模式分类
模式分类的相关文献在1982年到2022年内共计699篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、基础医学
等领域,其中期刊论文525篇、会议论文56篇、专利文献129937篇;相关期刊306种,包括电子学报、计算机工程、计算机工程与应用等;
相关会议52种,包括第十二届沈阳科学学术会议、第十四次内经学术研讨会、第一届全国环境噪声影响评价研讨会等;模式分类的相关文献由1641位作者贡献,包括陈德钊、丁硕、巫庆辉等。
模式分类—发文量
专利文献>
论文:129937篇
占比:99.55%
总计:130518篇
模式分类
-研究学者
- 陈德钊
- 丁硕
- 巫庆辉
- 常晓恒
- 杨静宇
- 高大启
- 王士同
- 周晓飞
- 姜文瀚
- 刘忠宝
- 刘茜
- 史铁林
- 曾孝平
- 李勇明
- 李巍华
- 杨根兴
- 王丽娜
- 王正群
- 胡上序
- 胡金海
- 谢寿生
- 谢洪波
- 郎方年
- 陈曦
- 陶剑文
- 靳东明
- 顾雪平
- 马凤英
- 马杰良
- 乐晓蓉
- 何明一
- 刘文标
- 吴慧中
- 周辉仁
- 张兵
- 张强
- 张雷
- 成忠
- 方景龙
- 李利伟
- 李志坚
- 李阳
- 杨友林
- 杨帆
- 梅丽
- 王万良
- 王勇
- 王守觉
- 王志中
- 王晓东
-
-
刘帅彤;
李晓军;
周志杰;
姚俊萍;
王杰
-
-
摘要:
随着技术水平的发展和研究的不断深入,在模式分类问题中需要处理的信息往往存在有大量的不确定性。证据理论作为处理不确定性一大强有力的工具,将其应用于模式分类能够有效提高分类器分析、表达以及处理不确定性数据的能力。对此,文中开展了证据理论在模式分类中应用的研究综述,在对模式分类、证据理论的基本原理进行概述的基础上,重点围绕单分类器设计和多分类器集成两个角度,系统梳理了证据理论在模式分类中的研究现状,并从不同分类特性的角度出发比较了各阶段方法的优缺点,旨在为相关研究人员提供借鉴和参考。
-
-
张强;
杨吉斌;
张雄伟;
曹铁勇;
郑昌艳
-
-
摘要:
卷积神经网络分类框架广泛使用了基于Softmax函数的交叉熵损失(Softmax损失函数),在很多领域中都取得了良好的性能.但是由于Softmax损失函数并不鼓励增大类内紧凑性和类间分离性,在一些多分类问题中,卷积神经网络学习到的判别性嵌入表示的性能难以进一步提高.为了增强嵌入表示的判别性,提出了一种基于余弦相似性的Softmax(cosine similarity-based Softmax,CS-Softmax)损失函数.CS-Softmax损失函数在不改变神经网络结构的条件下,分别计算嵌入表示与分类全连接层权重的正相似性和负相似性,以实现同类紧凑和异类分离的训练目标.理论分析表明:边距因子、尺度因子、权重更新因子等参数的引入,可以调节各类别决策边距的大小,增大类内紧凑性、类间分离性,增强学习到的嵌入表示的判别性.在典型的音频、图像数据集上的仿真实验结果表明:CS-Softmax损失函数在不增加计算复杂度的同时,可以有效提升多分类任务性能,在MNIST,CIFAR10,CIFAR100图像分类任务中分别取得了99.81%,95.46%,76.46%的分类精度.
-
-
赵凯;
于向财;
孙涛;
张赟;
王永华
-
-
摘要:
针对发动机转子系统的振动信号分析问题,提出了一种基于改进马田系统的故障模式识别和分类方法。利用最优阈值小波包变换方法对振动信号进行降噪;对降噪后的振动信号进行小波包分解,提取时频域特征构建基准空间;然后利用岭估计回归分析消除马氏距离的复共线性,使用切比雪夫定理计算马田系统的概率阈值,运用有向非循环图方法对不同模式进行分类;将方法应用于转子振动数据中以验证算法的有效性。结果表明,基于改进的马田系统算法模式识别准确率高,是一种有效的振动信号故障模式分类方法。
-
-
周承如;
熊太松;
吴宏伟;
杨园园;
宋君
-
-
摘要:
基于局部均值的KNN分类(LMKNN)算法使用了局部均值点来反映样本间的相似性,可以提高分类的正确率。但局部均值点对于分类却依然具有相同的权重,然而不同近邻点应当具有不同的权重。近质心近邻分类(K-Nearest Centroid Neighbor Classifier,KNCN)算法中近质心近邻可以反映样本的几何分布信息,但基于简单的最大投票原则也导致近邻点具有相同权重。故提出了基于局部多均值的K-近质心近邻分类(The Multi-Local Means-Based K-Nearest Centroid Neighbor Classifier,LMRKNCN)算法,为了验证该算法的分类有效性,选取较新的四种对比算法在真实数据集上进行实验比较,结果表明LMRKNCN的分类性能优于其他对比算法。
-
-
孔维涵;
田媛
-
-
摘要:
随着我国教育体制的不断改革,高校在优化教学质量完善教学体系的过程中,更加注重产学研协同创新模式的发展和提高。为完成和各行业职业未来趋势的接轨,需对产学研协同创新模式的需求和分类进行深入研究,并且结合国家当下发展的实际需要,针对我国未来经济社会建设和学生未来就业的实际需求进行路径探讨。基于此,本文阐述了高校产学研协同创新模式的现状,并通过国内外的差异化对比,对其分类模式和实现路径进行细致研究。
-
-
孔维涵;
田媛
-
-
摘要:
随着我国教育体制的不断改革,高校在优化教学质量完善教学体系的过程中,更加注重产学研协同创新模式的发展和提高.为完成和各行业职业未来趋势的接轨,需对产学研协同创新模式的需求和分类进行深入研究,并且结合国家当下发展的实际需要,针对我国未来经济社会建设和学生未来就业的实际需求进行路径探讨.基于此,本文阐述了高校产学研协同创新模式的现状,并通过国内外的差异化对比,对其分类模式和实现路径进行细致研究.
-
-
蔡瑞光;
张德生;
张晓
-
-
摘要:
针对伪近邻分类算法(LMPNN)对异常点和噪声点仍然敏感的问题,提出了一种基于双向选择的伪近邻算法(BS-PNN).利用邻近性度量选取k个最近邻,让测试样本和近邻样本通过互近邻定义进行双向选择;通过计算每类中互近邻的个数及其局部均值的加权距离,从而得到测试样本到伪近邻的欧氏距离;利用改进的类可信度作为投票度量方式,对测试样本进行分类.BS-PNN算法在处理复杂的分类任务时,具有能够准确识别噪声点,降低近邻个数k的敏感性,提高分类精度等优势.在UCI和KEEL的15个实际数据集上进行仿真实验,并与KNN、WKNN、LMKNN、PNN、LMPNN、DNN算法以及P-KNN算法进行比较,实验结果表明,基于双向选择的伪近邻算法的分类性能明显优于其他几种近邻分类算法.
-
-
周震;
景斌
-
-
摘要:
目的 比较基于体素的形态学测量(voxel-based morphometry,VBM)和基于形变的形态学测量(deformation-based morphometry,DBM)在检测轻度认知功能障碍(mild cognitive impairment,MCI)灰质异常及相应分类识别性能上的差异,为结构态分析方法的选择提供依据.方法 利用VBM和DBM对27例MCI患者及30例健康对照的磁共振结构像进行分析,分别统计比较获得相应的组间结构异常脑区,并将异常脑区作为分类特征构建相应的MCI诊断识别模型,最终通过评价异常脑区的空间分布特征及分类识别准确率来评估两种方法的差异.结果 VBM和DBM均发现MCI患者在海马、海马旁回、杏仁核、岛叶等脑区发生结构改变,但VBM方法还在额中回、颞中回等脑区发现异常.VBM确定的结构异常得到了86.0%的最佳准确度,而DBM方法的准确度为77.2%,虽然在性能表现上稍差,但发现的特征与VBM的最优特征具有一致性.结论 VBM方法可以发现更多的MCI结构异常,而DBM方法则能发现具有较强敏感性的结构异常,因而提示在磁共振结构像研究中应将两者结合应用.
-
-
石征锦;
张文娇;
谢峰;
王博伦
-
-
摘要:
为提高患者康复训练的积极性和有效性,采用主动训练模式对脑卒中患者的踝关节运动障碍问题进行康复治疗.人体表面肌电信号(surface electromyography,sEMG)的产生比患者实际动作发生提前大约50~100 ms,可以利用人体表面肌电信号来反映患者的真实运动倾向,从而辨识出患者运动模式,并使设备带动患者完成运动动作.利用SVM支持向量机对采集的肌电信号特征值矩阵构成的未知模式样本进行分类,判断患者期望运动状态为背屈、跖屈或放松.总体识别率较为准确,可以满足患者康复需求.
-
-
张楠;
郭欣伟;
倪深海;
白乐;
苏晓慧
-
-
摘要:
为实现矿井水纳入水资源统一配置,从矿井水空间利用格局出发,在明确矿井水利用分类的基础上,考虑供需双向协调要求,分析提出矿井水分类利用指标因子,采用自组织特征映射网络(SOM)方法构建了煤炭矿井水安全利用模式分类指标体系和评价模型.以宁东煤炭基地典型煤矿为实例,评价了矿井水开发利用模式分类,结果表明:构建的利用模式分类评价指标体系、评价方法能有效识别主要矿井水利用分类的相关指标和特征值对应的模式分类.
-
-
-
-
-
-
-
胡俊;
杨俊友;
王硕玉
- 《第十二届沈阳科学学术会议》
| 2015年
-
摘要:
针对基于表面肌电信号的手势识别领域特征提取及分类方法多样化的特点,提出了最优的手势识别分类方法.选用3种特征提取方法,分别为Willison幅值(WA)、方均根(RMS)、方差(VAR),排列出7种不同组合,选用3种分类器,分别为支持向量机(SVM)、K最邻近(KNN)、BP神经网络.将7种不同特征提取方法与3种分类器相匹配,选出最优的分类策略.仿真实验表明,RMS-MS的组合为最优的特征提取方法,BP神经网络为最优的分类策略.用RMS-MS/BP列手势的识别率达到91.03%,对采用表面肌电信号进行手势识别的研究有重要参考价值.
-
-
胡俊;
杨俊友;
王硕玉
- 《第十二届沈阳科学学术会议》
| 2015年
-
摘要:
针对基于表面肌电信号的手势识别领域特征提取及分类方法多样化的特点,提出了最优的手势识别分类方法.选用3种特征提取方法,分别为Willison幅值(WA)、方均根(RMS)、方差(VAR),排列出7种不同组合,选用3种分类器,分别为支持向量机(SVM)、K最邻近(KNN)、BP神经网络.将7种不同特征提取方法与3种分类器相匹配,选出最优的分类策略.仿真实验表明,RMS-MS的组合为最优的特征提取方法,BP神经网络为最优的分类策略.用RMS-MS/BP列手势的识别率达到91.03%,对采用表面肌电信号进行手势识别的研究有重要参考价值.
-
-
胡俊;
杨俊友;
王硕玉
- 《第十二届沈阳科学学术会议》
| 2015年
-
摘要:
针对基于表面肌电信号的手势识别领域特征提取及分类方法多样化的特点,提出了最优的手势识别分类方法.选用3种特征提取方法,分别为Willison幅值(WA)、方均根(RMS)、方差(VAR),排列出7种不同组合,选用3种分类器,分别为支持向量机(SVM)、K最邻近(KNN)、BP神经网络.将7种不同特征提取方法与3种分类器相匹配,选出最优的分类策略.仿真实验表明,RMS-MS的组合为最优的特征提取方法,BP神经网络为最优的分类策略.用RMS-MS/BP列手势的识别率达到91.03%,对采用表面肌电信号进行手势识别的研究有重要参考价值.
-
-
胡俊;
杨俊友;
王硕玉
- 《第十二届沈阳科学学术会议》
| 2015年
-
摘要:
针对基于表面肌电信号的手势识别领域特征提取及分类方法多样化的特点,提出了最优的手势识别分类方法.选用3种特征提取方法,分别为Willison幅值(WA)、方均根(RMS)、方差(VAR),排列出7种不同组合,选用3种分类器,分别为支持向量机(SVM)、K最邻近(KNN)、BP神经网络.将7种不同特征提取方法与3种分类器相匹配,选出最优的分类策略.仿真实验表明,RMS-MS的组合为最优的特征提取方法,BP神经网络为最优的分类策略.用RMS-MS/BP列手势的识别率达到91.03%,对采用表面肌电信号进行手势识别的研究有重要参考价值.
-