基于半径/中心约束的模糊C-球壳聚类算法

本文针对数字图像处理和计算机视觉中的圆检测问题,提出了基于半径/中心约束的模糊C-球壳聚类算法.首先利用共形几何代数理论以球壳替代传统的点作为聚类原型,以共形空间中模式与球壳的内积来表示模式与球壳的距离关系,并引入模糊隶属度函数来体现待分类模式和与之对应的球壳的隶属关系,给出了基于半径和中心约束的模糊C-球壳聚类算法的...     

基于共形几何代数与Radon变换的圆检测方法

为解决图像中的目标检测问题,本文给出了一种基于共形几何代数与Radon变换的圆检测识别方法,从新的角度出发,讨论了运用共形几何代数概念来解决圆检测问题的可行性和简便性.该方法主要是通过共形几何代数理论,将欧氏空间中的圆用共形几何代数中的矢量表示,进而可以等效为平面,最后利用三维Radon变换,对空间中的平面进行检测,可以有效地检测识别图像中的圆形目标.实验结果表明该算法简洁明确,可以对图像中的多圆进行同时检测识别,对于算法的集成,提高效率有着很重要的意义.     

一种具有双控制比例因子的最优间隔超球分类器

针对支持向量描述只考虑目标类训练样本,结合支持向量机最优分类超平面和支持向量描述的思想,引入了异常样本信息的监督机制,建立了最优间隔超球分类器模型,以一个最小的超球包含目标类训练样本和一个尽可能大的超球体将非目标样本隔离在超球体外,使决策超球面与该两个超球面以最大间隔分离,保证了描述精度和泛化性能,同时,为更好地排除对两类样本数据分布中野点的干扰,提出了一种双控制比例因子的控制方法,更加灵活地实现软间隔分类,仿真实例验证了该分类器具有比SVDD更好的分类性能     

用于手写汉字识别的改型Adaboost算法

针对大部分多类Adaboost算法因训练复杂度过高而难以应用于手写汉字识别这种大类别数分类的问题,提出了一种新的改型的多类Adaboost算法.该算法采用基于描述性模型的多类分类器--改进的二次鉴别函数(MQDF)分类器作为基元分类器,可直接进行多类分类,无需将多类问题转化为多个两类问题处理,大大降低了训练复杂度.此外,该算法根据广义置信度更新样本权重,实验证明此方法简单有效.为了降低算法的识别复杂度,对训练后得到的基元分类器组进行删减,仅保留一个最优的基元分类器作为最终分类器.在HCL2000及THOCR-HCD数据集上进行的实验表明,该算法的相对错误率比现有算法分别下降了14.3%、8.1%和19.5%.     

基于文本挖掘的交互式专利分类

将文本挖掘理论应用于专利信息分析,提出了一种基于多分类器融合与主动学习的交互式专利分类算法,旨在实现高效的专利分类.该算法基于训练集,利用支持向量机,针对不同的专利类别分别训练相应的子分类器,然后通过多分类器融合对各子分类器进行有机结合,以获得性能更优的分类器和形成分类决策.在此基础上,利用主动学习选取最有信息的样本进行标引,从而通过人机交互实现分类模型的更新.针对传统批量选择性采样的缺点,还提出了动态批量选择性采样模式,通过确定度传播策略有效降低标引样本冗余度,以进一步提高主动学习的效率.实验结果表明,这种基于多分类器融合与主动学习的交互式专利分类算法的分类性能显著高于其他算法.     

深度超圆盘分类器及其在旋转机械故障诊断中的应用

几何模型分类器具有坚实的几何统计基础和良好的泛化能力,因此在旋转机械故障诊断中取得了较高的分类精度。与仿射包和凸包相比,超圆盘（Hyperdisk,HD）对样本分布区域的估计更加合理。但超圆盘模型属于浅层学习模型,对复杂函数的表示能力有限,存在学习能力和泛化能力差等缺点。针对这个问题提出一种深度超圆盘分类器（Deep Hyperdisk Large Margin Classifier,DHD）,该方法通过模块叠加的方式将超圆盘分类器深度化,利用特征提取公式从每层模块的输入样本中自主提取新的特征值,并将其应用在下一层模块的训练学习中。将所提方法应用到旋转机械故障诊断当中,实验结果表明该方法对故障样本的分类准确率高于其他模型算法,且对不均衡样本和强噪声背景下的故障样本均具有良好的分类能力。     

基于核映射稀疏表示分类的轴承故障诊断

针对传统稀疏表示分类算法在低维空间分类精度难以保证问题,论文提出了基于核映射的稀疏表示分类算法。采用核映射方法获得了低维样本在高维空间的坐标,改善了样本间的线性可分度;在此基础上,利用稀疏表示分类算法获得样本在高维空间上的稀疏解。经滚动轴承故障分类实验验证：新算法对核参数具有较高的鲁棒性;可明显提高分类精度。     

一适用于超多类手写汉字识别的新改型Adaboost算法

提出一种适用于超多类手写汉字识别的新改型Adaboost算法,采用基于描述性模型的多类分类器（modified quadratic discriminant function,MQDF）作为Adaboost基元分类器,可直接进行多类分类,无需将多类问题转化为多个两类问题处理,其训练复杂度大大低于已有的多类Adaboost算法。算法提出根据广义置信度更新样本权重,实验证明这种算法适用于大规模多类分类问题。为了降低算法的识别复杂度,提出从所有训练后得到的Adaboost基元分类器组中选择一个最优的基元分类器作为最终分类器的方法进行删减。在HCL2000及THOCR-HCD数据集上进行实验证明,所提改型Adaboost算法提高了识别率的有效性,该算法的相对错误率比现有最优算法分别下降了14.3 %,8.1 %和19.5 %。     

一种适用于超多类手写汉字识别的新改型Adaboost算法

提出一种适用于超多类手写汉字识别的新改型Adaboost算法,采用基于描述性模型的多类分类器（modified quadratic discriminant function,MQDF）作为Adaboost基元分类器,可直接进行多类分类,无需将多类问题转化为多个两类问题处理,其训练复杂度大大低于已有的多类Adaboost算法。算法提出根据广义置信度更新样本权重,实验证明这种算法适用于大规模多类分类问题。为了降低算法的识别复杂度,提出从所有训练后得到的Adaboost基元分类器组中选择一个最优的基元分类器作为最终分类器的方法进行删减。在HCL2000及THOCR—HCD数据集上进行实验证明,所提改型Adaboost算法提高了识别率的有效性,该算法的相对错误率比现有最优算法分别下降了14．3％．8．1％和19．5％．     

一种基于后验概率的分类器融合方法

基于二进小波边缘提取算法,提出一种基于后验概率模型的分类器图像融合方法。首先通过二进小波进行图像边缘检测,分别求得水平与垂直方向的边缘点,再使用最优决策函数方法对输入样本进行分析并在所有分类器中寻找一个最优的分类器,从而得到最终分类结果。该方法在图像的边缘点具有很好的分类效果等优点。