过去，能源部国防实验室的一些资源非国防高技术研究和开发变得日益可得。这种技术的开发和转让对政府和工业部门显然有益，同时可加强美国的经济地位，还能保持国家的安全。工业部门受益的关键是他们可以使产品销售周...     

基于快速组合神经网络分类器的数字调制识别新方法

单个神经网络分类器无法提供一种对所有数据进行精确解释的能力,但是会对部分数据贡献一些有用的信息,组合神经网络分类器利用有效的组合算法集成单个分类器,使分类能力得到显著提高.本文提出一种快速非线性组合算法对通信信号的调制类型进行分类,取得了较好的效果,实验结果证明了此方法的有效性.     

多分类器融合的快速高维特征聚类图像分割

提出一种多分类器融合的快速高维特征聚类图像分割方法,将图像高维特征数据的分类分解为基于灰度(颜色)特征的最佳模糊分类以及基于空域约束的统计分类等多个低维特征数据的分类.通过多分类器融合的方法将不同分类器得到的分类结果进行优化整合,得到最后的分类结果.实验证明:与其它图像分类算法相比,该方法拥有更好的分割性能并大大提高了计算速度,最大限度地保证了分割算法计算的简单有效性.     

P次判决分类器和欧氏线性分类器的设计

I~2S101系统是从美国进口的较大型处理图象计算机。本文从理论上和试验上对该机的三个监督分类软件系统进行分析比较,指出它们的优、缺点并根据“平行六面体分类器”和“最小距离分类器”的缺点,提出了对这两个分类器的改进意见,并且引入“多次判决”的概念,进而设计出两个新型的分类器,即“P次判决分类器”和“欧氏线性分类器”。     

One-Class分类器研究

 传统的多类分类问题需要多类样本训练分类器,然而由于样本获取(复杂性或代价)的原因很多情况下只能获取一类样本,故只能利用这一类样本进行学习,形成数据描述从而实现分类,故称之为One-Class分类.鉴于目前单类分类研究存在领域相关方法和通用方法百花齐放的格局,本文首先给出了当前One-Class分类器的研究综述,然后重点针对基于核方法的单类分类器进行分析,将该类方法分为对偶方式和核距离方式两类,并分析各自的特点.最后论文介绍了目前的单类分类器的应用领域,指出其在故障分析、异常检测、疾病诊断和敌我识别等现实问题中的重要作用.     

Voronoi域模式分类器

提出基于模式训练的Voronoi划分向量分类器结构,指出该结构是以欧几里得距离为测量的最优模式分类器,给出M类k维(k2)Voronoi域分类器的两个判决准则和三种结构。     

树分类器性能分析

本文对树分类器性能进行了全面的研究,分析了树分类器几种主要技术指标(差错率、分类速度及设备复杂性)与分类器级数及交叠度的关系,提出用分类器速度增益G_v与差错率劣化因数L_G的比值Q=G_V/L_G作为衡量分类器性能的参量,并导出它和模式集合N,树分类器级数M、交叠系数ζ以及分类门槛电平ζ=μ/σ的关系式。理论分析与实验结果基本相符。     

二阶环形间隔分类器

 采用二阶损失函数,提出了一种二阶环形间隔分类器,它运用超球面将两类训练样本隔开,同时最大化两类间隔.实验结果表明,不管是对平衡问题还是不平衡问题,所提出的二阶环形间隔分类方法都获得了比较好的分类效果.     

分类器的分类性能评价指标

通过具体应用实例,指出目前普遍使用的正确率和错误率评价指标在不平衡数据集、语义相关多分、不同错分代价等分类问题中评价分类器性能时存在的缺陷。为了解决这一问题,根据具体问题的不同,提出了综合使用查准率、查全率、漏检率、误检率、F-measure和分类代价矩阵、损失函数等新的分类器性能评价指标。通过实验证明,新的分类评价指标确实能很好的适应不平衡数据集、语义相关多分、不同错分代价等分类问题的分类器性能评价。