基于模糊积分多分类器融合的人脸表情识别

本文提出了一种基于模糊积分多分类器融合的表情识别方法.首先采用离散余弦变换进行特征提取,然后分别用最近邻分类器、最近特征线分类器和余弦距离分类器三个子分类器对生气、厌恶、恐惧、高兴、中性、悲伤、惊讶七种表情进行识别,最后利用模糊积分对子分类器的识别结果进行融合.在JAFFE人脸表情静态图像库上进行了实验,取得了比较高的识别精确度.     

基于多分类器融合的语言识别研究

多分类器协同合作克服了单个分类器识别效果不理想,适用范围较窄或对使用环境要求较高的不足。本文提出了一种基于SVM分类器融合的语种识别系统,该系统采用了SVM作为子分类器,参数选取包括美尔频率倒谱系数、线性预测倒谱系数,基音频率和第一共振峰频率,采用投票法,加权平均法和决策模板法等三种不同的融合方法对汉语,英语,日语,德语和西班牙语进行识别研究,达到了预期的识别效果。     

水下目标识别的特征融合分类器设计

本文对水下目标识别中的特征融合技术进行了研究,讨论了特征融合技术中的问题和解决途径,并给出了特征融合分类器的特性;设计了模糊融合分类器,给出了具体的算法.该分类器对样本在模式空间中的分布不做任何假定,注重类别间的相互约束,强调各个模式的独立作用,用类似于模糊并运算的方式综合这些作用.在实际应用中,通过与已有的分类器比较,表明模糊融合分类器能够综合多种信号特征,有效地提高了分类性能.     

多分类器融合的指纹全局特征协同识别

指纹识别是生物特征识别中的热点,指纹全局特征识别具有明显的优势,但是单一分类器一般不能取得满意的识别效果。本文采用贝叶斯理论分析了常见的积、和、中值以及投票多分类器融合方法,并根据实际的选举情形,对投票法进行了2种改进。然后对3种指纹全局特征协同识别分类器:灰度值、主分量以及方向场分类器进行决策层融合,并采用了一种崭新而高效的协同模式识别方法。对FVC2002指纹库的实验表明:该方法具有较好的分类性能,预处理与特征提取简单、计算复杂度低、识别速度快、对污损指纹具有可靠的识别率、鲁棒性强,而且应用于身份认证中也取得了较好的认证效果。     

动态模糊密度的多分类器融合算法

在分析现有模糊密度计算方法的基础上,本文从分类器的隶属度分布和输出一致性两方面探索计算模糊密度的新方法,提出一种基于决策信任度和支持度的动态模糊密度赋值方法,旨在根据各分类器识别具体目标时输出的客观信息,实时地刻画分类器在融合系统中的可靠性.在表情识别上的实验结果表明,本文方法可以有效提高模糊积分融合的决策性能,降低单分类器输出不可靠决策信息的干扰,是一种有效的多分类器融合方法.     

基于特征融合的动作识别

为解决动作识别问题,本文提出一种基于特征融合的方法。提取视频特征时,同时获得运动特征和表观特征,然后融合这两种特征训练SVM分类器。实验时,在J-HMDB数据集上获得了优异的表现,动作识别的精度可以达到94.8%。     

一种自整定权值的多分类器融合方法

 本文提出一种自整定权值的融合方法.该方法使用混淆矩阵来衡量分类器性能,并根据分类器输出情况自适应地为各分类器赋予权值,可靠的决策结果获得较大的权值,从而提高决策模板的可信度.对易于被错误分类的样本,在利用其与决策模板的相似性信息的同时,结合它周围的训练样本信息做出判断.通过与DT方法在KDD’99入侵检测数据集和UCI数据库中的8个数据集上的实验对比,表明本文方法具有更好的分类性能.     

基于分类器决策融合的红外图像目标识别方法

提出基于分类器决策融合的红外图像目标识别问题。采用稀疏表示分类（Sparse representation-based classification,SRC）和卷积神经网络（Convolutional neural network,CNN）作为基础分类器。对于测试样本,首先基于SRC进行分类,并根据输出的决策变量判断决策可靠性。当判定识别结果可靠时,则识别过程结束,输出目标类别。反之,根据SRC的结果遴选部分置信度较高的候选类别,并在下一阶段针对这一步类别采用CNN进行确认分类。此外,将CNN的输出结果与SRC进行线性加权融合处理,根据融合结果做出最后的目标类别决策。提出方法通过综合SRC和CNN两者分类器的优点,综合提升红外目标识别性能。同时,这种层次化的决策融合方式避免了对所有样本的两次分类过程,整体上能够保证识别算法的效率。实验采用五类日常生活中常见的车辆目标红外图像进行,分别设置了原始样本条件、噪声样本条件以及遮挡样本条件。通过与部分现有方法进行对比,结果反映了提出方法的有效性和可靠性。     

基于深度学习的算法知识实体识别与发现

随着互联网技术的快速发展,人类已经习惯于从网络上获取知识,然而伴随着网络资源爆炸式增长,网络资源内容多样,人们使用浏览器获取知识的方法却停滞不前,因此需要一种工具来帮助人们从网络中高效地获取和发现新知识.由于网络资源文本并不是完全结构化的数据,还包括一些自由文本等复杂的无结构数据,这种文本信息虽然方便人们自由表达概念以及事件等,但是同时也为机器搜索、统计分析等制造了障碍.因此,为了在文本上更方便地进行知识分析和挖掘,本文提出一种基于深度学习的算法知识实体识别与发现的方法,应用于算法知识领域来解决上述问题.通过创建算法知识专家库[1],训练词向量,建立深度神经网络模型,从算法知识文本中识别和发现算法知识名称.实验结果表明,该深度神经网络模型识别算法知识的准确率高达98％,并有效发现了专家库以外的新知识点,实现了预期实验需求.     

多分类器融合技术在自动作文评分中的应用

从作文的内容和语言学两个方面抽取了作文中相关的特征,并利用多种分类器(贝叶斯、K近邻和支持向量机)根据各方面的特征实现了对作文的分类(评分).最后利用多分类器融合技术对多个分类器进行了融合处理.通过实验分析,利用文本分类的方法对作文进行评分是完全可行的,在采用融合技术以后的评分性能有了较大的提高.     

基于贝叶斯分类器的图像隐写分析

集成分类器是目前用于图像隐写分析的主流分类器。为提高集成分类器的检测精度,针对集成分类器基分类器组合方法过于简单,无法体现基分类器之间的内在联系,不能从整体上对结果进行判定的缺点,依据图像特征在集成分类器分类超平面上的投影值服从多维正态分布这一特性,提出了一种基于贝叶斯分类器的图像隐写分析算法。首先基于随机森林算法生成若干基分类器,然后计算类条件概率密度函数与先验概率并训练贝叶斯分类器,最后使用经过训练的贝叶斯分类器代替简单投票方法进行分类判决。算法的检测错误率比以往算法平均降低了1.6%,ROC曲线比简单投票方法更接近于左上角,即具有更高的检测率,AUC值平均增长约2.12%,并且训练时间仅有少量提高,最大提高约2.610s。可以有效提高集成分类器的检测精度。     

基于规则的维吾尔地名识别

总结了维吾尔地名结构及其特点,并结合维吾尔地名内部结构特征,手动建立了基于新疆维吾尔自治区的地名词典库、首词库、中间词库和特征词库,研究了基于规则的维吾尔语地名识别方法和技术。以包含地名的较大规模维吾尔文本作为测试样本,利用地名内部结构和相邻词信息,通过匹配算法进行了地名识别,并用Visual C＋＋编程工具实现了维吾尔语地名识别算法。最后,给出了实验结果,并分析了出错原因及相应的对策。     

基于条件随机场的维吾尔语音乐实体识别

命名实体识别在自然语言处理实践中具有高度重要的作用,而且也是信息提取等各种自然语言方式的基础工具.本文采用条件随机场模型(Conditional Random Fields,CRF)对维吾尔语音乐实体识别进行初步的探讨.首先维吾尔语网站上收集数据,进行一系列预处理后得到纯文本,然后制定语料标注规则对实体进行人工标注,再利用上下文、关键字、词典等一系列特征进行训练,制定一个适合的模板来进行音乐实体的识别.实验结果证明,此方法在维吾尔语音乐领域不仅可行、而且有效.     

基于模糊分类器及多层前馈神经网络混合结构的说话人辨认

提出了基于模糊超椭球聚类算法的说话人辨认新方法。该算法首先将某一类的训练数据分成若干子类, 对每一子类在其中心周围定义具有超椭球区域的模糊规则。实验表明,该系统可以较快的聚类速度取得与HMM 相当的识别效果。进一步的研究表明,基于模糊超椭球聚类算法的说话人辨认系统与传统的基于HMM的识别方法存在一个共同的缺点,即抗噪性能较差。为此,通过引入多层前馈神经网络(MLFNN)与模糊超椭球分类器构成混合模型,使系统的识别性能和抗噪能力显著提高。     

Research and application of a neural network classifier based on dynamic threshold

In this study, a Multi-Layer BP neural network (MLBP) with dynamic thresholds is em-ployed to build a classifier model. As to the design of the neural network structure, theoretical guidance and plentiful experiments are combined to optimize the hidden layers’ parameters which include the number of hidden layers and their node numbers. The classifier with dynamic thresholds is used to standardize the output for the first time, and it improves the robustness of the model to a high level. Finally, the classifier is applied to forecast box office revenue of a movie before its theatrical release. The comparison results with the MLP method show that the MLBP classifier model achieves more satis-factory results, and it is more reliable and effective to solve the problem.     

基于直觉模糊核匹配追踪集成的目标识别方法

Considering that the generalization of the learning machine performed poorly in the present intuitionistic fuzzy kernel matching pursuit algorithm(IFKMP)due to its training method and stopping criteria,a new recognition method based on intuitionistic fuzzy kernel matching pursuit ensemble(IFKMPE)was proposed by introducing the idea of ensemble learning.In IFKMPE,the double perturbation strategy including sample and parameter perturbation was applied to generate the sub-learning machine,the recognition results were fused by the principle of majority voting,and therefore both the classify accuracy and generation ability were enhanced.Simulation results show the new algorithm IFKMPE performs better in terms of recognition accuracy and stability of sample learning compared with the traditional ones.     

基于最近相关性分类器的单样本掌纹识别

为了解决单样本掌纹识别的困难,研究了基于最近相关性分类器(NCC)的单样本掌纹识别方法。首先对掌纹图像进行分块,划分为若干个子图像;然后运用统计特征、傅里叶变换、离散余弦变换(DCT)和Gabor变换4种方法对子图像进行特征提取,将所有子图像的特征向量组合在一起形成该图像的特征向量;最后应用NCC进行分类识别。运用PolyU掌纹图像库,对本文算法进行测试。实验结果表明:与最近邻分类器(NNC)和支持向量机(SVM)相比,在不同大小的子图像上,运用不同的特征提取算法,NCC均提高了识别率;分类时间在0.3～0.7s之间,满足实时系统的需求。     

一种基于成对采样和选择性集成的隐写分析算法

为了进一步提高隐写分析算法的检测精度,提出 了一种基于成对采样选择性集成的隐写分析算法。 从集成分类的特点和隐写分析的特殊性出发,分析了类内以及类间样本之间的联系,研究了 4种不同的采样策 略,并基于成对采样策略构建选择性集成分类器用于隐写分析。实验表明,不同采样策略能 不同程度地影响隐 写分析的检测性能;与现有隐写分析方法相比,本文算法能明显降低隐写分析系统的检测错 误率(BER)。     

一种基于混合神经网络的命名实体识别与共指消解联合模型

命名实体识别与共指消解均依赖于对实体相邻文本信息的学习,本文提出一种基于混合神经网络的命名实体识别与共指消解联合模型,共用双向长短时记忆模型LSTM编码层对输入序列中每个词前后方向上下文信息进行编码,并通过训练学习得到上下文信息传递到前馈神经网络FFNN模型以提高共指消解精度,通过将领域文档及篇章语义向量加入FFNN,改进共指消解算法并优化共指消解模型.基于领域文本数据集进行联合模型训练,实验结果表明该联合模型可以有效地提高共指消解精度.     

基于集成学习的网页主题识别算法

在海量网页中进行自动的主题识别是网页信息分析挖掘的重要研究方向,具有重要的理论和应用意义。提出一种基于集成学习的网页主题识别算法框架,由异质网页属性集构建不同的最大间隔分类器,使用集成学习对基分类器的信息进行融合。在基准数据集上进行测试,其结果表明该算法对网页主题识别是有效的。