集成分类器

摘要： 为解决传统网络异常流量特征选择方法存在的准确率与效率较低问题,提出一种基于集成分类器的网络异常流量特征选择模型设计方法。仿真实验中以误报率、阳性似然比、约登指数等作为评估指数指标,结果表明所提出的模型设计方法的各个指标数值均优于传统方法,证明该方法的计算速度较快、准确度较高。

摘要： 本文首先提取方向梯度直方图(Histogram of Oriented Gradients,HOG)的特征,再结合主成分分析算法(Principal Component Analysis,PCA)寻找最佳的特征维度。在此基础上提出了一种集成分类器,即以SVM、K临近算法(K-Nearest Neighbor,KNN)以及极端梯度提升(Extreme Gradient Boosting,XGBoost)算法为基分类器,通过人工蜂群(Artificial Bee Colony algorithm,ABC)算法为这三种分类器进行优化,从而形成一个性能更优的集成分类器。实验表明与单一分类器相比,在数据集Hand Postures中该集成分类器可以获取更好的手势识别效果。

摘要： 为了减少视觉图像在处理运动目标跟踪时所需的消耗时间,设计一种基于增强现实技术的视觉图像抗遮挡运动目标跟踪算法.利用噪声去除结果标记图像中的目标连通区域,进而提取特征值数据指标,完成视觉图像的前景处理.在此基础上,设计集成分类器结构,根据跟踪评价指标的选取结果建立跟踪算法流程,完成增强现实中视觉图像抗遮挡运动目标的跟踪算法研究.对比实验结果表明,与现有处理手段相比,应用新型跟踪算法后,运动目标定位准确性最大值达到95％,单位时间内可跟踪目标数量提升至9.0×1011 TB,运动目标跟踪处理所需的固定消耗时间得到有效控制.

摘要： 铁路安全问题是铁路运输保证的核心问题,铁路安全问题非结构化文本数据量大,文本内容无特定规律,对于综合分析解决安全故障问题造成很高的难度.针对铁路安全问题数据智能分类,提出进化集成分类器模型.运用TF-IDF算法,通过分析接触网安全问题的数据特点提取文本特征.采用决策树作为基分类器的Bagging集成分类器将文本数据分类,在Bagging分类过程中,针对Bagging算法产生的基分类器组合解集,提出采用遗传算法(Genetic Algorithm)将其优化,产生分类结果较优的基分类器组合解集.以铁路局实际安全问题进行实验分析,实验证明TF-IDF+Bagging+Genetic Algorithm=Evolutionary Ensemble Classifier进化集成分类器模型在铁路安全问题文本分类中具有较高的准确性.

摘要： 语义分割的任务是将给定图片的每一个像素进行分类,为了解决当类数目急剧增多或类的特征频繁改变的时候,语义分割的准确性会急剧地下降的问题。本研究提出将像素分类任务按照分类难度划分成不同的子任务。具体工作分为两部分:为每一个子任务训练一个神经网络,训练一个集成神经网络。根据图像像素的多少来划分难度等级的数量。通过为每一个不同的难度等级训练神经网络,可以获得各个子任务的概率图,然后通过这些概率图来训练集成网络。在实验部分,本研究将数据集上的11个类别划分成容易、中等、困难三类进行训练,在CamVid数据集上使用平均IoU衡量该方法语义分割准确率。实验结果表明,本研究方法与单一U-net对比传统方法对比在各类平均IoU上有了2%的提升。尤其是在围栏,人行道,自行车手这三类上有超过5%的提升。

摘要： 针对软件缺陷预测数据中的数据不平衡、预测精度低以及特征维度高的问题,提出了一种RUS-RSMOTE-PCA-Vote的软件缺陷不平衡数据分类方法.首先通过随机欠采样来减少无缺陷样本的数量;在此基础上进行SMOTE过采样,在过采样中综合总体样本的分布状况引入影响因素posFac指导新样本的合成;对经过RUS-RSMOTE混合采样处理后的数据集进行PCA降维,最后应用Vote组合K最近邻、决策树、支持向量机构造集成分类器.在NASA数据集上的实验结果表明,与现有不平衡数据分类方法相比,所提方法在F-value值、G-mean值和AUC值上更优,有效地改善了软件缺陷预测数据集的分类性能.

摘要： 糖尿病是一种比较常见的慢性疾病,并且存在较长的无症状阶段。本文主要介绍了机器学习中的5种分类算法,分别是朴素贝叶斯、支持向量机、逻辑回归、决策树和集成分类器Random Forest,并在Weka数据挖掘平台上,对糖尿病数据进行挖掘分析,根据混淆矩阵、Kappa系数、ROC曲线、均方根误差以及相对绝对误差这几个性能指标对分类器效果进行分析,找到最适合糖尿病疾病预测的算法,为当今医疗行业其他疾病数据的挖掘分析提供思路。

摘要： 针对提取的多通道EEG(脑电信号)的CSP(共空间模式)算法在空间滤波上具有很好的性能,但是CSP算法无法体现EEG信号的时域和频率特性,导致分类器的准确率不高和泛化性能不好的问题.提出了一种新的加权正则化的DTCWT(双树复小波变换)与CSP的特征提取方法(R-DTCWT-CSP),充分结合脑电信号的时-频-空域特征信息,减少冗余通道的无用的信息.在国际竞赛BCI Competitions 2008的四分类数据集上,采用多种分类器对比得到分类准确率最好的分类器,网络搜索算法进一步优化参数,最后选取准确率较好的四个分类器组合成一种投票机制的分类器对脑电信号进行分类.识别准确率最高达到94.23％,这表明方法是可行有效的.

摘要： 语义分割的任务是将给定图片的每一个像素进行分类,为了解决当类数目急剧增多或类的特征频繁改变的时候,语义分割的准确性会急剧地下降的问题.本研究提出将像素分类任务按照分类难度划分成不同的子任务.具体工作分为两部分:为每一个子任务训练一个神经网络,训练一个集成神经网络.根据图像像素的多少来划分难度等级的数量.通过为每一个不同的难度等级训练神经网络,可以获得各个子任务的概率图,然后通过这些概率图来训练集成网络.在实验部分,本研究将数据集上的11个类别划分成容易、中等、困难三类进行训练,在CamVid数据集上使用平均IoU衡量该方法语义分割准确率.实验结果表明,本研究方法与单一U-net对比传统方法对比在各类平均IoU上有了2％的提升.尤其是在围栏,人行道,自行车手这三类上有超过5％的提升.

摘要： 糖尿病是一种比较常见的慢性疾病,并且存在较长的无症状阶段.本文主要介绍了机器学习中的5种分类算法,分别是朴素贝叶斯、支持向量机、逻辑回归、决策树和集成分类器Random Forest,并在Weka数据挖掘平台上,对糖尿病数据进行挖掘分析,根据混淆矩阵、Kappa系数、ROC曲线、均方根误差以及相对绝对误差这几个性能指标对分类器效果进行分析,找到最适合糖尿病疾病预测的算法,为当今医疗行业其他疾病数据的挖掘分析提供思路.

摘要： 针对最低有效位(LSB)匹配隐写,本文根据其对图像直方图具有低通滤波作用的特点,提出了基于残差直方图和直方图残差的隐写检测算法.该算法首先分别利用多种不同的滤波窗口计算图像残差直方图和直方图残差;然后,利用离散傅里叶变换得到图像残差直方图和直方图残差的特征函数,并根据预测图像对残差及直方图残差特征函数进行校验;最后,以检验前后的残差直方图和残差直方图的特征函数、残差直方图特征函数质心、以及校验前和校验后的直方图残差的特征函数质心为特征,结合集成分类器对LSB匹配隐写的隐密图像进行检测.实验结果表明,在BOSS、BOWS图像库上,本文提出的方法优于SPAM;在噪声较多的NRCS图像库上,当嵌入率大于0.6时,本文提出的方法检测性能比SPAM好.

摘要： 本发明实施例公开了一种分类器集成分类方法和装置、电子设备、存储介质，包括：将待处理数据输入至少一个分类器；基于所述至少一个分类器中的每个分类器，分别输出所述待处理数据对应的概率向量和类别集合；所述分类器输出的概率向量中的各元素用于表征所述分类器判断所述待处理数据属于相应类别的概率；所述类别集合包括所述至少一个分类器获得的所有类别；基于各所述分类器分别输出的概率向量和类别集合，生成所述待处理数据对应的分类结果。基于本发明上述实施例能有效处理多个分类器中存在部分重叠类别的问题；得到该待处理数据对应集成所有分类器获得的类别的分类结果，实现了对覆盖任意类别的分类器的集成。

摘要： 集成分类器及该装置的分类方法，本发明涉及集成分类器及该装置的分类方法。本发明为了解决现有空间栅格数据监督分类领域中存在速度慢、精度低、属性子集具有偏置特性以及属性子集为非确定多项式的问题。本发明采用属性划分方式，将训练数据子集与并行计算技术结合起来，且能应用于高纬度栅格数据；并采用模糊粗糙集理论作为高纬度属性并行划分的标准，使得每个子集即有自己独立特性，又保持了决策完整性，适应于离散型、连续型的异构数据。本发明应用于遥感与地理信息系统领域。

摘要： 本发明一种基于稀疏提升集成分类器的火星探测器软着陆过程中陨石坑的检测方法，它有四大步骤：步骤1.确定候选陨石坑；步骤2.候选陨石坑纹理特征抽取；步骤3.对抽取的纹理特征进行特征选择；步骤4.将Boost算法与稀疏核密度估计算法RSDE‑WL1结合，设计了稀疏提升集成分类器，以实现对基于图像的陨石坑的快速检测。本发明主要是利用所设计的稀疏提升集成分类器具有稀疏解和降低计算复杂度的优点，对基于图像的陨石坑纹理特征进行特征抽取和选择后，实现对陨石坑和非陨石坑的分类，以达到陨石坑的快速检测。其分类准确度能近似达到85％及以上，对实际的火星探测器软着陆过程中陨石坑的检测具有一定的参考价值。

摘要： 本发明公开了一种基于集成分类器在线学习的绝缘子异常自动检测方法，具体步骤为，以无人机/杆塔为载体搭载高清云台摄像机，拍摄输电线路可见光绝缘子图像，对获取到的图像进行预处理、图像分割、图像多特征提取等，得到异常绝缘子图像的多种典型特征并作归一化处理；然后选择决策树作为弱分类器，将归一化特征作为其分类属性训练弱分类器，重复训练得到若干个决策树及其分类权重，最后通过加权投票生成分类准确率高的强分类器，同时结合在线学习技术及时更新强分类器，将各类型异常绝缘子图像分开，以做后续处理。本发明原理简单、直观易行，结合图像处理技术及机器学习算法智能化识别诊断绝缘子异常，为绝缘子异常运行监测提供了新思路和方法。

摘要： 本发明涉及人工智能技术领域，提供一种基于集成分类器的用户异常行为检测方法及相关设备，包括：获取系统中多个分区的历史数据流及每条历史数据流的真实类别；监测系统的内存，并根据系统的内存、多个分区的历史数据流及每条历史数据流的真实类别进行增量式训练多个分类器得到集成分类器；获取监控时段内用户的多条流式数据并输入至集成分类器中进行类别预测，得到多个预测类别；计算预测类别中正常类别和异常类别的数量，并基于此输出用户的行为是否异常的结果。本发明能够充分的利用内存，获得分类性能最佳的分类器，从而提高了对用户异常行为的检测准确率。此外，本发明还涉及区块链技术领域，所述集成分类器和结果可存储于区块链中。

摘要： 本发明涉及电网数据处理技术领域，公开了一种基于集成分类器的电压暂降分类方法，其方法通过获取电压暂降数据以及对应的暂降类型标签构建训练样本集，将训练样本集输入到基础分类器进行训练，得到分类结果，计算每个暂降类型标签的分类正确率和总分类正确率，考虑电压暂降样本的数量不均衡，计算基础分类器在所有分类器中的分类器权重，并按照预设的权重更新规则对不同样本数量的暂降类型标签对应的训练样本的初始权重进行更新，向相应的训练样本赋予更新权重，将各个分类器按照相应的分类器权重集成强分类器，利用强分类器对电压暂降数据进行分类处理，提高了分类的稳定性和精确性。

摘要： 本发明属于机器学习技术领域，具体涉及基于集成分类器动态选择策略的文本情感分类方法。包括如下步骤：S1，采集电影评论信息，根据评论内容进行情感标签，不同程度的情感态度分属多个类别；S2，对已经标签的评论内容的文本集合中，所有的文本进行预处理；S3，利用集成分类器动态选择策略建立文本情感分类模型；S4，根据测试集评论的k个近邻验证集评论在对应候选池中的分类器上的准确率，选择分类器形成分类器集合；S5，采用聚合方法将选择完成的分类器集合组合成多分类器，得出最终输出。本发明具有能够有效地处理文本情感分类中多分类问题且预测精度高的特点。

摘要： 本发明公开了一种基于滤波与集成分类器的多模态生理信号情感分类方法，首先从标准数据集DEAP中获取脑电信号、眼电信号、肌电信号作为初始数据集

摘要： 本发明涉及集成分类器及该装置的分类方法。本发明为了解决现有空间栅格数据监督分类领域中存在速度慢、精度低、属性子集具有偏置特性以及属性子集为非确定多项式的问题。本发明采用属性划分方式，将训练数据子集与并行计算技术结合起来，且能应用于高纬度栅格数据；并采用模糊粗糙集理论作为高纬度属性并行划分的标准，使得每个子集即有自己独立特性，又保持了决策完整性，适应于离散型、连续型的异构数据。本发明应用于遥感与地理信息系统领域。

摘要： 本发明一种基于稀疏提升集成分类器的火星探测器软着陆过程中陨石坑的检测方法，它有四大步骤：步骤1.确定候选陨石坑；步骤2.候选陨石坑纹理特征抽取；步骤3.对抽取的纹理特征进行特征选择；步骤4.将Boost算法与稀疏核密度估计算法RSDE-WL1结合，设计了稀疏提升集成分类器，以实现对基于图像的陨石坑的快速检测。本发明主要是利用所设计的稀疏提升集成分类器具有稀疏解和降低计算复杂度的优点，对基于图像的陨石坑纹理特征进行特征抽取和选择后，实现对陨石坑和非陨石坑的分类，以达到陨石坑的快速检测。其分类准确度能近似达到85％及以上，对实际的火星探测器软着陆过程中陨石坑的检测具有一定的参考价值。