分类器融合

摘要： 为了提高核糖核酸(RNA)序列上6-甲基腺嘌呤(m6 A)位点的预测精度,该文提出一种新的基于核酸物化属性显著性度量的K重选择启发式约简算法.通过该算法获得K个物化属性约简子集来重新编码RNA样本,并结合支持向量机(SVM)训练得到K个基分类器,再通过分类器融合方法构建了m6 A位点预测器.最后,在相同的基准数据上,采用留一法交叉验证分别验证了伪二核苷酸成分分析和自协方差与互协方差变换两种典型的基于核酸物化属性的特征表示算法.实验结果表明,该文算法可显著提高m6 A位点预测的总体性能.

摘要： 针对中文微博用户性别分类研究工作较少, 微博特征提取不完善, 分类准确率有待提升的问题, 提出一种两分类器融合的中文微博用户性别分类方法.从微博文本数据中提取一系列手工特征构建分类器, 得到分类结果;利用卷积神经网络模型自动提取特征, 对用户的性别进行分类并得到分类结果;将两个分类器的结果利用XGBoost模型进行融合, 得到最终的用户性别分类结果.实验结果表明, 该方法相比一系列对比方法有更好的分类结果.%Aiming at the problem that Chinese micro-blog user gender classification research is less, micro-blog feature extraction is not perfect, and classification accuracy needs to be improved, agender classification method based on two classifier fusion for Chinese micro-blog users was proposed.A series of manual features was extracted to build a classifier from micro-blog texts and the classification results were got.The automatic features extracted by convolutional neural network model were used to build another classifier and obtain the classification results.The results of the two classifiers were fused using the XGBoost model to obtain the final user gender classification results.Experimental results show that the proposed method has better classification results than a series of contrast methods.

摘要： 传统的文本分类方法大多数使用单一的分类器,而不同的分类器对分类任务的侧重点不同,就使得单一分类方法有一定的局限性,同时每个特征提取方法对特征词的考虑角度不同.针对以上问题,提出了多类型分类器融合的文本分类方法.该模型使用了word2vec、主成分分析、潜在语义索引以及TFIDF特征提取方法作为多类型分类器融合的特征提取方法.在多类型分类器加权投票方法中忽略了类别信息的问题,提出了类别加权的分类器权重计算方法.通过实验结果表明,多类型分类器融合方法在二元语料库、多元语料库以及特定语料库上都取得了很好的性能,类别加权的分类器权重计算方法比多类型分类器融合方法在分类性能方面提高了1.19％.

摘要： 针对信息获取与处理过程中的不确定性导致的遥感数据分类精度难以满足土地覆盖变化、环境监测、专题信息提取等应用方面的需求,提出了一种基于机器学习的分类融合算法.采用6种异构分类器,以查准率及查全率矩阵为先验知识,依据分类器差异性指数AD对单分类器进行优化组合,结合三维概率矩阵分别得到抽象级、排序级和度量级的分类融合结果输出,并以北京地区Landsat 8遥感影像的典型区域为研究对象进行分类预测.结果表明,从6个单分类器中选取3个进行组合时的效果较好,其中AD值最大的(NB,KNN,SVM)分类器组合是综合效果最好的分类器组合;所提算法的抽象级输出比单分类的平均精度高12.28％,比分类效果最好的单分类器SVM高2.24％;所提算法对多个"强成员分类器"进行融合仍然能有效提高分类精度,比常用融合算法RF,Bagging和Boosting分别高出11.23％,7.56％和11.36％,对各种地物的分类精度有显著的提高.

摘要： 为了提高核糖核酸(RNA)序列上6-甲基腺嘌呤(m^6A)位点的预测精度,该文提出一种新的基于核酸物化属性显著性度量的K重选择启发式约简算法。通过该算法获得K个物化属性约简子集来重新编码RNA样本,并结合支持向量机(SVM)训练得到K个基分类器,再通过分类器融合方法构建了m^6A位点预测器。最后,在相同的基准数据上,采用留一法交叉验证分别验证了伪二核苷酸成分分析和自协方差与互协方差变换两种典型的基于核酸物化属性的特征表示算法。实验结果表明,该文算法可显著提高m^6A位点预测的总体性能。

摘要： 考虑到现有的基于序列的蛋白质相互作用预测方法均采用单一的特征提取方法,具有一定的局限性,提出一种方法.用元学习策略作为分类器融合策略,并集成多种蛋白质序列特征提取方法.在10 702对酿酒酵母蛋白质对数据集上,得到97.28％的预测精度,优于目前现有方法的平均水平,在独立测试集上同样具有优秀的表现,实验结果表明,该方法有效提高了蛋白质相互作用预测的准确率.%Considering that the existing methods for protein-protein interactions (PPIs) based on protein sequence use the single feature extraction and have certain limitations,a method based on multiple feature extraction for protein sequence was proposed.Experiments were carried out on the data set with 10 702 Saccharomyces cerevisiae protein pairs.Results show that the prediction accuracy of the proposed method reach 97.28％,which is superior to the average of the existing methods.On the independent test set,the proposed method also shows excellent performance,indicating that it effectively improves the accuracy of prediction of PPIs.

摘要： 本文提出了利用朴素贝叶斯、社交网络SNS和广告主挖掘多个分类器融合的垃圾短信处理方式,系统基于Hadoop处理平台,从用户发送内容和发送行为两个维度着手堆垃圾短信识别,可以大幅度提升目前垃圾短信治理的召回率和准确率.

摘要： 随着生物医学的迅速发展，从医学文献中抽取蛋白质关系已经成为面向生物医学方面的自然语言处理任务中一项非常重要的任务。蛋白质关系抽取任务的本质就是分类问题。目前存在的分类器有很多，每一种分类器针对不同的数据其分类效果不同。本文提出了一种基于多种分类器融合的蛋白质关系抽取方法，其将SVM，ME，BBR 3个分类器的分类结果进行融合，并且在AImed实验语料中取得了较好的实验效果。

摘要： 感应电机发生故障的部位多,故障现象及故障原因复杂,但故障特征信息可在不同类型的信号中反映出来.本文通过对不同类型信号进行综合处理和协同分析,并基于多个随机森林分类器自适应权重投票表决的方法,提出了一种高效实用的感应电机故障诊断方法.首先利用传感器采集得到感应电机振动信号和定子电流信号,提取其在特征频率上的能量作为特征信息,分别构造随机森林分类器,得到每个分类器的故障分类结果后,对测试样本和训练样本进行聚类分析,根据聚类结果针对每一测试样本调整各分类器的权重,从而组合决策出故障类型.电机数据实验表明,这一新的模式分类方法可以有效提高电机故障诊断的准确度.

摘要： 本文针对雷达目标的高分辨距离像具有方位,幅度,平移三方面的敏感性,提出一种修正的核Fisher判别方法.该方法通过一种特征向量选择方法,降低了核Fisher判别分析的计算复杂度.并且基于可信度的分类器融合,将该方法成功的应用到多类问题的识别.基于实测飞机数据的试验表明该方法是可行的,有效的.

摘要： 在IC卡印刷字符检测中,实时识别出卡片字符并校验打印或印刷的字符是否与给定的字符一致,可以有效提高IC卡的印刷生产效率.对此,本文提出了一种基于多种阈值分割字符、多分类器融合分类和相似判断的方法来识别校验卡片上的字符.针对字符轮廓的不稳定性,采用了对多种阈值下的识别结果取平均的方法来提高识别的稳定性.在分类之后,通过分类结果,分类权向量和给定字符之间的相似性判断确定打印的字符是否正确.实验结果表明本文提出的算法能满足实际要求.

摘要： 迄今,多生物识别系统中识别算法的选择性融合问题的研究没有得到应有的重视.现有的大多数多生物识别系统都是使用某些融合规则融合2～3个可用的识别算法.虽然已有人尝试过多种融合策略,对此问题的研究也比较深入,但却很少有人关注如下的问题:要融合哪些识别算法才能达到最好的识别率.对这一问题进行了深入探讨,指出多生物识别中识别算法应有选择性地进行融合,并提出了两种可行的解决方案。

摘要： 迄今,多生物识别系统中识别算法的选择性融合问题的研究没有得到应有的重视.现有的大多数多生物识别系统都是使用某些融合规则融合2～3个可用的识别算法.虽然已有人尝试过多种融合策略,对此问题的研究也比较深入,但却很少有人关注如下的问题:要融合哪些识别算法才能达到最好的识别率.对这一问题进行了深入探讨,指出多生物识别中识别算法应有选择性地进行融合,并提出了两种可行的解决方案。

摘要： 迄今,多生物识别系统中识别算法的选择性融合问题的研究没有得到应有的重视.现有的大多数多生物识别系统都是使用某些融合规则融合2～3个可用的识别算法.虽然已有人尝试过多种融合策略,对此问题的研究也比较深入,但却很少有人关注如下的问题:要融合哪些识别算法才能达到最好的识别率.对这一问题进行了深入探讨,指出多生物识别中识别算法应有选择性地进行融合,并提出了两种可行的解决方案。

摘要： 迄今,多生物识别系统中识别算法的选择性融合问题的研究没有得到应有的重视.现有的大多数多生物识别系统都是使用某些融合规则融合2～3个可用的识别算法.虽然已有人尝试过多种融合策略,对此问题的研究也比较深入,但却很少有人关注如下的问题:要融合哪些识别算法才能达到最好的识别率.对这一问题进行了深入探讨,指出多生物识别中识别算法应有选择性地进行融合,并提出了两种可行的解决方案。

摘要： 本发明提供了一种基于概率融合的分类器、分类方法及分类系统，所述分类方法包括：根据所述输入数据产生多个概率向量，其中所述多个概率向量中的每一个包括分别对应于所述多种类别的多个元素；根据第一感兴趣类别从所述多个概率向量中选出具有对应于所述第一感兴趣类别的极值的第一概率向量；以及根据所述第一概率向量来决定所述输入数据的类别。

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： 本发明的目的是提供一种文本分类的融合分类器的训练方法及设备，本发明采用大量的普通自然语言文本数据和未标注的分类文本领域数据，结合半监督学习的方式扩充标注数据，最后以深度学习的模型将多个文本分类器融合，从而使得分类能在实际应用中取得更高的准确率。

摘要： 本发明涉及一种遥感影像分类的多时相‑多分类器融合方法，是在同一观测区域获取多时相遥感影像的基础上，从分类器和时相两个层面先后采用该算法来完成遥感影像分类。主要步骤包括单时相多分类器分类及精度评价；单时相分类结果集成及精度评价；多时相分类结果集成及精度评价。本发明的遥感影像多时相‑多分类器融合分类方法综合权衡了多个分类器、多个时相分类结果的评价精度，降低了单时相影像、单一分类器分类的不确定性，从而确保得到更高的遥感影像分类精度。

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： 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： 本发明涉及一种基于多分类器融合的阿尔兹海默症分类预测方法。本发明首先对所获得数据中含有的缺失数据和异常数据进行处理和评估，确保数据的有效性；然后结合专家知识和特征选择算法，从k个特征指标中选择出n个特征子集，n≤k，去掉冗余特征和无关特征，提高最终模型的预测效果；提出基于多分类器融合的预测模型；将经过预处理的数据集输入到所提出的模型中，通过多种评估方法评估模型的性能。本发明对阿尔兹海默症的分类预测具有更好的效果和普适性。

摘要： 本发明的目的是提供一种文本分类的融合分类器的训练方法及设备，本发明采用大量的普通自然语言文本数据和未标注的分类文本领域数据，结合半监督学习的方式扩充标注数据，最后以深度学习的模型将多个文本分类器融合，从而使得分类能在实际应用中取得更高的准确率。

摘要： 本发明提供了一种基于数据增广和分类器融合的高光谱图像分类方法。首先，对高光谱图像数据进行预处理，并随机选择得到初始训练样本；然后，通过建立一个数据混合模型，指数级地扩充有标签的训练样本；接着，使用扩充的数据集训练基于卷积神经网络的分类器；最后，使用投票策略对多个分类器的结果进行融合，获得最终的分类结果。本发明方法能够避免卷积神经网络训练中的局部最小和过拟合问题、减少随机性的影响，在有限的有标签的训练样本的情况下，也能获得较好的分类效果。