多类分类

摘要： 针对支持向量机分类方法在处理不平衡样本数据时出现的问题,通过对类间样本距离、类内样本分布及该类所占区域3个方面的改进,提出了一种处理不平衡样本数据的计算方法。将该方法与偏二叉树支持向量机结合,提出了一种改进球结构偏二叉树支持向量机多分类方法。选取UCI数据库中的数据,将该方法与球结构偏二叉树支持向量机、欧氏距离偏二叉树支持向量机、加权欧氏距离偏二叉树支持向量机方法进行比较,实例验证了该方法的有效性。

摘要： 本文为了提高自动驾驶的目标分类精度,基于成像毫米波雷达点云特征,提出了16维特征向量,分别使用了决策树模型、随机森林模型以及核SVM模型,实现行人、自行车、摩托车、小轿车、大巴车这五类目标的多类分类。为了验证所提特征向量的有效性和鲁棒性,使用成像毫米波雷达分别采集了不同运动状态、不同距离和不同角度下五类目标的数据样本。

摘要： 三支决策理论是决策粗糙集理论的推广,它同样可以应用于覆盖粗糙集理论的决策分类.论文借鉴三支决策思想,利用矩阵形式,提出了协调覆盖决策系统下的一种新的多类分类矩阵模型计算方法.首先给出协调覆盖决策系统和三支决策的有关定义,然后将延迟决策类的多类分类模型运用到协调覆盖决策系统中,提出了一种新的协调覆盖基于三支决策的多类分类矩阵模型,减少代价参数,降低决策风险,最后通过一个实例分析验证此方法的有效性和可行性.

摘要： 针对电网故障诊断数据的类别分布不平衡,即故障类别相对正常类别比值小问题,提出一种基于ADASYN-DHSD-ET(Adaptive Synthetic Sampling of Discrete High-dimensional Spatial Distance Extremely Randomized Trees)的电网故障诊断方法.在采样阶段根据故障类样本的内部分布密度自适应计算合成新样本数量;在合成新样本时,计算离散型数据样本点之间的高维空间距离,使点之间的合成数量与距离成负相关关系,进行合成新样本;在基分类器生成过程中,节点分裂时随机选择特征,巧妙借助极端随机树随机性强方差低的特性解决了噪声数据的影响.实验结果对比传统分类和常用不平衡分类表明,该算法有效地提升了故障类的精度,同时克服了以往别的算法随机过采样导致的正常类精度下降,G-mean值达到82.6％,具有优越的电网故障诊断预测性能.

摘要： 综合运用D-S证据理论和Forest算法,构建得到一种以证据理论为基础的多类半监督分类算法.先以随机方式对多类数据进行组合分类共得到两类数据,再对初始分类器进行训练;利用D-S证据理论来融合部分分类器对未标记样本的分类情况.研究结果表明:随着分类器的数量上升,分类准确率表现为持续升高的现象,但上升幅度不断减小,还会引起学习耗时的快速上升.进行实际半监督学习时,需综合考虑分类准确率与学习耗时来确定最终的分类器数量.当可信度阈值t增大后,可以获得更多的没有参与训练的未标记样本数量.在t逐渐增大的过程中,分类器的分类正确率表现为先上升后下降的现象,并在t等于0.8的条件下到达最大值.

摘要： In the practical application of the multi-category classification problem, when the cognition of the decision object changes from coarse-grained to fine-grained, by using the granular structure, a sequential three-way decisions model based on multi-category classification is proposed. On this basis, it is time-consuming to computer sequential three-way decisions with the non-incremental method of this model. For the change of conditional attributes in the decision table, the incremental method of the model is given to make the decision. First, the condition attribute of each level is obtained by adding new attributes, and a multilevel granular structure is constructed. Under the multilevel granular structure, the loss function matrix of each level decision table is given. Then thresholds of each decision class are calculated and decisions of each level decision table are made in order. Finally, a sequential three-way decisions algorithm for multi-category classification is given. An example is used to illustrate the calculation process of the algorithm. In order to dynamically update a sequence of three regions, an incremental algorithm for calculating sequential three-way decisions is given based on multi-category classifications. The effectiveness of the proposed method is verified by simulation experiments.%多类分类问题的实际应用中,在决策对象的认识由粗粒度向细粒度转化时,通过使用粒结构,提出一种基于多类分类的序贯三支决策模型.在此基础上,使用该模型非增量的方法计算序贯三支决策的时间开销较大,针对决策表中条件属性的变化,给出该模型的增量方法来进行决策.首先,通过增加新属性得到每层的条件属性,构建多层次粒结构.在多层次粒结构下,给出每层决策表的损失函数矩阵.然后,按层依次计算决策表中每个决策类的阈值,进行决策表的三支决策.最后,给出多类分类的序贯三支决策算法,通过实例说明该算法的计算过程.为了动态更新多层次下的三个域集,基于多类分类给出计算序贯三支决策的增量算法,通过仿真实验验证了该方法的有效性.

摘要： Error correcting output codes (ECOC) is a decomposition framework, which can transform a complex multiclass classification problem into a series of two-class classification problems.It can complete one multiclass classification task efficiently.To improve its generalization performance, we studied the design of its base classifier, which is also known as model selection in ECOC.The key point is how to estimate the general-ization error of ECOC.Leave-one-out ( LOO) error is an almost unbiased estimator of generalization error, so we studied how to estimate the LOO error bounds for ECOC.First, we provided the definition of LOO error for ECOC.And then, based on this definition, upper bound and lower bound of LOO error for ECOC was given under the condition that base classifiers were support vector machines ( SVM) and decoding method was linear loss function.The experiments on synthetic dataset and UCI dataset show that the upper bound of LOO error for ECOC leads to good estimates of parameters in base classifiers, and designing base classifiers can improve the generalization performance of ECOC.Furthermore, we also report that training error is one lower bound of LOO error for ECOC, and the application of this lower bound should be studied in the future.%纠错输出编码(ECOC)作为分解框架,将多类分类问题转化为二类分类问题,是解决多类分类问题的有效手段.为了提高ECOC的泛化性能,对ECOC基分类器的设计问题进行了研究.解决这一问题的关键是对ECOC的泛化性能进行估计.留一(LOO)误差作为泛化性能的无偏估计,研究了ECOC留一误差界的估计问题.先给出了ECOC留一误差的定义,基于此定义,再给出了基分类器为支持向量机(SVM),解码方法为线性损失函数解码时,ECOC留一误差的上界和下界.在人工数据集和UCI数据集上的实验表明,ECOC留一误差的上界可以指导基分类器的参数选择,通过基分类器设计可以提高ECOC的泛化性能.此外,ECOC的训练误差可以作为ECOC留一误差的下界,对ECOC留一误差下界的研究可以作为未来的研究方向.

摘要： 提出了一种基于特征空问相对可分性的层次支持向量机多类分类方法，解决了现有算法存在的不可分区域问题。在特征空间中以样本类别的相对可分性为权值构造最小生成树，确定类别的划分顺序，有选择地构造训练样本集和SVM分类器，最终形成一种分类间隔较大的二叉树形多值SVM分类器。仿真实验结果表明，该方法具有较快的测试速度、良好的分类准确率和推广性能。

摘要： 支持向量机能够有效地避免经典学习方法中过学习、维数灾难、局部极小等问题,而且在小样本条件下仍然具有良好的泛化能力。但是SVM算法的理论主要是解决2类分类问题。本文主要研究了如何有效的将其推广到多类分类问题,并提出了一种新的基于二叉树多类分类算法模型的思想。该方法在解决多类分类问题,尤其是多层次分类问题具有明显的优势,并且可以有效减少训练样本的数量。

摘要： 支持向量机源于二类分类问题,而支持向量机多类分类问题虽然取得了一定的进展,但是目前仍是一个不断发展的热点问题.本文介绍了当前支持向量机多类分类问题的一般解法和思路,提出了一种基于聚类的支持向量机多类分类问题的解法,并与通常的解法相比较,得到了良好的结果。

摘要： 针对传动装置中变速箱齿轮故障诊断问题.利用建立在结构风险最小原理基础上的支持向量机的模式分类功能,构造了两种多故障分类器.支持向量机采用高斯径向基函数作为核函数,选取样本进行测试和训练,在小样本情况下对变速箱齿轮的故障进行诊断.本文重点讨论了"成对分类"与"一对余类"两种多类分类算法的应用。实例表明,多类分类器对设备故障具有很好的分类效果,同时也显示了支持向量机在处理小样本问题上的优越性.

摘要： 分析了用于多类分类问题的Adaboost算法的基本原理,给出了一种基于Adaboost M2的SAR自动目标识别方法,用PCA(PrimaryComponent Analysis)方法提取目标频域特征,在不同方位窗内建立Adaboost M2分类器,以MSATAR(Moving and StationaryTarget Acquisition and Recognition)实测SAR地面目标图像作为实验数据,利用Adaboost M2分类器对目标进行分类,实验结果表明,Adaboost M2分类器可有效地用于SAR自动目标识别,同时对目标的成像方位变化具有更好的鲁棒特性。

摘要： 针对空调系统故障智能诊断缺少大量故障数据样本的问题,本文提出小样本的支持向量机(Support Vector Machine,SVM)多故障分类算法,依据此算法建立了多故障分类器,并应用于某实际地源热泵空调系统的故障诊断.应用结果表明,支持向量机针对小样本情况表现出了优良的分类性能,多故障分类器能方便有效的实现空调系统多故障的识别和诊断,并且具有算法简单,分类准确的优点。

摘要： 针对空调系统故障智能诊断缺少大量故障数据样本的问题,本文提出小样本的支持向量机(Support Vector Machine,SVM)多故障分类算法,依据此算法建立了多故障分类器,并应用于某实际地源热泵空调系统的故障诊断.应用结果表明,支持向量机针对小样本情况表现出了优良的分类性能,多故障分类器能方便有效的实现空调系统多故障的识别和诊断,并且具有算法简单,分类准确的优点。

摘要： 针对空调系统故障智能诊断缺少大量故障数据样本的问题,本文提出小样本的支持向量机(Support Vector Machine,SVM)多故障分类算法,依据此算法建立了多故障分类器,并应用于某实际地源热泵空调系统的故障诊断.应用结果表明,支持向量机针对小样本情况表现出了优良的分类性能,多故障分类器能方便有效的实现空调系统多故障的识别和诊断,并且具有算法简单,分类准确的优点。

摘要： 针对空调系统故障智能诊断缺少大量故障数据样本的问题,本文提出小样本的支持向量机(Support Vector Machine,SVM)多故障分类算法,依据此算法建立了多故障分类器,并应用于某实际地源热泵空调系统的故障诊断.应用结果表明,支持向量机针对小样本情况表现出了优良的分类性能,多故障分类器能方便有效的实现空调系统多故障的识别和诊断,并且具有算法简单,分类准确的优点。

摘要： 针对空调系统故障智能诊断缺少大量故障数据样本的问题,本文提出小样本的支持向量机(Support Vector Machine,SVM)多故障分类算法,依据此算法建立了多故障分类器,并应用于某实际地源热泵空调系统的故障诊断.应用结果表明,支持向量机针对小样本情况表现出了优良的分类性能,多故障分类器能方便有效的实现空调系统多故障的识别和诊断,并且具有算法简单,分类准确的优点。

摘要： 本发明的目的在于，提供一种在没有将硬件高性能化的情况下进行高精度的识别处理的系统。为了实现上述目的，本发明的一种纸张类分类装置，其特征在于，具备：纸张类识别信息取得单元，取得用于对纸张类进行识别处理的纸张类识别信息；信息转发单元，将由上述纸张类识别信息取得单元取得的纸张类识别信息转发到外部运算装置；固有特征量识别单元，识别与上述纸张类识别信息不同的纸张类的信息即固有特征量信息；至少一个收纳单元，在内部收纳上述纸张类；以及分配单元，根据由上述固有特征量识别单元识别的固有特征量信息，分配上述纸张类。

摘要： 本发明的目的在于，提供一种能够将正常纸币和损坏纸币分离的纸张类处理装置、纸张类分类装置及纸张类分类系统。现金自动交易装置具备：纸币处理部，对纸币进行交易处理；至少一个收纳部；编号读取传感器，识别纸币的编号；损坏探测传感器，基于预先决定的正损判定基准信息来判定纸币的损坏级别；以及存放部，将纸币的损坏级别信息和编号按照每个纸币建立关联而存储；将每个纸币的编号信息及损坏级别信息作为交易处理时信息，根据收纳部的搬出而传送给纸币分类装置。

摘要： 生成通过简单的操作进行实质上接近100％的二类别分类且可靠性高的二类别分类预测模型。二类别分类预测模型是通过下述步骤生成的，即：a)根据针对学习样本集合的各个学习样本产生的说明变量，求出用于将学习样本集合分类为预先设定的两个类别的判别函数；b)根据求出的判别函数，计算各学习样本的判别分数；c)根据计算出的判别分数，决定各学习样本的分类预测的正误；d)根据被错误分类的学习样本集合中的最大判别分数和最小判别分数，决定错误分类样本区域；e)取出包含在错误分类样本区域内的学习样本，构成新学习样本集合；f)针对新学习样本集合，重复a)～e)。

摘要： 本发明公开了一种纸张类处理装置、纸张类分类装置及纸张类分类系统，该纸张类处理装置具备：展平单元，展平由纸张类投入口投入的纸张类；纸张类识别信息取得单元，取得用于对纸张类进行识别处理的纸张类识别信息；信息转发单元，向外部运算装置转发由所述纸张类识别信息取得单元取得的纸张类识别信息；固有特征量识别单元，识别与所述纸张类识别信息不同的纸张类的信息即固有特征量信息；至少一个收纳单元，在内部收纳所述纸张类；以及分配单元，根据由所述固有特征量识别单元识别的固有特征量信息，分配所述纸张类。既能够避免纸张类的分配错误，还能够将纸张类分类装置设置成简单的结构。

摘要： 本发明的目的在于，提供一种能够将正常纸币和损坏纸币分离的纸张类处理装置、纸张类分类装置及纸张类分类系统。现金自动交易装置具备：纸币处理部，对纸币进行交易处理；至少一个收纳部；编号读取传感器，识别纸币的编号；损坏探测传感器，基于预先决定的正损判定基准信息来判定纸币的损坏级别；以及存放部，将纸币的损坏级别信息和编号按照每个纸币建立关联而存储；将每个纸币的编号信息及损坏级别信息作为交易处理时信息，根据收纳部的搬出而传送给纸币分类装置。

摘要： 本发明的目的在于，提供一种在没有将硬件高性能化的情况下进行高精度的识别处理的系统。为了实现上述目的，本发明的一种纸张类分类装置，其特征在于，具备：纸张类识别信息取得单元，取得用于对纸张类进行识别处理的纸张类识别信息；信息转发单元，将由上述纸张类识别信息取得单元取得的纸张类识别信息转发到外部运算装置；固有特征量识别单元，识别与上述纸张类识别信息不同的纸张类的信息即固有特征量信息；至少一个收纳单元，在内部收纳上述纸张类；以及分配单元，根据由上述固有特征量识别单元识别的固有特征量信息，分配上述纸张类。

摘要： 本发明提供一种基于二分类张量增强的多分类语义分割方法，包括步骤：将需要将分类的图片输入至原始分割网络中；由原始分割网络的特征提取部分进行特征提取，将提取的特征并行输入至N个二分类头以及中转部分；N个二分类头对输入的特征分别进行二分类处理输出N个二分类张量，中转部分输出待分类特征；将N个二分类前景分数图与待分类特征进行级联，级联张量最后送入多分类头，多分类头对输入的级联张量进行N分类处理并输出N分类张量作为最终的多分类结果。本发明可以简单地加入到多数分割网络结构中，仅带来少量的网络参数量增加。相较于直接用CE损失优化多分类头结果的方法，本发明方法能在增加少量参数消耗的情况下提升分割网络的分类性能。

摘要： 一种二分类模型训练方法、基于企业对的同名人员分类方法及装置，该方法包括：获取带正负标签的企业对；从企业关联关系数据库的嵌入向量中，提取带正负标签的企业对中每个企业的嵌入向量，形成企业对的嵌入向量对；将企业对的嵌入向量对输入到初始的二分类模型进行标签类别预测，得到企业对的预测标签；根据企业对的所带正负标签和预测标签计算评价指标值，并通过评价指标值确定初始的二分类模型的阈值，得到最终的二分类模型。本发明实施例提供的方法及装置，解决了现有技术中企业间关系构建不完备和不准确而导致的两家企业同时出现两个相同的人名时，难以判断两人是否为同一人的问题，可实现对同名人员的企业对的分类更加可靠和准确。

摘要： 本实用新型公开了一种纸张类处理装置、纸张类分类装置及纸张类分类系统，该纸张类处理装置具备：展平单元，展平由纸张类投入口投入的纸张类；纸张类识别信息取得单元，取得用于对纸张类进行识别处理的纸张类识别信息；信息转发单元，向外部运算装置转发由所述纸张类识别信息取得单元取得的纸张类识别信息；固有特征量识别单元，识别与所述纸张类识别信息不同的纸张类的信息即固有特征量信息；至少一个收纳单元，在内部收纳所述纸张类；以及分配单元，根据由所述固有特征量识别单元识别的固有特征量信息，分配所述纸张类。既能够避免纸张类的分配错误，还能够将纸张类分类装置设置成简单的结构。

摘要： 本发明的目的在于提供一种选择特征量并且根据所选择的特征量的值将样品分类为多个类中的任一个的多类分类方法、多类分类程序、多类分类装置、以及用于这样的多类分类的特征量选择方法、特征量选择装置及特征量集。在本发明中，处理伴随特征量选择的多类分类问题。特征量选择是预先按照字面意思对样品所具备的大量的特征量中的用于后续的各处理(在本发明中尤其是多类分类)所需的特征量进行取舍选择的方法。多类分类是确定给定的未知样品属于多个类中的哪一个的判别问题。