基于小波变换和主分量分析的人脸识别

提出了基于小波变换和主分量分析的人脸识别算法.该算法首先用小波变换对人脸图像进行小波分解,形成低频小波子图,然后用主分量分析法构造特征脸子空间,将人脸图像在特征空间的投影作为KNN分类器的输入,由KNN分类器对提取的特征进行识别.在ORL人脸数据库上的实验结果表明该方法具有良好的性能.     

实用高效的垃圾邮件过滤算法

为了提高电子邮件中垃圾邮件的过滤准确率和效率,以朴素贝叶斯算法和K最近邻（KNN：K-Nearest Neighbors）算法为基础,对传统垃圾邮件过滤算法进行改进,给出邮件的合法属性和非法属性的概念,并提出一种新的分类算法——基于邮件合法属性和非法属性的分类算法（SEASF：Simple and Efficient Algorithm to Spam Filter based on legitimate attribute and nonlicet attribute）。SEASF计算复杂度较低,可适用于大规模场合及邮件的在线过滤。将SEASF算法应用于垃圾邮件过滤的结果表明,该算法可大幅度提高分类精度,分类速度也令人满意。     

Li and Ta-modified KNN piezoceramic fibers for vibrational energy harvesters

Piezoelectric energy harvesters (PEH) hold enormous potential for converting mechanical energy from our surrounding environment into electrical energy that can be used for powering portable electronics. Potassium sodium niobate (KNN) is one of the promising alternatives to replace lead-based piezoelectric materials. This work presents a cutting-edge demonstration of synthesis-function-device integration of piezoelectric nanofibers, where the morphology and the composition are engineered towards achieving high device output. We report a flexible nanogenerator based on electrospun Li and Ta-modified lead-free KNN nanofibers yielding a high voltage output of 5.6 V, which is around 9-fold higher than for the Mn-doped KNN nanofibers reported previously. The influence of Li and Ta-incorporation into the KNN lattice on the electromechanical coupling and the effect of a nanofiber morphology are investigated. The net-shaped KNN and Li and Ta-modified KNN nanofibers, synthesized by electrospinning of appropriate sols, maintain their structural integrity upon calcination and firing steps. The phase analysis (XRD) confirms the formation of single-phase (KNN) material. Li and Ta are found to be incorporated on the A and B-sites of the perovskite lattice, respectively. Piezo force microscopy data show the heat-treated nanofibers to exhibit multi-domain ferroelectric properties.     

一种改进的应用于噪声数据中的KNN算法

基于实例的KNN算法不可避免地要依赖于数据的质量,但原始数据含有噪声,因而KNN算法的结果势必会因为数据中的噪声而受到严重的影响。事实上,大多噪声都服从一定的模型,而且模型一般是已知的。充分利用数据中的噪声模型,以减小噪声对KNN算法结果的影响。通过实验结果表明该方法是有效的。     

基于后验概率制导的B-KNN文本分类方法

针对K最近邻(KNN)方法分类准确率高但分类效率较低的特点,提出基于后验概率制导的贝叶斯K最近邻(B-KNN)方法。利用测试文本的后验概率信息对训练集多路静态搜索树进行剪枝,在被压缩的候选类型空间内查找样本的K个最近邻,从而在保证分类准确率的同时提高KNN方法的效率。实验结果表明,与KNN相比,B-KNN的性能有较大提升,更适用于具有较深层次类型空间的文本分类应用。     

新的文本分类特征选择方法研究

特征降维是文本分类过程中的一个重要环节。在现有特征选择方法的基础上,综合考虑特征词在正类和负类中的分布性质,综合四种衡量特征类别区分能力的指标,提出了一个新的特征选择方法,即综合比率(CR)方法。实验采用K-最近邻分类算法(KNN)来考查CR方法的有效性,实验结果表明该方法能够取得比现有特征选择方法更优的降维效果。     

基于纹理建模的树叶识别系统

建立了基于树叶纹理建模的树叶识别系统。首先提取采集的树叶的感兴趣区域,然后利用小波变换对重要 区域进行分解,提取分解后的高频子带,并用广义高斯模型对高频子带建模,再用高斯模型的参数作为树叶的特征,最 后利用K近部对样本分类。仿真实验表明了该方法的有效性和准确性。     

分类技术在心电图自动诊断模型中的应用比较

提高心电图诊断的有效性和准确性的关键在于心电图分类的质量。文中针对这一情况，详细论述了利用各种分类技术对提取的心电图特征数据进行分类的方法，并在比较各种分类算法的基础上，提出了一种基于CBR的心电图自动诊断系统的结构模型。     

基于Storm的流数据KNN分类算法的研究与实现

KNN算法是一种简单、有效且易于实现的分类算法,可用于类域较大的分类。近年来对KNN算法的研究偏向于静态大数据集,不过,在越来越多的情况下要用KNN算法在线实时处理流数据。考虑到流式数据流量大,连续且快速,不易存储和恢复等特性,以及流处理系统Storm对流数据处理具有实时性、可靠性的特点,提出了基于Storm的流数据KNN分类算法,该算法首先对整个样本集进行划分,形成多个片集,然后计算出待分类向量在各片集上的[K]近邻,最后再将所有片集[K]近邻归约得出整体[K]近邻,实现待分类向量的分类。实验结果表明,基于Storm的流数据KNN分类算法能够满足大数据背景下对流数据分类的高吞吐量、可扩展性、实时性和准确性的要求。