基于模糊积分的多分类器融合文本分类研究

提出一种基于模糊积分的多神经网络分类器融合文本分类方法,利用Sugeno模糊积分作为融合工具,将BP神经网络、RBF神经网络及采用K-means算法的RBF神经网络等多种文本分类器相结合,取得了更加优化的中文文本分类结果。     

基于Sugeno模糊积分的多分类器融合方法在多属性决策中的应用

首先介绍了基于Sugeno模糊积分的多分类器融合方法的一般原理,而后将其应用于研究多属性决策中的综合排序问题,最后,用一个实际的案例验证了该融合方法的有效性和可行性。利用该方法不但实现了多属性决策中社会选择函数的功能,而且通过对“分类器”的训练,能够反映出各种决策方法在解决同类问题中的效果。同时,融合后的结果也能够充分地体现出决策者的偏好。     

基于Sugeno模糊积分的多分类器融合方法在多属性决策中的应用

首先介绍了基于Sugeno模糊积分的多分类器融合方法的一般原理,而后将其应用于研究多属性决策中的综合排序问题,最后,用一个实际的案例验证了该融合方法的有效性和可行性。利用该方法不但实现了多属性决策中社会选择函数的功能,而且通过对“分类器”的训练,能够反映出各种决策方法在解决同类问题中的效果。同时,融合后的结果也能够充分地体现出决策者的偏好。     

支持向量分类器的模糊积分集成方法

针对常规的基于投票方法的支持向量分类器影响集成分类器的泛化能力的问题,提出一种基于模糊积分的支持向量分类器集成方法,不仅考虑各子支持向量分类器输出的客观信息,同时还考虑各子分类器输出对于最终决策的重要性,提高了集成分类器的泛化能力.仿真试验表明,该方法的分类准确率明显优于单一支持向量分类器和传统基于投票方法的支持向量分类器集成策略.     

基于多分类器多模糊积分的信息融合方法

不同模糊积分进行信息融合的结果有时可能会差别很大,为了提高多分类器融合系统的识别率,提出基于多分类器多模糊积分的信息融合方法,综合考虑多分类器不同模糊积分的融合结果来进行分类,有助于弥补采用单一模糊积分信息融合方法的不足.     

基于模糊积分多分类器融合的JPEG 图像隐写算法识别

提取和恢复嵌入信息是隐写分析的最终目的,嵌入算法识别是秘密信息提取的前提。目前研究者针对隐写算法识别提出了多种隐写分析系统,但这些系统各有优缺点,因此实际应用中难以取舍。文章提出基于模糊积分的多分类器融合方法来识别JPEG图像隐写算法。实验结果表明,相对于单个隐写分析系统,通过分类器融合后识别精度提高约5%。     

一种基于粗糙集的特征加权朴素贝叶斯分类器

朴素贝叶斯分类器是一种简单高效的分类算法,但其属性独立性假设影响了分类效果。通过放松朴素贝叶斯假设可以增强朴素贝叶斯的分类效果,但是通常会导致计算代价大幅提高。针对以上问题,提出了一种基于粗糙集的特征加权朴素贝叶斯算法,加权参数直接从训练数据中学习得到,可以看作是计算某个后验概率时,某个特征对于该类别的影响程度。将该分类算法与朴素贝叶斯分类器（na ve bayesian classifier,NB）、贝叶斯网（bayes networks）和NBTree分类器进行实验比较。结果表明：在大多数数据集上,FWNB分类器在较小的计算代价下,具有较高的分类正确率。     

决策融合的模糊积分方法

提出了一种基于模糊积分方法的多传感器决策融合算法．模式分类实验表明,该算法可以有效提高融合系统的正确分类率．     

一种文本处理中的朴素贝叶斯分类器

首先在特征独立性假设的基础上，讨论了朴素贝叶斯分类器的原理，以及训练朴素贝叶斯分类器和应用朴素贝叶斯分类器进行分类的问题。然后，通过EM算法（期望值最大算法），自动增加训练量，以得到较为完备的训练文本库，扩展了朴素贝叶斯分类器的应用，提高了朴素贝叶斯分类器的分类精度。文章最后给出一组实验数据。本文的研究发现，朴素贝叶斯分类器分类精度较高，并且不存在单分类器与多分类器的实现差异，是一个比较实用的分类器。     

一种基于遗传算法的受限制的分类器学习算法

提出了一种基于遗传算法的受限制BAN分类器算法-GBAN(genetic algorithm based BAN)。新算法采用了遗传算法进行网络结构的学习,限制了所学习的BAN分类器结构的复杂度。同时对TAN分类器的结构进行了扩展,得到了一种受限制的BAN分类器。针对这种分类器的结构学习,设计了结合对数似然的适应度函数及相应的遗传算子,并给出了网络结构的编码方案,使得该算法能够收敛到全局最优的结构。实验结果表明,当数据集属性之间关系相对复杂的时候,GBAN比TAN的分类准确率高,分类效果较好。     

投资方案多属性决策组合评价法研究

给出了一种投资方案多准则经济评价的新方法,即组合评价法。这种方法根据多目标决策理论,建立了组合评价法的数学模型,通过该模型将多种评价方法进行组合。然后,结合实例提出了两种主客观赋权相结合的评价方法一是目标优化评价法。这种方法通过构造评价问题的最优化模型与拉格朗日函数,得出评价指标的客观权重,再利用权重合成公式,将主客观权重加以合成。另一种是熵权系数法。这种方法依据熵的概念及性质,将主客观评价信息进行量化综合,进而建立基于熵的多目标评价模型。最后,本文利用组合评价法的数学模型,将上述两种方法进行了组合。通过对评价实例的对比分析表明,组合评价法的评价结果更加符合实际。     

投资方案多属性决策组合评价法研究

给出了一种投资方案多准则经济评价的新方法,即组合评价方法。这种方法根据多目标决策理论,建立了组合评价法的数学模型,通过针多种评价方法进行组合。然后,结合实例提出了两种主客观赋权相结合的评价方法：一是目标优化评价法。这种方法通过构造评价问题的最优化模型与拉格朗日函数,得出评价指标的客观权重,再利用权重合成公式,将主客观权重加以合成。另一种是熵权系数法。这种方法依据熵的概念及性质,将主客观评价信息进行量化综合,进而建立基于熵的多目标评价模型。最后,本文利用组合评价法的数学模型,将上述两种方法进行了组合。通过对评价实例的对比分析表明,组合评价法的评价结果更加符合实际。     

一种挖掘概念漂移数据流的模糊积分集成分类方法

针对隐含概念漂移和噪声的数据流,提出一种基于模糊积分融合的数据流分类方法(fuzzy integral ensemble classifiers for mining data streams, FI-MDS)。将模糊积分融合方法与集成综合技术有效结合起来,首先通过基分类器对识别样例进行分类得到决策剖面,然后再用模糊积分融合方法得到最终的分类结果,同时引入动态权值更新以提高算法的适应性。实验结果表明,与传统的数据流分类算法相比,该方法提高了概念漂移的检测精度,有效地解决了数据流中复杂分类问题,具有良好的分类性和健壮性。     

TM影像分类领域多分类器线性组合方法及差异性度量研究

多分类器组合方法可以在一定程度上弥补单个分类器的不足,提高分类性能,因此,它在模式识别领域得到广泛的应用.主要将线性组合多分类器应用于遥感图像分类中.根据对子分类器输出结果信息的类别的组合,可将多分类器组合方法分为3种:基于抽象级组合、基于排序级组合和基于测量级组合,并归纳分析一些常用组合方法.此外,介绍一种EPD熵值度量方法来度量子分类器之间的差异性,实验表明,该方法对分类器组合性能的预测能力能指导多分类器系统构造.     

基于2个投影图确定组合体形状的新方法

针对组合体二补三问题进行研究,从体表面的特征出发,分析了它与单一平面的区别,总结出相邻可见表面线框的投影规律和体表面的单面性及其投影特征,尤其是对投影特征中倾斜于投影面的一般位置平面、垂直面位置,给出了判定方法.从而提出由组合体二个投影图构建三维图的具体方法,并举出应用的实例.     

关于超细分级机几个问题的探讨

通过对Mikroplex超细分级机、水力旋流器和卧式螺旋分级机的介绍,指出了它们各自的特点,并就微细分级存在的问题及其对策进行了讨论．     

设计组合弹簧的新方法

作者研究了设计组合弹簧的新方法。此法不但简单、准确和快速，而且具有通用性，适宜于设计任何规格和任意材料的组合弹簧。     

荷载平稳二项随机过程简化组合方法

为了解决荷载平稳二项随机过程组合方法在求解时段组合幅值的最大熵概率密度函数时求解高度非线性方程组计算复杂,不便于实际工程应用的不足.本文根据荷载时段组合幅值的概率特点,以两参数的极值Ⅰ型来描述其概率特征,建立了简化的组合方法.根据数值模拟试验和实测风浪资料计算结果表明本文极值Ⅰ型与最大熵分布都能很好的描述时段组合幅值的概率特征,并且具有一致性;当计算不同重现期极值组合荷载时,本文简化方法计算的结果偏于保守.