多分类器

摘要： 为提高店铺数字化运营水平,采用AdaBoost算法解决电商评论情感分类问题。在调用该算法中,采用朴素贝叶斯多分类器,在实验过程中对比分析SAMME和SAMME.R的实现方式,实验结果表明基于SAMME.R方式实现的MultinomialNB_AdaBoost算法可以有效对电商评论进行情感分类,准确率较高。

摘要： 传统的机器学习经常采用数据中心化的方式进行训练,然而由于实际应用中的传输开销或者隐私保护限制,数据越来越呈现分散化、隔离化的趋势。分布式训练学习技术为分散在信息孤岛上的数据融合提供了一种解决方案。然而,由于分散化数据本身具有天然异质性,本地数据分布经常是非独立同分布的(Non-IID),这给分布式训练带来了挑战。首先,为了应对单一模型难以适配所有异质客户端的难题,在分布式训练的基础上引入了模型重用技术,提出了分布式模型重用框架(DMR)。然后,通过理论分析指出集成学习可以为异构数据提供有效的解决方案,并在此基础之上提出了使用多分类器的分布式模型重用技术(McDMR)。最后,为了减少实际应用过程中的存储、计算和传输开销,继而提出了两种具体的优化方案:使用多头分类器的分布式模型重用(McDMR-MH)和使用随机分类器采样的分布式模型重用(McDMR-SC)。在多个公开数据集上进行实验,实验结果验证了所提方法的有效性。

摘要： 为探究沥青路面车辙表面形态与面层损伤主层位间的相关关系,采用13点激光车辙仪采集了3条车辙共1.1km数据,计算了7类表面横断面指标,并以10m评定单元结合钻芯数据标定了车辙损伤主层位。然后,构建了集成随机森林、逻辑回归、朴素贝叶斯的多分类器识别分类模型进行损伤层位自识别并通过交叉验证测试结果,最终建立路面横断面指标与面层破损主层位的关系。试验结果表明:损伤主层位识别模型整体平均预测准确率达到97%,整体预测准确性良好;筛选车辙最大深度、最大水平宽度、负面积、正负面积比、凸凹比为指标时,平均预测准确率最高;损伤主层位的误判主要发生在车辙损伤主层位过渡段或存在其他病害的区域。

摘要： 目的研究基于随机投影的多分类器分层融合的分类模型对良性肾小肿块乏脂肪肾血管平滑肌脂肪瘤(<4 cm)(AMLwvf)和恶性肾小肿块肾细胞癌(RCC)的鉴别能力。方法回顾性收集163例经病理证实存在肾小肿块的患者,其中118例为肾细胞癌,45例为乏脂肪肾血管平滑肌脂肪瘤,对平扫CT图像中病灶面积最大的代表性切片进行目标感兴趣区域(ROI)勾画,利用放射组学特征构建一个层次型的融合框架。在投影域水平上对同质分类器进行融合,然后在分类器水平上对融合结果进行进一步融合,最终得到基于随机投影的多分类器分层融合的AMLwvf和RCC鉴别分类模型。采用五折交叉验证方法和特异性(SPE)、灵敏度(SEN)、准确率(ACC)、ROC曲线下面积(AUC)评价AMLwvf与RCC鉴别分类模型的性能。将本研究所提模型与使用单一基分类器算法以及几种传统的集成模型对AMLwvf和RCC的鉴别分类能力进行定量比较,验证本研究所提鉴别模型的可行性和有效性。结果投影数设置为10时,本文提出的分层融合鉴别模型在所有指标上获得最好的结果。基于投影数为10的前提,五折交叉验证结果显示本研究所提出的基于多分类器分层融合的AMLwvf和RCC鉴别分类模型的SPE、SEN、ACC、AUC分别为:0.853、0.693、0.809、0.870。结论基于随机投影的多分类器集成分类系统构建的AMLwvf和RCC鉴别模型可以很好地对AMLwvf和RCC进行鉴别分类。同时与基于单一分类器算法以及其他多分类器集成系统构建的AMLwvf和RCC的鉴别模型相比,本文所提出鉴别模型在AMLwvf和RCC的鉴别分类任务中具有较大优势。

摘要： 近年来,随着神经网络技术和自然语言处理技术的不断深入发展,基于深度神经网络的对话生成研究取得了突破性的进展,使得人机对话系统广泛应用于生活中,提供便利,比如电商客服、语音助手等。然而,现有的模型倾向于产生一般的回答,普遍缺乏情感因素。针对该问题,提出了一种基于生成对抗网络的情感对话内容生成模型——EC-GAN(emotional conversation generative adversarial network),通过结合多指标奖励与情感编辑约束产生更有意义和可定制的情感回复。对于生成器,使用Seq2Seq模型生成回复,接受判别器的奖励,引导生成句子的回复,提高多样性和情感丰富度;对于判别器,使用双判别器、内容判别器可以确定回复是否属于通用回复,情感判别器判别生成语句的情感与指定的情感类别的一致性,并将判别结果反馈到生成器,指导回复生成。注意观察输入与回复之间的情感变化,验证交互情感的共鸣度存在的方向性。在NLPCC 2017 Shared Task 4——emotional conversation generation的实验表明,模型不仅可以提高回复的流畅性和多样性,同时也显著提高了情感丰富度。

摘要： 为解决超短期屋顶光伏功率预测精度低的问题,本文提出了一种基于多分类器的超短期屋顶光伏功率预测方法。该方法是一种多模型的集成预测方法,可根据输入的屋顶光伏数据自动的匹配相对应的算法。首先,对屋顶光伏的历史数据进行质量评估与清洗补正,消除无效数据对模型造成的影响;其次,对屋顶光伏出力影响因素分析进行分析,求解强相关的影响因素;在此基础上,进行屋顶光伏区块划分和区块聚类,获得屋顶光伏区块典型特征,然后,采用多分类器自动地将屋顶光伏区块匹配相对应的超短期屋顶光伏功率预测算法;最后,在某地区应用该方法,其预测准确性为91.2%。该方法可根据不同的屋顶光伏区块特征,采用最适用的预测模型,提升屋顶光伏预测准确率。

摘要： 针对传统基于单分类的推荐算法容易陷入"单指标最优"的困境和推荐精度低的问题,提出一种融合K-最近邻(KNN)和Gradient Boosting(GBDT)的协同过滤推荐算法.该算法利用K-最近邻法过滤出目标用户的多组候选最近邻居集,并综合集成学习的优点,采用多分类器对多组推荐结果进行集成.在相似度计算公式中引入了若只有单个用户评价的物品权重,以此获得更多目标用户的潜在信息.实验结果表明,该算法有效缓解了目标用户与候选最近邻居集之间的数据集稀疏性,提升了推荐精度.

摘要： 多分类器系统作为混合智能系统的分支,集成了具有多样性的分类器集合,使整体得到更优的分类性能.结果融合是该领域中的一个重要问题,在相同分类器成员下,好的融合策略可以有效提升系统整体的分类正确率.随着模型安全性得到重视,传统融合策略可解释性差的问题凸显.本文基于心理学中的知识线记忆理论进行建模,参考人类决策过程,提出了一种拥有较好可解释性的启发式多分类器集成算法,称为知识线集成算法.该算法模拟人类学习与推断的行为,组织多分类器结果的融合.在训练中,模型收集给定分类器集合的不同子集,构建不同特征空间到解空间的映射,构成知识线.在推断时,模型启发式地激活知识线,进行选择性结果集成,得到推断结果.知识线集成使用样本驱动的模式,易于进行中间过程与最终结果的分析.以决策树作为分类器的实验表明,在相同的决策树集合下,知识线集成算法分类正确率与随机森林相仿.在此基础之上,知识线集成算法可量化问题不同粒度下的难易程度,且在推断时能提供相关训练样本作为依据.

摘要： 传统电机故障诊断方法具有不确定性。多类LS-SVM方法所需样本较少、识别率高,可有效识别电机故障,但该方法计算过程中有庞大的矩阵求逆运算。为降低计算数据复杂度、提升训练速度,提出基于改进粒子群算法的电机故障识别算法。该算法依据种群收敛程度与个体自适应值调整惯性权重,选择一对余的LSSVM多分类器结构,构造4个改进粒子群的多类LS-SVM分类器,识别电机4类故障。实验验证表明,该算法可保证电机故障识别结果准确率,具有较好的实用性和推广性。

摘要： 高光谱图像分类是高光谱遥感研究的热点之一.然而高光谱地物标签难以获取,包含噪音点等特征使得分类困难.基于不连续松弛和多分类器策略,本文提出了一种高光谱图像半监督分类方法,可以达到去噪和改善分类精度的目的.实验结果编码,在有限标记样本的情况下,所提出方法能够获得良好的分类结果.

摘要： 多分类器融合技术在模式识别领域得到越来越多的关注.本文探讨了多分类器融合技术的概念和多分类器系统的结构,并以水下目标识别应用为背景,提出了水下目标多分类器融合的实现方法和过程,进行了分类仿真验证.仿真结果表明,采用多分类器融合技术进行水下目标识别能不同程度地提升识别性能,具有一定的工程应用价值.

摘要： 针对普适室内外场景持续感知面临的低功耗、复杂动态环境、异构使用模式带来的挑战,提出了一种轻量级的基于支持向量机多分类器的高精度、低功耗室内外场景检测算法.该算法使用智能手机集成的各种传感器(可见光传感器、磁传感器、加速度传感器、陀螺仪传感器和气压传感器),在挖掘分析各种传感器在室内外场景的不同特征,以及人们在室内外场景的行为差异基础上,根据时间和气象条件设计多个支持向量机分类器,对复杂室内外场景进行识别.实验结果表明,基于支持向量机多分类器的室内外场景检测算法具有较好的普适性,可获得95％以上的室内外判定准确率,平均功耗小于5mw.

摘要： 针对多分类器融合系统中,如何充分利用基本分类器输出决策和待测样本信息计算权值的问题,提出了一种基于输出决策和样本距离的自适应融合权值计算方法.在所有分类器都输出决策后,每个分类器从自己的样本集中抽取所有已输出决策对应的典型样本,针对不同分类器所侧重的属性分别计算实际样本与这些典型样本间的距离,每个分类器对所有与自己的决策输出有关的距离求和,把和的倒数作为自己的权重,所有的决策加权后取权重最大的为最后输出.经实验验证该方法有效且稳定.

摘要： 针对平台型号识别问题,依据ESM和雷达情报源,利用载频、脉间、脉宽等电磁信号参数特征,巡航速度、高度、大中小类型以及活动区域、初始发现位置、飞行轨迹等航迹特征,提出了三种能获得度量层次分类信息的单分类器.在此基础上,设计了基于加权和规则的融合分类器,权值通过粒子群优化算法选取.试验结果表明,多分类器融合优于参与融合的单分类器,充分发挥ESM和雷达情报各种参数的作用,从整体上提高了目标识别性能.

摘要： 本文提出了一种新的多分类器系统模型,该模型通过定义两个基本分类器实时性能指标——实时决策支持度和实时决策置信度,在多分类器系统基础上构建临时的动态子系统,然后由该子系统代替初始多分类器系统来完成融合决策.动态子多分类器系统模型是一种不同于传统动态分类器选择和分类器联合方法的新模型,其能够更有效地排除不稳定基本分类器对多分类器系统融合决策性能的影响.试验表明该模型在模式识别性能上能够获得较好的性能,鲁棒性和可靠性比基本分类器和传统多分类器系统方法更强.

摘要： Deep Web入口发现是Deep Web数据集成的关键问题之一，本文应用主题爬行技术和本体技术，构造网页分类器(WPC)、表单结构分类器(FSC)和表单内容分类器(FCC)，实现特定领域Deep Web入口表单的自动发现。网页分类器在爬行过程中，借助主题爬行技术和本体技术进行领域内网页主题爬行；表单结构分类器对领域相关网页进行解析，并应用决策树算法判断其网页中是否存在查询接口表单，去除非搜索表单，将满足条件的表单加入表单数据库；表单内容分类器从语义方面识别特定领域Deep Web数据库入口的查询表单。最后将领域查询接口所在网页的URL 地址存储到数据库中，供其它模块调用。实验结果表明，本文提出的基于多分类器的Deep Web入口发现方法是可行的。

摘要： 该文针对超声波检测是重要的管道腐蚀内检测方法之一,超声回波信号处理是内检测的关键技术.腐蚀缺陷回波的形态受到缺陷方向、位置、形状、面积、深度和管壁粗糙度、检测设备工作状态及各回波间的相互作用等诸多因素的影响,其时域特征很复杂,1个检测回波A扫描信号就有几千个数据.如果将有限的管壁厚度分为几个区间,每个区间对应一种腐蚀状态,管道腐蚀内检测问题就成了对超声回波信号进行状态分类的高维多分类识别问题.该文通过对回波信号的深入分析,利用径向基核函数支持向量机对超声回波信号进行处理,采用一对多和层(树)分类两种方法分别实现了管道多腐蚀等级自动分类识别.实验结果表明, 该方法不但提高了分类的正确率,而且提高运算的速度,取得了较好的分类结果.

摘要： 火箭发动机试验系统故障状态识别对于火箭发动机的研制有着重要意义。针对火箭发动机试验系统设计了基于支持向量机的故障状态分类器,测试结果表明,该分类器在试验系统故障数据样本较少时具有较强的故障识别能力和抗干扰能力,故障识别率都在90％以上。对某型号某次试验的故障数据的故障识别结果证实了这种故障状态识别方法的正确性和可行性。

摘要： 针对基因表达谱微阵列的数据多分类问题,给出一种在多病类情况下的基于信噪比和相关性的特征基因选择方法.该方法一次性考虑基因区分所有病类的能力,尽量避免基因的冗余性;其次利用支持向量机,构建了基因表达谱微阵列数据的多分类器;最后通过实验表明了本方法的有效性。

摘要： 目标跟踪技术已成为计算机视觉领域中备受关注的研究课题,各种跟踪方法不断涌现.本文结合AdaBoost算法和粒子滤波技术实现视频图像中的目标跟踪.采用基于AdaBoost级联分类器结构的双通道多分类器融合结构进行人脸检测,得到的人脸图像作为粒子滤波器的目标模板,用基于颜色直方图的粒子滤波技术对其进行跟踪.

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： 本发明公开了一种基于文本多分类混合式均分聚类采样算法的不平衡数据集文本多分类方法，在不平衡数据集的多分类算法中，引入基于轮廓系数的动态K‑means聚类方法对不平衡数据集进行聚类，首先，计算出所有不同分类样本数量的算数平均数，以此作为样本数据量均线，再对每个分类样本进行分区，其中样本大于均线的为上区，样本数量小于均线的为下区，最后利用聚类簇采用欠采样和过采样的混合采样方法分别对上区样本和小区样本进行数据聚类处理，最终实现文本数据集的平衡分布。

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： 本发明公开了一种基于多分类器对抗迁移学习的遥感场景分类方法，通过构建源域和目标域，输入特征提取器中得到各个图像的特征图，将特征图输入标签分类器得到每个图像的第一预测标签概率分布、第二预测标签概率分布，做平均化处理得到平均化预测标签概率分布，将平均化预测标签概率分布和各个图像的特征图组合成联合概率分布，将联合概率分布输入到域判别器，得到每个图像的域标签概率分布，计算域判别器的损失函数、两个标签分类器的联合损失函数、两个标签分类器的不一致性损失函数，根确定总损失函数，使用随机梯度下降法优化总损失函数，以得到目标域最终的分类结果，实现对目标域中遥感图像的场景分类。

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： 本发明公开了一种基于多特征和多分类器的骨髓细胞分类识别方法及系统，基于3个迁移学习分类器对骨髓细胞进行训练测试；分别提取骨髓细胞图像数据集的纹理特征LBP，形状特征HOG和颜色特征HSV并进行融合得到特征融合图像，利用Keras模型融合算法对3个迁移分类器进行融合，得到融合分类器，并利用在单个分类器中取得最好测试准确率的特征融合图像对融合分类器进行训练，得到测试准确率最好的多特征多分类器融合模型；对骨髓细胞图像中的骨髓细胞进行定位分割，得到模型应用数据集；并利用测试效果最好的多特征多分类器融合模型对该数据集进行测试，得到最终的模型应用效果。本发明结合不同特征和不同分类器的优势，提高了骨髓细胞的测试分类准确率。

摘要： 本发明公开了一种基于OpenStreetMap的高分辨率遥感影像多分类器联合分类方法，本发明利用分割算法将遥感影像划分为一系列内部均质的对象块，以对象块代替像素作为影像最小处理单元，结合影像对象块和OpenStreetMap的地物标记信息获取分类样本，构建多个分类模型进行面向对象块的影像分类，计算各个对象块在不同分类器下属于不同类别的概率，获取对象块对应的分类可靠性，实现多分类结果的加权融合，完成高分辨率遥感影像分类。本发明基于影像对象块为基本单元获取训练样本，能够避免选择大量具有相似特征的像素作为样本，降低样本间的冗余信息，提升分类模型的构建效率与准确度。

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： 本发明公开了一种基于多分类器动态剪枝选择的地表冻融状态分类方法，包括：对区域观测站点的地表温度数据及区域土地利用数据的沙漠格点样本进行数据预处理，作为训练样本的标签；收集不同频率的亮度温度数据进行组合构建训练样本的特征指标；利用处理后的样本标签和特征指标作为模型输入，对不同类别的基分类器进行训练，同时对基分类器的超参数进行贝叶斯优化；基于动态剪枝选择框架，对不同的基分类器进行动态剪枝和动态选择，确定最优的预测模型；采用确定的最优预测模型进行地表冻融状态分类。本发明通过对不同机器学习模型进行动态剪枝选择的方式快速、精准地根据不同的区域的特征对地表状态进行分类。

摘要： 本申请公开了一种多层次多分类器的图像分类方法及装置，所述方法包括：获取特征提取分类器对目标图像进行预分类以及特征提取，得到的各类别中每个卷积层的特征图以及所述特征图的第一特征概率；基于所述第一特征概率，将所述各类别中的每个卷积层的特征图进行概率累加，得到所述各类别中的每个卷积层对应的第一热力图；将所述第一热力图处理为统一尺寸，并拼接为各类别的第一多层次热力图；将所述第一多层次热力图输入到多层次分类器，得到所述多层次分类器输出的每层类别的分类概率；根据最底层的分类概率中的最大概率与预设阈值之间的数量关系，输出所述目标图像的类别。