模糊分类

摘要： 本研究以国产高分系列卫星遥感影像为数据源,研究长江岸线土地利用变化。针对不同地物类型,通过选取最优分割尺度的地物光谱形状纹理等特征,建立知识规则集,然后采用隶属度函数及CART决策树分类法对“长江大保护”政策实施前后(2016年和2019年)长江岸线南京段保护范围线以内的土地进行分类与结果分析。研究表明,使用面向对象方法中的隶属度函数结合CART决策树分类方法精度提升明显,总体精度为92.1%,Kappa系数为0.874;实施“长江大保护”政策前后,城乡、居民工矿用地面积减少了2.02 km^(2);水域面积减少了2.98 km^(2);林地面积增加了5.81 km^(2);草地面积增加了0.81 km^(2);未利用土地减少了1.62 km^(2)。研究期内临长江南京段土地利用结构转变明显,其成果为长江大保护的决策提供理论依据。

摘要： 针对传统数据分类属性模型中存在的较为复杂且大数据分类效率低等问题,基于云计算环境,提出利用深度属性加权贝叶斯(deep attribute weighting Bayesian,AWB)算法结合改进差别信息树(differential information tree,DIT)的大数据高效分类方法.利用AWB算法构建大数据训练集的模糊知识库,提高大数据分类精度;采用改进DIT进行模糊粗糙集属性约简,以并行方式利用映射函数对信息进行分区,将洗牌算法融入模糊分类器的设计中,提高大数据分类效率;利用CloudSim仿真器在大型网络数据集对所提方法的性能进行实验论证.实验结果表明,所提方法提高了分类准确度,降低了计算时间,提高了计算效率.

摘要： 为更好地利用国产遥感数据研究土地利用资源分布,基于面向对象和指数分类的方法,开展高分二号遥感影像建设用地二级类提取.实现了研究区居民点、仓储用地、工业用地、公共管理与公共服务用地及交通用地的提取,提取总精度达96.9％,Kappa系数达0.94.结果表明本研究方法可以较准确提取高分二号遥感数据的二级类建设用地,对国产数据地物信息提取的研究有一定借鉴意义.

摘要： 时间序列分类是数据挖掘中的重要主题,现有的大部分时间序列分类方法较少考虑到序列形状对分类结果的影响.该文提出了一种基于k-shape的时间序列模糊分类方法.该方法通过使用k-shape聚类算法对时间序列训练数据集各类别的成员进行聚类,获得各类别的聚类中心并形成聚类中心群,将每个类别的聚类中心群作为时间序列数据模糊分类的初始聚类中心,根据隶属度最大原则确定测试时间序列数据的类别标签.在30个时间序列公开数据集上的分类实验结果表明,该方法相较于SVM、Bayes、EAIW和TLCS这4种分类算法具有更好的分类性能,对具有扭曲和位移特征的时间序列数据分类有更好的可用性.

摘要： [目的/意义]微博劣质信息严重破坏了网络生态,其隐蔽性与灰色性给网络信息分类工作带来了极大的困难,而传统的人工甄别方法难以解决其相关问题.[方法/过程]针对上述问题,提出了一种基于灰色情感辨识微博模糊分类模型.该模型采集微博信息的上下文环境,构建相关信息的情感空间,然后提取待辨识信息的情感特征,基于场合情景空间进行灰色情感辨识,从而实现微博劣质与有害信息的甄别.[结果/结论]现场数据测试结果表明,与人工辅助辨识的现有模型相比,该模型的效率、辨识率与误报率等指标良好,系统开销不大,具有良好的应用前景.

摘要： 利用遥感影像获取土地信息时,由于瞬间视场的影响,导致同一传感器难以同时获取高光谱分辨率影像和高空间分辨率影像,因此仅依靠单源遥感影像进行土地利用分类存在局限性.为了提高土地利用分类精度,综合利用GF-2号影像的纹理信息、空间信息和OLI影像的光谱信息进行土地利用模糊分类;采用主成分分析法对光谱信息和纹理信息进行压缩、增强处理,再根据不同地物的光谱和纹理特征,进行45、65、85三个不同尺度的图像分割.在影像分割单元的基础上运用面向对象的方法构建了模糊逻辑隶属度函数,实现了研究区的土地利用模糊分类;并与传统面向对象的分类方法进行了比较.协同利用GF-2号和OLI影像的研究区土地利用分类结果的Kappa系数为0.94,分类精度显著提高.

摘要： 针对UBGM(1,1)-Markov模型中存在2个邻近值可能被归属到不同状态,导致预测值产生偏差的问题,结合模糊分类理论,构建基于模糊分类的无偏灰色-马尔科夫模型(unbiased gray-Markov model based on fuzzy classification,FC-UBGM(1,1)-Markov).首先对UBGM(1,1)模型进行残差修正,然后将修正后拟合值的相对残差序列作为Markov链进行区间划分,再结合模糊分类的隶属度函数,计算相对残差的模糊向量,根据隶属度确定其所属的状态.实际算例表明,该模型比传统UBGM(1,1)-Markov模型的预测效果更好.

摘要： 战术目标情报处理流程中,目标融合去重依靠定性研判完成,可靠性不高.针对战术目标情报去重缺少定量融合方法的现实,将模糊分析方法引入处理过程中,研究了目标信息预处理、构建模糊相似矩阵的方法,建立了目标模糊分类、去重的模型,为在一定可信度下快速实现目标融合提供一种定量方法.

摘要： 为准确地对库存物资进行分类，采用了ABC模糊分类法，并比较了其与模糊分类法、传统ABC分类法及基于技术变换的线性规划法的分类效果。研究结果表明，模糊分类法与ABC模糊分类法有较高的分类准确度，其中ABC模糊分类法在整体分类准确度上要优于模糊分类法。最后对ABC模糊分类规则做了改进，整体分类准确度得到明显提高。该成果提出了一种新的物资分类方法，对煤矿库存物资分类有一定的参考价值和指导意义。

摘要： 目前木马检测方法大多为特征码检测技术体系.不能够检测特征码未知的新木马.行为分析反木马技术具备了反未知木马的能力。但对现有基于行为分析技术的反木马策略分析后发现，大多存在着误报，漏报率过高，应用效率较低，交互不合理等问题。本文通过对反木马算法理论体系研究和木马行为特征分析，建立了一套反木马算法设计标准，为算法的构建和实际应用提供有力的依据.在此基础上提出并设计了用于行为分析反木马的模糊分类算法，最后利用实验证明本文反木马算法的有效性。

摘要： 查找相似文挡在文本挖掘和文档管理中具有重要的地位。一般的文本聚类都关注单分类情况，本文目的是研究文档隶属于多个分类的情况。本文中的相似文档查找系统是基于模糊分类技术，它可以处理多分类问题。其处理方法包含两个阶段，第一个阶段是找到属于多分类的文档；第二个阶段是确定这些文档所属的多分类。为此本文分别提出了基于α阀值的模糊分类方法(α-FSCM)和多分类向量方法(MCVM)。实验结果证明本系统能有效区分多分类文档，并准确找到所属多类别，其准确性和效率高于传统的方法。

摘要： 客户分类是客户关系管理中的前哨战.针对客户关系管理中的客户分类问题,本文提出了一种基于遗传算法的模糊分类算法,并采用某超市客户数据进行仿真验证.结果表明该算法在提高分类精度的同时,对提高客户分类的可解释性有一定的促进作用.

摘要： 采用面向对象的分类技术,以陕西临潼区的WorldView-2高分辨率遥感影像为例,对预处理后的WorldView-2影像进行多尺度分割得到影像对象,根据影像对象及对象间的特征属性,选择特征,建立规则集,利用模糊分类方法进行分类.实验表明,面向对象的分类技术,综合利用了影像的光谱特征、几何特征及空间特征,有效地提高了分类的精度,具有很大的发展潜力.

摘要： 研究一类具有合作机制的群决策问题。首先讨论了复熵的定义和性质,提出两阈值的合作函数方法对决策人之间的合作关系进行模糊分类,采用模糊测度度量决策人的权力指数,建立合作群决策的非线性规划模型集结决策人集合的权力指数,并基于熵的极大化原理,运用信息熵和复熵函数求解该模型。利用Choquet模糊积分计算备选方案的综合评价值,并对备选方案排序选择最优方案。最后通过算例分析,与加权平均法比较,进一步验证合作群决策模型和运用模糊积分方法求解模型的合理性、有效性。

摘要： 为了有效的动态评估机组运行状态,对机组进行健康状态管理,本文以振动频谱为基础,结合模糊分类原理,提出一种对机组振动状态进行模糊趋势分析的方法。该方法可正确评价了解机组当前运行状态及过去一段时间内运行状态的变化情况,为机组的检修时间从理论上提供了依据.最后,通过应用机组实际运行数据进行验证,证明本方法是切实可行的,其效果是令人满意的.

摘要： 针对分形图像编码时间长的问题,提出选取边缘提取图像的6个特征参数作为图像块特征.采用模糊模式识别技术对图像块进行分类,后采用基于局部灰度均值聚类技术进一步减小最佳匹配搜索范围的两步分类法.实验表明,该方法可较大提高编码速度,解码质量无明显下降.

摘要： 针对研究区紫坪铺镇震害滑坡信息发生的特征,提出了一种基于标准化植被指数(NDVI)和坡度信息的快速、高效的地震滑坡信息提取思路,分别从基于像元和面向对象的两个角度进行了验证.对比精度评价结果,面向对象提取方法的总体精度达92.16％,明显高于基于像元提取方法(总体精度71.32％).实践证明,面向对象方法成功的避免了高分辨率遥感影像由于单个像元光谱异质性大而产生的NDVI差值"亮点噪声"效应,使得提取的结果更加科学可靠,效果更好,精度更高.

摘要： 针对研究区紫坪铺镇震害滑坡信息发生的特征,提出了一种基于标准化植被指数(NDVI)和坡度信息的快速、高效的地震滑坡信息提取思路,分别从基于像元和面向对象的两个角度进行了验证.对比精度评价结果,面向对象提取方法的总体精度达92.16％,明显高于基于像元提取方法(总体精度71.32％).实践证明,面向对象方法成功的避免了高分辨率遥感影像由于单个像元光谱异质性大而产生的NDVI差值"亮点噪声"效应,使得提取的结果更加科学可靠,效果更好,精度更高.

摘要： 本发明提供了一种基于模糊择近原则的复杂烟株图像分类方法，包括：首先建立烟株标准模型库，并对待分类烟株的图像进行采集；然后采用改进的GrabCut算法对所述烟株图像中的烟株和图像背景进行分割；进而对去除背景后的烟株图像进行二值化，进而对二值化后的烟株图像进行特征提取，得到待分类烟株的叶素比、像素株高和像素株宽三个特征值；再对所述叶素比、像素株高和像素株宽三个特征值进行归一化；最后根据归一化后的三个特征值和烟株标准模型库，采用模糊择近原则对待分类烟株进行分类，得到待分类烟株的分类结果。本发明的有益效果是：分割效果好，而且避免了人机交互；以更准确地反映每个特征对烟草生长的影响；提高烟株分类准确度。

摘要： 一种信息分类模糊模型的网络入侵检测分类方法。该方法通过构造的模糊规则库来进行入侵检测分类。模糊规则的构造包括前提和结论两部分，其中前提部分的构造基于硬聚类算法(Hard Clustering Method，简称HCM)，结论部分的构造则基于最小二乘法(Ordinary Least Square，简称OLS)。信息分类模糊模型在一定程度上解决了传统入侵检测方法耗时长、检测率低等问题。该方法在国际标准数据上进行模拟测试，并同其它两种入侵检测方法进行比较，实验结果显示本发明提供的方法优于其它两种入侵检测方法。

摘要： 本发明公开了一种基于模糊型弱分类器的AdaBoost分类方法，其通过提取多幅图像中的所有LBP特征构建一个训练样本，并给定训练样本对应的样本分类标签矩阵；利用模糊推理对弱分类器进行寻优以获取最佳模糊型弱分类器；通过计算最佳模糊型弱分类器的权重，加权到最佳模糊型弱分类器构成强分类器；当构成的强分类器中的每个分类标记与样本分类标签矩阵中的每个分类标签对应相同时，确定构成的强分类器为最佳强分类器，反之通过计算寻找下一个最佳模糊型弱分类器时的权值向量，再迭代寻优；优点是其在面对复杂的数据集的情况下仍具有很好的分类效果，在有噪声干扰的条件下具有更好的抗噪能力。

摘要： 本发明涉及一种基于模糊双超球分类模型的数据分类方法及系统，所述方法包括：获取待测数据；通过预先建立的模糊双超球分类模型的决策函数确定所述待测数据的分类结果；其中，所述模糊双超球分类模型包括决策函数和两个模糊超球模型；所述决策函数通过两个模糊超球模型的最优球心和最优半径进行确定，所述两个模糊超球模型的最优球心和最优半径通过对各自的训练样本集进行训练确定，采用该技术方案不仅时间复杂度低，效率更高，同时在构建超球模型的过程中引入模糊隶属度函数，避免现有技术中易受奇异点和噪声点影响的问题，实现高精确度的数据分类。

摘要： 本发明提供了一种基于模糊推理的单类分类方法以及分类器，将特征向量模糊化以及生成模糊规则集并进行校正具体方法为：当目标规则集生成后，若出现同样判定条件但是判定结果不同则需要进行规则校正。单类分类器，能够准确的识别出异常样本。首先进行数据处理，随后将数据进行模糊化，再建立模糊规则集，并进行了规则的校正。当规则集建立完成后，就可以使用测试样本来对其进行测试，当测试集的样本经过同样映射的数据处理之后生成的规则与已有规则不同，则认为其是异常样本，然后将其归入未知类别中。本发明扩大了单类分类方面数据集样本数量同时运用更加优化的算法，能够达到较好的分类效果，另外提高了训练速度。

摘要： 本发明公开了一种基于模糊融合算法对交易分类的盗卡风险识别方法，它涉及电子信息技术领域。整合交易的对应的操作等数据，进行预处理，通过离散小波变换获取得到后续可以直接参与分类模块的时序数据；根据获得的时序数据，通过基于融合算法的模糊聚类算法，尽可能多得保留信息，形成更多类型的群组；基于聚类所得到的群组，通过层次分析法构建群组风险评估模型，给出综合风险评分，挑选潜在的风险群组；根据筛选出的风险群组中相应交易，关联相关的特征，输入训练好的判别模型，得到针对交易的风险评分，从而实现实时拦截。本发明助于提升模型的准确率和鲁棒性，对交易或用户分类效果好，提高交易安全性，利于应对新的风险类型，应用前景广阔。

摘要： 本发明的特征：提供一种基于模糊分类器的离线数字识别方法，适用于识别质量降级图像中的数字，该方法从前景色象素的分布特征以及数字外形特征判别每个图像包含的字符是各个数字的真值程度，并能容忍图像少量的倾斜，再通过综合评判识别出图像中包含的数字，识别准确度较高；而且本发明能够基于少量训练样本的特征取值分布自动设定模糊分类器需要的参数，且多特征判别和自动设定参数使本发明具有较好的通用性；本发明有效解决了已有针对模糊图像的数字识别方法存在的准确度有待提高且需要大量训练样本的问题。

摘要： 本发明的特征：提供一种基于模糊分类器的离线数字识别方法，适用于识别质量降级图像中的数字，该方法从前景色象素的分布特征以及数字外形特征判别每个图像包含的字符是各个数字的真值程度，并能容忍图像少量的倾斜，再通过综合评判识别出图像中包含的数字，识别准确度较高；而且本发明能够基于少量训练样本的特征取值分布自动设定模糊分类器需要的参数，且多特征判别和自动设定参数使本发明具有较好的通用性；本发明有效解决了已有针对模糊图像的数字识别方法存在的准确度有待提高且需要大量训练样本的问题。

摘要： 本发明提出了一种基于增强深度TSK模糊分类器的癫痫脑电识别方法，在TSK模糊分类器(ED‑TSK‑FC)中，将原始脑电信号作为输入数据，通过一维卷积神经网络对癫痫脑电信号进行深度特征学习，通过逐层的神经表达可获得隐含层的深度特征与输出层潜在类别信息，并将深度特征和潜在类别信息合并为增强深度特征。此外，增强深度特征作为ED‑TSK‑FC模糊规则前件与后件部分的训练变量，在前件部分采用模糊聚类算法对增强深度特征空间进行模糊划分并获得相应的前件参数，后件部分则引入岭回归极限学习算法对参数进行学习。增强深度特征更加充分利用了1D‑CNN的有用信息，提高了ED‑TSK‑FC的分类性能。基于模糊规则的高可解释性，ED‑TSK‑FC对增强深度特征作出了良好的解释。

摘要： 本发明公开了一种基于Canopy+FCM聚类的设备故障率模糊分类方法，将具有相同或相似特性的设备归为一类，类内采用同一故障率。具体包括以下步骤：S1.对数据进行预处理，采用Canopy聚类对故障率影响因素集数据进行粗聚类，确定聚类数和各聚类中心；S2.将步骤S1中的聚类结果作为FCM聚类算法的输入，进行第二次模糊聚类；S3.根据给定的故障率与各因素之间的分布模型，将聚类结果中各聚类中心代入，求得每一类设备的故障率。本发明采用的两重聚类法降低了人为选取聚类数和初始聚类中心的主观性，聚类结果具有较高的客观性，弥补了FCM聚类的不足。