分类精度

摘要： 提出一种面向不平衡数据的主动学习算法Balance adjustment Active Learning(简称Ba-AL).每次迭代结束检查训练集样本平衡度,对不平衡训练集进行聚类并剔除冗余样本,保持训练集的平衡,从而提高分类效果.UCI数据集及真实的遥感影像数据集仿真结果表明,该方法可以获得较好的分类效果,达到目标正确率所需的最少训练样本数更少,算法效率更高,数据利用指标更优越.

摘要： 针对遥感影像卷积神经网络(CNN)分类会导致特征信息丢失及泛化能力差的问题,提出一种基于通道注意力和混合注意力改进的胶囊神经网络分类模型。首先,为了胶囊神经网络能够适应于大尺寸输入图像,在特征提取模块中使用2个最大池化层;其次,为了提高分类精度,分别将SENet注意力和CBAM注意力加在特征提取模块的最后一层去改进特征提取模块;最后,将样本集随机地划分为训练集、验证集和测试集,进一步使用训练集和验证集训练模型,测试集测试模型,使用AID数据集对模型分类的泛化能力进行验证。实验结果表明:基于SENet网络改进的胶囊神经网络的准确率与Kappa系数要高于其他模型,泛化能力也优于其他模型,本文提出的模型的总体分类精度和泛化能力有了显著性提升,从而验证了本文方法的可行性和使用性。

摘要： 土地利用分类是城市建设规划、水体变化监测、森林树种识别的前提,是土地资源可持续利用的基础。本研究以安徽省广德市西庄村为研究对象,基于无人机多光谱成像技术,采用8种监督分类方法,分析研究区的土地利用状况。在相同的分类条件下,支持向量机分类精度最高,总体分类精度达到了98.91%,kappa系数为0.99;其次是随机森林与决策树分类法,总体分类精度达到了97%以上。波谱角、马氏距离法分类效果较低(90%),最小距离法分类精度最低,仅为78.74%,kappa系数为0.73。

摘要： 作为一种常用的图像分割算法,模糊C均值聚类(FCM)对噪声过于敏感。针对此缺陷,研究者们提出了诸多改进算法。然而,现有算法在面对较为复杂的噪声场景时,所得图像分割效果往往不令人满意。通过对经典FCM算法的目标函数施加非局部正则化,该文给出一个FCM非局部改进算法(FCM_UNL)。在复杂噪声场景下进行图像分割时,FCM_UNL能保持较高的分类精度。初步的图像分割实验表明了所提算法的有效性。

摘要： 为了提高电梯牵引机齿轮泵的典型故障诊断精度,提出一种基于经验模态分解(EEMD)和双向长短时记忆网络(BLSTM)的行星齿轮泵故障诊断方法。总共设置4种行星齿轮故障类型,综合验证检测性能。通过EEMD方法完成信号分解,对网络实施训练来提升故障类型的分辨精度。研究结果表明:本故障诊断网络模型损失<1%,具有良好稳定性。断齿、正常齿的轮识别率都达到了93%以上,齿根裂纹故障识别率达到了87.2%,可以实现精确识别齿面故障。经过EEMD处理的网络稳定性与精度显著提升。到达后期迭代阶段时,BLSTM网络拟合速度开始变快,精度也获得提升。

摘要： 针对国土资源管理的信息化需求,提出一种基于改进Spark的SVM国土资源数据分类管理方法。首先结合MPI和CUDA并行框架,提出MPI在整体并行控制与分布式解决的优势,以及CUDA在单机计算上的优势,将CUDA嵌入到MPI子进程中;然后在子进程中构建SVM训练模型进行训练,得到全局最优SVM模型,并对测试样本进行测试;最终通过分类图的方式将分类结果展示。试验结果表明,本研究构建的并行化处理框架可极大提高SVM分类效率。虽然分类精度有所降低,但分类精度仍在可接受范围内。

摘要： 为解决传统核极限学习机算法参数优化困难的问题,提高分类准确度,提出一种改进贝叶斯优化的核极限学习机算法。用樽海鞘群设计贝叶斯优化框架中获取函数的下置信界策略,提高算法的局部搜索能力和寻优能力;用这种改进的贝叶斯优化算法对核极限学习机的参数进行寻优,用最优参数构造核极限学习机分类器。在UCI真实数据集上进行仿真实验,实验结果表明,相比传统贝叶斯优化算法,所提算法能提升核极限学习机的分类精度,相较其它优化算法,所提算法可行有效。

摘要： 针对棉花中异纤检测率低的问题,提出了改进的FasterRCNN异纤目标检测网络。根据棉花异纤较小的特征,引入了残差网络作为特征提取网络,并将特征金字塔与残差网络结合;使用VGG16、ResNet50、ResNet50+FPN三种特征提取网络对3800张异纤图进行试验对比。结果表明:ResNet50+FPN特征提取网络的精确度和召回率为97.6%、82.4%,相比VGG16网络和ResNet50网络均有所提高。认为:基于改进的Faster RCNN棉花异纤识别能够满足检测精度和速度的要求。

摘要： 为了提高齿轮泵行星轮的典型故障诊断精度,提出了一种基于经验模态分解(EEMD)和双向长短时记忆网络(Bi-LSTM)的行星齿轮泵故障诊断方法。研究结果表明:通过模型精度和耗时的最优参数为节点数200和网络层数4层。本网络损失小于1%,满足良好稳定性的条件,可以实现精确识别齿面磨损和缺齿故障,断齿、正常齿的轮识别率都达到了93%以上,齿根裂纹故障识别率达到了86.5%。对信号EEMD分解后,可以促进BiLTSM模型所有分量都获得更优的时序性,促使模型诊断精度得到显著提升。Bi-LTSM模型到达后期迭代过程时,可以更快拟合,获得高于LTSM的验证精度。该研究对提高机械传动设备的故障识别能力,具有一定的理论指导意义。

摘要： 地理距离越相近的空间单元其相似性越高,但传统遥感影像分类常忽略像素空间坐标信息的重要性。该文提出一种将传统空谱信息与像素坐标耦合的遥感影像分类方法,为避免数据过拟合现象,采用随机森林模型对特征进行重要性评估,选取具有代表性的特征。利用不同分辨率的卫星与航空遥感影像数据,基于随机森林、支持向量机和人工神经网络3种模型对该方法进行验证,结果显示:相比传统仅使用光谱和纹理信息,耦合像素坐标信息的遥感影像分类可在一定程度上关注全局地理空间位置信息,利用地理单元越相近则性质越相似规律,提高遥感影像分类效果,在不同样本量、不同模型下的分类精度均有所提升。

摘要： 城市地表覆盖是城市环境、生态以及城市管理等重要的基础地理信息.由于城市区域下垫面高度的复杂性和多样性,对城市地表覆盖的提取多采用高分辨率遥感影像.高分辨率遥感影像具有详尽的识别地物的能力,但数据量大,处理速度慢,造成大范围城市地表覆盖信息的提取存在诸多困难.本文综合运用国产高分一号(GF-1)和高分二号(GF-2)卫星具备多空间分辨率遥感影像的特点,同时考虑纹理、几何等特征,基于面向对象方法,设计不同地表覆盖类型分级提取的分类方案,最终实现长春市城区范围地表覆盖的信息提取,其中总体精度达83％,Kappa系数为0.79.这表明,本文所设计的分类方法,在确保分类精度的前提下,可实现大范围城市地表覆盖信息的快速提取,为城市规划、建设和管理部门业务化城市地表覆盖信息的提取、城市发展动态演变以及城市环境等领域的研究奠定基础.

摘要： 针对装配过程中各检测对象多且互斥的特征,提出基于卷积神经网络(CNN)的微差异标准件深度视觉学习与识别方法.研究多分类Softmax回归转换到二分类Logistic回归的数学原理,以CNN与Softmax回归的特性,实现微差异标准件深度视觉学习;并将训练好的Softmax分类器转换为多个Logistic二分类器,以单个CNN网络实现多个样本的二分类.结果表明,LS-CNN可以实现对10种标准件的分类精度达到99.6％,且以二分类的模式运行时,对500个关键部件样本的识别准确度达到100％.

摘要： 为了实现精确的高光谱图像分类,结合稀疏表示及光谱信息提出基于联合结构化稀疏表示的高光谱分类算法,该算法能够同时利用像元的空间语义信息和字典集内部样本结构性.建立了联合结构化稀疏表示模型,并利用交替方向迭代算法设计求解方案.在此基础上,设计了基于联合结构化稀疏表示的高光谱分类框架,其中利用类特定残留来判定被测试像元的类别.实验结果表明所提算法相比其他经典或前沿算法具有更高的分类精度.

摘要： 单一的光谱相似性测度不能综合考虑光谱曲线的多种特征,因此将其用于高光谱影像光谱匹配分类时精度较低,研究发现两种或多种相似性测度的组合能够有效提高光谱匹配分类的精度.在光谱角余弦测度和相关系数测度的基础上,采用算术平均的组合方式,得到光谱角余弦-相关系数测度.通过两组高光谱影像分类实验表明,相比于光谱角余弦测度和相关系数测度,光谱角余弦-相关系数测度用于光谱匹配分类能够得到较高的总体分类精度,对单一地物的分类精度也有一定程度的改善.

摘要： 针对现有三维点云模型重建对象化和结构化信息缺失的问题,提出一种基于图模型的二维图像语义到三维点云语义传递的算法.该算法利用扩展全卷积神经网络提取2D图像的室内空间布局和对象语义,基于以2D图像超像素和3D点云为结点构建融合图像间一致性和图像内一致性的图模型,实现2D语义到3D语义的传递.基于点云分类实验的结果表明,该方法能够得到精度较高的室内三维点云语义分类结果,点云分类的精度可达到73.8752％,且分类效果较好.

摘要： 针对现有三维点云模型重建对象化和结构化信息缺失的问题,提出一种基于图模型的二维图像语义到三维点云语义传递的算法.该算法利用扩展全卷积神经网络提取2D图像的室内空间布局和对象语义,基于以2D图像超像素和3D点云为结点构建融合图像间一致性和图像内一致性的图模型,实现2D语义到3D语义的传递.基于点云分类实验的结果表明,该方法能够得到精度较高的室内三维点云语义分类结果,点云分类的精度可达到73.8752％,且分类效果较好.

摘要： 针对现有三维点云模型重建对象化和结构化信息缺失的问题,提出一种基于图模型的二维图像语义到三维点云语义传递的算法.该算法利用扩展全卷积神经网络提取2D图像的室内空间布局和对象语义,基于以2D图像超像素和3D点云为结点构建融合图像间一致性和图像内一致性的图模型,实现2D语义到3D语义的传递.基于点云分类实验的结果表明,该方法能够得到精度较高的室内三维点云语义分类结果,点云分类的精度可达到73.8752％,且分类效果较好.

摘要： 针对现有三维点云模型重建对象化和结构化信息缺失的问题,提出一种基于图模型的二维图像语义到三维点云语义传递的算法.该算法利用扩展全卷积神经网络提取2D图像的室内空间布局和对象语义,基于以2D图像超像素和3D点云为结点构建融合图像间一致性和图像内一致性的图模型,实现2D语义到3D语义的传递.基于点云分类实验的结果表明,该方法能够得到精度较高的室内三维点云语义分类结果,点云分类的精度可达到73.8752％,且分类效果较好.

摘要： 针对现有三维点云模型重建对象化和结构化信息缺失的问题,提出一种基于图模型的二维图像语义到三维点云语义传递的算法.该算法利用扩展全卷积神经网络提取2D图像的室内空间布局和对象语义,基于以2D图像超像素和3D点云为结点构建融合图像间一致性和图像内一致性的图模型,实现2D语义到3D语义的传递.基于点云分类实验的结果表明,该方法能够得到精度较高的室内三维点云语义分类结果,点云分类的精度可达到73.8752％,且分类效果较好.

摘要： 本文以国内不同类型和烤烟不同部位的451个烟叶样品为实验对象,借助采集的样品近红外漫反射光谱,采用PLS-DA分类法对烟叶的类型和部位进行快速判别分析,外部验证结果证明,两种分类结果都效果显著,符合实际.在实际应用中,PLS-DA分类法可以用于烟叶的类型或部位的快速甄别.

摘要： 本发明涉及垃圾识别算法领域，自动破袋分类箱基于AI算法垃圾识别精度提升方法，包括如下步骤：步骤1：制作数据集；步骤2：调取训练集或验证集中的垃圾样本图像，利用特征提取网络提取多尺度特征；步骤3：将步骤2中的ResNet+FPN融合提取的多尺度特征送入RPN网络中，筛选的垃圾目标区域选框；步骤4：对于步骤3中筛选的垃圾目标区域选框,保留高质量高精度的垃圾目标候选框，同时剔除非垃圾候选框，并将上述垃圾目标候选框特征与垃圾成分绑定；步骤5：评价垃圾成分分割结果，并将垃圾成分分割结果输出。该垃圾成分识别训练方法采用上述步骤能够实现系统对于垃圾分类识别训练，提升模型精度，进而提高垃圾成分的识别率。

摘要： 本发明提供一种白酒图谱的高精度分类识别算法，通过步骤1.图谱数据的预处理、步骤2.计算核矩阵的特征值与特征向量、步骤3.映射数据到主成分(Principal Component Analysis，PCA)空间、步骤4.采用支持向量机(Support Vector Machine，SVM)进行分类、步骤5.计算各类的聚类中心与阈值、步骤6.奇异点的判断与余弦角的计算、步骤7.利用余弦角对奇异点重新聚类，实现特性微小差异的不同样品白酒的区分，对白酒的准确鉴定、白酒客观评价标准的建立有极大的推动作用。

摘要： 本发明基于模型融合的光纤分布式声波传感信号高精度分类识别方法，属于光纤分布式传感和机器学习技术领域。本发明在DAS信号识别中引入stacking策略将机器学习中决策树模型、随机森林模型、支持向量机模型和极值梯度提升算法模型进行集成，对DAS系统获取的原始数据进行预处理再提取多分析域的特征，并利用人工神经网络对特征进行进一步的提取和分类，使用逻辑回归对上述模型的预测结果进行再学习，得到当前输入信号所处的环境状态的最终预测。该识别方法具有比传统方法更高的识别率以及更短的判别时间，在追求实时性的光纤分布式传感检测方面具有重大意义。

摘要： 本申请涉及神经网络技术领域，提供一种实现动态计算的高精度高比例的分类模型及分类方法，高精度高比例的分类模型包括主干网络模型和至少一个第一分支网络模型；主干网络模型包括输入端、输出端和多个中间层，在多个中间层的1/4‑1/3的层数之间，插入第一分支网络模型；第一分支网络模型包括分类模块和置信度确定模块。在实际应用过程中，分类模块用于产生插入处的分类输出，置信度确定模块用于判断分类输出是否满足精度要求，若满足精度要求，则高精度高比例的分类模型在第一分支网络模型的输出端提前退出，若不满足精度要求，则放弃分类模块产生的分类输出，并返回主干网络模型的中间层，继续完成分类运算。

摘要： 一种使用近红外光谱对塑料类别识别精度验证的方法。该方法包括分别采集若干PP(聚丙烯)再生料、PE(聚乙烯)再生料、PP新生料以及PE新生料样品的近红外光谱；对上述近红外光谱数据进行预处理，并建立支持向量机模型；选择最合适的数据预处理和支持向量机模型方法。建立一维卷积神经网络模型：分别对采用了预处理‑支持向量机模型和选择的神经网络模型的上述近红外光谱数据的实验精度进行比较，从而对不同模型针对不同种类塑料的识别精度进行验证。

摘要： 本发明涉及一种优化的高精度文本分类方法及装置，所述优化的高精度文本分类方法包括以下步骤：对文本进行预处理去除干扰项，得到待分类文本；将所述待分类文本进行低维映射得到词向量，并对所述待分类文本进行加权处理得到所述待分类文本中词语的权重值，将词向量和权重值结合得到加权词向量；对所述加权词向量进行语义特征信息提取得到高级特征信息；对所述高级特征信息进行权重分配，将词语级的所述高级特征信息连接成语句级特征信息，得到语句级特征向量；使用softmax函数对所述语句级特征向量进行文本分类，完成对文本的分类。本发明准确率、精确率、召回率以及f‑score值都有所提高；对语义关联词语有很好的处理效果。

摘要： 一种面向高精度血管分割模型训练应用的粗细血管分类方法，包括以下步骤：步骤1：从眼底血管标签中提取血管骨架；步骤2：在每个血管骨架像素所在的窗口内，计算血管骨架与血管面积的比值；步骤3：使用阈值将血管骨架分为粗血管骨架与细血管骨架；步骤4：根据血管骨架的分类结果，使用8邻域投票的方法确认其他血管像素的分类；步骤5：使用形态学方法将位于粗细血管断裂交叉区域的血管重新分类，保证血管的整体结构。本发明方法不仅适用于基于深度学习的神经网络眼底血管分割模型的训练，同样也适用于提升其他监督式眼底血管分割算法的分割性能。

摘要： 本发明公开了一种结合HOG特征提高SAR船只分类精度的方法，它是通过融合了深度学习理论和传统手工特征方法，应用了多尺度分类机制，全局注意力机制和全连通平衡机制，从而优化网络结构以提高准确性；同时应用了HOG特征融合机制，实现了传统手工特征与现代抽象特征的融合，进一步提高准确性。在两个开放的SAR船只数据集(即Open‑SARShip数据集和FUSAR‑Ship数据集)上的实验结果共同表明，与基于CNN的方法和传统手工特征方法相比，实现了先进的CNN特征提取与传统的HOG特征提取的融合，能够提供SAR图像中船只目标分类的方法，解决了现有船只目标分类精度不足的问题。

摘要： 本发明公开了一种提高二分类支持向量机分类精度的方法，步骤为：在待分类的样本空间中获取训练样本，得到2p个具有n个维度训练样本；利用训练样本集进行支持向量机训练，获取分类边界权系数向量w；利用支持向量机对所有训练样本进行映射，统计出所有被错误识别的训练样本集I

摘要： 本发明公开了一种图像分类精度提升方法，其特征在于，包括：获取图像数据集；设置卷积神经网络；采用特征‑门控耦合方法对卷积神经网络进行动态网络剪枝，获得优化网络；将待分类图像输入优化网络，利用优化网络对图像进行分类，所述动态网络剪枝方法，包括以下步骤：步骤1、获得动态剪枝网络中的特征空间和门控空间；步骤2、在特征空间中获取实例邻域关系；步骤3、对齐门控空间与特征空间的实例邻域关系；步骤4、获取动态剪枝网络的总目标损失函数；步骤5、更新网络参数。本发明公开的适用于动态网络剪枝的特征‑门控耦合方法，能够极大地减少门控特征的失真，显著提高动态剪枝网络的性能。