改进的软件错误报告自动分类算法

软件错误报告的自动分类能够节省大量人力和时间,然而用户提交的错误报告主观性较强,对错误报告的描述较随意,造成自动分类的效率低下。为此,基于传统的词频-逆向文件频率( TF-IDF )算法,结合文档内词条频度与词条在同类别及不同类别文档中的分布情况,提出2种特征降维的改进算法,降维后再对词条进行权值处理,进一步提高特征降维的效果。实验结果表明,应用该算法得到的错误报告自动分类在精确率、召回率、F1值和准确度等指标上比现有算法都有明显提高。     

基于关系型发散的黎曼流形分类图像识别

针对图像识别中传统的嵌入流形算法通常只考虑切线空间却忽略了流形结构以致不能准确建模的问题,提出一种基于关系型发散的黎曼流形分类(RMC)算法。首先从底层黎曼流形建立训练集,并在流形上建立一组表示黎曼点的参考点;然后,借助于最近提出的斯坦因发散计算黎曼点与各个类之间的相似性,从而有效地将流形分类问题转换成寻找合适的相似空间问题;最后,利用经典的线性判别分析进行特征提取,最近邻分类器完成最终的分类、识别。通过纹理分类、人脸识别、人体识别实验验证了所提算法的有效性及高效性。实验结果表明,相比其他几种较为先进的流形算法,提出的算法不仅提高了识别率,同时大大减少了训练、分类所耗时间,有望应用于实时图像识别系统。     

基于局部频谱特征与贝叶斯决策的脚步声识别

针对脚步声识别系统中背景声音与噪声影响脚步声特征的提取而导致识别率明显下降的问题,根据脚步声相对背景声音在时间与频率分布上具有一定局部性的特点,提出一种声音局部频谱特征提取方法。该方法所提取的特征反映了声音主要频率成分的局部分布及其随时间的变化规律,而且对白噪声与高斯噪声的干扰有较强的鲁棒性,并且在声音采集过程中,由于与采集设备距离等因素的变化所导致的声音强度变化无关。识别过程采用贝叶斯决策理论实现步声识别。实验结果表明,该算法识别精度高于现有算法,而且对不同背景声音与环境噪声的鲁棒性明显高于现有算法。     

基于Lingpipe的煤炭领域科研信息监测分析平台设计与实现

针对网络环境下文本挖掘技术在煤炭领域科研信息监测分析平台中的应用,首先对基于Web方式的文本挖掘开源工具比较分析,然后利用开源工具从基本特征提取、主题词抽取、自动分类和主题聚类等几个环节展开应用,最后利用TF-IDF算法实现煤炭领域热点主题趋势对比分析,为准确把握煤炭领域热点动态信息提供参考依据。     

深度信念网络在故障指示器检测中的应用

电子产品在生产过程中需进行产品检测,以故障指示器的检测为例,结合深度信念网络(DBN)技术实现了自动检测.深度信念网络由于其具有无监督预训练的优势,将其应用于实际系统,对现场的故障指示器视频图像的动作状态进行了分类实验.实验结果表明:深度信念网络分类算法相比于支持向量机(SVM)分类算法和BP分类算法有明显的优势,正确识别率达到了100％.该算法在产品检验的应用中满足生产测试的要求,且降低了人工测试的劳动强度,缓解了视觉疲劳问题.     

PalmPhasor算法性能的理论分析

模板的安全性和隐私性是掌纹系统实际应用的关键问题,然而生物特征保护的多项指标通常相互冲突并且难以同时满足.作为解决上述冲突的一种可撤销掌纹编码算法,PalmPhasor实现了高效、安全的掌纹认证.建立了系统分析PalmPhasor性能的完整框架.为了便于具体分析,将情景分为4种情况,并且提供了支持相应分析的预备知识,包括辅助定理以及Gabor滤波掌纹图像实部和虚部分布特性.在统计学基础上建立的理论分析和实验结果均表明:即使在用户口令被盗的情况下,多方向分数级融合增强的PalmPhasor算法也可以同时有效地满足可撤销生物特征的4项指标.     

基于单神经元PID的WSNs邻居节点级功率控制算法

针对无线传感器网络(WSNs)中功率控制算法不能实时地调整节点功率和能量消耗较大等问题,提出了一种基于单神经元PID的邻居节点级功率控制算法.该算法结合WSNs传输功率模型,通过实时地控制邻居节点的数量,调整每个节点的功率,动态控制网络的能耗.仿真结果表明:该算法能根据网络连通性要求调整传感器节点的功率,实时性好,收敛速度快,有效地降低了网络的整体能耗.     

一种大数据环境中分布式辅助关联分类算法

在很多现实的分类应用中,新数据的类标需要由领域专家最终确定,而分类器的分类结果仅起辅助作用.另外,随着大数据所隐含价值越发被人们重视,分类器的训练会从面向单一数据集逐渐过渡到面向分布式空间数据集,大数据环境下辅助分类也将成为未来分类应用的重要分支.然而,现有的分类研究缺乏对此类应用的关注.大数据环境中的辅助分类面临以下3个问题:1) 训练集是分布式大数据集;2) 在空间上,训练集所包含的各局部数据源的类别分布不尽相同;3) 在时间上,训练集是动态变化的,会发生类别迁移现象.在考虑以上问题的基础上,提出一种大数据环境中分布式辅助关联分类方法.该方法首先给出一种大数据环境中分布式关联分类器构建算法,在该算法中,通过横向加权考虑分类数据集在空间上的类别分布差异,并给出"前件空间支持度-相关系数"的度量框架,改进关联分类算法面对不平衡数据的性能缺陷;然后,给出一种基于适应因子的辅助关联分类器动态调整方法,能够在分类器应用过程中充分利用领域专家实时反馈的结果对分类器进行动态调整,以提升其面向动态数据集的分类性能,减缓分类器的退化和重新训练的频率.实验结果表明,该方法能够面向分布式数据集较快地训练出有较高分类准确率的关联分类器,并在数据集不断扩充变化时提升分类性能,是一种有效的大数据环境中辅助分类应用方法.     

基于分类修正的多证据合成方法

鉴于传统冲突量参数无法有效地衡量证据间的相似程度, 提出一种基于分类修正的多证据合成方法, 以解决证据合成中的高冲突悖论和“0”悖论. 首先, 利用证据距离参数、冲突量参数和方向角度参数共同衡量各证据间的相似程度, 将证据分为一致证据、不冲突证据、低冲突证据以及高冲突证据4 类; 然后, 利用3 个参数赋予各类证据不同的修正系数; 最后, 利用Dempster 规则对修正后的证据进行合成. 算例分析表明, 所提出的方法能够较好地解决高冲突悖论和“0”悖论, 而且保留了证据理论优良的数学性质.     

基于关键资源优先的三级装卸搬运分时协调策略

研究基于关键资源优先的单元化“装卸、搬运、装卸” 三级作业链的调度问题. 在已知关键资源调度方案的条件下, 将两个非关键各作业级的调度问题分别转化为最小单位流问题, 并建立相应的0/1 整数规划模型求解. 为求解大规模问题, 提出三级装卸搬运的分时协调策略. 参照宁波港码头数据, 设计面向集装箱码头的仿真算例, 实验结果验证了所提出模型和策略的有效性.