分类算法

摘要： 跌倒所带来的伤害威胁着老年人的生命安全。为实时监控造成人体严重损伤的跌倒行为,提出一种毫米波雷达的实时检测方法。首先对位置坐标序列进行均值滤波,然后通过分段线性拟合得到被监测对象的近似运动规律,由此计算目标在高度和水平方向的平均速度及水平距离变化量并与相应阈值进行比较,实现跌倒判断和分类。实验结果显示,跌倒检测的准确率为95.4%。其中,行走时跌倒的识别准确率为100%;蹲下时跌倒和起身时跌倒的识别率分别为85.71%和80%。与仅设置高度变化率为阈值的方法相比,设置多阈值使跌倒检测和方式识别的准确率分别提升了14.6%和23.5%。

摘要： 针对气象灾害预警业务中客观描述降雨型滑坡发生不确定性的实际需求,利用2014—2020年全国滑坡数据以及多源融合降水实况分析数据,通过样本构建、模型训练、参数优化以及预报输出等关键步骤构建基于机器学习分类算法的区域降雨诱发滑坡概率预报模型,探究不同类型机器学习分类算法识别诱发滑坡的降雨过程的可行性。结果表明:在算法评估中,线性判别分析算法准确率最高且泛化能力最好,其次为逻辑回归算法,再次为最邻近算法。在预报试验中,线性判别分析、逻辑回归以及最邻近等算法能够提取并学习降雨诱发滑坡的条件特征,对诱发滑坡的降雨过程有一定识别能力,最邻近算法和逻辑回归算法的概率预报高值区范围相对较大,易造成虚警结果,线性判别分析算法对局地降雨信息的提炼较好,但线性判别分析算法在非降雨中心区域输出低值概率预报的面积偏大。

摘要： 随着时代的发展,大范围土地覆被信息获取的需求越来越受到重视,利用遥感卫星数据可以快速、宏观、动态地对土地覆被信息进行监测提取,基于遥感产品构建的时间序列数据特征鲜明,对其进行分类可以简单高效地提取土地覆被信息。以山东省为研究区,采用MOD13A2卫星影像NDVI产品合成时间序列数据集,选用常见的分类算法如随机森林算法、K均值算法、最大似然估计算法、SVM算法对山东省2015—2016年每16天为一个周期进行土地覆被分类。结果表明:随机森林分类结果总体分类精度达到91.46%,相比其他算法,随机森林算法可以较好地对时间序列数据进行分类,为大范围土地覆被监测和信息提取提供支持。

摘要： 为了提高电力行业的数据处理工作效率,并实现电力行业多管理部门的数据信息协作共享处理,提出基于云平台的电力行业数据处理方案设计思路,引入云平台技术设计了数据采集、在线处理、离线处理、存储查询、Web交互5大技术模块,借助云平台实现数据计算、存储、处理,并且将一种优化改进后的分类算法引入该系统分类处理中,基于逻辑回归以信息量大小为依据,选取用电数据特征用于回归特征预测。该系统处理方案不仅能够对系统处理准确率形成有力保障,还能够减小分类算法的整体复杂度。测试结果表明,云平台能获得可靠的计算结果,采用该类业务处理方案能够应对激增的数据总量,更好地服务于电力行业的日常数据处理。

摘要： 油水井套管发生异常将严重影响油田的正常生产,传统的分析多从受力、套损机理等入手,一则分析因素过于繁杂,无法量化套损发生异常的原因,再则现场对于套管发生异常的原因多凭经验进行判断,无法做出科学预测,从而增加了作业成本,降低了生产效率。从数据分析的角度出发,对油水井发生套管异常的相关因素进行了分析,利用数据分析算法实现了套管发生异常的概率、时间及深度的预测。

摘要： 教学背景分类是人工智能技术中一个非常经典的应用场景。很多教师在讲解人工智能技术课程时都运用过“猫狗图像分类、鸢尾花分类”项目进行课程实践。分类算法项目也是比较容易激发学生学习兴趣的一项人工智能技术应用,随着算法与参数的不断调整与修改,能够不断提升分类的准确率。为了更好地激发学生学习人工智能技术的兴趣和热情,教师可以设计更多具有挑战性的分类任务。本文将以任务驱动的方式介绍几个不同的分类项目。

摘要： 随着泛在电力物联网、数字电网的建设,系统信息安全问题至关重要,网络攻击将带来极大的经济损失。然而,目前使用的入侵检测系统在正确性和实时性上都存在不足,不能对新型入侵方式正确识别,性能仍有待提高。该文面向智能电网系统提出一种基于分类的轻量级入侵检测方法。针对当前数据量大、入侵检测系统不能及时处理的情况,建立特征选择算法的模型,通过提取特征值提升入侵检测系统的实时性;使用ID3决策树算法,保证入侵检测的正确性,进而提升性能。最后,采用KDD 99数据集做入侵检测实验,结果表明,相比传统的入侵检测系统,该文方法具有更高的正确性和实时性。

摘要： 针对电火花小孔加工过程中电极损耗影响加工精度和加工效率的问题,提出一种基于支持向量机分类算法的实时穿透检测仿真模型。通过对穿透发生前后加工电压和电流变化的分析,采用加工电压、加工电流、脉冲间隔设定值和低电压持续时长作为特征向量,在MATLAB软件中完成支持向量机训练模块,并在现场可编程门阵列中搭建支持向量机决策模块流程图,得出可准确、快速检测加工穿透发生的结论。

摘要： 为了更好地预防和控制丙型肝炎,本文采用机器学习和深度学习算法对患者数据进行建模预测.在机器学习算法中通过数据预处理数据和网格遍历调参后的SVM和GBM分类准确率能达到87%和86%.为了进一步提高分类效果,在深度学习算法中使用MLP模型和LSTM模型的分类精确度达到了89.1%和90.48%.在深入研究LSTM算法过程中,根据链式法则和全微分方程对LSTM的反向传播算法进行了优化,减少了梯度下降更新模型参数的计算复杂度.

摘要： 为降低由蜕变关系严密性较低引起的蜕变测试结果可靠性较低的问题,提出分类算法应用程序的蜕变测试方法。在对分类算法应用程序特征进行分析的基础上,分别从变换、增减两个方面构建了10条更加完善的蜕变关系,通过运用到蜕变测试的流程中,实现更高精度的分类结果测试。试验结果表明:测试方法可实现最大分类类别的平均相似度在96%左右,且整体的平均相似度可达到95%以上,具有较高的实际应用价值。

摘要： 为了有效解决数据流分类中的噪音和概念漂移问题,提出了一种基于朴素贝叶斯和无监督学习的数据流分类算法.该算法采用集成学习的思想,以朴素贝叶斯作为基分类器进行集成分类,使用谱聚类算法对数据进行聚类,通过对比分类和聚类的结果过滤噪音,同时采用假设检验μ方法检测漂移,动态更新集成分类模型,以适应概念变化.实验结果表明,该算法在时间花销和预测准确率上能够取得较好的效果.

摘要： 现有中国画分类研究中大多只考虑了画作和类标签之间的相关性,却忽略了画作与画作之间的关联关系,嵌入式学习方法虽然对此进行了改进,但在对象间关系计算过程中未考虑特征重要度对对象间关系的影响,导致分类结果受制约.针对此问题,本文首先通过微调预训练的VGG-F模型提取了中国画的图像特征.其次,提出了基于互信息的嵌入式分类算法MIDEC(Mutual Information Based Data Embedded Classification),使"友情则近,敌对则远"的嵌入式原则受到特征选择及特征重要度的影响.最后,利用支持向量机对中国画进行画作艺术风格及其作者分类.实验结果表明,与其他算法相比,MIDEC算法获得了更高的分类准确度.

摘要： 人体运动模式识别作为一种新兴的人机交互方式,已经被应用于健康监护、体育竞技、体感游戏、军事等众多领域.模式识别的基本思路：首先通过一个或者多个加速度传感器节点获取人体运动时产生的动作信号，然后对数据进行数据预处理、特征提取和选择，最后根据提取到的特征向量利用某种分类算法实现人体运动模式识别与分类。

摘要： 针对唇部特征提取维度过高以及时尺度空间敏感的问题,提出了一种基于尺度不变特征变换(SIFT)算法作特征提取来进行说话人身份认证的技术.首先,提出了一种简单的视频帧图片规整算法,将不同长度的唇动视频规整到同一的长度,提取出具有代表性的唇动图片;然后,提出一种在SIFT关键点的基础上,进行纹理和运动特征的提取算法,并经过主成分分析(PCA)算法的整合,最终得到具有代表性的唇动特征进行认证;最后,根据所得到的特征,提出了一种简单的分类算法.实验结果显示,和常见的局部二元模式(LBP)特征和方向梯度直方图(HOG)特征相比较,该特征提取算法的错误接受率(FAR)和错误拒绝率(FRR)表现更佳.说明整个说话人唇动特征识别算法是有效的,能够得到较为理想的结果.

摘要： 多因子选股策略以其较强的解释性在量化投资领域得到广泛应用,但是它只关注线性的基本面和行情指标对收益率的影响,却忽略了事件因素的非线性影响.本研究将多因子模型与事件研究法相结合,采用BP神经网络算法构建事件分类模型,以中证800指数成分股为样本,对于2015年和2016年两年进行回测.研究结果表明,在2015年剧烈震荡的行情中,事件驱动型多因子选股策略有效改善了经典多因子策略的业绩.

摘要： 基于异构数据的工作地点变迁发现是综合运用各类社交媒体的有用信息以及数据挖掘技术,发现用户工作地点变迁模式的应用.通过用户在LinkedIn网站和Foursquare网站上的信息,综合利用数据挖掘、特征提取技术来预测用户换工作后会不会换工作地点.共采集到1262641条用户签到数据,分析了11526位用户的签到数据和工作简历数据.选取八个数据特征,即换工作前三个月的活动回旋半径、每两条签到的平均距离、每两条签到的平均时间、每日活动高峰时间,换工作后三个月的活动回旋半径、每两条签到的平均距离、每两条签到的平均时间、每日活动高峰时间,采用六类主要的分类算法研究,其中KNN算法的性能最优,准确率可以达到94.78％,ROC面积可以达到0.958,可以通过这八个数据特征来进行工作地点变迁的研究.

摘要： 在对多类别样本数据集进行分类时,传统BP-AdaBoost算法通常采用“一对一”和“一对多”的方法,而随着训练样本数以及训练样本种类的增加,采用这两方法使得BP-AdaBoost训练的时间开销急剧增加,因此在实际应用中十分受限,尤其不适用于对大规模数据进行分类.针对该问题,本文提出多分类BP-AdaBoost分类算法,实现模型信息的有效利用与融合增强.实验结果表明,在相同测试情况下,该算法有效降低BP-AdaBoost训练过程中的时间开销.

摘要： 边界网关协议(Boarder Gateway Protocol,BGP)是互联网路由的核心系统,一直受到研究者们的高度关注.随着IP地址的枯竭、核心路由器的路由表持续增加,如何确保BGP路由系统的安全成为了研究人员关注的问题.对BGP消息的产生原因进行分类,是理解BGP路由系统的工作原理,并探究现有骨干网网络环境,保障BGP安全的重要工作.文章提出的基于路由数据层的BGP网络前缀分类方法,对数据层Traceroute搜集到的拓扑数据进行分析,划分出网络前缀活动期,对网络前缀的产生原因进一步分类.

摘要： 边界网关协议(Boarder Gateway Protocol,BGP)是互联网路由的核心系统,一直受到研究者们的高度关注.随着IP地址的枯竭、核心路由器的路由表持续增加,如何确保BGP路由系统的安全成为了研究人员关注的问题.对BGP消息的产生原因进行分类,是理解BGP路由系统的工作原理,并探究现有骨干网网络环境,保障BGP安全的重要工作.文章提出的基于路由数据层的BGP网络前缀分类方法,对数据层Traceroute搜集到的拓扑数据进行分析,划分出网络前缀活动期,对网络前缀的产生原因进一步分类.

摘要： 边界网关协议(Boarder Gateway Protocol,BGP)是互联网路由的核心系统,一直受到研究者们的高度关注.随着IP地址的枯竭、核心路由器的路由表持续增加,如何确保BGP路由系统的安全成为了研究人员关注的问题.对BGP消息的产生原因进行分类,是理解BGP路由系统的工作原理,并探究现有骨干网网络环境,保障BGP安全的重要工作.文章提出的基于路由数据层的BGP网络前缀分类方法,对数据层Traceroute搜集到的拓扑数据进行分析,划分出网络前缀活动期,对网络前缀的产生原因进一步分类.

摘要： 本发明提供的方法通过Labeled‑LDA提取特征字来计算特征值，然后用Xgboost分类算法来进行文本分类。其与普通的向量空间模型来做特征空间，普通的分类算法来进行文本分类的方法相比所需耗费的内存得到了降低，这是由于中文文本中所包含的词成百上千万，维度较高，若以词为特征，耗费内存巨大，甚至无法单机处理，而常用汉字不超过一万个，经常出现的甚至只有两三千个，维度大大降低，而且Xgboost支持以字典而不是矩阵形式作为输入。同时本发明提出一种新颖的具有潜在语义的有监督特征选择算法Labeled‑LDA算法，用Labeled‑LDA来做特征选择既能利用LDA来挖掘大量语料的语义信息又能利用文本所包含的类别信息。而且预处理简单，不需要精心提取特征，加上强大的支持分布式的集成学习算法Xgboost，提高了分类的准确性和性能。

摘要： 本发明属于数据处理技术领域，公开了一种基于半监督深度分类算法的数据分类方法、设备及装置。该方法包括：根据有标签数据和无标签数据构建的训练数据集对初始半监督分类模型进行训练，得到目标半监督分类模型，通过目标半监督分类模型对从数据源获取的原始数据进行处理，以获取目标数据，通过目标数据对预设分类器进行训练，得到训练后的目标分类器，并通过目标分类器对待分类数据进行分类。由此，由有标签数据和无标签数据训练构建的初始半监督分类模型，使得到的目标半监督分类模型学习了数据全样本分布，并通过目标半监督分类模型得到优化数据对分类器训练，使用于分类器训练的数据具有全面性与准确性，从而使分类器具有较高分类准确性。

摘要： 本发明公开了一种利用多层分类和字典学习的多标签图像分类算法，首先确定了多标签分类的图像数据集，经过数据预处理后利用待学习字典对多标签训练数据进行训练学习，并且借助通用嵌入学习，引导低秩编码的字典学习，由此得到目标优化问题，确定最优解得到分类器；建立树形结构，将分类器嵌入到树形结构的节点中，形成多层分类器结构对图像数据集中的数据进行分类，提高多标签分类效果。相比现有技术，本方法很好的解决了标签矩阵稀疏是的多标签分类的挑战，有助于低秩编码字典学习的同时，更是提升了分类器的分辨度和数据场景适用性，即对稀疏编码进行投影得到相应的分析字典，类似决策树的多层分类器嵌入的思想，进一步提升多标签分类的精度。

摘要： 本发明公开了一种基于PSO‑DEC‑IFSVM分类算法的不平衡数据分类方法，包括：首先，将待判别的原含噪声不平衡样本集进行归一化、缺失值的预处理；然后，确定改进模糊支持向量机(IFSVM)的隶属度函数，给正负类训练样本赋予不同的惩罚因子，形成DEC‑IFSVM；接下来，将预处理后的数据集作为DEC‑IFSVM的训练样本，利用预设的粒子群算法优化所述模型参数

摘要： 本发明属于脑电信号识别领域以及人工智能领域，具体涉及一种基于稀疏表征分类算法的运动想象脑电分类处理方法。本发明包括：试备者在外部干扰较小的环境中，头部戴上无线或有线传输的头皮电极帽，根据提示想象运动动作，脑电帽检测到试备者的脑电波信号，随后对其进行初步的带通滤波，将滤波后的脑电信号传入上位机存储；上位机软件对传入的原始脑电信号进行整理标记，制作出用于分类的样本集和测试集。本发明仅计算构建一次大字典矩阵，之后的处理都用稀疏表征系数矩阵来计算，大大减少了多通道运动想象脑电信息的数据量，从而减小了数据计算压力，提高了运算速度。

摘要： 本发明提供的方法通过Labeled‑LDA提取特征字来计算特征值，然后用Xgboost分类算法来进行文本分类。其与普通的向量空间模型来做特征空间，普通的分类算法来进行文本分类的方法相比所需耗费的内存得到了降低，这是由于中文文本中所包含的词成百上千万，维度较高，若以词为特征，耗费内存巨大，甚至无法单机处理，而常用汉字不超过一万个，经常出现的甚至只有两三千个，维度大大降低，而且Xgboost支持以字典而不是矩阵形式作为输入。同时本发明提出一种新颖的具有潜在语义的有监督特征选择算法Labeled‑LDA算法，用Labeled‑LDA来做特征选择既能利用LDA来挖掘大量语料的语义信息又能利用文本所包含的类别信息。而且预处理简单，不需要精心提取特征，加上强大的支持分布式的集成学习算法Xgboost，提高了分类的准确性和性能。

摘要： 本发明涉及一种基于朴素贝叶斯分类算法的电脑文件分类处理方法。本发明用户首先创建完成自己的分类样本库，并且进行训练，配置相关阀值及其他相关参数；然后，选择文件分类类型，执行文件分类操作，实现文件分类；所述的分类包含简单文件分类和深度文件分类；简单文件分类主要是根据文件名、文件类型这两个属性进行分类处理；深度文件分类是在简单文件分类的基础上再根据文件内容进行深度分析的分类处理；由基于贝叶斯分类算法的文件分类分析器根据文件名、文件内容特定特征属性及训练样本数据进行分类运算，文件分类处理器根据运算结果再将文件归类处理。本发明解决了电脑指定目录下的文件进行分类处理；可以用于文件的分类处理上。

摘要： 本发明公开了一种基于分类算法和集成算法的软件缺陷预测方法，涉及软件工程和软件缺陷预测技术领域。首先采集原始缺陷数据集，对其进行数据预处理，然后计算其不平衡率、代码行和实例数的个数以及考虑对预测结果的要求，接着将数据集随机排序分成十份，九份作为训练集并在后续操作中重复随机排序以多次对OAO算法和旋转森林算法进行训练，训练结束后用测试集对本方法性能进行测试并与其他方法对比。本发明方法重点解决高不平衡数据集的二分类问题，提出的方法对OAO算法进行了一定的改进，使该算法更加适用于二分类问题，且较好的综合了OAO算法和旋转森林算法的优点，又通过集成规避了OAO算法无法决策的情况，构建了一种性能较好的模型进行预测。

摘要： 本发明涉及极限学习机分类算法技术领域，具体涉及基于改进乌鸦搜索算法的极限学习机分类算法；包括以下步骤：搭建ELM网络模型，采用ICSA算法，对ELM模型随机生成的输入权重和阈值进行优化通过引入AP值动态递变函数去平衡全局和局部搜索性能，引入莱维飞行搜索方法避免盲目搜索，引入多个体变因子加权学习方法保证种群多样性，引入邻代维度交叉方法增强最优个体藏食位置质量，避免获得局部最优值，从而实现准确预测结果。本发明弥补随机生成输入权重和阈值带来的一系列缺陷，提高ELM模型分类精度，并在对ELM模型参数进行优化时，基于传统CSA算法，通过引入AP值动态递变函数去平衡全局和局部搜索性能，引入莱维飞行搜索方法避免盲目搜索。

摘要： 本申请涉及一种基于目标检测算法和图像分类算法的检测方法，其包括：收集待检测物体的图片和背景图片；对采集到的包含待检测物体的图片，标注图片，得到数据集；将数据集划分为训练集、验证集和测试集；对数据集各矩形框进行聚类，随机裁剪背景图片作为背景类别，加上数据集根据矩形框剪裁下的图片，得到待检测物体和背景类别数据集。将数据集用来训练图像分类网络；使用数据集训练出yolov3目标检测网络；用检测网络检测待检测的图片，若出现目标，根据目标的坐标信息剪切图片数据集，对图像的短边进行padding操作，reshape预设大小的尺寸送入图像分类网络中检测进行分析；具有查全率高、查准率好的效果。