分类器

摘要： 针对库区巡检图像采集设备对图像目标智能识别需求,进行基于视觉的远距离可疑目标识别算法设计与实现.采用目标检测算法对图像进行目标识别并采集,通过基于卷积神经网络的深度学习模型卷积层对目标图像提取特征,采用基于机器学习传统方法的浅层网络对特征进行可疑目标分类.根据算法设计实验,实验结果表明本算法模型识别效果良好,可有效减少人工识别工作量,能满足实际应用需要要求.

摘要： 1 GAN与NFT的结合在上一期里,我们说明了天字第一号模型:分类器。接着本期就来看看它的一项有趣应用:GAN(generative adversarial networks,生成对抗网络)。自从2014年问世以来,GAN在电脑生成艺术(generative art)领域,就开始涌现了许多极具吸引力的创作和贡献。GAN如同生成艺术的科技画笔,使用GAN进行创作特别令人振奋,常常创作出很特别的效果,给人们许多惊喜的感觉,例如图1。

摘要： 根据临床收录的肿瘤基因表达谱数据,可以利用分类器进行肿瘤亚型分类.由于基因表达谱数据样本小、维度高,难以提取有效特征,分类效果往往不好,而且很容易过拟合.针对这些问题,研究利用自编码器对特征基因进行降维,并构建多尺度的神经网络进行学习分类,综合考虑不同尺度的特征,提出A-CNNs网络,不仅解决了高维样本难以处理的问题,且有效避免了纵向加深神经网络带来的过拟合,得到了较高的平均分类精度,并与其他机器学习方法进行对比实验,实验证明所构建的分类模型可以取得较佳的分类效果.

摘要： 随着深度学习在各个领域的广泛应用,数据收集和训练过程中产生的隐私泄露问题已成为阻碍人工智能进一步发展的原因之一.目前已有很多研究将深度学习与同态加密或者差分隐私等技术结合以实现对深度学习中的隐私保护.从另一个角度尝试解决这个问题,即在一定程度上保证训练数据集隐私性的基础上,实现对训练数据计算节点的可追踪性.提出了一种基于差分隐私的可追踪深度学习分类器,结合差分隐私和数字指纹技术,在为训练数据集提供隐私保护的同时保证在出现非法传播的训练模型或者数据集时,能根据其中的指纹信息定位到问题训练节点.该分类器既能保证安全判定分类功能,又能保证指纹的不可感知性、鲁棒性、可信度和可行性等基本特征.从后续的公式推导、理论分析和在真实数据的仿真结果表明,该方案能够满足深度学习中对隐私信息的安全可追踪性的需求.

摘要： 在肿瘤诊断领域,人工智能辅助诊断系统可对肿瘤属性、恶性肿瘤分期进行准确地判别,从而延长患者的生存时间。文中以乳腺肿瘤为例,针对特征提取过程中数据量过大所导致的过拟合问题,提出了一种基于监督学习的人工智能辅助诊断模型。在提取特征时,通过引入层次聚类分析来完成有效的特征降维,并将分类后的特征数据作为人工神经网络模型的特征输入,以此实现分类器的有效训练。实验结果显示,所提算法的准确率和AUC值相比对照算法有所提升,表明该模型不仅能解决海量特征区域描述造成的过拟合问题,还增强了人工智能辅助诊断系统的泛化能力,可以完成对钼靶乳腺肿瘤的高精度区分。

摘要： 针对大姿态人脸转正的图像生成效果较差问题,文章建立了一种基于生成器、判别器和分类器三者对抗的生成对抗网络(GAN)人脸转正方法。实验中通过引入超参数S进行比例控制生成器和判别器的交替训练,避免模式崩溃并提高了训练效率。大姿态人脸转正实验表明,该方法在CFP数据集对侧脸转正效果的Rank识别准确率达到了68.7%,与DR-GAN相比提高了4.4%,验证了所提出的方法能够有效生成正面人脸图像且较好地保留人脸的身份特征。

摘要： 1天字第一号ML模型:分类器在上一期里,曾经在Excel画面的幕后,设计了一个分类器(Classifier)模型,将各归类到各自所属的。此时,把一个作品名称(如静夜思),当作一个类(Class)。于是,这种ML模型,就通称为:分类器。在ML(机器学习)领域中,分类器就是天字第1号模型。在本专栏的前面几期里,曾经介绍过分类器的幕后实践技术。在本期里,就来把去年介绍过的技术,与华夏的艺术、文化创作,连结起来,让您能够贯通ML的知识体系及其实现技术,请您回忆上一期的范例(见图1)。

摘要： 为了有效解决情绪与音乐创作算法之间孤立的问题,提出了一种利用情绪反馈机制指导分形音乐创作过程的改进分形算法,实现了分形音乐作品的创作和分类任务。仿真分析的结果表明,所提出的方法能够有效创建分形音乐并具有较高的预测准确率,与K-means、HAC层次凝聚聚类法、最大最小距离聚类算法在分类器中进行对比,这种算法提升平均正确率15%以上,因而所提出的算法为分形音乐的创建于预测进一步发展提供了一定借鉴和思路。

摘要： 为提高机构名识别精度,满足关系抽取等下游任务的需求,提出分阶段细粒度命名实体识别思想。利用Bert-BiLSTM-CRF模型对机构名进行粗粒度识别,将机构名视为短文本,采用Bert-CNN对构建的机构名词典训练细粒度分类模型,获取机构名的细粒度标签。实验结果表明,提出的分阶段方法在细粒度机构名识别上F1值最佳达到了0.8117,远超词典匹配方法。

摘要： 传统数据分析技术无法对动态数据进行分类,造成了分类过程加速较慢的问题.为此,设计基于Python语言的文本数据流自适应分类方法.将网络数据采集过程构建为模型的形式,获取文本数据流信息.将Python语言与网络爬虫技术应用到数据预处理与挖掘过程中,为后续处理提供精准度较高的数据基础.使用半监督学习半聚类分析方法构建分类器,完成文本数据流自适应分类过程.实验结果表明本文方法在提高分类加速度的同时,优化了数据分类结果,具有一定的使用价值.

摘要： 为检测图像是否隐藏秘密信息,提出一种结合集成学习与深度学习的分类器.分析得出基于FLD(Fisher Linear Discriminant)的集成分类器对待检测特征的处理过程等同于一个三层神经网络.参照集成分类思想,使用多个卷积核结合所提RandomPooling方法,由特征空间提取多个相互独立的随机子集并对这些子集完成不同的卷积处理.探究深层网络结构和参数,提高检测率.实验表明,SRM特征加上所提分类器在检测嵌入率为0.4bpp的hill隐写算法时,检测性能接近SRM特征加上集成分类器.

摘要： 本文提出了一种新的视频分类框架,其中采用核函数极限学习机(KELM)而不是Softmax函数作为卷积神经网络(CNN)体系结构中的分类器,以提高分类的性能.为了验证方法的有效性,提出了一个新的Piracy Video-4数据集.在Piracy Video-4的数据集上进行的实验证明了所提出方法的优越性.

摘要： 主动声纳的应用领域随着科技的快速发展也逐渐广泛,水下目标识别作为一项极其关键的声纳技术也得到了发展,然而,相对于其他几项声纳技术,主动目标识别的发展仍显得缓慢.制约它的发展的因素有很多,如何有效的提取目标特征并设计性能良好的分类器是主动目标识别的关键问题.本文利用小波包分解、Wigner-Ville分布、分数阶Fourier变换对水下目标回波信号进行了特征提取,并进行特征向量降维处理,提高分类器的性能.

摘要： 机器视觉被广泛应用到生产生活的各个方面,数字识别更是早已应用到智能交通等方面,但在智能交通的车牌识别方面,车牌上的数字是规范没有形变的,因此检测起来困难相对较小,可当数字产生严重的形变之后,通过工业摄像头检测数字的困难程度就会有所提高,识别的准确率也会相应的下降,为了提高在有数字形变的基础上识别的准去率,本文在支持向量机(SVM)和HOG特征以及LBP特征算法和原理的基础上,分析并产生了一种基于LBP特征、HOG特征和SVM有效结合识别数字的思想,应用在各种物体表面变形数字的识别上,通过实验数据分析验证了方法的有效性.

摘要： 针对现有的基于引导学习的显著性检测模型存在的训练样本不纯净和特征提取方式过于简单的问题,提出一种改进的基于引导(Boosting)的算法来检测显著性,从提升训练样本集的准确度和改进特征提取的方式来达到学习效果的提升.首先,根据显著性检测的自底向上模型产生粗选样本图,并通过元胞自动机对粗选样本图进行快速有效优化来建立可靠的引导样本,完成对原图的标注建立训练样本集;然后,在训练集上对样本进行颜色纹理特征提取;最后,使用不同特征不同核的支持向量机(SVM)弱分类器生成基于Boosting学习一个强分类器,对每幅图像的超像素点进行前景背景分类,得到显著图.在ASD数据库和SED1数据库上的实验结果显示该模型能对复杂和简单的图像生成完备清晰的显著图,并在准确率召回率曲线和曲线下面积(AUC)测评值上有较大提升.由于其准确性,能应用在计算机视觉预处理阶段.

摘要： 为了解决人脸识别装置的不可移动性,采用ARM嵌入式,通过摄像头捕获和检测人脸图像,建立一个小规模人脸库,根据LBP人脸识别算法,将采集的数据与系统人脸库比较,识别出个人,并显示个人信息.重点研究Haar分类器和Qt人脸识别程序界面,实现了手持人脸识别装置的设计.

摘要： 属性学习是一种底层特征抽取算法,丰富了底层特征的语义信息.提出了基于多示例框架的属性学习算法,可以准确地预测每个属性的所在区域;提出了基于区域聚类的示例合并算法,有效地减少了示例包中示例的个数,提高了算法效率,提升了属性分类器的性能;此外,还提出了含有语义群的多示例多标记学习框架,进而得到所有属性的分类器;最后,在原有数据库标记的基础上,采取人工标注的方式补充并修正了样本的属性标记,重新构建了属性数据库.在a-Pascal和a-Yahoo标准数据库上与其他基于属性学习的图像检索算法进行对比,验证了所提算法的有效性和可行性,更能满足用户的检索需求.

摘要： 本文提出了一个基于二次训练的网络入侵检测模型,该模型不但可以从整体上提高入侵检测系统的检测性能,而且对于低频率、高危害攻击类型的检测性能有着更加显著的提升.该模型首先利用PCA算法提取数据集中的重要特征,然后使用二次训练技术训练分类器构建网络入侵检测模型.在实验中,分别使用了决策树、朴素贝叶斯和KNN三个经典分类算法构建基于二次训练的入侵检测模型,并在著名的KDDCup99数据集上进行实验.实验结果表明,基于二次训练的入侵检测模型可以有效地提高入侵检测系统的性能,尤其是对于低频率攻击类型的检测性能有明显的提升.

摘要： 互联网互动问答社区已成为网民获取知识、解决问题的重要手段.但是,一些投机用户利用问答形式,塞入广告或相关的推广内容,试图欺骗搜索引擎.因此,发现并剔除这种广告数据,是保证社区健康发展的重要环节.本文的目标就是根据问答系统所提供的真实广告数据,设计和实现问答系统中的广告推广数据的挖掘算法,为这一环节提供技术支持.通过建立一个只有正例和无标注数据的分类器来达到这一目标.这个分类器利用了传统的机器学习算法:逻辑斯蒂回归、随机森林、支持向量机,等等,以及它们的组合,来构造最终的分类器,并取得了良好的效果.

摘要： 脑电信号中包含丰富的信息,能客观反映大脑的内部状态.近年来,计算机技术的发展和对大脑以及脑电信号研究的重视程度加深,使关于脑电信号的研究与应用越来越多.通过对近五年脑电研究技术和方法的分析与对比,从脑电信号分析和处理的研究过程,包括信号的获取、特征提取、分类和应用四个方面,具体介绍了当前脑电数据常用处理方法和分析技术,并对其未来研究和技术的发展进行了展望.

摘要： 基于从多个设施获取到的脑测量数据来执行具有规定的属性的受验者的聚类的、脑功能连接相关值的聚类装置在多个MRI装置中对于健康群、患者群拍摄静息态的fMRI图像数据，计算处理系统(300)在进行协调化处理后的相关阵列的元素值与关于各受验者的疾病标签之间，通过“有监督学习”将识别器的生成作为集成学习来实施，在集成学习过程中，根据重要度而从在针对疾病标签生成识别器的生成处理中确定出的特征量中选择出用于聚类的特征量，之后通过“无监督学习”来执行多重共聚类。

摘要： 本发明提供了滚筒分类器装置（10）和用于将预成型坯（2）分类的分类方法，以及具有这种滚筒分类器装置（10）的运送装置。滚筒分类器装置（10）包括第一滚筒（11）、第二滚筒（12）、检测装置（14）和滚筒设置更改元件（15），第一滚筒（11）能被驱动而绕着其滚筒轴（11a）旋转，第二滚筒（12）能被驱动而绕着其滚筒轴（12a）朝与第一滚筒（11）旋转相反的方向旋转，且第二滚筒（12）与第一滚筒（11）被间开地设置从而使得它们的滚筒轴（11a、12a）被设置得本质上彼此平行，检测装置（14）用于检测在第一和第二滚筒（11、12）上的不被允许的和/或有缺陷的预成型坯（2），滚筒设置更改元件（15）用以在检测装置（14）检测到不被允许的预成型坯（2）时更改第一和第二滚筒（11、12）相对于彼此的设置。

摘要： 本发明公开了一种基于忆阻器的朴素贝叶斯分类器设计方法、系统及分类器，属于信息技术领域，方法包括：构建包含M行×2N列忆阻器阵列的朴素贝叶斯分类器，M为分类类型数量，N为图片中像素点的个数；计算第j训练样本中第i个像素点中像素值为0的个数hj,2i‑1和像素值为1的个数hj,2i，j＝1，2，……，M；在第j行第2i‑1列的忆阻器Rj,2i‑1上施加hj,2i‑1个脉冲以对Rj,2i‑1的电导进行调制，在第j行第2i列的忆阻器Rj,2i上施加hj,2i个脉冲以对Rj,2i的电导进行调制，调制后的朴素贝叶斯分类器用于识别待分类图片的类型。有效克服忆阻器在神经网络应用中电导变化的非对称性和非线性制约，避免非理想阻变行为导致的精度下降，提高朴素贝叶斯分类器的普适性。

摘要： 本发明公开了一种生理数据特征值获取方法、分类器建立方法、分类方法、分类器及分类系统。分类器建立方法包括：获取多个生理数据样本，为每个参考生理数据样本分配分类标签并提取特征值；对分类标签和特征值进行归一化处理并转化为统一格式，获得训练数据；配置分类器训练参数；利用训练数据对分类器进行训练，训练中不断优化训练参数，直到分类器输出精度达到预设精度后，输出模型文件，完成分类器建立。生理数据分类器建立快速、运算量少，训练数据中对分类标签和特征值进行归一化处理并转化为统一格式，有利于提高分类器的训练速度。快速对生理数据进行分类并输出分类标签，便于处理人员选择生理数据做进一步分析，减少了工作量。

摘要： 本发明提供了滚筒分类器装置（10）和用于将预成型坯（2）分类的分类方法，以及具有这种滚筒分类器装置（10）的运送装置。滚筒分类器装置（10）包括第一滚筒（11）、第二滚筒（12）、检测装置（14）和滚筒设置更改元件（15），第一滚筒（11）能被驱动而绕着其滚筒轴（11a）旋转，第二滚筒（12）能被驱动而绕着其滚筒轴（12a）朝与第一滚筒（11）旋转相反的方向旋转，且第二滚筒（12）与第一滚筒（11）被间开地设置从而使得它们的滚筒轴（11a、12a）被设置得本质上彼此平行，检测装置（14）用于检测在第一和第二滚筒（11、12）上的不被允许的和/或有缺陷的预成型坯（2），滚筒设置更改元件（15）用以在检测装置（14）检测到不被允许的预成型坯（2）时更改第一和第二滚筒（11、12）相对于彼此的设置。

摘要： 本申请提供一种分类器训练方法、分类器和情感分类系统，上述方法包括：获取主题集合中至少一个主题的已标注的评论文本，作为训练样本；获取主题集合中至少一个主题的未标注的评论文本，作为未标注样本；采用标签传播算法预测所述未标注样本；采用预测后的所述未标注样本和所述训练样本训练分类器。本方案除了通过利用已经标注过的评论文本对分类器进行训练之外，还利用未标注的评论文本对所述分类器进行训练，并且采用所述未标注的评论文本对所述分类器进行训练后，显著提高了所述分类器的分类精度。在不明显提高用户工作量的基础上，有效的提高了分类器的精准度。

摘要： 本发明实施例提供一种对手写字符图像进行分类的分类器、分类装置和分类方法，该分类器包括：训练部，其根据训练样本的分类输出与所述训练样本类别的误差，以及所述训练样本的特征提取输出或重构输出与所述训练样本所对应的标准字符图像的误差，来确定特征提取参数和分类参数；分类部，其根据所述训练部所确定的所述特征提取参数和分类参数，对输入的手写字符图像进行分类。根据本发明的实施例，在确定特征提取参数和分类参数时，考虑到了训练样本所对应的标准字符图像的特性，因此，能够得到进一步优化的特征提取参数和分类参数，提高了分类的准确性。

摘要： 本发明公开了一种微囊性附属器癌鉴别诊断的试剂盒和分类器以及分类器的构建方法，它包括检测4种钙离子通道相关蛋白的试剂，分别为：CACNA1S、MYLK3、RYR1和ATP2A1。本发明还提供了所述试剂盒的用途及一种鉴别诊断微囊性附属器癌的分类器构建方法。本发明试剂盒可以用于鉴别微囊性附属器癌和其他形态学类似的良、恶性皮肤肿瘤，为微囊性附属器癌的早期诊断/鉴别诊断提供帮助，临床应用前景广阔。

摘要： 公开一种使用连续学习服务器对分类客户端(client)图像的分类器进行连续学习的方法，其包括：连续学习服务器(a)将来自客户端的第1分类器的每个第1难图像输入到对抗自编码器，使对抗自编码器通过编码器从多个第1难图像输出多个潜在向量，通过解码器从多个潜在向量输出多个重建图像，通过判别器和第2分类器输出多个属性信息和多个第2分类信息，以确定要存储在第1学习数据集中的多个第2难图像，通过调整与确定为不是第2难图像的每个重建图像对应的多个潜在向量来生成要存储在第2学习数据集中的多个增强图像；(b)对与第1分类器对应的第3分类器进行连续学习；以及(c)向客户端传输多个更新的参数。

摘要： 本发明公开了一种基于忆阻器的朴素贝叶斯分类器设计方法、系统及分类器，属于信息技术领域，方法包括：构建包含M行×2N列忆阻器阵列的朴素贝叶斯分类器，M为分类类型数量，N为图片中像素点的个数；计算第j训练样本中第i个像素点中像素值为0的个数hj,2i‑1和像素值为1的个数hj,2i，j＝1，2，……，M；在第j行第2i‑1列的忆阻器Rj,2i‑1上施加hj,2i‑1个脉冲以对Rj,2i‑1的电导进行调制，在第j行第2i列的忆阻器Rj,2i上施加hj,2i个脉冲以对Rj,2i的电导进行调制，调制后的朴素贝叶斯分类器用于识别待分类图片的类型。有效克服忆阻器在神经网络应用中电导变化的非对称性和非线性制约，避免非理想阻变行为导致的精度下降，提高朴素贝叶斯分类器的普适性。