混淆矩阵

摘要： 针对配用电系统用户数据识别中特征选择困难和单模型分类精度不高的问题,本文提出多模型分层融合的识别方法。首先,设计多尺度联结的递归差分卷积网络对用户数据进行特征提取,使浅层融合的有效信息不会随着层数的增长而消失;其次,改进自适应学习率优化算法训练模型,增加模型分类性能;最后对6种基模型分层加权融合,以阈值划分层级,新定义混淆矩阵的错误样本数确定权值,有效克服了基模型适应度缺陷。融合方法在用户特征库的识别上获得99.43%的准确率,比传统卷积神经网络与加权融合方法的准确率分别提高0.53%、0.47%,实现了对用户数据的特征提取和高准确率识别,有助于提高配用电系统信息处理和智能决策水平,为电力需求侧用户服务和经营管理提供支撑。

摘要： 森林垂直结构分类具有重要的生态学和林学意义。以广西为研究区,通过10阶多项式对样地的离散机载激光点云的高度—覆盖度频率分布进行拟合,得到反映冠层物质垂直分布的垂直冠层剖面(伪波),通过伪波提取有效峰、冠层表面高、层下高、林层高与冠层表面高比值等冠层结构参数,建立分类规则,将林分乔木层垂直结构分为6个类型,采用混淆矩阵评估分类精度,并选取一个面积为1369km^(2)的区域进行制图以检验分类规则的可推广性。结果表明:1)1147个样地的总体分类精度为93.9%,Kappa系数为0.913;2)单峰、双峰、3峰剖面的分类错误率为6.2%,7.4%和9.1%,杉木林、松树林、桉树林和阔叶林的分类错误率分别为9%,6.4%,2.4%和6.9%,说明林分垂直结构越复杂分类精度越低;3)各个林层的检测精度均高于96%,漏检率均小于4%,误检率均小于10%,表明各个林层都能够得到准确的检测;4)制图区域的分类规则的覆盖率达到99.8%。研究表明,乔木层垂直结构分类方法具有分类精度高、普适性强、可推广性好、空间信息丰富的特点,适用于大区域亚热带森林乔木层垂直结构分类制图。

摘要： 针对乳腺肿瘤的诊断率及精准度较低的情况,提出一种基于改进的矢量量化(LVQ)神经网络乳腺肿瘤诊断算法。首先,基于LVQ1算法和LVQ2算法在网络训练过程中更新神经元数目的不同,建立结合LVQ1算法和LVQ2算法的复合LVQ神经网络;然后,考虑到不同的竞争层节点数对LVQ神经网络诊断率的影响,采用K交叉验证法确定复合LVQ最佳网络结构;最后,探讨了不变的学习率在网络训练后期对收敛速度的影响,采用自适应速率算法调整学习率,减少迭代次数。以Wisconsin Breast Cancer Database为实验样本,运用改进算法构造乳腺肿瘤与症状之间的非线性映射关系,用混淆矩阵的概念表达算法诊断准确率。实验结果表明,提出的改进算法诊断准确率达97.1%,相比LVQ1算法和LVQ2算法,误诊率分别降低了5.8%和2.9%。

摘要： 针对现有的深度学习方法在树干或树叶单一识别任务上需要大量样本做标注和训练的问题,且存在灾难性遗忘现象,提出一种新的神经网络模型用于多任务树种识别。对于少量不同类型数据样本,本文引入持续学习,将树干识别和树叶识别看作2个连续的学习,实现多任务识别。训练模型分为2个阶段:第1阶段为树干识别,保留参数重要性;第2阶段引入正则化损失约束重要参数的变化,维持模型对于叶片的特征提取能力,而保持低重要性参数的改变,以学习不同树种样本中更多的特征信息。测试结果表明,该方法在树干识别和树叶识别时的准确率分别为91.75%和98.85%,较单任务的深度学习有18.03%和11.92%的提升。本研究所提出的模型更适用于在不同样本中进行多任务分类识别,较好地避免灾难性遗忘问题。

摘要： 乳腺癌是易发生且致死率高的恶性肿瘤之一,及早诊断识别是降低致死率的关键。基于应用广泛的乳腺癌病理图像,结合卷积神经网络展开乳腺癌的识别研究。针对癌症图像细节和纹理特征难以识别的问题,采用插值处理将图像进行适当放大,以便研究分析。针对卷积神经网络参数庞大不易训练和不易硬件实现的问题,提出一种精简的5卷积层W型网络结构,具有较少的权重参数,可以降低时间和空间复杂度从而便于硬件实现。精度损失曲线测试和混淆矩阵实验结果表明,与传统顺序结构5卷积层神经网络相比,采用提出的网络使乳腺癌诊断识别的准确率提高4百分点,且具有较好的抗拟合效果。

摘要： 针对反演结果精度检验缺少空间信息的问题,以长株潭地区为研究区,采用神经网络方法建立土壤As元素含量与遥感反射率的反演模型,并引入混淆矩阵和空间精度评价方法对反演结果进行精度评价。研究结果表明验证数据R^(2)可达0.72且误差较小;混淆矩阵显示极值点的用户精度和产品精度分别为0.64和0.66,总体分类精度为0.77;实测数据提取出10个As含量高值区,反演结果提取8个高值区,高值区数量识别正确率为0.8;8组高值区质心间最小距离为0.52 km,最大距离为4.17 km,面积重叠指数为0.58。评价结果说明As元素含量尤其是极值区空间分布的一致性,评价方法能够较好地表达产品的空间分布及精度。

摘要： 该模型首先采用合成少数类过采样技术编辑的最近邻来平衡训练数据分布,然后通过集成学习算法XGBoost预测心脏病。为了验证模型效果,本文采用心脏病患者真实医疗数据,利用专家咨询法提取特征,并通过混淆矩阵进行模型评估。与4类基线算法相比,所提模型在AUC、Accuracy、Recall和F-Score指标的评测下均表现良好。实验结果显示,所提模型能够为心脏病预测提供更精准、更智能的辅助参考,同时可以在一定程度上提高诊断的效率和心脏病预测的准确率。

摘要： 深度人脸表情识别是神经网络应用于模式识别上一项极具挑战性的任务。相对于身份认证和特征点识别等人脸识别任务,表情识别任务中存在着大量的冗余信息,要得到好的效果,需要更精确的分类。多数研究关注点在数据的泛化性和网络结构上,而忽视了数据的类间关系。提出了一种基于类间分析的深度残差表情识别网络RMRnet。首先,将数据通过骨干网络Resnet18得到混淆矩阵,进一步得到召回率矩阵分析类间关系;然后,凭借类间关系设计网络结构分支,进一步区分强联系类,设计补充支路平衡弱联系类;最后,将分支添加到骨干网络的相应位置,得到RMRnet网络模型。在流行的大型数据库上,与基准方法和近年来的先进方法的对比实验结果表明,提出的方法相较于基准方法效果良好,在一众先进方法中也有很强的竞争力。

摘要： 为解决现阶段地标大米产地确证系统中大米特征元素较多、产地确证成本较高的问题,本文以大米中Cu、Zn、Mn、Fe、Ca、K、Mg、Na、Cd、Pb 10种矿物质元素含量为数据基础,通过贪婪算法筛选元素指标,并依托随机森林算法构建地标大米产地确证模型。结果表明,以贪婪算法筛选的8种元素指标构建的随机森林模型判别准确率是96%,相比10种矿物质元素指标具有更好的产地判别精度,同时降低了产地确证成本。

摘要： 以河北唐山市丰南区为研究范围,进行冬小麦-夏玉米轮作区为对象进行遥感识别方法研究。通过地理空间数据云获取丰南区2017年9月、2018年1月和2018年4月Ladsat8-OLI遥感影像,运用遥感技术和地理信息系统知识根据农作物光谱特征使用遥感分类方法的监督分类中和面向对象分类2种经典的方法,结合所提取冬小麦和夏玉米在研究区内的物候期特征,对其进行识别与分类,采用遥感分类精度评价方法中的混淆矩阵对2种分类方法进行精度评价和分析监督分类精度高。

摘要： 在模式识别领域中,多分类器融合技术能有效提升识别性能,已成为重要研究热点之一.然而并非任意多分类器系统都能够提高分类正确率.为了实现有效的多分类器融合,子分类器间的差异性至关重要.本文提出一种新的基于混淆矩阵的差异性度量方法,与传统的差异性度量方法相比,新定义的差异性大小与融合分类正确率高低之间有更为明显的正相关关系.仿真实验表明,基于新差异性度量所构造的多分类器系统能够有效地提升融合分类性能.

摘要： Dempster-Shafer理论是一种常用的组合多分类器工具.合理地对分类器输出信息进行证据建模是应用该理论的第一步,也是最关键的一步.由于度量层信息相对比较丰富,对其进行证据建模较为容易,已经有许多研究成果.但抽象层信息很少,使得该问题非常困难.本文针对Dempster-Shafer理论框架下的多分类器组合问题,提出了基于分类器输出的抽象层信息,充分利用其混淆矩阵进行证据建模的两种方案.仿真实验表明,上述两种方案提高了多分类器系统的正确分类能力.

摘要： 耳语音识别具有重要的研究意义和广泛的应用前景。建立了一个小规模的汉语正常音－耳语音对照语音库，其内容主要是数字串。分析所采集的耳语音和正常音样本，验证了它们的特点和区别。分别以正常音、耳语音为训练和测试集作了交叉识别研究，并利用识别的混淆矩阵分析了数字的详细识别结果。实验结果表明，用正常音的训练模型对耳语音进行识别是非常不合适的；耳语音数字识别率的高低与耳语音的声学特性密切相关。最后给出了进一步的研究方向。

摘要： 本发明公开了基于混淆矩阵的高层语义行为视频识别方法，主要解决现有技术因混淆造成识别率低的问题。其实现步骤是：1)提取行为视频的稠密轨迹，获取轨迹的底层特征；2)利用底层特征进行行为识别，获取混淆矩阵；3)针对混淆矩阵，定义能区分混淆行为的高层语义列表；4)将高层语义列表和行为视频数据相关联，为每一种高层语义训练对应的判别式分类器，并将行为视频在所有判别式分类器下的判分值串接，得到高层语义特征向量；5)获取底层特征在线性SVM分类器下的隶属度，联合隶属度和高层语义特征向量，训练LSVM分类器进行行为识别。本发明能有针对性地纠正混淆行为，提高了行为识别的准确率，可用于视频监控。

摘要： 本发明公开了一种基于混淆矩阵的横向联邦模型评估方法，属于联邦学习技术领域，包括以下步骤：S1、发起方和数据方设定得分阈值，以0.01为步长从0.01到0.99，得到100个阈值点；S2、发起方和数据方分别计算每个阈值点的混淆矩阵，各得到100个混淆矩阵；S3、数据方将己方的混淆矩阵发送给发起方；S4、发起方合并双方的混淆矩阵，以此计算FPR和TPR，并形成一个ROC曲线；S5、根据FPR和TPR来计算AUC和KS。该基于混淆矩阵的横向联邦模型评估方法，可以在横向联邦学习场景中，快速安全得输出模型得分，并且不需要用到混淆电路这样的加密算法，可以确保性能可适用于商业用途。

摘要： 本发明提供一种混淆矩阵的生成方法、装置、设备及存储介质，该方法包括：将音频数据输入声学模型，得到每一帧的声学得分列表声学得分列表中包括至少一个声学得分，声学得分表征发音单元的声学后验概率；获取音频数据的每一帧的中心元素，根据声学得分列表更新中心元素在混淆矩阵对应的行；混淆矩阵中每一行表征中心元素与所有的发音单元的混淆度；混淆矩阵按行进行归一化，得到作为输出结果的混淆矩阵。本发明能够更好地量化发音之间的相似度，有效地提高混淆矩阵的生成效率和精确程度，防止错漏。

摘要： 本发明提供了一种基于PaddleDetection的混淆矩阵生成方法，包括：在PaddlePaddle平台下运用PaddleDetection目标检测开发套件训练目标检测网络；获取有标注的测试数据集，分为两个文件夹，一个文件夹放json文件，另一个放对应的图片文件，并得到真实的目标物体外接矩形框；运用infer.py图片文件进行预测，得到预测标签；得出预测修正得到的矩形检测框；将真实矩形框与预测修正得到的矩形检测框进行循环匹配，将统计得到的值记录在矩阵上；创建excle表格，将记录的矩阵填充到excle表格中，绘制出用于评价模型实际应用效果的混淆矩阵，本发明方法能通过目标检测网络预测的检测框与实际的目标检测框进行匹配，绘制在混淆矩阵上，以便对于模型各个种类的识别结果进行统计研究，优化网络模型的训练方法。

摘要： 本发明提供了一种在基于混淆矩阵的极化SAR图像组合分类方法，包括：提取图片中的训练集和测试集，并用不同的基分类器对训练集进行训练；2)根据基分类器得到的预测结果，构造混淆矩阵，计算得到召回矩阵和精度矩阵并融合，得到不同分类器对不同类的识别能力；3)用不同基分类器对同一未知测试点进行测试，测试结果与第二步中的识别能力结合，构造该分类器对该测试点的基本概率分配；4)融合未知测试点的所有基本概率分配，通过皮格斯变换公式得到最终分类结果；5)按照第三步和第四步预测测试集中所有未知样本。本发明与基分类器相比，具有提高图像分类精度、召回率以及准确率的优点。

摘要： 本发明公开了一种优化混淆矩阵的双目标有界拒绝分类方法，包括：(1)通过优化带拒绝机制的混淆矩阵确定拒绝分类器；(2)分别约束正类和负类的拒绝率，最小化假阳性率和假阴性率；(3)利用NSGA‑II算法求解优化模型，得到帕累托最优解集；(4)根据不同的应用场景或条件，从帕累托最优解集中选择最佳拒绝分类器；(5)利用最佳拒绝分类器对待测样本进行分类，得到该样本的类别：正类、负类或拒绝分类。

摘要： 本发明公开了一种基于混淆矩阵的多分类器差异性度量方法及系统，包括以下步骤：步骤1，基于混淆矩阵，评价多分类器系统中各子分类器区分不同类别数据的能力；步骤2，基于步骤1构造的各子分类器的混淆矩阵，计算获得各子分类器的混淆矩阵之间的相关性；步骤3，基于步骤2计算获得的各子分类器的混淆矩阵之间的相关性评价各子分类器间的差异性，完成多分类器差异性度量。本发明针对现有差异性度量方法的不足，提出了一种基于混淆矩阵的差异性度量新方法，能够提高分类器集合的差异性度量值与该集合的融合分类正确率之间的相关性，可使基于差异性度量构造的多分类器系统能够更有效地提升融合分类性能。

摘要： 本发明公开了一种基于混淆矩阵的分类结果检测方法，包括：获取分类结果的混淆矩阵；根据所述混淆矩阵计算每个类别分类结果的准确度；根据所述每个类别分类结果的准确度计算整体分类结果的准确度。通过上述方法，不仅可以获取分类器整体的分类结果的准确度，而且可以给出每一个类别的分类结果的准确度，不仅可以用于模型选择，而且对于更好的指导训练过程具有一定的意义。

摘要： 本发明涉及流式数据形成混淆矩阵的方法、设备及介质，方法包括：接收流式数据，并将流式数据中的无效数据滤除；将滤除除后的数据中的标签列和预测列的数据类型进行统一，得到用于生成映射函数的数据；将所述用于生成映射函数的数据进行值映射，以生成混淆矩阵。本发明实施例通过将流式数据输入模型评估阶段之前，先将流式数据中的无效数据滤除，统一数据类型，提高了混淆矩阵的准确性，进而提高了模型评估的准确性。

摘要： 本发明公开了基于混淆矩阵的高层语义行为视频识别方法，主要解决现有技术因混淆造成识别率低的问题。其实现步骤是：1)提取行为视频的稠密轨迹，获取轨迹的底层特征；2)利用底层特征进行行为识别，获取混淆矩阵；3)针对混淆矩阵，定义能区分混淆行为的高层语义列表；4)将高层语义列表和行为视频数据相关联，为每一种高层语义训练对应的判别式分类器，并将行为视频在所有判别式分类器下的判分值串接，得到高层语义特征向量；5)获取底层特征在线性SVM分类器下的隶属度，联合隶属度和高层语义特征向量，训练LSVM分类器进行行为识别。本发明能有针对性地纠正混淆行为，提高了行为识别的准确率，可用于视频监控。