基于并行反向熵决策树算法的人工神经网络

针对数据分类挖掘问题,利用并行思想,提出一种基于并行反向熵决策树算法的人工神经网络.通过概率度量水平生成并行决策树对数据进行粗处理,以加快人工神经网络的分析速度.随后采用一组仿真数据对该方法进行测试和评估.实验结果表明,该并行分类方法比单个决策树具有更高的分类精度,并在保持分类结果良好可解释性的基础上优化了分类规则.     

小波神经网络在农药荧光光谱识别中的应用

对于结构非常相似的农药,它们的荧光光谱也非常相似并且在很宽波长范围内相互重叠.传统的荧光光谱分析法很难对其进行分类识别.一种基于小波分析而构造的新型神经网络--小波神经网络是利用它并适当选取网络结构和小波基,实现了对卡死克、盖虫散和吡虫啉三种农药荧光光谱的分类识别.实验表明,小波神经网络对光谱间的细微结构差别具有良好的识别能力.通过比较发现,在分类识别方面小波神经网络比BP网络具有更高的分辨率及较少的训练次数.     

基于数据挖掘的邮件分类识别研究

在贝叶斯过滤技术的启发下,选择数据挖掘的方法来研究一种具有学习能力的邮件过滤技术.通过对电子邮件的分析和研究,提出对邮件结构字段信息和邮件正文信息加以离散和特征化处理,用向量的方式表示电子邮件,建立了一种基于信息熵的决策树邮件分类识别模型.     

一种雷达辐射源信号分类新方法

针对复杂体制雷达辐射源信号分类问题,提出一种基于时频分析、图像处理和支持向量机的辐射源信号分类新方法.该方法将辐射源信号分类问题转换为图像处理及识别问题,先对辐射源信号进行时频分析,获得时频分布图,并将其转化为灰度图像并作归一化处理,再用支持向量机对处理后的图像进行分类.5种典型辐射源信号分类实验表明,该方法在信噪比高于2.5 dB时,平均正确分类率达92%以上.     

基于神经网络的分类决策树构造

目前基于符号处理的方法是解决分类规则提取问题的主要方法,而基于神经网络的连接主义方法则用的不多,其主要原因在于虽然神经网络的分类精度高,但难于提取其所隐含的分类规则与知识.针对这个问题,结合神经网络的具体特点,该文提出了一种基于神经网络的构造分类决策树的新方法.该方法通过神经网络训练建立各属性与分类结果之间的关系,进而通过提取各属性与分类结果之间的导数关系来建立分类决策树.给出了具体的决策树构造算法.同时为了提高神经网络所隐含关系的提取效果,提出了关系强化约束的概念并建立了具体的模型.实际应用结果证明了算法的有效性.     

基于加速度的小波能量特征及样本熵组合的步态分类算法

摘 要： 目的 针对传统的使用小波分解系数作为特征对走路、上楼、下楼进行分类时不能对具有相同强度加速度信号的步态样本进行分类的问题,提出了一种基于样本熵和小波能量相结合作为特征的分类算法。方法 利用三轴加速度传感器采集走路、上楼、下楼三种步态下的上臂加速度信号,将信号进行小波分解,提取能量特征和样本熵特征,构建决策树分类器和贝叶斯分类器。结果 决策树分类器和贝叶斯分类器的总体分类精度分别为75%和78.75%,使用样本熵与小波能量作为特征的分类精度比仅使用小波能量的分类精度提高了15.85%和19.17%。结论 就步态分类精度而言,样本熵与小波能量相结合的方法优于仅使用传统小波能量方法。     

基于粗糙集的决策树雷达辐射源识别方法

关于优化识别雷达辐射源问题,雷达辐射源信号受到外界环境影响和各种干扰,造成识别困难.为解决上述问题,提出了一种新的决策树雷达辐射源识别方法.首先,应用粗糙集理论对雷达辐射源信号进行分析.通过离散化、属性约简,得到分类结果对于各条件属性的重要度.根据各条件属性重要度来确定各属性信息量的相对大小,建立决策树.该方法简化了决策树的结构,并改进了传统的决策树的建立方法.选取雷达信号的主要参数特征进行了仿真.仿真结果验证了改进方法的有效性与可靠性.为消除噪声,正确识别结果提供了依据.     

基于C4.5决策树的流量分类方法

近年来,利用机器学习方法处理流量分类问题成为网络测量领域一个新兴的研究方向.在现有研究中,朴素贝叶斯方法及其改进算法以其实现简单、分类高效的特点而被广泛应用.但此类方法过分依赖于样本在样本空间的分布,具有潜在的不稳定性.为此,引入C4.5决策树方法来处理流量分类问题.该方法利用训练数据集中的信息熵来构建分类模型,并通过对分类模型的简单查找来完成未知网络流样本的分类.理论分析和实验结果都表明,利用C4.5决策树来处理流量分类问题在分类稳定性上均具有明显的优势.     

基于决策树的高光谱遥感影像分类方法研究

为了验证将决策树算法用于高光谱遥感影像分类的可行性,提出了一种二叉决策树自动构建算法用于高光谱遥感影像分类.通过对高光谱遥感影像进行现场采样、对样本进行统计和训练,生成了一棵二叉决策树,从决策树中提取出分类规则,并对高光谱遥感影像进行分类.生成的决策树简单明了,分类规则易于理解,分类效率和精度都比较高,实现了高光谱遥感影像从数据降维、样本选择、样本训练、决策树生成、影像分类的“一体化”和“自动化”.     

基于决策树的P2P流量识别方法研究

针对新型P2P业务采用净荷加密和伪装端口等方法来逃避检测的问题,提出了一种基于决策树的P2P流量识别方法.该方法将决策树方法应用于网络流量识别领域,以适应网络流量的识别要求.决策树方法通过利用训练数据集中的信息熵来构建分类模型,并通过对分类模型的简单查找来完成未知网络流样本的分类.实验结果验证了C4.5决策树算法相比较Na(i)ve Bayes、Bayes Network算法,处理相对简单且计算量不大,具有较高的数据处理效率和分类精度,能够提高网络流量分类精度,更适用于P2P流量识别.     

CUIMWMPCA方法及其在批过程故障监测中的应用*

针对传统的多向主元分析(multiway principal component analysis,MPCA)批过程监测的缺陷,提出了一种连续更新的改进移动窗多向主元分析(consecutively updated improved moving window MPCA,CUIMWMPCA)方法。该方法采用连续更新的多模型非线性结构代替传统的MPCA固定的单模型线性化结构,一旦通过改进的移动窗多向主元分析(improved moving window MPCA,IMWMPCA)判断出某一新批次过程正常,则     

Improved historical solar radiation gridded data for Australia

An improved blended data method was developed for preparation and generation of solar radiation gridded datasets for SILO; Queensland Government database containing point and gridded daily climate data for Australia from 1890 till present designed for crop and pasture modelling. The new blended data method incorporates three sources of solar radiation data: radiometer measurements, sunshine duration, and cloud-cover observations. The new method converts all data sources to the percentage extra-terrestrial radiation using new conversion equations derived from the experimental data and thus the conversion tables previously used are now redundant. Comparison with satellite derived estimates shows that the blended data method has reduced bias compared to the previous method. The blended data method addresses the need for historical pre-satellite solar radiation gridded datasets for climate and agricultural modelling, model calibration, and computation of synthetic evaporation rates.     

基于粘贴DNA计算模型的数据存储技术

提出了一种新的基于粘贴DNA计算模型的数据存储技术的实现方法。该方法以重组DNA技术作为实现DNA数据存储的技术基础,以DNA计算理论研究中的粘贴模型作为信息编码工具。具体实现过程包括选择DNA载体,选择受体细胞,通过创建粘贴DNA计算模型的ASCⅡ字符编码进行信息编码,创建数据索引,最后实现数据的存储与检索。     

基于自适应粒子群优化算法的测试数据扩增方法

针对在回归测试中原有测试数据集往往难以满足新版本软件测试需求的问题,提出一种基于自适应粒子群算法（APSO）的测试数据扩增方法。首先,根据原有测试数据在新版本程序上的穿越路径与目标路径的相似度,在原有的测试数据集中选择合适的测试数据,作为初始种群的进化个体;然后,利用初始测试数据的穿越路径与目标路径的不同子路径,确定造成两者路径偏离的输入分量;最后,根据路径相似度构建适应度函数,利用APSO操作输入分量,生成新的测试数据。该方法针对四个基准程序与基于遗传算法（GA）和随机法的测试数据扩增方法相比,测试数据扩增效率分别平均提高了约56%和81%。实验结果表明,所提方法在回归测试方面有效地提高了测试数据扩增的效率,增强了其稳定性。     

一种基于盲源分离的数据保密方法

盲源分离是一种很有希望的信号处理技术,具有独特的盲信息处理和波形保持能力。为了获得可靠的数据保密效果,通过引入虚拟观测,将盲源分离在消噪方面的应用思想加以扩展,形成了一种新的基于完全覆盖策略的数据保密方法。该方法不仅可行,且具有相当高的可靠度。实验结果表明,此方法简单有效,有很多吸引人的特点,可用于多种类型数据(如文本、声音及图像等)的保密。因此,在信息安全领域有较大应用潜力。     

An improved classification method for hyperspectral data based on spectral and morphological information

Combining spectral and morphological information to classify hyperspectral data offers a considerable advantage over methods based solely on spectral or morphological data. Previously, a classification method was proposed that concatenated extended morphological profile (EMP) and spectral information into one feature vector for each pixel of an image. Although this method has the merit of simultaneously using spectral and morphological information, it runs the risk of generating new spectral constituents (not present in the original image). In this letter, an improved classification method based on fusing extended multivariate morphological profile (EMMP) and spectral information was proposed. A new vector ordering method based on spectral purity-based criterion was adopted to overcome the problem of generating new constituents in EMP. A feature selection algorithm was employed to improve the efficiency of EMMP. Experiments were carried out on a hyperspectral data set collected by NASA's Airborne Visible-Infrared Imaging Spectrometer sensor. Experimental results showed that EMMP was effective at describing morphological information in hyperspectral data, and that this letter's method was superior to the previous method in terms of classification accuracy but inferior to the previous method in terms of time consumption.     

基于SIR模型的隐蔽信道数据安全检测仿真

隐蔽信道数据分布散乱,对数据检测造成阻碍。针对传统的隐蔽信道数据检测方法存在检测速度慢、有效性差等问题,提出一种基于SIR模型的隐蔽信道数据安全检测方法。构建SIR隐蔽信道模型,使用在线检测模型进行隐蔽信道数据编码处理,使用密度聚类算法对隐蔽信道编码数据进行搜索聚类,划分密度区域,通过判断各密度区域数据有效性,完成隐蔽信道数据的密度聚类。利用决策树对聚类完成的数据进行特征属性提取,引入特征属性获取新的信息递增率,通过数据间差异性计算完成隐蔽信道数据安全检测。实验结果表明,所提方法能有效完成隐蔽信道数据检测,精准度、效率和稳定性均优于传统方法,且检测耗时少,具有显著优势。     

一种改进可穿戴设备的血氧测量精度的传感器设计与验证

改进智能穿戴设备上传感器的数据采集方法,以及血氧测量和数据处理的方法,找到在动态测量过程中血氧数据更加精确的测量计算方法.修正现有算法分析模型,提取典型测量数据,设计新的变量标值,分析比较动态变化后的数据相关性,建立原始数据和输出动态血氧数据之间的关系变化模型,通过多人动态变化场景的数据采集实验验证了该方法的有效和精确.结果表明结合硬件设计、反射波长选择,通过血氧饱和度数值的动态变化反应血液中供氧情况,提出一个新的转换关系算法模型,得到精确度达到99％的血氧数据是非常实用和有效可行的方法.改进传统的投射式脉搏波血氧饱和度检测的算法模型到反射式脉搏波血氧饱和度的检测方式,提升其在智能穿戴设备上监测的血氧动态监测精度,该方法得到的数据对判定人体的健康状态和疾病类型非常有帮助.     

一种基于加速迭代的大数据集谱聚类方法

传统谱聚类算法的诸多优点只适合小数据集。根据Laplacian矩阵的特点重新构造新的Gram矩阵,输入新构造矩阵的若干列,然后利用加速迭代法解决大数据集的谱聚类特征提取问题,使得在大数据集条件下,谱聚类算法只需要很小的空间复杂度就可达到非常快的计算速度。     

一种基于自我聚类的异常检测学习方法

提出一种新的基于正选择的异常检测方法,该方法通过聚类学习正常空间特征,在每个类中选择有代表性的自我样本构造检测器集,之后利用正选择算法进行异常检测。这种方法既能适用于自我样本集较多的情形,克服了T. Stibor提出的正选择的局限,又具备了一定的学习能力。同时,该方法还避免了负选择中随机选择样本带来的弊端。通过实验分析,该方法比VDetector具备更好的检测性能,是一种有效的异常检测方法。