一种改进的增量式贝叶斯文本分类算法

针对难以获得大量有标签的训练集问题,将增量式贝叶斯学习用于小规模训练集上,并提出了一种新的序列学习算法以弥补其学习序列中存在的不足:无法充分利用先验知识导致噪声数据不断传播。在增量学习的样本选择上,算法引入了配对样本检验和类支持度的知识,分别从横向和纵向角度充分利用先验知识来选取最优增量子集优化分类器,使分类器参数在动态学习过程中得以强化。实验结果表明,该算法能有效弱化噪声数据的消极影响,提高分类精度,同时能大幅度减少增量学习时间。     

基于元学习的小样本遥感图像分类

为改善传统分类算法在小样本遥感图像分类上效果差的缺陷,提升模型的快速学习能力,提出融合迁移学习和元学习的小样本分类算法.设计基于长短期记忆网络的元学习器,通过门控结构拟合网络参数更新方式最下化损失下界,具有自动学习分类器参数更新方式的机制,相比于传统方法,能够有效扩展优化算法的搜索空间;考虑样本的跨类别知识转移和训练时...     

基于SPSS的Oracle期末考试成绩分析

数据库技术已经成为现代信息技术的重要组成部分,是现代计算机信息系统和计算机应用系统的基础和核心。利用互联网技术,构建高校课程的020混合教学模式,推进教学模式的改革。在教学模式开发的过程中,进行定量与定性相结合的多元考核评价,实现高校Oracle课程教学与信息技术的深度融合,至关重要。在衡量教学效果的众多方法中,考试成绩最为直观。本文运用SPSS软件对黑龙江中医药大学医学信息工程学院2018级医学信息工程专业37名学生的Oracle期末成绩进行配对样本T检验与相关分析等成绩分析,并介绍了建立Oracle成绩分析模型的方法,希望为相关课程的成绩分析提供一定的参考和借鉴。     

基于遗传算法的混合像元快速分解及分类算法

在深入研究混合像元分解原理的基础上,提出了用遗传算法进化模型拟合分解结果的超平面,以实现混合像元分解并进一步分类的算法。给出了用该方法对多光谱图像中混合地物进行分类的实例。实验结果证明:该算法的结果与全约束最小二乘(FCLS)的混合像元分解算法结果相近(相关系数达到0.99),而计算复杂度大大降低,计算速度明显提高且具有较强的适应性。同时在整幅遥感图像的分类中体现出较高的分类性能,为遗传算法在混合地物分类问题中的应用提供了又一条可行的途径。     

基于面向对象分类方法的乌苏里江流域中俄跨境区域湿地景观动态研究

选取乌苏里江中下游干流50km缓冲区为研究区,以1989、2000和2013年的Landsat TM、OLI遥感影像为数据源,利用面向对象的分类方法获取湿地信息;在GIS技术支持下,选取斑块类别面积(CA)、面积所占比例(PLAND)、最大斑块面积指数(LPI)、平均斑块面积(AREA-MN)、斑块数(NP)、斑块密度(PD)等景观格局指数,分析了研究区1989~2013年湿地的景观格局动态特征。结果表明:面向对象的分类方法能够准确提取湿地信息,并且有效地避免"椒盐现象";1989~2013年,该区水田、水库/坑塘、运河/水渠、灌丛沼泽增加和河流、湖泊、草本沼泽、森林沼泽减少;大量草本沼泽转为水田为该区湿地变化主要特征;1989年湿地类型以草本沼泽为主,2013年水田的斑块面积略高于草本沼泽斑块面积;湿地景观变化区主要分布于中国一侧的挠力河流域和穆棱河流域;天然湿地景观破碎化程度逐年加深,人工湿地景观趋于聚集,人为干扰是导致湿地景观格局变化的主要动力;中俄两国境内湿地景观变化程度差异显著,中国境内大量天然湿地转为人工湿地;俄罗斯境内的湿地变化微小,天然湿地保存较好。农田垦殖是导致两国湿地景观破碎程度差异的主要原因。     

文本分类中基于基尼指数的特征选择算法研究

随着网络的发展,大量的文档数据涌现在网上,用于处理海量数据的自动文本分类技术变得越来越重要,自动文本分类已成为处理和组织大量文档数据的关键技术．对于采用矢量空间模型（VSM）的大多数分类器来说,文本预处理成为分类的瓶颈,高维的特征空间对于大多数分类器来说是难以忍受的,因此采用适当的文本特征选择算法降低原始文本特征空间的维数成为文本分类的首要任务．目前也有很多的文本特征选择算法,介绍了另一种新的基于基尼指数的文本特征选择算法,使用基尼指数原理进行了文本特征选择的研究,构造了基于基尼指数的适合于文本特征选择的特征选择评估函数．实验表明,基于基尼指数的文本特征选择能进一步提高分类性能,而且计算复杂度小．     

基于代价极速学习机的软件缺陷报告分类方法

在所有的软件系统开发过程中,Bug的存在是不可避免的问题.对于软件系统的开发者来说,修复Bug最有利的工具就是Bug报告.但是人工识别Bug报告会给开发人员带来新的负担,因此,自动对Bug报告进行分类是一项很有必要的工作.基于此,提出用基于极速学习机的方法来对Bug报告进行分类.具体而言,主要解决Bug报告自动分类的3个问题：第1个是Bug报告数据集里不同类别的样本数量不平衡问题;第2个是Bug报告数据集里被标注的样本不充足问题;第3个是Bug报告数据集总体样本量不充足问题.为了解决这3个问题,分别引入了基于代价的有监督分类方法、基于模糊度的半监督学习方法以及样本迁移方法.通过在多个Bug报告数据集上进行实验,验证了这些方法的可行性和有效性.     

旅游景观鉴赏的差异性分析

作为旅游活动的承载者,旅游景观是影响旅游地的旅游地位和旅游特色的主要因素;而对旅游景观的鉴赏,又是决定旅游者旅游品质的直接因素。人们常常有一句"观景不如听景",说明了人们在看到景观的时候对总是会拿自己脑海中已经形成的景观作对比,从而产生失落感,这种失落感的产生其实很正常,因为我们所听到的景观往往是景观最美丽最迷人的的时刻,而我们在观景的时候有很多因素的影     

基于Adaboost分类算法的优化研究与应用

针对数据采集过程中的数据分布不平衡的问题,对非平衡数据应用数据挖掘分类算法进行分类。传统的分类器在处理非平衡数据时分类结果往往倾向于样本数目较多的类。但Adaboost算法在处理非平衡数据过程中表现出了优势,主要是对Adaboost算法进行改进和应用,采用级联的Adaboost分类器并结合SVM算法构造出分类效率更高的分类器。最后通过具体数据验证改进后算法的有效性。     

高光谱影像的BDT-SVM地物分类算法与应用

面对海量数据的特征空间高维性及训练样本的有限性,高光谱遥感影像若采用常规统计模式的分类方法难以获得较好的分类结果。因此探讨支持向量机(SVM)分类器的基本原理,针对EO-1Hyperion高光谱影像的分类特点及现有多类SVM算法所存在的训练时间长及分类精度低等问题,引入二叉决策树SVM(BDT-SVM)分类算法,并提出一种新的类间分离度定义方法及相应的客观确定二叉树结构的策略,由此生成改进的BDT-SVM算法。实验结果表明:与其他多类分类方法相比,基于改进的BDT-SVM算法的高光谱影像地物分类效果更好,总体精度达到90.96%,Kappa系数为0.89,该算法还解决了经典SVM多类分类可能存在的不可分区域问题。     

高光谱遥感影像纹理特征提取的对比分析

地物的"同物异谱"或"异物同谱"问题,使得仅仅依据高光谱影像的光谱信息较难得到理想的分类精度.纹理特征是地物空间分布的重要结构信息,能够一定程度上弥补光谱特征在高光谱遥感影像分类中的不足.纹理特征提取在高光谱遥感影像分类中得到了诸多发展,然而当前的纹理特征方法缺乏较为全面的对比分析.因此,选取旋转不变局部二值模式、简单...     

基于对象组特征向量的聚类与分类的实现

高维稀疏数据的聚类分析是目前数据挖掘领域内亟待解决的问题之一。传统的聚类方法中,大部分不适用于高维稀疏数据,不能得到满意的结果。该文借助对象组相似度和对象组的特征向量,提出了一种实现聚类的方法。根据聚类结果后,根据聚类集合的上确界和下确界给出新对象的分类。该方法思想明了,实现起来简单轻松,结果准确可靠。     

Oracle9i数据挖掘分类算法的分析与比较

介绍了Oracle数据挖掘的基本概念与组成部分,探讨了利用ODM工具进行分类的方法和基本过程,对ODM中用到的各种分类算法做出详细的分析与比较.     

基于对象级分类的土地覆盖动态变化及趋势分析

以广东省东莞市2005~2008年SPOT 5遥感影像为主要数据源,采用对象级分类后比较的变化检测技术,从土地覆盖类型的面积总量、相互转移等方面多层次分析了研究区域4 a土地覆盖的变化情况。在此基础上,利用马尔科夫链模型对该区域未来5 a的土地覆盖动态变化及演变趋势进行了分析和预测,为广东省土地覆盖变化研究提供典型案例分析,以达到全面把握研究区土地覆盖变化规律的目标。结果表明:研究区域的土地覆盖变化基本趋势表现为城镇建设用地总量持续增加以及耕地和园林地面积总量减少,其中城镇建设用地和农业耕地变化幅度较大,其他类型土地变化相对稳定。增加的城镇建设用地主要来源于耕地的人为减少,农业垦殖环境将趋于恶化。研究结果可为研究区合理有效地利用土地以促进土地可持续发展、推进城市化进程奠定决策上的技术基础。     

虚拟专用网分类和比较研究

给出了一个比较好的VPN分类标准，提出了一个较为完整和系统的VPN系统分类图。在介绍每种VPN的基础上，阐述了对各种VPN特点的评价，并比较了MPLS VPN与IPSec VPN、IPSec VPN与SSL VPN的优缺点。     

Lazy和Eager分类算法的比较研究

数据挖掘的两个高层目标是预测和描述,这个过程中分类算法的应用是非常广泛的。分类算法在机器学习领域中可以分为Lazy和Eager两种类型,分别具有不同的算法特点。文章基于实验对这两种类型的分类算法进行了分析,概括出适宜两种类型的环境条件,旨在提出实际应用中进行算法选择的经验性结论。     

Land Cover Classification and Mapping based on Segmentation Optimized Hierarchical Object Classification System

With the wide application of high-resolution satellite,Object based Image Analysis (OBIA) has gradually become main stream of extracting land cover information.Segmentation optimization is a fundamental step in OBIA.Different land cover types usually have different optimized segmentation parameters.How to make full use of the optimal Multi-Resolution Segmentation (MRS) to establish a segmentation classification hierarchy and to achieve high-precision land cover mapping,is a challenge in object-oriented image analysis.based on the optimal segmentation parameters of different land cover types,this paper explores a method to construct a segmentation optimized hierarchical classification system based on the minimum optimized segmentation unit.Experiments show that this method can effectively reduce the dependence on the operator's personal experience when setting up the classification hierarchy system,improve the classification accuracy,and meet the requirements of automatic drawing.     

基于面向对象技术的鄱阳湖湿地地物分类研究

使用RadarsatＧ２全极化雷达数据,基于面向对象技术对图像进行分割,分析各类地物的散射特征,并对分割对象进行特征提取,依此设计各类地物的提取因子并对鄱阳湖湿地进行地物信息提取,最后利用实地采样数据和同期的高分一号影像数据对分类结果进行验证.研究表明:采用面向对象技术并结合地物散射特征设计的提取因子,可以有效克服雷达图像分类中常见的斑点现象,提高湿地分类精度.