基于文本挖掘的交互式专利分类

将文本挖掘理论应用于专利信息分析,提出了一种基于多分类器融合与主动学习的交互式专利分类算法,旨在实现高效的专利分类.该算法基于训练集,利用支持向量机,针对不同的专利类别分别训练相应的子分类器,然后通过多分类器融合对各子分类器进行有机结合,以获得性能更优的分类器和形成分类决策.在此基础上,利用主动学习选取最有信息的样本进行标引,从而通过人机交互实现分类模型的更新.针对传统批量选择性采样的缺点,还提出了动态批量选择性采样模式,通过确定度传播策略有效降低标引样本冗余度,以进一步提高主动学习的效率.实验结果表明,这种基于多分类器融合与主动学习的交互式专利分类算法的分类性能显著高于其他算法.     

基于集成分类器的泡罩包装药品缺陷识别

目的 针对药品生产包装过程中常出现缺陷泡罩包装药品的问题,研究一种基于多特征构建与集成分类器的泡罩包装药品缺陷识别方法.方法 该方法通过集成2个不同的分类器算法分别对药品图像类别进行预测,并采用联合判定函数对2个预测输出值进行联合决策,得到最终分类结果.第1个分类器模型通过将图像转化到HSV颜色空间,分割出泡罩区域和药片区域,进行特征设计,并在提取多项特征参数后构建BP神经网络分类算法给定药品类别预测.第2个分类器模型应用多层卷积神经网络取代传统算法对图像特征进行提取,并输出药品图像类别的预测值.根据2个分类器的性能进行算法集成,构成最终集成分类器.结果 实验结果表明,该集成分类模型对数据集中泡罩包装药品图像进行分类识别测试,准确率达97％以上.结论 集成分类模型不仅提高了单一分类器的识别准确率,也具有更佳的稳定性.该方法取得了卓越的分类效果,具有较高应用性.     

基于支持向量机的步态分类方法

针对小样本步态数据引起的分类器泛化能力差的问题,提出了基于支持向量机的步态分类方法.采集了24名青年和24名老年受试者的步态数据,提取24个步态特征训练支持向量机,采用交叉验证方法评估分类器的泛化性能.结果表明,本文提出的方法能够有效地对小样本步态数据分类,并且具有良好的泛化性.不同的核函数对分类性能影响较小.与传统反向传播学习算法的神经网络分类器进行了比较,支持向量机分类性能明显优于传统反向传播学习算法的神经网络.支持向量机在步态分类中具有广泛的应用前景.     

一种基于后验概率的分类器融合方法

基于二进小波边缘提取算法,提出一种基于后验概率模型的分类器图像融合方法。首先通过二进小波进行图像边缘检测,分别求得水平与垂直方向的边缘点,再使用最优决策函数方法对输入样本进行分析并在所有分类器中寻找一个最优的分类器,从而得到最终分类结果。该方法在图像的边缘点具有很好的分类效果等优点。     

TM和SAR遥感图象特征层融合分类方法的研究

针对空间遥感ＴＭ图象和ＳＡＲ图象信息的特征层融合应用于地物分类,提出了一种结合Ｍａｒｋｏｖ随机场和ＢＰ神经网络模型的多源遥感图象迭代分类方法。该分类方法与现有的基于Ｍａｒｋｏｖ模型的分类器相比具有无须假设条件概率密度函数模型的优点;与ＢＰ神经网络分类器相比,由于其考虑了类别标号的空间相关性,提高了分类精度;有别于传统的上下文分类器：它是通过迭代过程中来实现分类的,在考虑了类别标号的空间相关性的同时     

基于SMOTE-SVM的多准则库存分类北大核心

为了对不平衡的库存物料进行精准化的分类,提出了基于合成少数类过采样技术-支持向量机算法(SMOTE-SVM)的多准则库存分类模型。在Kraljic模型的基础上进行细化,建立了多准则库存分类指标体系。通过改进SMOTE对多分类不平衡物料数据集进行预处理,得到平衡的物料训练集,并结合SVM将库存物料分为四类。以D公司库存物料数据为例,采用多种算法进行分类对比,引入网格搜索法确定最优参数,留一法交叉验证得到算法分类精度,所提算法总分类准确率达到了97.81%,四类物料分类准确率均在90%以上。     

基于MRMHC-LSVM的IP流分类

提出了一种构建轻量级的IP流分类器的wrapper型特征选择算法MRMHC-LSVM.该算法采用改进的随机变异爬山(MRMHC)搜索策略对特征子集空间进行随机搜索,然后利用提供的数据在无约束优化线性支持向量机(LSVM)上的分类错误率作为特征子集的评价标准来获取最优特征子集.在IP流数据集上进行了大量的实验,实验结果表明基于MRMHC-LSVM的流分类器在不影响分类准确度的情况下能够提高检测速度,与当前典型的流分类器NBK-FCBF相比,基于MRMHC-LSVM的IP流分类器具有更小的计算复杂度与更高的检测率.     

基于核超限学习机的中文文本情感分类

针对传统情感分类算法存在的参数学习困难及分类性能较低等问题,提出了一种基于核超限学习机的中文文本情感分类方法.首先通过信息增益对训练数据进行特征选择以降低输入维数,然后通过构建基于小波核超限学习机的分类器实现对中文文本的情感分类.实验结果表明,新方法参数学习容易,且其文本情感分类性能通常优于支持向量机和朴素贝叶斯.     

基于光谱特征和纹理特征协同学习的高光谱图像数据分类

高光谱遥感图像中包含有大量的高维数据,传统的有监督学习算法在对这些数据进行分类时要求获取足够多的有标记样本用于分类器的训练.然而,对高光谱图像中大量的复杂地物像元所属类别进行准确标注通常需要耗费极大的人力.在本文中,我们提出了一种基于半监督学习的光谱和纹理特征协同学习(STF-CT)--法,利用协同学习机制将高光谱图像光谱特征和空间纹理特征这两种不同的特征结合起来,用于小训练样本集下的高光谱图像数据分类问题.STF-CT算法充分利用了高光谱图像的光谱和纹理特征这两个独立视图,构建起一种有效的半监督分类方法,用于提升分类器在小训练样本集情况下的分类精度.实验结果表明该算法在小训练样本集下的高光谱地物分类问题上具有很好的效果.     

基于判别字典在线学习的视觉跟踪

提出了一种基于判别字典在线学习的跟踪算法,通过将字典项与标签信息相结合,分类的字典既具有重构性,又具有鉴别性。为了增强模型判别能力,将分类器嵌入到目标表示模型中,依据重构误差和判别分类得分最终确定候选目标。字典学习阶段采用在线字典学习算法同时对字典和分类器进行更新,使模型能够适应目标外观和背景环境的动态变化。实验结果表明,该方法在大量遮挡、快速运动、强光和姿态变化的大部分测试中达到了比较满意的效果。     

基于模糊K-均值算法的模糊分类器设计

基于模糊K-均值算法的模糊分类器,就是把目前比较常用的模糊K-均值算法的聚类方法,再一次与模糊分类规则提取相结合而得到的一种分类器。它是一种很有效的模糊分类器,训练样本能正确的分类。在这种方法中,首先用模糊K-均值算法按剖分和覆盖的原则把训练样本分成群,并且每一群的中心和半径都被计算出来。然后,设计一个用模糊规则来表示分类的模糊系统。这样就有效地构建了一个能对训练样本比较准确分类的模糊分类器。用这种方法设计的分类器不需要预定义参数、训练时间较短、方法简单     

径向气流对旋风分级器的影响

为了改善分级器性能,试验引入径向气流对旋风分级器中的颗粒进行再次分离;试验物料选用催化裂化(FCC)和S-Zorb催化剂,对分级机进行了5组不同径向气速的试验。结果表明:该分级机对2种物料的最小切割粒径分别为6.5、3.3μm;试验中分级粒径为2μm时,FCC和S-Zorb催化剂的牛顿分级效率分别为91.9%和54.1%;径向风的引入破坏了康达效应的形成条件,有利于提高分级效果;进出口压降随着径向气流量的增大而降低;分级机对FCC催化剂的去"细"能力较好,对S-Zorb催化剂的去"粗"能力较好。     

Intramuscular EMG classifier for detecting myopathy and neuropathy

This article presents an automatic diagnostic system to classify intramuscular electromyography (iEMG) signals, thereby detecting neuromuscular disorders. To this end, we tailored the center symmetric local binary pattern (CSLBP) to analyze one-dimensional ($1$-D) signals. In this approach, the $1$-D CSLBP feature extracted from a decimated iEMG signal is fed to a combination of classifiers, which in turn assigns a set of labels to the signal, and ultimately the signal category is determined by the Boyer-Moore majority voting (BMMV) algorithm. The proposed framework was investigated with a benchmark iEMG dataset that contains signals recorded from three different muscles: biceps brachii (BB), deltoideus (DE), and vastus medialis (VM). In a repeated $10$-fold cross-validation, CSLBP-Combined-Classifiers-BMMV (CSLBP-CC-BMMV) achieved an average classification accuracy of $92.80$%, $94.25$%, and $93.71$% for the iEMG signals recorded from BB, DE, and VM muscle, respectively. Interestingly, the performance of CSLBP-CC-BMMV surpassed the other published approaches and ensemble learning methods that are akin to our scheme in terms of classification accuracy and computational time.     

Brain tumor detection and diagnosis using ANFIS classifier

In this article, the segmented brain tumor region is diagnosed into mild, moderate, and severe case based on the presence of tumor cells in the brain components such as Gray Matter (GM), White Matter (WM), and cerebrospinal fluid (CSF). The modified spatial fuzzy c mean algorithm is used to segment brain tissues. The feature Local binary pattern is extracted from segmented tissues, which is trained and classified by ANFIS Classifier. The performance of the proposed brain tissues segmentation system is analyzed in terms of sensitivity, specificity, and accuracy with respect to manually segmented ground truth images. The severity of brain tumor is diagnosed into mild case if the segmented brain tumor is present in the grey matter. The severity of brain tumor is diagnosed into moderate case if the segmented brain tumor is present in the WM. The severity of brain tumor is diagnosed into severe case if the segmented brain tumor is present in the CSF region. The immediate surgery is required for severe case and medical treatment is preferred for mild and moderate case.     

模糊融合分类器在水雷识别中的应用

当目标的类别多时会使分类器的精度和稳健性大受影响,用神经网络分类器去完成复杂的目标分类任务是难以保证其可靠性的。引入信息融合条件下一种新型的分类器,即模糊融合分类器,该分类器可以自动“过滤”无效和冗余特征的负面影响,实现有效的特征层融合识别。采用4种特征提取方法,利用三个模糊融合神经网络作为分类器进行特征层的融合,再将分类器的输出作为决策层的融合,提高系统的分类性能。通过处理水雷实体回波数据得出的识别率表明,所选取的特征提取和分类器算法是有效的。     

Polynomial distance classifier correlation filter for pattern recognition

We introduce what is to our knowledge a new nonlinear shift-invariant classifier called the polynomial distance classifier correlation filter (PDCCF). The underlying theory extends the original linear distance classifier correlation filter [Appl. Opt. 35, 3127 (1996)] to include nonlinear functions of the input pattern. This new filter provides a framework (for combining different classification filters) that takes advantage of the individual filter strengths. In this new filter design, all filters are optimized jointly. We demonstrate the advantage of the new PDCCF method using simulated and real multi-class synthetic aperture radar images.     

Array-to-array transfer of an artificial nose classifier.

This paper describes the use of a microsphere sensor technology that allows simple fabrication of vapor sensor arrays with reproducible response patterns. Microsphere sensor fabrication protocols are uncomplicated and yield billions of highly reproducible sensors. Microsphere sensor arrays combined with a generalized Whitney-Mann-Wilcoxen (GWMW) classifier were used to discriminate between the presence and absence of nitroaromatic compounds in high background vapor mixtures. The classifier was trained on one sensor array and then used to obtain 98.2 and 93.7% correct classification rates with data collected using two subsequent arrays made up to six months after the initial training was performed. These results represent an advance in the ability to transfer training data between multiple sensor arrays with a fluorescence-based artificial nose.     

卧轮式分级机转子临界转速的计算

为避免卧轮式分级机在运转过程中产生共振,以卧轮式分级机实验机和工业样机转子为研究对象,采用传递矩阵法和基于ANSYS Workbench 16.0的有限元法对其临界转速进行计算,将计算结果与试验测试结果进行比较。结果表明,对于实验机,传递矩阵法与试验测试结果偏差为11.9%,有限元法与试验测试结果偏差为4.1%;对于工业样机,传递矩阵法与试验测试结果偏差为10.5%,有限元法与试验测试结果偏差为3.5%,说明有限元法计算结果准确性更高,认为对于卧轮式分级机转子临界转速的计算,更适合采用有限元法。     

基于CFD的平面涡流分级机导流特性

采用FLUENT流体力学软件对平面涡流分级机导流部分几何参数与操作参数进行数值模拟,重点研究蜗壳与导风叶对导流效果的影响。在分析模拟所得X-Y散点数据基础上,通过建立导风叶外圈的速度和压力偏差均值与一、二次风口进风量百分比,蜗壳偏心距,导风叶定位基圆直径,导风叶数量等重要参数的关系曲线,得出一系列较优设计目标,为平面涡流分级机导流部分的改进提供参考依据。通过试制样机SX-35并利用粉煤灰进行筛余实验,定性验证了CFD分析结果在工程运用中的正确性。