基于决策树的不完整数据的处理

基于数据采集过程中常常存在一些不完整数据,以及不完整数据总是和样本空间中其他完整数据存在一定的相似性,提出了一种基于决策树的不完整数据的处理方法。在对不完整数据处理方法的比较、分析的基础上,采用一种有效的决策树方法对不完整数据处理。实例验证证明该决策树方法在不完整数据处理方面有很好的效果。     

不完备信息系统的辐射源识别方法研究

该文将粗糙集理论引入不完备信息系统下的辐射源识别。基于粗糙集理论,给出了一种新的不完备信息系统下辐射源识别模型。该方法以相似关系、相容关系作为基础,通过知识约简和决策规则的提取,较好地解决了不完备信息系统的辐射源识别问题。以雷达辐射源用途识别为例给出实例分析,说明了该模型处理不完备信息识别问题的有效性。     

面向不平衡数据集的SMOTE-SVM交通事件检测算法

针对现实中交通正常运行状态远多于事件状态这一事实,提出了面向不平衡数据集的交通事件检测算法.运用SMOTE (Synthetic Minority Over-sampling Technique)算法重构训练集,使之平衡,以支持向量机(Support Vector Machine,SVM)作为分类器,对交通事件进行检测.使用美国I-880高速公路获取的交通数据进行算法的训练和性能测试.结果表明,基于SMOTE-SVM的交通事件自动检测(Automatic Incident Detection,AID)算法可以提高检测率,减少平均检测时间.     

基于近邻密度改进的SVM不平衡数据集分类算法

针对不平衡数据集数据分布不均匀及边界模糊的特点,提出基于近邻密度改进的SVM(NDSVM)不平衡数据集分类算法.该算法先计算多数类内每个样本的近邻密度值,然后依据该密度值选出多数类中位于边界区域、靠近边界区域的与少数类数目相等的样本分别与少数类完成SVM初始分类,最后用所得的支持向量机和剩余的多数类样本完成初始分类器迭代优化.人工数据集和UCI数据集的实验结果表明,与WSVM、ALSMOTE -SVM和基本SVM算法相比,本文算法分类效果良好,能有效改进SVM算法在分布不均匀及边界模糊数据集上的分类性能.     

不平衡数据集的CT结肠镜息肉检测方法

目前CT结肠镜的息肉检测分类器面临着数据集不平衡问题,数据集中的正样本(息肉)的数量远远小于负样本．针对这个问题,息肉检测分类器采用SMOTEBoost,结合SMOTE(Synthetic Minority Over-Sampling Technique)和Boosting:在数据层面,采用过采样技术SMOTE合成少数类样本,减轻数据集中两类样本的不平衡程度;在算法层面,采用Boosting方法提高弱分类器的性能,两者结合起来,既改善对少数类样本的预测能力,又保证了对整个数据集的分类精度．为了满足息肉检测对算法实时性的需求,采用MRMR(Minimum Redundancy Maximum Relevance)方法挑选最大相关、最小冗余的简单特征组成级联第1层强分类器,拒绝大多数负样本,极大地提高了分类器的处理速度．实验结果表明:设计的分类器检测直径大于5 mm息肉的敏感度达到90％,每个数据体6个假阳．     

软件缺陷数据集的数据质量优化

数据集的质量对软件缺陷预测模型的效果至关重要.针对传统数据集特征过多导致的学习速度较慢以及缺陷样本远少于无缺陷样本的类不平衡问题,提出一种基于主成分分析法(Principal Component Analysis,PCA)和数据加权增广的数据集优化方法:通过PCA方法对数据进行降维,有效去除了冗余数据,减少模型的学习时...     

基于卷积原型网络的通信辐射源个体开集识别方法

针对通信辐射源个体开集识别问题,提出一种基于卷积原型网络的辐射源个体开集识别方法。将接收到的信号进行信噪比估计并处理为灰度矢量图输入至卷积原型网络计算出特征点。分析不同损失函数和判决准则,选取三维原型的特征提取层、DCE作为损失函数、DR作为判决准则的开集识别模型。对该方法进行了仿真实验,结果表明,该方法在开集识别场景下比传统CNN预测概率更有优势,归一化准确率提升约20%,证明该方法的有效性。     

加权最大夹角间隔核心集向量机的不平衡数据分类

为了处理大规模数据和不平衡数据分类问题,提出了一种新的分类方法,利用基于最大夹角间隔的核心集向量机算法实现对大样本数据的分类;针对不平衡数据分类问题,通过对不同的样本给予不同的权重,来提高算法的分类性能。加权最大夹角间隔核心集向量机方法不仅能够有效地解决不平衡数据的分类问题,而且能够实现对大样本数据的快速训练。     

不完整立体线图的补线技术研究

不完整线图中的L型节点是完整线图中W和Y型节点的退化。基于画出隐藏线的完整线图标记方法，建立了不完整线图中L型节点与完整线图中W和Y型节点的对应关系。提出了不完整线图的标记和补线方法，结合算例论述了不完整线图的标记和补线过程。从不完整线图获得了合理的完整线图及其标记。     

不完整信息对企业管理信息化的影响及对策

信息是企业的重要战略资源 ,信息的质量对企业管理信息化实施产生直接影响。对信息的不完整性进行了讨论 ,分析了不完整信息的产生原因及其给企业管理信息化实施带来的影响 ,针对不完整信息提出了相应的对策     

基于稳态循环谱特征的通信辐射源识别方法

为实现低信噪比环境下多种通信辐射源的高精度识别,提出了一种基于稳态循环谱特征的通信辐射源识别方法,利用循环谱频域截面谱对高斯噪声的强鲁棒性,提取不同辐射源成形滤波器间的本征差异进行识别.首先对接收到的稳态信号提取循环谱频域截面谱并利用主成分分析方法降维,之后分别采用皮尔逊相关系数法、概率神经网络、弗雷歇距离法等判决方法进行辐射源类别判决.仿真实验显示,该特征使用概率神经网络判决和皮尔逊相关系数法判决,显著优于传统循环频率域的切片特征,证明有一定应用价值.     

一种基于量化容差关系的不完备数据分析方法

在分析几种现有的针对不完备信息系统的数据补齐方法的基础上，提出了一种基于量化容差关系的不完备数据分析方法(VTRIDA)，并通过实例说明该方法比ROUSTIDA及其改进算法具有更好的数据补齐能力。     

基于调频指数特征的通信辐射源个体识别

该文首次研究了通信辐射源个体特征对工作频率变化的鲁棒性。针对一类导频静噪的调频FM辐射源,提取调频指数Mf作为识别辐射源个体身份的特征。对4个实际调频辐射源信号样本的实验表明：在工作频率不变的条件下,Mf的精确估计值可以有效地对辐射源个体身份进行识别;在不同工作频率下,同一个辐射源的Mf值会发生较大变化,从而在一定程度上限制了该特征的应用。     

雷达辐射源模糊识别算法改进

改进了复杂电磁环境下雷达辐射源模糊识别算法。改进算法通过证据组合对模糊隶属度进行融合,很好地解决了识别中的不确定性,错误的识别结果经过融合后得到去除。采用最优隶属准则进行雷达辐射源类别决策,融合后的辐射源正确识别率得到明显提高。仿真结果及对比实验表明,相比于模糊识别算法,信噪比不小于0dB时,改进算法的正确识别率大于90%。     

基于逆云模型的雷达辐射源识别方法

针对由于噪声环境造成的雷达辐射源不能正确识别的问题,提出了一种新的基于逆云模型的雷达辐射源识别方法。该方法首先构建了更符合实际的含有噪声数据的雷达辐射源数据库,利用逆云模型求出数据库中雷达辐射源各属性的云数字特征,给出了基于属性相似度的识别权重确定方法,并构建了基于云模型和属性相似度的雷达辐射源分类器。仿真实验证明,该方法可以更好地处理由于噪声环境引起的随机性和模糊性,能在恶劣噪声环境下有效地进行雷达辐射源识别。     

大规模地形数据生成方法研究

为了解决三维地形数据生成过程中的计算瓶颈问题,提出了一种基于集群和GPGPU技术的高性能计算框架,该框架能够整合多台计算机的处理能力,有效突破单台计算机的计算瓶颈,提高运算吞吐量,大幅度缩短三维地形数据的生成时间.实验表明:该应用程序框架切实可行,能够大幅度提高运算能力.     

池州市规划成果数据入库方法研究

近年来,规划一张图系统蓬勃发展,但是规划成果数据种类繁多,涉及.dwg,.doc,.xls,.jpg等多种格式类型,因此对各类规划数据建立合理的入库准则和编码,快速高效地处理各种类型的规划成果数据尤为重要。文中以池州市江南集中区为例,在制定合理的数据入库准则和编码的基础上,通过在AutoCAD中使用LISP语言批量处理规划成果数据,将处理好的数据导入ArcGIS中,再合理使用不同格式的规划成果类型,建立规范的规划成果数据集,通过ArcSDE连接oracle数据库,可以高效地建立空间数据库,为规划一张图的建设提供数据支撑。     

采用Hilbert谱相关性的特定辐射源识别技术

在点对点场景下,提出了一种基于Hilbert谱的特定辐射源识别( SEI)算法。该算法采用Hilbert谱相关性作为识别特征对辐射源进行分类。进而研究中继场景中的识别问题,在此场景下,源辐射源的指纹特征将叠加中继的指纹特征,所提算法有效地推广至该场景并论证。此外,还验证了算法在非高斯噪声、衰落等非理想信道条件下的识别性能。仿真结果表明：该算法在点对点和中继场景下均具有良好的识别性能,在非理想的信道条件下具有较好的健壮性。