多分类器融合

摘要： 针对由于高光谱图像存在数据量大、数据相关性强、图谱合一等特点导致高光谱图像分类难度较大的问题,构建一种基于多分类器融合的高光谱图像分类模型.该模型首先使用双边滤波算法进行去噪处理,然后使用LDA算法与PCA算法相结合、单独PCA算法、Gabor滤波与PCA算法相结合三种方式分别对数据进行降维与特征提取,并分别使用SVM分类器、LightGBM分类器与AdaBoost分类器进行分类.最后设计一种AHP-投票法,将三个分类器的分类结果进行融合.结果表明,模型融合后效果显著提高,总体精度(OA)可达97.59%,平均精度(AA)可达98.95%以上,Kappa系数可达97.32%以上,OA、AA、Kappa系数比单个模型分类器平均提高2.30%、1.13%、2.54%.

摘要： 通过对遥感影像的分类方法及原理的分析,以多光谱遥感影像为依据,采集农田、菜地、居民地等三类地物样本.利用Matlab软件,分别使用最短距离分类器、贝叶斯分类器及BP神经网络分类器三种分类器将遥感影像进行分类实验.通过投票法,融合不同分类器最终的输出结果,将多种分类器的遥感影像分类进行整合,提高了影像的分类精度.

摘要： 手势识别作为人机交互的有效手段,成为当前研究的热点话题.针对动态手势识别存在时空多变性、特征复杂性等问题,本文提出了一种基于三维骨骼信息的动态手势识别方法.动态手势具有时间上的差异性和复杂性,极大地影响了动态手势识别的准确率.因此,本文设计了一种动态手势关键帧提取算法,该算法可以提取动态手势关键部分,用于进一步的特征提取.另外,单独分类器的分类效果存在差异性,本文采用多个分类器同时对手势特征进行分类,充分利用了所提取的特征.同时,本文还提出了一种自适应融合算法,可以根据分类精度有效融合不同分类器,提高最终分类效果.最后,通过实验验证了本文提出的动态手势识别框架和方法的有效性.

摘要： 在遥感影像分类应用中,使用不同种类的分类器对原始图像进行操作所得出的分类结果的分类精度和效率都是不同的,设计完成多分类器融合分类实验,实验可以将不同种单一分类器的优点用适当的方法进行组合,从而获得比单一分类器分类精度和效率更好的分类方法.在此基础上采用投票原理设计抽象级融合的多分类器并完成实验.设计结果表明:多分类器融合的遥感影像分类方法在精度上要比单一分类器的分类精度高.

摘要： 在多生物特征融合领域,利用线性加权的方法来进行多分类器融合已有了成熟的应用,但是如何选择一个最优的权值组合仍然是一个值得研究的问题.本文提出了一种利用进化策略来训练分类器的可信度的权值的方法.相比无反馈的权值选取,根据训练样本的识别正确率最大化原则进行训练,最终得到的权值组合再加以识别,可以得到更好的识别效果.仿真实验结果也验证了所提出的方法的有效性.

摘要： 在多生物特征融合领域,利用线性加权的方法来进行多分类器融合已有了成熟的应用,但是如何选择一个最优的权值组合仍然是一个值得研究的问题。本文提出了一种利用进化策略来训练分类器的可信度的权值的方法。相比无反馈的权值选取,根据训练样本的识别正确率最大化原则进行训练,最终得到的权值组合再加以识别,可以得到更好的识别效果。仿真实验结果也验证了所提出的方法的有效性。

摘要： 防震减灾科普知识文本包括地震监测预报、震害防御和紧急救援等方面的内容.在目前的防震减灾科普知识的宣传应用中,需要人工进行文本类别的选择,面对海量的科普知识文本,人工分类费时费力,自动文本分类是必要选择.针对科普知识文本进行研究,提出了基于多分类器融合的科普知识文本分类方法,通过D-S证据理论融合支持向量机、径向基RBF神经网络和贝叶斯网络三种分类模型获取最终的分类效果.结果表明,通过多分类器融合的分类方法提高了防震减灾科普知识文本分类的性能,其结果明显优于单个分类器.

摘要： 基于多分类器融合,首先提取行人的运动前景,计算校正透视效应之后的前景面积,提取图像的有效Harris角点和SURF点信息,并由此得到反映行人遮挡程度的遮挡系数,从而构造特征向量,输入BP神经网络建立回归模型;然后提取行人的HOG特征,采用Adaboost级联分类器训练出相应的行人检测器,检测每帧视频的行人并统计数量;最后基于前两个分类器,用stacking的策略构造了组合分类器,并实现分类器融合时权值的自适应调整.通过与现有算法进行对比,算法的效果优于其他算法,对复杂场景适应性强且满足实时性要求.

摘要： 为了提高现有基于智能手机加速度传感器步态身份识别的性能,提出了一种基于多分类器融合(MCF)的识别方法.首先,针对现有方法所提取的步态特征较为单一的问题,对单个步态周期提取相对匀变加速度的速度变化量,以及单位时间内加速度变化量作为两类新特征(共16个);其次,将新特征结合常用的时域、频域特征组成新的特征集,用于训练识别效果与训练时间俱佳的多个分类器;最后,采用多尺度投票法(MSV)对多分类器的输出进行融合处理,得到最终的分类结果.为了检测该方法的性能,采集了32个志愿者的步态数据.实验结果表明,新特征对于单个分类器的识别率平均提升5.95个百分点,最终通过MSV融合算法的识别率为97.78％.

摘要： 为了提高对核爆地震的识别能力,论文以分类器间差异性度量方法为基础实施子分类器的挑选,以改进投票表决法对子分类器结果进行融合,并且提出基于分类正确识别率和差异性度量值相结合的子分类器融合权值确定方法。实验证明,论文提出的基于权值确定的多分类器融合方法能有效提高核爆炸事件的识别能力,为进一步研究分类器融合在核爆地震识别中的应用提供了有益参考。

摘要： 字符旋转和平移都会降低图像质量，影响识剐准确率。研究了提取字符旋转不变特征的Zernike矩字符识别方法，以及利用扩展模板模拟字符平移的字符识别方法。分析了两种方法的优缺点，并根据具体情况给出了改进方案。在此基础之上，采用以Zernike矩和扩展模板匹配为主，传统模板匹配为辅的多分类器融合算法，实现了车牌字符识别。实验结果表明，该算法简捷有效。

摘要： 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.

摘要： 本文针对高超声速进气道状态监测及保护，提出了高超声速进气道不同工作模式分类及进气道不起动保护控制两个基础问题。针对这两个问题，首先具体开展了进气道不同工作模式分类研究，获取了不同工作模式之间的分类面；为了克服测量噪声和传感器故障的影响，开展了多分类器融合分类研究。其次对高超声速进气道不起动边界进行了分析研究，探讨了附面层抽吸对不起动边界的影响，并设计了进气道等裕度控制系统，可以有效保证进气道处于起动状态。

摘要： 建立了网络安全态势感知的分层实现模型,并针对每个层次提出了基于多分类器融合的安全态势提取方法、基于统计学习的分层态势评估方法以及基于遗传神经网络态势的动态预测方法。经仿真实验验证,每个层次的实现方法都是可行有效的.

摘要： 提出一种基于小波变换和距离与BP神经元网络识别方法融合的人脸识别方法.用小波变换将原始图像分解提取特征,消除了光照和胡须等干扰因素的影响;将训练集中的5幅图像取平均值作为模板脸,计算测试集中的5幅小波变换图像与模板脸的各种距离,并将所得计算结果送入神经元网络进行训练和识别.在ORL人脸库上的实验结果表明,所提出的方法可以达到95.5％的正确识别率,计算量小、速度快,可用于各种人脸识别系统,特别是对于带眼镜和胡须的人脸图像.

摘要： 针对复杂背景的彩色图像中复杂姿态人脸的检测问题提出了一种基于多分类器融合和人脸肤色验证的人脸检测方法.首先使用AdaBoost层叠式算法分别训练正面人脸分类器和侧面人脸分类器,将正面人脸检测结果和侧面人脸检测结果相融合得出可能包含人脸的候选区域,然后使用YCbCr空间的肤色统计模型在这些候选区域中进一步验证人脸.实验结果表明,本文方法可以有效提高对复杂姿态人脸的检测概率,并显著降低虚警检测概率.

摘要： 电厂设备状态监测和故障诊断技术是面向生产实际的研究课题，对提高设备运行可靠性具有重要作用。但多年的应用实践表明，基于专家系统的故障诊断仍然存在规则知识不够丰富、自学习能力差、诊断结果可靠性低等问题。本课题针对故障诊断结果可靠性低的问题，提出了基于多知识库融合的智能诊断方法，研究了多知识库的构建、选择和融合方法，并进行了实验研究。实验结果表明，该方法能够有效提高故障诊断的精度。

摘要： 汽轮机振动信号的获取，主要采用的是涡流传感器，其在电厂现场的地电位复杂和干扰严重的环境中，现场采集的振动数据往往被各种噪声污染，数据稳定性差，影响诊断的准确性；而且当某个传感器发生故障时，单个决策系统的性能会急剧下降，甚至导致整个系统的瘫痪。为了提高决策系统的容错能力，将多分类器融合的方法应用到此领域。首先利用粗糙集的方法进行特征选择，得到不同的约简。再利用支持向量机或决策树的方法，训练出多个分类器。测试样本通过这多个分类器通过均值的融合方法，给出最后的分类决策。在振动信号和6组UCI标准数据集的实验表明，多分类器融合方法能对噪声有一定的抑制作用，而且当传感器出现断路或短路故障时，单个分类器的分类精度急剧下降，但是通过融合的方法，使得最后的分类精度与原始精度基本相当。

摘要： 在工业、农业等实际应用领域中,传感器是获取信息的主要工具,而当某个传感器发生故障时,单个决策系统的性能会急剧下降,甚至导致整个系统的瘫痪.为了提高决策系统的容错能力,将多分类器融合的方法应用到此领域.首先利用粗糙集的方法进行特征选择,得到3组不同的约简.再利用模糊输出支持向量机方法,训练出3个分类器.测试样本通过这3个分类器分别给出该样本属于各类的隶属度,再通过均值的融合方法,给出最后的分类决策.将该SVM多分类器融合方法应用于6组UCI标准数据集中,实验表明,传感器出现断路或短路故障时,单个分类器的分类精度急剧下降,但是通过融合的方法,使得最后的分类精度与原始精度基本相当。

摘要： 一种基于多分类器自适应融合的HTTPS加密流量分类方法，选择了HTTPS连接中常见的连接特征、SSL特征、证书特征等三类特征，对于不同特征分别使用不同的分量分类器进行训练并最终将分量分类器进行融合，与每个分量分类器相比，融合分类器拥有更高的分类精度和分类效果。同时，分量分类器融合权重也不是人为设置或根据分量分类器性能进行设置，而是根据训练样本中三类特征相对于各个类别的不同相关性而进行动态权值设置，可以更好的提高融合分类器的分类精度和分类效果。

摘要： 多分类识别器识别数据所表征的特征是属于多个分类中的哪个分类，具备：第1阶层识别器生成单元，其生成进行1对N的识别的多个第1阶层识别器；和第2阶层识别器生成单元，其通过将多个第1阶层识别器分别输出的各计分值进行连结来生成第2阶层特征向量，输入该第2阶层特征向量来生成进行1对N的识别的多个第2阶层识别器，多分类识别器将通过使数据输入到多个第1阶层识别器而由该多个第1阶层识别器输出的各计分值进行连结来生成第2阶层特征向量，将与通过使该第2阶层特征向量输入到多个第2阶层识别器而输出了最大的计分值的第2阶层识别器相对应的分类，识别为所输入的数据所表征的特征所属的分类。

摘要： 一种基于多分类器自适应融合的HTTPS加密流量分类方法，选择了HTTPS连接中常见的连接特征、SSL特征、证书特征等三类特征，对于不同特征分别使用不同的分量分类器进行训练并最终将分量分类器进行融合，与每个分量分类器相比，融合分类器拥有更高的分类精度和分类效果。同时，分量分类器融合权重也不是人为设置或根据分量分类器性能进行设置，而是根据训练样本中三类特征相对于各个类别的不同相关性而进行动态权值设置，可以更好的提高融合分类器的分类精度和分类效果。

摘要： 本发明公开一种多分类器融合的农作物自动分类方法、系统及存储介质，方法包括：数据采集及预处理，获取预处理后的高分数据及多光谱时序反射率；基于多光谱时序反射率计算得到NDVI时间序列；基于计算得到的NDVI时间序列，结合农作物类型训练样本，选取参与分类的多光谱图像数据；将高分数据、NDVI时间序列和参与分类的多光谱图像数据输入分类器集，得到初分类结果集；对初分类结果集执行OCA‑MV算法，完成决策融合分类。

摘要： 本发明涉及一种遥感影像分类的多时相‑多分类器融合方法，是在同一观测区域获取多时相遥感影像的基础上，从分类器和时相两个层面先后采用该算法来完成遥感影像分类。主要步骤包括单时相多分类器分类及精度评价；单时相分类结果集成及精度评价；多时相分类结果集成及精度评价。本发明的遥感影像多时相‑多分类器融合分类方法综合权衡了多个分类器、多个时相分类结果的评价精度，降低了单时相影像、单一分类器分类的不确定性，从而确保得到更高的遥感影像分类精度。

摘要： 本发明公开了基于故障类型分类能力评价矩阵的多分类器融合故障诊断方法。本发明基于分类器度量级输出形式，提出了以分类器输出结果熵值评价分类器多故障类型分类能力的方法，计算得到评价矩阵，并构建了基于模糊综合评判方式的多分类器融合基本模型，进行决策级融合，得出最终的诊断结论。

摘要： 一种基于图聚类标签传播的集成多分类器融合分类方法，包括：使用训练样本训练基本分类器，对训练样本和测试样本进行多次聚类，得到多种聚类划分状态；根据聚类划分状态进行标签传播，得到测试样本的聚类类别标签；所有聚类划分状态和基本分类器上述步骤处理，得到测试样本的聚类类别信息集合；将聚类类别信息和基本分类器的分类信息共同构成集成分类器的决策矩阵，并根据聚类类别信息和基本分类器的分类信息的分类准确率设置分类融合目标方程的参数以控制其在融合中的限制范围，根据分类融合目标方程将待分类样本的聚类类别信息和基本分类器的预测标签信息使用BGCM法进行融合分类，得到最终的类别标签。本发明在样本存在差异时，分类准确率高。

摘要： 本发明公开一种多分类器融合的农作物自动分类方法、系统及存储介质，方法包括：数据采集及预处理，获取预处理后的高分数据及多光谱时序反射率；基于多光谱时序反射率计算得到NDVI时间序列；基于计算得到的NDVI时间序列，结合农作物类型训练样本，选取参与分类的多光谱图像数据；将高分数据、NDVI时间序列和参与分类的多光谱图像数据输入分类器集，得到初分类结果集；对初分类结果集执行OCA‑MV算法，完成决策融合分类。

摘要： 本发明涉及一种基于多分类器融合的阿尔兹海默症分类预测方法。本发明首先对所获得数据中含有的缺失数据和异常数据进行处理和评估，确保数据的有效性；然后结合专家知识和特征选择算法，从k个特征指标中选择出n个特征子集，n≤k，去掉冗余特征和无关特征，提高最终模型的预测效果；提出基于多分类器融合的预测模型；将经过预处理的数据集输入到所提出的模型中，通过多种评估方法评估模型的性能。本发明对阿尔兹海默症的分类预测具有更好的效果和普适性。

摘要： 本发明涉及一种遥感影像分类的多时相‑多分类器融合方法，是在同一观测区域获取多时相遥感影像的基础上，从分类器和时相两个层面先后采用该算法来完成遥感影像分类。主要步骤包括单时相多分类器分类及精度评价；单时相分类结果集成及精度评价；多时相分类结果集成及精度评价。本发明的遥感影像多时相‑多分类器融合分类方法综合权衡了多个分类器、多个时相分类结果的评价精度，降低了单时相影像、单一分类器分类的不确定性，从而确保得到更高的遥感影像分类精度。