分类器设计

摘要： 为了提高网络异常状态识别准确性,设计基于数据驱动的网络异常状态识别方法。对网络异常状态识别研究进展进行分析,找到引起网络异常状态识别结果不理想的原因;采集网络异常状态识别数据,引入数据驱动技术进行学习和训练,构建网络异常状态识别的分类器;与其他网络异常状态识别方法进行对比测试,本文方法的网络异常状态识别准确率得到了大幅度提升,减少了网络异常状态错误识别概率,识别结果可以为网络管理人员提供有价值的参考信息,具有较高的实际应用价值。

摘要： 随着技术水平的发展和研究的不断深入,在模式分类问题中需要处理的信息往往存在有大量的不确定性。证据理论作为处理不确定性一大强有力的工具,将其应用于模式分类能够有效提高分类器分析、表达以及处理不确定性数据的能力。对此,文中开展了证据理论在模式分类中应用的研究综述,在对模式分类、证据理论的基本原理进行概述的基础上,重点围绕单分类器设计和多分类器集成两个角度,系统梳理了证据理论在模式分类中的研究现状,并从不同分类特性的角度出发比较了各阶段方法的优缺点,旨在为相关研究人员提供借鉴和参考。

摘要： 为了提高人脸识别效果,针对当前人脸识别方法存在的局限性,如识别准确率低,耗时长等,提出了基于小波变换与LBP算子的人脸识别方法。首先采集待识别的人脸图像,并采用小波变换对人脸图像作多尺分解,通过对高频子图像进行处理,消除光照变化对人脸识别的干扰,然后采用LBP算子提取人脸图像纹理特征,将特征连接组合在一起产生特征向量,最后采用k近邻算法根据特征向量建立人脸识别的分类器。采用标准人脸识别数据集Yale-B与AR作为测试对象,测试结果表明,小波变换与LBP算子能够克服当前人脸识别方法的弊端,提高人脸识别的准确率,并且人脸识别效率得到了明显改善,整体人脸识别效果要优于当前其它方法,为后续人脸处理打下了良好的基础。

摘要： 在当代电子战中,电子干扰与抗干扰的较量愈演愈烈。开展针对雷达有源干扰的识别算法已经成为雷达对抗领域研究的热点,具有重大的战略意义。本文针对雷达有源干扰识别算法进行整体分析,总结了目前国内外干扰识别手段的一般流程。首先对常见雷达干扰的种类进行划分,详细介绍目前常见的雷达有源干扰信号的干扰机理和信号模型,然后从特征提取手段和分类器的设计两个角度出发全面地梳理干扰识别算法流程。最后针对雷达有源干扰识别算法未来的发展方向做出了展望。

摘要： 为了提高疼痛评估的快捷性、直观性、连续性、准确性,本研究建立了一种基于深度学习和面部表情图像的疼痛强度智能评估模型,为准确评估疼痛病情、适时调整治疗方案、实施有效镇痛措施提供补充依据。该方法采集7位志愿者在6种不同疼痛强度状态下的表情图片,通过预处理和数据增广形成数据库,设计深度卷积神经网络并进行训练,使用特征级差异进行面部疼痛表情分类。在JAFFE、CK+数据库上进行模型性能验证和评价。模型在训练集、测试集分类准确率分别达到98.15%、90.91%,训练速度19 ms/step。模型在JAFFE、CK+数据库上的验证效果良好。结果表明,该方法在疼痛表情识别中准确有效,评分结果具有显著性。

摘要： 针对当前运动动作分类方法难以高精度区分各种类型农机设备问题,设计基于图像处理技术的运动动作分类方法.首先分析运动动作分类研究现状,找到各种运动动作分类方法存在的缺陷,并基于图像处理技术对运动动作图像进行采集、处理;然后从运动动作图像中提取分类特征,将运动动作图像特征作为最小二乘支持向量机的输入,农机类型作为最小二乘支持向量机的输出,通过训练、学习以及参数优化建立运动动作分类器;最后采用具体实验对运动动作分类方法的可行性和优越性进行测试.结果表明,所提方法可以对所有类型的运动动作进行准确识别和分类,运动动作分类正确率达到了95％左右,远远高于当前其他运动动作分类方法,同时加快了运动动作分类的速度,获得了理想的运动动作分类结果.

摘要： 为了解决当前轴承异常状态识别过程中存在的难题,提高轴承异常状态识别效果,提出了一种基于光纤传感的轴承异常状态识别方法.首先采用光纤传感技术获得轴承异常状态信号,并对轴承异常状态信号进行预处理,消除轴承异常状态信号中一些无用信息,然后将处理后的轴承异常状态信号输入到隐马尔科夫模型进行学习和训练,建立轴承异常状态识别的分类器,并对分类器参数进行优化,接着根据分类器进行轴承异常状态的识别,最后采用具体的实例进行了轴承异常状态识别的仿真测试.测试结果表明,这种方法的轴承异常状态识别正确率高,减少了轴承异常状态的漏识率和误识率,同时轴承异常状态识别时间短,加快了轴承异常状态识别速度,获得了理想的轴承异常状态识别结果.

摘要： 针对不平衡水声目标数据分类问题,本文提出了一种间隔和差异性融合的选择性集成算法.从理论上给出了单纯增加差异性无法改善泛化性的原因,融合间隔和差异性构造了选择性度量,利用选择性度量对基分类器进行选择性集成从而形成最终分类器.实测水声目标数据试验结果表明:本文算法整体性能优于AdaBoost算法和常规选择性集成算法,说明其更适合处理不平衡水声目标数据分类问题.

摘要： 电子音乐分类有利于电子音乐的在线检索,当前电子音乐分类模型难以准确识别各种类型的电子音乐,使得当前电子音乐分类模型分类效果差,为了提高电子音乐分类正确率,提出了多特征融合和机器学习算法的电子音乐分类模型.首先采集电子音乐信号,并从电子音乐信号中提取分类的多种特征,然后采用机器学习算法描述电子音乐信号类型和特征之间的联系,建立电子音乐分类器,最后采用模型对多种电子音乐进行分类仿真实验,结果表明,相对于当前其它电子音乐分类模型,该模型减少了电子音乐分类器构建的时间,加快了电子音乐分类速度,能够高精度识别各种类型的电子音乐,电子音乐分类正确率明显提高,验证了该电子音乐分类模型的优越性.

摘要： 本文介绍了易混淆韵母的概念,并通过信号分析与图形比较的方法进行了(a,ua)和(an,uan)两组分类器设计。研究发现带有韵头的韵母其韵头的能量通常要比后面的韵腹小很多,通过这个特点就可以进行该类信号的分类器设计。这种对于易混淆韵母组合的分类器研究不但对于普通话评测有一定的帮助,对于区别特征的研究也有一定的参考意义。

摘要： 视觉属性能够展现人们识别事物时所定义的语义概念,但现有的视觉识别工作往往忽略了属性在分类器设计中能作为中间媒介层的作用.本文给出一种将属性和事物类别同时用于构建分类器的方法.分析了传统多类分类器、直接类别相关模型、间接属性预测模型、直接属性预测模型的特点.在动物和室外场景数据集上的实验证明,利用属性进行分类器学习对于提高传统多目标分类和迁移学习的性能都具有很好的帮助.

摘要： 基于逆问题理论，建立模式分类判决函数估计的基本框架；在判决函数所属空间建立投影准则，保证判决函数的最优泛化能力；在输出空间建立投影准则，使异类特征抑制强度最大化，保证判决函数的鉴别性能；通过协调参数，控制判决函数在特征表示与鉴别方面的平衡。手写字符识别、人脸识别、雷达目标识别等模式识别实验结果，初步说明了所设计分类器的有效性。

摘要： 本文在广泛的研究多种BP算法]的基础上，对BP分类器设计的一般过程进行了归纳和总结，并且根据工程实际的需要，设计了一种用来解决三因素二分类问题的BP网络，较好的解决了网络震荡及收敛速度慢的问题，这对其他分类问题的解决具有一定的参考价值和普遍指导的意义。

摘要： 藏文字符识别是中国的多文种信息处理系统的重要组成部分,本文论述了印刷体藏文识别系统的原理和预处理、识别、后处理过程,分析了文字识别的常用方法及其优缺点和印刷体藏文识别技术,着重分析了印刷体藏文识别中特征提取和分类器设计这两个关键技术,并对藏文识别研究领域今后的研究方向和发展前景提出了自己的看法.

摘要： 本文提出了基于多项式独立分布的Bayes最小分类器与自适应Boost方法相结合的分类器设计方法.文章第2部分介绍基于多项式独立分布的Bayes最小分类器,利用这种决策规则对样本集作粗分类.文章第3部分给出自适应Boost方法的详细步骤,该方法可对错分样本子集做局部调整以提高总的分类正确率.文章第4部分将前述两种方法结合在一起,构造的分类器兼有Bayes分类器分类正确率相对稳定和自适应Boosting方法启发式规则分类正确率较高且易实现等特点.文中第5部分针对Web网页文本分类问题给出了实验结果.

摘要： 确定了基于神经网络的固体核径迹图像模式识别流程：对核径迹图像进行预处理与目标规格化后，以三层BP神经网络识别核径迹图像，实现了核径迹尤其是重叠核径迹的自动分类与计数。实验结果表明神经网络识别核径迹图像是一种可行的办法。

摘要： 确定了基于神经网络的固体核径迹图像模式识别流程：对核径迹图像进行预处理与目标规格化后，以三层BP神经网络识别核径迹图像，实现了核径迹尤其是重叠核径迹的自动分类与计数。实验结果表明神经网络识别核径迹图像是一种可行的办法。

摘要： 确定了基于神经网络的固体核径迹图像模式识别流程：对核径迹图像进行预处理与目标规格化后，以三层BP神经网络识别核径迹图像，实现了核径迹尤其是重叠核径迹的自动分类与计数。实验结果表明神经网络识别核径迹图像是一种可行的办法。

摘要： 本发明提供了滚筒分类器装置（10）和用于将预成型坯（2）分类的分类方法，以及具有这种滚筒分类器装置（10）的运送装置。滚筒分类器装置（10）包括第一滚筒（11）、第二滚筒（12）、检测装置（14）和滚筒设置更改元件（15），第一滚筒（11）能被驱动而绕着其滚筒轴（11a）旋转，第二滚筒（12）能被驱动而绕着其滚筒轴（12a）朝与第一滚筒（11）旋转相反的方向旋转，且第二滚筒（12）与第一滚筒（11）被间开地设置从而使得它们的滚筒轴（11a、12a）被设置得本质上彼此平行，检测装置（14）用于检测在第一和第二滚筒（11、12）上的不被允许的和/或有缺陷的预成型坯（2），滚筒设置更改元件（15）用以在检测装置（14）检测到不被允许的预成型坯（2）时更改第一和第二滚筒（11、12）相对于彼此的设置。

摘要： 本发明公开了一种生理数据特征值获取方法、分类器建立方法、分类方法、分类器及分类系统。分类器建立方法包括：获取多个生理数据样本，为每个参考生理数据样本分配分类标签并提取特征值；对分类标签和特征值进行归一化处理并转化为统一格式，获得训练数据；配置分类器训练参数；利用训练数据对分类器进行训练，训练中不断优化训练参数，直到分类器输出精度达到预设精度后，输出模型文件，完成分类器建立。生理数据分类器建立快速、运算量少，训练数据中对分类标签和特征值进行归一化处理并转化为统一格式，有利于提高分类器的训练速度。快速对生理数据进行分类并输出分类标签，便于处理人员选择生理数据做进一步分析，减少了工作量。

摘要： 本发明提供了滚筒分类器装置（10）和用于将预成型坯（2）分类的分类方法，以及具有这种滚筒分类器装置（10）的运送装置。滚筒分类器装置（10）包括第一滚筒（11）、第二滚筒（12）、检测装置（14）和滚筒设置更改元件（15），第一滚筒（11）能被驱动而绕着其滚筒轴（11a）旋转，第二滚筒（12）能被驱动而绕着其滚筒轴（12a）朝与第一滚筒（11）旋转相反的方向旋转，且第二滚筒（12）与第一滚筒（11）被间开地设置从而使得它们的滚筒轴（11a、12a）被设置得本质上彼此平行，检测装置（14）用于检测在第一和第二滚筒（11、12）上的不被允许的和/或有缺陷的预成型坯（2），滚筒设置更改元件（15）用以在检测装置（14）检测到不被允许的预成型坯（2）时更改第一和第二滚筒（11、12）相对于彼此的设置。

摘要： 基于从多个设施获取到的脑测量数据来执行具有规定的属性的受验者的聚类的、脑功能连接相关值的聚类装置在多个MRI装置中对于健康群、患者群拍摄静息态的fMRI图像数据，计算处理系统(300)在进行协调化处理后的相关阵列的元素值与关于各受验者的疾病标签之间，通过“有监督学习”将识别器的生成作为集成学习来实施，在集成学习过程中，根据重要度而从在针对疾病标签生成识别器的生成处理中确定出的特征量中选择出用于聚类的特征量，之后通过“无监督学习”来执行多重共聚类。

摘要： 本申请提供一种分类器训练方法、分类器和情感分类系统，上述方法包括：获取主题集合中至少一个主题的已标注的评论文本，作为训练样本；获取主题集合中至少一个主题的未标注的评论文本，作为未标注样本；采用标签传播算法预测所述未标注样本；采用预测后的所述未标注样本和所述训练样本训练分类器。本方案除了通过利用已经标注过的评论文本对分类器进行训练之外，还利用未标注的评论文本对所述分类器进行训练，并且采用所述未标注的评论文本对所述分类器进行训练后，显著提高了所述分类器的分类精度。在不明显提高用户工作量的基础上，有效的提高了分类器的精准度。

摘要： 本发明实施例提供一种对手写字符图像进行分类的分类器、分类装置和分类方法，该分类器包括：训练部，其根据训练样本的分类输出与所述训练样本类别的误差，以及所述训练样本的特征提取输出或重构输出与所述训练样本所对应的标准字符图像的误差，来确定特征提取参数和分类参数；分类部，其根据所述训练部所确定的所述特征提取参数和分类参数，对输入的手写字符图像进行分类。根据本发明的实施例，在确定特征提取参数和分类参数时，考虑到了训练样本所对应的标准字符图像的特性，因此，能够得到进一步优化的特征提取参数和分类参数，提高了分类的准确性。

摘要： 本发明公开了一种微囊性附属器癌鉴别诊断的试剂盒和分类器以及分类器的构建方法，它包括检测4种钙离子通道相关蛋白的试剂，分别为：CACNA1S、MYLK3、RYR1和ATP2A1。本发明还提供了所述试剂盒的用途及一种鉴别诊断微囊性附属器癌的分类器构建方法。本发明试剂盒可以用于鉴别微囊性附属器癌和其他形态学类似的良、恶性皮肤肿瘤，为微囊性附属器癌的早期诊断/鉴别诊断提供帮助，临床应用前景广阔。

摘要： 公开一种使用连续学习服务器对分类客户端(client)图像的分类器进行连续学习的方法，其包括：连续学习服务器(a)将来自客户端的第1分类器的每个第1难图像输入到对抗自编码器，使对抗自编码器通过编码器从多个第1难图像输出多个潜在向量，通过解码器从多个潜在向量输出多个重建图像，通过判别器和第2分类器输出多个属性信息和多个第2分类信息，以确定要存储在第1学习数据集中的多个第2难图像，通过调整与确定为不是第2难图像的每个重建图像对应的多个潜在向量来生成要存储在第2学习数据集中的多个增强图像；(b)对与第1分类器对应的第3分类器进行连续学习；以及(c)向客户端传输多个更新的参数。

摘要： 本发明公开了一种基于忆阻器的朴素贝叶斯分类器设计方法、系统及分类器，属于信息技术领域，方法包括：构建包含M行×2N列忆阻器阵列的朴素贝叶斯分类器，M为分类类型数量，N为图片中像素点的个数；计算第j训练样本中第i个像素点中像素值为0的个数hj,2i‑1和像素值为1的个数hj,2i，j＝1，2，……，M；在第j行第2i‑1列的忆阻器Rj,2i‑1上施加hj,2i‑1个脉冲以对Rj,2i‑1的电导进行调制，在第j行第2i列的忆阻器Rj,2i上施加hj,2i个脉冲以对Rj,2i的电导进行调制，调制后的朴素贝叶斯分类器用于识别待分类图片的类型。有效克服忆阻器在神经网络应用中电导变化的非对称性和非线性制约，避免非理想阻变行为导致的精度下降，提高朴素贝叶斯分类器的普适性。

摘要： 本发明公开了一种基于忆阻器的朴素贝叶斯分类器设计方法、系统及分类器，属于信息技术领域，方法包括：构建包含M行×2N列忆阻器阵列的朴素贝叶斯分类器，M为分类类型数量，N为图片中像素点的个数；计算第j训练样本中第i个像素点中像素值为0的个数hj,2i‑1和像素值为1的个数hj,2i，j＝1，2，……，M；在第j行第2i‑1列的忆阻器Rj,2i‑1上施加hj,2i‑1个脉冲以对Rj,2i‑1的电导进行调制，在第j行第2i列的忆阻器Rj,2i上施加hj,2i个脉冲以对Rj,2i的电导进行调制，调制后的朴素贝叶斯分类器用于识别待分类图片的类型。有效克服忆阻器在神经网络应用中电导变化的非对称性和非线性制约，避免非理想阻变行为导致的精度下降，提高朴素贝叶斯分类器的普适性。