分类模型

摘要： 汽车车窗防夹算法设计主要依据电机转动力矩计算出车窗受力情况,其推导计算复杂,软件设计人员需要有跨领域理论知识。以防夹霍尔硬件产生的大量真实数据为依据,利用数据分析和机器学习的技术设计分类模型,把防夹判断转为序列数据的分类。划分霍尔数据序列为正常、防夹、剧烈颠簸三种子分类,并提出了利用跟随周期平均积累差编码和斜率编码的方法分类霍尔数据序列流,这种方法简单、准确、实时地判断出防夹情况,并依此设计了简单的序列流分类防夹算法。

摘要： 为了对案件中出现的塑钢窗类检材进行无损、准确的识别与认定,通过实验建立了基于预处理并结合数学建模的分类方法。运用显微共聚焦拉曼光谱分析技术获取了“金鹏”、“瑞恒”等5个品牌共计150份的光谱谱图。基于构建的多层感知器模型,比较了Savitzky-Golay滤波、希尔伯特变换和小波变换三种预处理方式在模型识别精度方面的差异。选择最佳预处理方式,进一步构建Bayesian分类模型对各样本进行分类区分。结果表明,显微共聚焦拉曼光谱能够反映出不同样本理化信息方面存在的差异。预处理能够提升模型的识别精度,其中小波变换处理(96%)>基于希尔伯特变换处理(80%)>基于Savitzky-Golay滤波处理(76%)>未处理(72%)。小波变换没有改变波峰区及其吸光度,但它去除了光谱数据中的噪声。基于小波变换处理结合Bayesian判别分析,成功实现了对150份样本100%的准确区分。

摘要： 超导性自一个多世纪前被发现以来,一直是大量研究工作的重点。传统发现新材料的方法,如经验试错法和基于密度泛函理论(DFT)的方法,由于开发周期长、效率低、成本高,已经不能跟上当今材料科学的发展。因此,机器学习由于其计算成本低、开发周期短,加上强大的数据处理能力和高预测性能,正在材料检测、材料分析和材料设计中广泛应用。我们使用SuperCon数据库中的超导体来构造元素向量,然后对它们的临界温度(Tc)进行建模。首先根据材料的Tc值将其分为20K以上和20K以下两类,并训练预测该标签的分类模型。展现了很强的预测能力,样本外准确度约为94%,均方根误差为±8.84805931660591K。

摘要： 毒品的快速检测在抑制毒品的传播,打击毒品犯罪方面有着举足轻重的作用。表面增强拉曼光谱(SERS)技术具有指纹识别、检测速度快、样品用量少、无损伤等众多优点而受到了关注,其特点特别适合于公安机关现场快速检测执法。本文利用金纳米粒子溶胶作为增强试剂对拉曼光谱进行增强,制作1μg·mL^(-1)的苯丙胺、氯胺酮、芬太尼、海洛因、可卡因和甲基苯丙胺六种溶液,毒品溶液、增强试剂、 NaCl溶液的体积比为20∶6∶5混合,取30μL混合溶液滴在载玻片表面,在空气中自然挥干后待检。每类毒品溶液各制作5个样本,每个样本随机采集10个点的拉曼光谱数据。6种毒品溶液拉曼光谱数据共300组,随机选择60组拉曼数据作为训练集,利用训练集数据对模型进行训练。其余240组数据作为测试集,测试模型的分类效果。经过预实验比较,实验选择波长为785 nm激光作为激发光源,采用50×物镜,激光强度为3.0 mW,曝光时间为0.2 s,扫描次数为1 000次,选取400~1 700 cm^(-1)波段测试研究。采用Savitzky-Golay方法对拉曼数据进行平滑降噪,采用airPLS方法进行基线校正,完成数据的0-1归一化。利用主成分分析法、方差筛选法、遗传选择算法、互信息法对数据降维处理,通过支持向量机、随机森林、人工神经网络和最近邻四种算法分别进行建模训练,并利用测试集数据测试模型分类效果,重复10遍取平均准确率。结果表明,拉曼光谱数据经过PCA降维后,选取5个主成分,各分类器准确率都在95%以上。另外三种波段选择方法中,遗传选择算法结合SVM分类器准确率较高,遗传选择算法筛选出的5个拉曼波段的组合,分类准率已达到95%以上,25个拉曼波段组合时,准确率达到99%。遗传选择算法作为波段选择算法,不仅可以降低拉曼光谱采集数据的维度,而且可解释性更强,有更重要的意义,为毒品的快速检测技术提供参考。

摘要： 数字经济和大数据的飞速发展使得社会中的数据量呈现爆炸式增长,与此同时,数据垄断成为了影响经济社会健康发展的重要问题。通过文献分析、模型建构以及案例分析等方法,从数据垄断的演化与分类出发,分析数据垄断的影响及其应对。得出以下结论:第一,从公共数据与商业数据两个角度对数据垄断分别进行定义,并将数据垄断及其演化类型分为公共数据发展型、公共数据垄断型、商业数据发展型以及商业数据垄断型四类;第二,数据垄断对经济社会的影响分为有利和不利两个方面,不同类型影响不同,所应当采取的政策措施重点分别为加强数据公开共享、建立数据确权机制、维持市场正常竞争以及事后监管向事前事中监管转变;第三,基于数据汇集程度与市场化程度,构建了数据垄断演化分类的理论模型。

摘要： [目的/意义]传统的关键词自动抽取将摘要看成一个整体,常以候选词的出现频次等非语义信息构建特征,并未考虑学术文献摘要中目的、方法、结论等各个结构功能语义蕴含的差异性。本文以中文文献为研究对象,探讨候选词所在的结构功能域对关键词抽取的影响和作用。[方法/过程]本文将文献标题和摘要文本共分为4个结构功能域,在传统的词频、词长、词跨度等基准特征上,融合了基于BERT的语义特征和结构功能特征,并以不同的特征组合方式,使用图书情报领域的中文学术文献,基于分类模型进行关键词自动抽取实验。[结果/结论]实验结果表明,融合结构功能特征后,关键词抽取效果整体提升了6.82%,证明了学术文献摘要结构功能的识别形成的结构功能特征对关键词抽取效果的提升有良好作用。

摘要： 宁夏盐池县荒漠草地属于中温带干旱气候,由于过度利用出现不同程度的退化,退化指示种比重增大,造成不同荒漠草地群落组成差异也很大,如何区别不同荒漠草地植物,并据此对退化指示种进行动态监测是了解荒漠草地退化程度的关键。目前随机森林(RF)、支持向量机(SVM)与K-邻近(KNN)分类模型被广泛应用于森林植物和农作物的遥感分类,并取得了较好的分类识别效果,但针对草地尤其是荒漠草地植物的分类识别研究较少。因此使用ASD地物光谱仪于7月在宁夏盐池二步坑、冯记沟、高沙窝、麻黄山不同荒漠草地采集了32种植物作样本获得442条光谱进行光谱特征分析。筛选出7个植被指数:归一化植被指数705(NDVI_(705))、绿通道植被指数(GNDVI)、光化学植被指数(PRI)、土壤调节植被指数(OSAVI)、可视化气压阻抗指数(VARI)、植被衰减指数(PSRI)和归一化水指数(NDWI)作为随机森林模型(RF)、支持向量机(SVM)模型、K-邻近(KNN)模型的原始变量,对32种荒漠草地植物进行分类识别,并通过分类模型精度的比较筛选较优模型。结果表明:(1)不同植物光谱反射率均符合绿色植物特征,但各植物原始光谱不同波段之间存在明显差异,植物原始光谱水分吸收波段差异明显,且有红边蓝移现象;(2)RF,SVM和KNN三个分类模型对32种植物的分类精度分别达到了0.98,0.94和0.98,识别效果较好,但3种分类模型均对白莲蒿与北芸香、虫实与甘草发生了误判;(3)随机森林模型重要性指标中NDWI与PRI为区分荒漠草地植物的关键指标,说明荒漠植物冠层水分与类胡萝卜素含量是影响荒漠草地植物光谱分类的重要因素。试验利用随机森林模型(RF)、支持向量机(SVM)与K-邻近(KNN)分类方法,建立了主要植物的分类模型。

摘要： 针对产品定制设计中的客户需求分类问题,建立了基于一维卷积神经网络的客户需求分类模型.首先收集客户需求,建立客户需求规范表,并根据客户购买力将其分为I类、II类、III类;其次,使用三角模糊数对客户需求语义信息做量化处理;然后,将量化后的客户需求信息分为训练样本和测试样本,基于一维卷积神经网络进行训练和测试,从而建立了客户需求分类模型.最后,以施工升降机为例,验证了该模型的有效性.

摘要： 针对云粒子成像仪(CIP)无法对所测云粒子图像进行形状自动识别的问题,文中提出一种模拟退火算法优化的BP神经网络的云粒子形状自动识别方法。首先利用形态学处理中的闭合操作对采集后的云粒子图像进行处理,实现云粒子内部填充和边界平滑;然后利用Holroyd特征参量和凸包计算提取云粒子图像形状特征值,利用BP神经网络识别9类云粒子图像形状。由于BP神经网络容易陷入局部最优值,因此选用模拟退火算法对BP神经网络的权值和阈值的最优值进行优化,以改善网络性能和提高识别准确率。最后,利用CIP实测云粒子数据片段对传统方法与文中所提方法进行形状识别效果对比。结果表明,相比传统的云粒子形状识别方法,所提方法对云粒子形状识别的准确率有明显提高,且能实现自动识别。

摘要： 高分辨率遥感图像分类是当前一个研究热点,基于深度卷积网络和全连接条件随机场的高分辨率遥感图像分类模型(Deeplab),因其高效精准的分类性能被广泛应用于该研究领域,但Deeplab模型存在空洞卷积核对高分辨率遥感图像的信息利用率不足、限制分类精度进一步提高的问题。本文提出一种基于密集连接的轻量级高分辨率遥感图像分类模型Dspp,采用密集卷积网络连接结构,将Deeplab的空洞卷积金字塔结构替换成密集连接结构,以提高信息利用率且增强模型的泛化能力,并与当前经典的FCN、FCN8S、Deeplab分类网络模型进行实验对比。结果表明,Dspp模型相较于FCN模型、FCN-8S模型和Deeplab模型的整体精度分别提高16.8、11.7和7.7个百分点,验证了本模型的有效性。

摘要： 面对传统的关系型数据库无法满足海量级、多类型非结构化数据存储与处理的需求,大数据概念及相关技术应运而生,并不断得到发展壮大.数据存储技术作为其关键技术之一,呈现出众多不同的存储方式与类型,应用于不同场景的各类数据库源源不断产生.面对如此繁杂的数据存储与数据库,如何选出适合场景需求的数据存储类型,是影响大数据平台性能的关键要素之一.依据存储网络工业协会给出的存储系统参考模型,通过分析和梳理现有各种数据存储技术的特性,研究构建了一个包含存储介质、存储连接与管理、存储模型与引擎的三层分类模型,并依照此模型的3个层面对各类数据存储技术进行了分类描述,从而为数据存储选型提供了便利,理清了未来大数据存储技术的研究发展方向.

摘要： 居民用户用电模式分类研究可为需求侧响应方案设计、负荷特性分析及其高精度预测提供支撑.本文首先利用基于密度的空间聚类算法提取得到用户的典型用电模式;其次考虑每天不同时段及季节变换对用户用电行为的影响,提取了能够描述用户在不同时间尺度下用电行为的六个特征;在此基础上提出了一种基于引力搜索算法的用户用电模式分类模型;最后利用实测居民用电数据进行仿真分析,并基于给出的聚类评价指标对仿真结果进行了对比分析.结果表明,本文提出的基于引力搜索算法的分类模型在聚类质量和聚类稳定性上均优于传统聚类算法.

摘要： 河南县域电网公司数量较多,县域之间电网发展水平差异较大,亟需研究一种客观全面的评价方法和分类模型,准确分析不同类型电网的性质特点.从电网安全性、可靠性、优质性、经济性、适应性五个方面出发,采用主成分分析算法对电网多元评价指标进行降维、去相关处理,构建县域电网评价指标体系,赋予指标不含主观因素的主成分权重,对108个县电网打分,客观全面评价电网现状水平.基于系统聚类方法和现状电网评价,将河南县域电网分为四类,总结分析不同类型电网的性质特点及存在问题,为县域电网的差异化规划提供决策支持.

摘要： 在气动优化领域,压气机三维叶片的优化可能需要同时考虑复合弯掠、叶型截面、前尾缘型面等设计变量,优化目标涉及到多个工况下的效率、压比和流量,并且有时还需要对结构强度、噪音传播等因素进行校核与限制.代理辅助优化结合现代优化算法、代理模型以及流场求解器,实现叶片精细优化设计,而代理模型就是指利用部分现有数据训练得到的可在一定程度上替代复杂CFD求解过程的模型策略.在代理辅助优化压气机三维叶片时,CFD评价叶片过程中可能会出现某些叶型存在负网格、流场不收敛以及压力波动误差较大的情况,这样的叶片样本点在优化过程中称为无效样本点.本文以神经网络模型作为代理模型,针对无效样本点在回归模型中的处理方式进行了论证,分别比较了EFL(Exclude From Learning)策略和NVO(Nearest Valid Outputs)策略,结论表明EFL策略对于回归模型是最优的.为了充分挖掘样本空间信息,防止无效样本区域干扰遗传算法寻优过程,提出将神经网络分类模型引入优化过程,在此过程中,分类模型判断样本点有效性,回归模型给定有效样本点对应的输出值,回归模型和分类模型协同作用,共同控制算法优化方向.测试函数验证表明,该种方法能够在一定程度上避免遗传算法陷入间断区域,得出实际最优值,尽管最终效果依赖于分类模型分类准确率,但在文中所设置的工况中,分类模型的引入是会提升整体算法的性能.

摘要： 文章以识别网站违法经营为研究目的,研究涵盖互联网、大数据,以网站页面内容数据为研究对象,运用基于(Convolutional Neural Network,CNN)构建非法经营网站与正常网站的分类模型,实现对非法服务和内容的自动识别.通过网络空间测绘引擎对辖区内网站内容进行采集,建立非法关键词过滤屏障和数据存储与计算分析模块,实现在海量网站信息中高效挖掘非法经营网站的目的,为涉网非法经营案件线索的挖掘提供了快速有效的手段.

摘要： 舌诊是中医望诊的一部分,舌为心之外候,通过观察舌象的变化,可以客观地了解人体内病邪的深度和性质,临床上各种疾病都可结合舌象进行诊断.历代医家又根据舌象特征,将人体分为九种体质.但传统舌诊结果,大多是依靠医者主观判断,且诊断结果会因外界因素而干扰,往往不可重复性.文中以舌象体质为着重点,参考前沿的机器学习神经网络理论,基于Inception-v3构建舌象体质分类模型,取得了很高的识别率和计算效率,为中医舌诊体质分类客观化提供了良好的思路.

摘要： 针对目前分类算法对降水预测过程存在着泛化能力低、精度不足的问题,提出改进Adaboost算法集成反向传播(BP)神经网络组合分类模型.该模型通过构造多个神经网络弱分类器,赋予弱分类器权值,将其线性组合为强分类器.改进后的Adaboost算法以最优化归一化因子为目标,在提升过程中调整样本权值更新策略,以此达到最小化归一化因子的目的,从而确保增加弱分类器个数的同时降低误差上界估计,通过最终集成的强分类器来提高模型的泛化能力和分类精度.选取江苏境内6个站点的逐日气象资料作为实验数据,建立7个降水等级的预报模型,从对降雨量有影响的众多因素中,选取12个与降水相关性较大的属性作为预报因子.通过多次实验统计,结果表明基于改进的Adaboost-BP组合模型具有较好的性能,尤其对58259站点的适应性较好,总体分类精度达到81％,在7个等级中,对0级降雨的预测精度最好,对其他等级的降雨预测有不同程度的精度提升,理论推导及实验结果证明该种改进可以提高预测精度.

摘要： 随着网络技术的发展,逐渐的每个人都需要面对网络,浏览不同的网页,而网页页面的组成结构复杂,人的感官对于页面的认识与人眼所见并不相同.本文通过对于5473条页面的分析数据进行科学的分析处理,每一页面的属性都有10个,根据这些属性建立基于支持向量机的视觉信息页面块分类模型,再利用LIBSVM工具对于所有页面的属性数据进行深入优化、分析、处理和解释,最后打得到的分类结果准确率达到97％,这样好的结果对网页的认识提供了非常有效的理论依据.

摘要： 本文对比研究了不同语音特征表示、分类模型和归一化策略在小数据集语种识别任务上的表现.并行音素识别语言模型(PPRLM)的识别得分、i-vector、SDC特征是语种识别中有效的语音特征表示,SVM和LDA是模式识别中常用的分类模型.在小数据量的东方语言识别任务中,并行音素识别语言模型和SVM结合使用,能得到最佳识别效果.

摘要： 随着信息技术的飞速发展,Web服务器具有很高的价值,很容易受到攻击.因此Web服务器中产生的访问日志具有很高的利用价值.在传统的Web日志异常检测中,通常依靠手工制定关键字搜索和正则表达式来进行匹配,但由于日志系统数据量庞大,攻击类型多种多样,黑客技能不断提高,这使得传统的检测方法在精度和效率上存在明显不足.针对以上问题,提出了一种从HTTP请求的URI中提取特征向量来区分异常攻击行为的方法.同时基于请求URI的特征向量,采用随机森林分类器来对网络攻击的类型进行检测,并支持多攻击类型分类.基于来自工业界的真实web日志对所提出模型进行验证,并与朴素贝叶斯分类器、决策树分类器以及随机梯度分类器进行了实验对比,结果表明:随机森林分类器在基于Web日志的攻击类型检测上具有更高的精度和召回率,同时在新的测试日志数据上也有较好的分类效果.

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： 本发明实施例涉及深度学习技术领域，公开了一种分类模型构建方法，包括：获取N个类别的已知图像中每个类别的特征向量；根据特征向量将N个类别进行聚类形成多层分类层级树；将多层分类层级树的内节点作为分类模型的节点，对每个节点训练得到分类模型。本发明中实施方式提供的分类模型构建方法、分类模型及物体识别方法，使得构建的分类模型具有多个层级，分类性能较高。

摘要： 本发明公开了一种分类模型构建方法、装置、分类模型及分类方法。所述分类模型构建方法通过构建初始分类模型，在初始分类模型中引入生成层、选择层和比较层，并通过在基因表达谱训练数据集中随机选择两个样本，对生成层、选择层和比较层进行训练和更新，得到目标分类模型，使得可利用生成层，根据基因表达谱数据中任意两个样本生成新的样本，利用选择层，根据新的样本各个特征的权重选择若干个样本特征，利用比较层，根据从所有样本特征中选择的若干个目标特征对新的样本进行分类。本发明能够构建一种适用于基因表达谱的分类模型，实现增加基因表达谱数据的样本数量，缓解少样本特性带来的欠拟合问题，从而进一步提高基因表达谱数据的分类准确度。

摘要： 公开了一种训练分类模型的装置和方法及利用分类模型分类的装置。训练分类模型的装置包括：获得局部区域单元，获得作为样本图像的全局区域中的一部分的预定局部区域；特征提取单元，针对每个样本图像，对于全局区域和每个预定局部区域分别设置相应数量的特征提取层，用以分别提取全局区域的全局特征和每个预定局部区域的局部特征，其中，全局区域和预定局部区域共享针对全局区域和每个预定局部区域分别设置的特征提取层中的至少一个层，以在所共享的所述至少一个层中将全局特征和每个局部特征进行结合；以及损失确定单元，利用损失确定层，基于每个样本图像的结合后的特征来计算该样本图像的损失函数，并基于损失函数来训练所述分类模型。

摘要： 公开了一种训练分类模型的装置和方法及利用分类模型分类的装置。训练分类模型的装置包括：特征提取单元，被配置成针对第一预定数量的训练集中的每个训练集分别设置特征提取层，并且提取样本图像的特征，至少两个训练集至少部分重叠；特征融合单元，被配置成针对训练集分别设置特征融合层，并且对样本图像的所提取出的特征进行融合；以及损失确定单元，被配置成针对每个训练集分别设置损失确定层，并且基于样本图像的融合后的特征来计算样本图像的损失函数，并基于损失函数来训练分类模型，其中，第一预定数量的训练集共享针对每个训练集分别设置的特征融合层和特征提取层中的至少一个层。

摘要： 公开了一种分类模型构建方法、设备和分类方法，该分类模型构建方法包括：对预定训练样本集合中的训练样本进行特征提取，以将预定训练样本集合转换为具有期望数据结构的训练集合；针对训练集合中的稀少样本集合中的各个稀少样本，根据该稀少样本的邻近样本的分布而判断该稀少样本是边界样本还是中心样本；根据稀少样本的类型而增加稀少样本集合的样本数量，以使得训练集合中的稀少样本集合与正常样本集合的分布均匀化，从而得到新训练集合；以及于利用新训练集合对预定分类器进行训练以构建分类模型。根据本公开的实施例，克服了由于非平衡数据集导致的分类准确率降低的问题，提高了对文本样本的分类准确率，从而优化了分类性能。

摘要： 基于不平衡数据分布的联邦学习网络流量分类模型训练方法、模型及分类方法，属于计算机流量分类领域，为了解决联邦学习在不平衡流量分类任务中通信代价过大和精度降低的问题，中心节点在一个训练周期接收本地节点发送的本地模型权重和平衡度，其中，本地节点的流量数据在本地模型中训练得到本地模型权重，平衡度由所述流量数据所在的流量数据集计算所得；将本地模型权重和平衡度加权聚合得到聚合后的全局模型；中心节点将所述聚合后的全局模型向本地节点发送；确定中心节点发送的聚合后的全局模型的准确率，根据所述准确率确定本地节点训练的模型，效果是可以有效地减小通信代价。

摘要： 本发明提供一种基于生成模型与判别分类模型的图像半监督分类方法，包括以下步骤：S1、构建SVM判别分类模型，利用1000个有标签数据对模型进行训练；S2、构建生成模型，利用生成模型推测出未标签数据，得到伪标签数据；S3、将步骤S2获得的伪标签数据和步骤S1中获得的有标签数据重新训练SVM判别分类模型；S4、测试重新训练SVM判别分类模型的准确率，重复步骤S2‑S3，直至模型的准确率达到设定目标。本发明结合生成式神经网络模型与SVM判别分类模型对数字图像进行准确半监督分类，能够准确高效地对手写数字图像进行半监督分类，即利用少量标记数据便可以获得较优的分类准确率。

摘要： 本发明提供一种基于心脏MRI的心脏分割模型和病理分类模型训练、心脏分割、病理分类方法及装置，所述心脏分割模型训练方法通过标准差滤波器对像素灰度变化不大的剩余背景部分进行抑制，突出左心室、右心室和心肌，进一步通过canny边缘检测和圆形霍夫变换获取左心室心肌壁中心位置并绘制矩形掩膜，基于矩形掩膜对二维图像进行裁剪作为训预设神经网络模型的输入进行训练，能够极大抑制背景干扰，促进神经网络训练快速收敛。所示病理分类模型训练方法基于心脏分割模型对心动周期内各帧心脏磁共振成像短轴切分得到的二维图像进行分割后，计算分类特征值，并基于多个样本的分类特征值和病理分类构建随机森林以得到心脏病理分类模型，实现自动化病理分类。

摘要： 本发明公开了一种分类模型训练方法和一种分类模型训练装置。该方法包括：从训练集中抽取部分样本作为初始训练集，用初始训练集训练分类模型；若得到的分类模型未达到预期效果，则根据分类模型对训练集的分类结果，更新当前初始训练集，更新方式包括：向初始训练集中加入至少部分分类错误的样本，和/或，从初始训练集中剔除部分分类正确的样本；利用更新后的初始训练集重新训练分类模型，直至分类模型达到预期效果或直至满足训练结束条件。本申请根据每次训练后分类模型对训练集的分类结果，分批次向初始训练集中添加分类错误的样本，和/或剔除分类正确的样本，可逐渐优化训练效果，克服类别之间样本不平衡问题，训练速度更快，且训练结果更佳。