检索结果-内蒙古大学图书馆

计算机研究与发展 2008年第9期45卷 1612-1619页

作者：刘明袁保宗苗振江唐晓芳李昆仑北京交通大学信息科学研究所北京100044 河北大学电子信息工程学院河北保定071002

基于局部分类精度设计多分类器系统能够有效地提高分类正确率．目前流行的动态分类器选择方法不能充分利用各个基本分类器的信息．在动态分类器选择方法中，局部分类精度最高的基本分类器决定最终的分类结果，其他基本分类器的信息被忽... 详细信息

基于局部分类精度设计多分类器系统能够有效地提高分类正确率．目前流行的动态分类器选择方法不能充分利用各个基本分类器的信息．在动态分类器选择方法中，局部分类精度最高的基本分类器决定最终的分类结果，其他基本分类器的信息被忽略．提出了一种将局部分类精度变换为分类置信度的方法，从而可以利用度量层分类器融合方法对得到的置信度进行融合．与动态分类器选择方法相比，度量层分类器融合方法能够利用更多的信息，从而能够取得更高的分类正确率．ELENA数据库、UCI数据库和DELVE数据库上的大量实验表明，新方法在分类正确率方面超过动态分类器选择方法大约0．2％～13．6％．

关键词：信息融合模式识别集成学习分类器组合局部分类精度分类置信度

来源：评论

学校读者我要写书评

暂无评论

基于分类置信度和网站特征的钓鱼检测系统

引用

信息网络安全 2017年第9期 111-114页

作者：陈旭黎宇坤袁华平刘文印广东工业大学自动化学院广东广州510006 广东工业大学计算机学院广东广州510006

文章构建了URL和网页内容两方面特征,结合机器学习Adaboost算法,训练了两种钓鱼检测模型。系统可根据网址状态智能选择合适的模型,并最终以浏览器插件形式与用户交互。文章提出利用钓鱼检测模型的分类置信度进一步提升系统性能,认为URL... 详细信息

文章构建了URL和网页内容两方面特征,结合机器学习Adaboost算法,训练了两种钓鱼检测模型。系统可根据网址状态智能选择合适的模型,并最终以浏览器插件形式与用户交互。文章提出利用钓鱼检测模型的分类置信度进一步提升系统性能,认为URL检测结果的分类置信度在0.95以上时是可靠的。实验表明,系统的漏警率和虚警率分别为3.59%和2.93%,准确率达到96.75%,可以有效抵御网络钓鱼攻击。

关键词：钓鱼检测机器学习统计分析分类置信度

来源：评论

学校读者我要写书评

暂无评论

基于分类置信度和网站特征的钓鱼检测系统

基于分类置信度和网站特征的钓鱼检测系统

引用

第32次全国计算机安全学术交流会

作者：陈旭黎宇坤袁华平刘文印广东工业大学自动化学院广东工业大学计算机学院

关键词：钓鱼检测机器学习统计分析分类置信度

来源：评论

学校读者我要写书评

暂无评论

一种融合样本定位质量分数与分类置信度分数的高准确度单阶段目标检测方法

一种融合样本定位质量分数与分类置信度分数的高准确度单阶段目标...

引用

作者：王伟波刘鹏飞谭久彬 150001 黑龙江省哈尔滨市南岗区西大直街92号

本发明公开了一种融合样本定位质量分数与分类置信度分数的高准确度单阶段目标检测方法。单阶段检测模型同时对每个特征点进行分类和回归定位，且分类和回归两个任务相互独立，互相之间缺乏感知，导致出现假阳性检测结果(高分类置信度... 详细信息

标准号: CN118332406A

本发明公开了一种融合样本定位质量分数与分类置信度分数的高准确度单阶段目标检测方法。单阶段检测模型同时对每个特征点进行分类和回归定位，且分类和回归两个任务相互独立，互相之间缺乏感知，导致出现假阳性检测结果(高分类置信度分数，低定位准确度)，这显著影响了单阶段检测模型的应用。为了解决这一问题，本发明设计了基于特征的可学习定位质量分支(LQE)，通过增加分类‑回归定位的相互感知抑制假阳性检测，并将该LQE分支与传统的分类分支融合，使其能够同时辅助模型训练与推理检测。通过指数因子动态地调控LQE分支在融合分数(ranking_score)中的占比，进一步优化LQE分支及定位质量分数的调控作用。最后采用基于样本IoU的二值交叉熵损失函数监督LQE分支的训练,提升LQE分支的训练效率。由于LQE分支的轻量级特性，仅包含一层激活层，因此对检测速度没有影响。

关键词：单阶段检测分类和回归分类置信度质量分数假阳性融合感知样本定位准确度准确度调控作用辅助模型检测结果目标检测损失函数训练效率指数因子传统的激活层交叉熵特征点分类推理回归调控应用优化监督学习

来源：评论

学校读者我要写书评

暂无评论

基于置信度引导提示学习的多模态方面级情感分析

引用

计算机科学 2024年

作者：李懋林林嘉杰杨振国广东工业大学计算机科学与技术学院

面对日益增加的社交平台数据，多模态方面级情感分析对于理解用户的潜在情感。现有研究工作集中在跨模态融合图像和文本来完成情感分析任务，无法有效地捕获图像和文本中的隐含情感。此外，传统方法受限于模型具有的黑箱性质而缺乏可解... 详细信息

面对日益增加的社交平台数据，多模态方面级情感分析对于理解用户的潜在情感。现有研究工作集中在跨模态融合图像和文本来完成情感分析任务，无法有效地捕获图像和文本中的隐含情感。此外，传统方法受限于模型具有的黑箱性质而缺乏可解释性。为应对上述问题，本文提出了基于置信度引导的提示学习(CPL)的多模态方面级情感分类模型，该模型由多模态特征处理模块(MP)，基于置信度的门控模块 (CG)，提示构建模块(PC)和多模态分类模块(MC)组成。多模态特征提取模块用以提取多模态数据的特征；基于置信度的门控模块旨在通过自注意力网络的置信度评估样本的分类难度，对不同难易程度样本进行自适应性处理; 提示构建模块根据难易样本采取不同的适应性模板提示，以引导T5大语言模型生成辅助情感线索；多模态分类模块用以预测结果。在公开数据集Twitter-2015和Twitter-2017的实验结果表明，所提出的多模态方面级情感分类模型和现有基线方法相比具有显著性能优势，准确率分别提高0.48%和1.06%。

关键词：多模态数据大语言模型情感分类提示学习分类置信度

来源：评论

学校读者我要写书评

暂无评论

基于知识蒸馏和定位引导的Pointpillars点云检测网络

引用

液晶与显示 2024年第1期39卷 79-88页

作者：赵晶李少博郭杰龙俞辉张剑锋李杰厦门理工学院电气工程与自动化学院福建厦门361024 中国科学院福建物质结构研究所福建福州350108 中国科学院海西研究院泉州装备制造研究中心福建泉州362000 厦门市高端电力装备及智能控制重点实验室福建厦门361024

激光雷达数据由于其几何特性,被广泛应用于三维目标检测任务中。由于点云数据的稀疏性和不规则性,难以实现特征提取的质量和推理速度间的平衡。本文提出一种基于体柱特征编码的三维目标检测算法,以Pointpillars网络为基础,设计Teacher-S... 详细信息

激光雷达数据由于其几何特性,被广泛应用于三维目标检测任务中。由于点云数据的稀疏性和不规则性,难以实现特征提取的质量和推理速度间的平衡。本文提出一种基于体柱特征编码的三维目标检测算法,以Pointpillars网络为基础,设计Teacher-Student模型框架对回归框尺度进行蒸馏,增加蒸馏损失,优化训练网络模型,提升特征提取的质量。为进一步提高模型检测效果,设计定位引导分类项,增加分类预测和回归预测之间的相关性,提高物体识别准确率。本网络所做改进没有引入额外的网络嵌入。算法在KITTI数据集上的实验结果表明,相比于基准网络,在三维模式下的平均精度值从60.65%提升到了64.69%,鸟瞰图模式下的平均精度值从67.74%提升到70.24%。模型推理速度为45 FPS,在提升检测精度的同时满足了实时性要求。

关键词：激光点云三维目标检测知识蒸馏分类置信度

来源：评论

学校读者我要写书评

暂无评论

基于分类器判决可靠度估计的最优线性集成方法

引用

计算机学报 2002年第8期25卷 890-895页

作者：鲁湛丁晓青清华大学电子工程系北京100084 清华大学智能技术与系统国家重点实验室北京100084

多分类器集成的目标是充分利用每一个分类器的长处 ,既要发挥它们的最佳性能 ,又能克服单个分类器的弱点 ,以达到最优的系统识别性能 .该文提出一种基于分类器判决可靠度估计的多分类器集成方法 ,利用各分类器对当前输入样本的判决后验... 详细信息

多分类器集成的目标是充分利用每一个分类器的长处 ,既要发挥它们的最佳性能 ,又能克服单个分类器的弱点 ,以达到最优的系统识别性能 .该文提出一种基于分类器判决可靠度估计的多分类器集成方法 ,利用各分类器对当前输入样本的判决后验概率 ,实时估计它们的分类判决可靠度 ,并指导集成权重系数的分配 .该方法能够使集成权重更灵活地适应不同的输入变化 ,充分利用每个分类器当前的识别能力 ,从而获得更好的集成效果 .该文结合最小均方误差准则 (MSE)下的最优线性集成方法给出了权重模型和训练算法 ,并与其它的线性集成模型作了比较 .实验表明 ,不论在最优化准则下的最终误差还是在实际识别性能上 ,作者提出的方法都取得了最好的效果 .

关键词：分类器判决可靠工估计最优线性集成方法模式识别动态权重分配分类置信度

来源：评论

学校读者我要写书评

暂无评论

分类器组合技术研究及其在人机交互系统中的应用

分类器组合技术研究及其在人机交互系统中的应用

引用

作者：刘明北京交通大学

学位级别：博士

随着模式识别技术中遇到的实际问题的复杂化,单独分类器的性能已经难以满足许多实际应用的要求,分类器组合技术成为提高模式识别系统性能的一种新的重要手段。分类器组合技术研究对于人机交互技术的发展具有重大意义。现代人机交互技术... 详细信息

随着模式识别技术中遇到的实际问题的复杂化,单独分类器的性能已经难以满足许多实际应用的要求,分类器组合技术成为提高模式识别系统性能的一种新的重要手段。分类器组合技术研究对于人机交互技术的发展具有重大意义。现代人机交互技术已经发展到多模态人机交互阶段,其中一个重要的课题是多模态识别。而分类器组合是解决多模态识别问题的一项关键技术。本文结合人机交互中的多模态识别问题,对四种分类器组合问题进行研究:(1)模式类别数量较多的分类器组合问题(类别数大于15);(2)模式类别数量较少的分类器组合问题(类别数在3～15之间);(3)两类分类器组合问题;(4)基于局部分类精度的分类器组合问题。本文针对以上四类问题的特点提出了一些性能较高的分类器组合方法,主要研究成果如下: 1.针对模式类数量较多的分类器组合问题,提出了一类新的排序层分类器融合方法—序号变换法。这类方法将对基本分类器输出的模式类别排序号进行的变换与分类器的加权组合结合起来,从而在融合过程中能够增强小序号值对最终分类的影响。大量实验表明,序号变换法在分类正确率方面超过现有的排序层分类器融合方法0.1～1.0个百分点。 2.针对模式类数量较少的分类器组合问题,提出了一种新的度量层分类器融合方法:多决策模板法(MDT,Multiple Decision Templates)。其决策模板产生方法使得每个决策模板能够抑制一种容易发生的分类错误,从而增加少量决策模板就能够有效地提高分类正确率。在ELENA数据集与UCI数据集上的实验结果表明:与投票法、朴素贝叶斯法、线性融合规则及模板匹配法取得的最高分类正确率相比,该方法将分类正确率提高了0.4～0.9个百分点。与k-近邻规则相比,当训练样本较多时,二者的分类正确率相当,而MDT方法的计算量较小;当训练样本较少时,MDT方法能够取得较高的分类正确率。 3.针对两类分类器组合问题,提出了一种新的度量层分类器融合方法:基于类边界的分类器融合方法(CBCF,Class Boundary based Classifier Fusion)。该方法利用所研究问题在Meta层特征空间上的特点,直接从训练样本中提取类边界,然后基于边界点定义局部线性融合规则。在Phoneme数据集与Ringnorm数据集上的实验结果表明:与投票法、朴素贝叶斯法、模板匹配法及线性融合规则取得的最高分类正确率相比,CBCF方法将分类正确率提高了0.7～1.5个百分点;与k-近邻规则相比,二者的分类正确率很接近,而CBCF方法的计算量为k-近邻规则计算量的1/50～1/20。 4.针对基于局部分类精度的分类器组合问题,提出了一种根据局部分类精度估计分类置信度的方法,从而在解决该类问题时可以采用分类器融合方法代替传统的动态分类器选择方法,提高分类正确率。基于局部分类精度得到分类置信度以后,动态分类器选择等价于度量层分类器融合方法中的Max规则,从而采用性能更好的分类器融合方法能够提高分类正确率。ELENA数据集、UCI数据集与Ringnorm数据集上的大量实验结果表明该方法将分类正确率提高了0.2～13.6个百分点。 5.基于新的分类器组合方法设计了多模态身份识别系统与多模态身份认证系统。身份识别属于模式类数量较多的问题,所以在多模态身份识别系统中采用了序号变换法。身份认证可以作为两类问题处理,所以在多模态身份认证系统中采用了CBCF方法。实验表明本文方法显著提高了系统性能,使身份识别系统的正确识别率从94%(基本分类器正确识别率的最大值)提高到99.71%,身份认证系统的半错误率(HTER,Half Total Error Rate)从5.12%(基本分类器半错误率的最小值)下降到0.92%。最后设计了多模态身份识别系统与多模态身份认证系统,为多模态人机交互中的应用打下了坚实的基础。

关键词：分类器组合人机交互生物特征识别手部特征分类置信度

来源：评论

学校读者我要写书评

暂无评论

网络流量特征提取与分类研究

网络流量特征提取与分类研究

引用

作者：江晖武汉大学

学位级别：硕士

随着人工智能、大数据和5G技术的普及,使人们的生活朝着“万物互联”的方向发展,网络的规模及通信量也在急剧增长。网络在优化人们生活方式的同时,其引发的安全问题也不可忽视。对网络环境中正常和异常流量进行识别作为网络安全防御的... 详细信息

随着人工智能、大数据和5G技术的普及,使人们的生活朝着“万物互联”的方向发展,网络的规模及通信量也在急剧增长。网络在优化人们生活方式的同时,其引发的安全问题也不可忽视。对网络环境中正常和异常流量进行识别作为网络安全防御的重要方式,可以有效降低异常行为流量带来的影响。常用的正常和异常流量分类方式是使用机器学习模型对流量特征进行分类规则的学习,这类方法很大程度上依赖于模型参数的选择,人工调参和网格搜索都需要较多的人为干预,并且耗费大量时间,因此需要更高效优化模型的方式来提升分类性能。同时在网络流量中会存在一些潜在的特征,对这些隐藏特征的挖掘有助于模型更好地学习分类规则。而且机器学习模型在分类中常用的策略是仅根据预测分数大小来输出类别,该方法在分类置信度较低的时候可能产生误报,需要更有效的方法来建立分类规则。为了应对上述问题,本文使用深度学习方法对流量数据做更有效的潜在特征提取,并进一步引入群体智能和机器学习方法来提升流量分类的性能。本文的主要贡献包含以下三点:(1)本文提出基于粒子群优化(Particle Swarm Optimization,PSO)算法优化Xgboost模型的流量分类方法,该方法使用PSO算法在模型的参数空间中自适应地寻找最优参数组合,从而有效提升模型在正常和异常流量识别中的性能,相比于其他集成学习模型其综合性能有一定程度的提升。(2)针对网络流量中存在潜在特征的问题,本文提出基于图卷积的长短时记忆(Long Short-Term Memory,LSTM)网络的流量特征提取方法,使用图卷积对网络流量的空间拓扑结构进行空间特征提取,并使用LSTM模型提取其时序特征,然后结合PSO算法优化后的Xgboost模型来学习更有效的分类规则。(3)进一步提出基于置信度的多模型流量分类方法,在模型分类过程中引入置信度阈值的方式对分类置信度阈值较低的流量做进一步的判断,以提升其识别正常和异常流量的效果。本文通过在UNSW-NB15数据集上进行实验,验证了PSO算法优化Xgboost模型结构的方法在流量分类中的有效性;通过对网络流量进行拓扑结构和时序特征提取,并与特征选择和其他深度学习特征提取方法对比,验证了所提出特征提取方法的性能更优;通过将置信度概念引入到模型分类过程中,使用置信度阈值的方式对易分类错误的流量进行二次判断,与原有分类方法对比验证了该方法的有效性,能够提高分类准确率并降低误报率。

关键词：网络流量分类深度学习特征提取集成学习分类置信度

来源：评论

学校读者我要写书评

暂无评论

基于支持向量机的大数据分析中置信度评价方法、系统、设备及存储介质

基于支持向量机的大数据分析中置信度评价方法、系统、设备及存储...

引用

作者：李扬曦王佩刘科栋彭成维肖林焱王亚箭黄自强 100029 北京市朝阳区裕民路甲3号

本发明公开了一种基于支持向量机的大数据分析中置信度评价方法及系统，应用于互联网骚扰电话的分析领域，对骚扰电话进行评价；本方法基于支持向量机实现了自动分类的置信度评价，提出了海量数据分析领域中分类评价的解决方案，从而高... 详细信息

标准号: CN113780338A

本发明公开了一种基于支持向量机的大数据分析中置信度评价方法及系统，应用于互联网骚扰电话的分析领域，对骚扰电话进行评价；本方法基于支持向量机实现了自动分类的置信度评价，提出了海量数据分析领域中分类评价的解决方案，从而高效、直观对骚扰电话的分类。本方法提供对分析样本进行高效、准确的分类置信度评价。

关键词：骚扰电话支持向量机置信度海量数据分析分类置信度自动分类分析大数据分类样本直观互联网应用

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：