检索结果-内蒙古大学图书馆

红外与毫米波学报 2004年第6期23卷 418-422页

作者：方勇戚飞虎上海交通大学计算机科学与工程系上海200030

提出了一种基于支撑向量机的多类分类器,用N1个支撑向量机组合构成一个具有二叉树结构形式的N多类分类器.讨论了该多类分类器的泛化推广能力,同时还提出了该多类分类器的基于特征空间的BTSVM学习算法.BTSVM算法使用核函数转换的方式计... 详细信息

提出了一种基于支撑向量机的多类分类器,用N1个支撑向量机组合构成一个具有二叉树结构形式的N多类分类器.讨论了该多类分类器的泛化推广能力,同时还提出了该多类分类器的基于特征空间的BTSVM学习算法.BTSVM算法使用核函数转换的方式计算特征空间的样本距离;采用类间最小距离最大化作为聚类准则,在每个决策结点产生两个最优子集;然后采用支撑向量机学习算法学习两个最优子集,确定决策结点的最优分类面.理论和实验结果表明,本文提出的基于支撑向量机的多类分类器在整体性能上要优于其它类似的分类器系统.

关键词：支撑向量机多类分类多类模式识别学习算法基于特征分类器结点类似最优子集核函数

来源：评论

学校读者我要写书评

暂无评论

多类模式识别的动态多叉树算法研究与实现

引用

计算机研究与发展 2003年第1期40卷 115-122页

作者：温津伟罗四维王宝静北方交通大学计算机科学技术学院北京100044 北京红旗中文贰仟软件技术有限公司北京100086

研究模式识别方法提出动态多叉树算法 ,用以解决实际环境中复杂的或大模式类别学习及系统动态扩展问题 ,该算法利用分治和局部最优原理缩小目标范围 ,结合整体学习方法提高识别率 ,模拟人脑的循序渐进学习方式 ,实现知识增殖和继承 ... 详细信息

研究模式识别方法提出动态多叉树算法 ,用以解决实际环境中复杂的或大模式类别学习及系统动态扩展问题 ,该算法利用分治和局部最优原理缩小目标范围 ,结合整体学习方法提高识别率 ,模拟人脑的循序渐进学习方式 ,实现知识增殖和继承可解决现有识别系统在学习新知识会破坏已有知识 ,需重新学习的问题并具有较高的识别率 ,可有效地处理巨模式类识别的问题该系统可以用于人脸、字符、指纹等对象的识别分类系统的构造方法体现其通用性 ,性能分析表明其可行性。

关键词：多类模式识别动态多叉树算法知识增殖知识继承相似度矩阵

来源：评论

学校读者我要写书评

暂无评论

基于半监督boosting表面肌电信号多类模式识别

引用

吉林大学学报（工学版） 2013年第5期43卷 1415-1426页

作者：李阳田彦涛陈万忠北京石油化工学院信息工程学院北京102617 吉林大学通信工程学院长春130022 吉林大学工程仿生教育部重点实验室长春130022

针对表面肌电信号较为复杂,且获取标注样本代价较大的问题,提出了基于半监督boosting学习的表面肌电信号多类模式识别方法。与目前半监督boosting算法着重解决两类分类问题,将多类问题转化为多个两类问题不同,本文方法通过联合分类置信... 详细信息

针对表面肌电信号较为复杂,且获取标注样本代价较大的问题,提出了基于半监督boosting学习的表面肌电信号多类模式识别方法。与目前半监督boosting算法着重解决两类分类问题,将多类问题转化为多个两类问题不同,本文方法通过联合分类置信度及样本间相似度确定每次迭代过程中未标注样本的预测类别,达到利用未标注样本提高多类问题正确识别率的目的,避免了将某一样本划分多类的问题。由实验分析可知,本文算法与现有半监督boosting算法相比,正确识别率更高,对于不同标注样本数及不同基分类器具有较好的鲁棒性。本文方法降低了人工标注代价,对多类问题具有良好的识别效果。

关键词：信息处理技术肌电信号半监督算法 boosting 多类模式识别

来源：评论

学校读者我要写书评

暂无评论

一种新的多类模式识别支撑向量机

引用

模式识别与人工智能 2002年第2期15卷 178-181页

作者：卫保国王爱民沈兰荪北京工业大学信号与信息处理研究室北京100022

两类支撑向量机(SVM)用于模式识别具有最优的推广能力.对于常见的多类识别问题,需要构造多类SVM.本文提出一种新的基于决策树的构造方法,由此构成的多类SVM (DTSVM),与现有的方法相比,具有更快的计算速度,适用于需处理样本数较多的识别... 详细信息

两类支撑向量机(SVM)用于模式识别具有最优的推广能力.对于常见的多类识别问题,需要构造多类SVM.本文提出一种新的基于决策树的构造方法,由此构成的多类SVM (DTSVM),与现有的方法相比,具有更快的计算速度,适用于需处理样本数较多的识别问题.

关键词：多类模式识别支撑向量机小样本学习机器学习

来源：评论

学校读者我要写书评

暂无评论

基于支持向量机的多类模式识别模型

基于支持向量机的多类模式识别模型

引用

作者：吴换妮重庆大学

学位级别：硕士

支持向量机分类理论是针对两类问题提出的,如何有效地将其推广到多类是一个尚未完全解决的问题。目前解决多类问题的途径主要有两种:一种是在经典支持向量机分类理论的基础上,直接构造支持向量多值分类模型;另一种是利用将两类问题扩展... 详细信息

支持向量机分类理论是针对两类问题提出的,如何有效地将其推广到多类是一个尚未完全解决的问题。目前解决多类问题的途径主要有两种:一种是在经典支持向量机分类理论的基础上,直接构造支持向量多值分类模型;另一种是利用将两类问题扩展到多类问题的策略,将多类问题逐步转化为两类问题。论文是在经典支持向量机分类理论的基础上,利用将两类问题转化为多类问题的方法,针对实际多分类问题样本数据的特点,对已有多分类模式识别模型进行改进和扩展。主要的研究成果有: ①针对“一对一”的二叉树多类模式识别模型的主要缺陷和分类模式特征变量多的问题,运用多重判别分析方法对特征变量进行特征提取和压缩,结合多类模式识别规则,建立基于多重判别分析的支持向量机多类模式识别模型。该模型不仅充分利用了训练样本的类内与类间信息,一定程度上提高了分类器的识别准确率,并且起到了降维作用。随后通过数据实验验证了该模型的可行性和有效性。 ②从分类问题原始数据获取的途径出发,用于分类的一些训练数据获取困难,即在建立分类模型时,有时会出现少数类别没有相应的训练样本。在经典支持向量机分类理论的基础上,将原来分类函数的输出定义为三种不同的输出,运用多类模式识别模型的分类决策思想,建立了动态多分类识别模型。该模型不仅可以有效地解决拒分问题,而且可以识别一些新类别样本,并充分利用获得的新样本信息,修正模式识别模型,实现了动态分类。随后通过数据实验验证了该模型的可行性和有效性。 ③在现实生活中,噪声污染使样本对分类超平面的贡献不一样,特别对于某些问题,样本不能明确地归为某一类,所以在研究分类时,不能只考虑两个极端情况,属于某一类的概率是1,或者不属于某一类的概率为1。对这种不确定性分类问题,用贝叶斯后验概率作为样本的类别标签,在后验概率支持向量机分类理论的基础上,利用“一对一”分类理论的分类思想,建立了基于后验概率矩阵的多类模式识别模型。该模型为不确定性多类问题提供了一个有效解决方法,分类性能有了较大提高。随后通过数据实验验证了该模型的可行性和有效性。上述三种支持向量机的多类模型构建主要运用了模型的集成思想,基于度量级的分类模型的建立是今后的发展方向。

关键词：支持向量机多类模式识别二叉树不确定性贝叶斯后验概率

来源：评论

学校读者我要写书评

暂无评论

一种用于多类模式识别的综合感知器网络和学习算法

引用

北京理工大学学报 2001年第4期21卷 459-463页

作者：易中凯吴沧浦北京理工大学自动控制系北京100081

提出一种由感知器神经元组合成的综合网络模型及相应的学习算法 .网络由 3层感知器神经元组成 ,中间层到输出层的权值相应地为 +1或 - 1.输入层到中间层的权值通过学习获得 ,且中间层每个神经元的权值单独学习完成 .该学习算法在有限次... 详细信息

提出一种由感知器神经元组合成的综合网络模型及相应的学习算法 .网络由 3层感知器神经元组成 ,中间层到输出层的权值相应地为 +1或 - 1.输入层到中间层的权值通过学习获得 ,且中间层每个神经元的权值单独学习完成 .该学习算法在有限次迭代步骤内终止 .当算法终止时 ,对于可线性划分的多类模式识别问题总是能找到正确的解 .如果还有模式不能识别 ,则说明这是一个不可线性划分的多类模式识别问题。

关键词：感知器神经元综合网络模型多类模式识别增广型模式向量增广型权向量学习算法

来源：评论

学校读者我要写书评

暂无评论

基于核聚类方法的多层次支持向量机分类树

引用

计算机工程 2005年第5期31卷 172-174页

作者：张国宣孔锐施泽生郭立刘士建薛明东中国科学技术大学电子科学与技术系合肥230026

针对解决多类模式识别问题的SVM方法进行研究,在比较常用的几种多类SVM分类算法基础上,提出了一种基于核聚类方法的多层次SVM分类树,将核空间中的无监督学习方法和有监督学习方法结合起来,实现了一种结构更加简洁清晰、计算效率更高的多... 详细信息

针对解决多类模式识别问题的SVM方法进行研究,在比较常用的几种多类SVM分类算法基础上,提出了一种基于核聚类方法的多层次SVM分类树,将核空间中的无监督学习方法和有监督学习方法结合起来,实现了一种结构更加简洁清晰、计算效率更高的多层SVM分类树算法,并在实验中取得了良好的结果。

关键词：多类模式识别支持向量机核聚类统计学习理论

来源：评论

学校读者我要写书评

暂无评论

基于核聚类方法的多层次支持向量机分类树

引用

控制与决策 2004年第11期19卷 1305-1307,1311页

作者：张国宣孔锐施泽生郭立刘士建薛明东中国科学技术大学电子科学与技术系安徽合肥230026

针对解决多类模式识别问题的SVM方法进行研究,在比较几种常用的多类SVM分类算法的基础上,提出一种基于核聚类方法的多层次SVM分类树,将核空间中的无监督学习方法和有监督学习方法结合起来,实现了一种结构更加简洁清晰、计算效率更高的多... 详细信息

针对解决多类模式识别问题的SVM方法进行研究,在比较几种常用的多类SVM分类算法的基础上,提出一种基于核聚类方法的多层次SVM分类树,将核空间中的无监督学习方法和有监督学习方法结合起来,实现了一种结构更加简洁清晰、计算效率更高的多层SVM分类树算法,并在实验中取得了良好的结果.

关键词：多类模式识别支持向量机核聚类统计学习理论

来源：评论

学校读者我要写书评

暂无评论

超球体多类支持向量机及其在DDoS攻击检测中的应用

超球体多类支持向量机及其在DDoS攻击检测中的应用

引用

作者：徐图西南交通大学

学位级别：博士

分布式拒绝服务(DDoS)攻击通过操纵“僵尸网络”,向受害主机发起海量的垃圾请求,使受害主机完全超过工作负荷而无法响应正常用户的请求,达到拒绝服务的目的。由于“僵尸网络”是由分布在全球的有安全缺陷的主机组成,受到攻击者的幕后指... 详细信息

分布式拒绝服务(DDoS)攻击通过操纵“僵尸网络”,向受害主机发起海量的垃圾请求,使受害主机完全超过工作负荷而无法响应正常用户的请求,达到拒绝服务的目的。由于“僵尸网络”是由分布在全球的有安全缺陷的主机组成,受到攻击者的幕后指挥,而且又可用虚假IP地址发起的攻击,因此很难通过IP包中的信息来发现真正的攻击者,在网络上发起DDoS攻击对攻击者而言相对比较安全,使得这种攻击对Internet安全造成了极大的威胁。为了遏制DDoS在互联网上泛滥,必须对DDoS的防御措施进行研究。若要有效防御DDoS攻击,首先需要准确地检测到DDoS。由于DDoS常常使用虚假IP地址,而TCP/IP协议并不对IP地址进行认证,因此无法识别哪些包使用了虚假IP地址,这就给检测DDoS带来了困难。 DDoS检测已经成为网络安全的研究热点,已经提出了不少检测算法。这些算法的一个共同点是,寻找到DDoS攻击的某个数值特征,根据这个数值特征来反映攻击是否存在。一方面,由于网络流的随机性和复杂性以及攻击行为的多样性使得通过单一特征来检测DDoS的方法的可靠性受到质疑,它们容易将突发的大流量正常数据流也识别为攻击而造成误警率过高。为了准确地检测DDoS,必须使用多个属性进行检测。另一方面,为了有效地防御DDoS,要求检测环节能尽可能多地提供攻击流的信息,例如同时提供攻击强度、攻击方式和攻击协议的信息。综合考虑,一种可行的方法是采用多类模式识别的方法,根据攻击强度、攻击方式和攻击协议的不同,将攻击分为24种不同的类型,寻找到一组能区分各类攻击的特征向量,然后采集不同类型攻击的样本,对多类学习机进行训练;检测阶段,采集网络流的特征数据,送到训练好的学习机中进行检验,以获得的类标来判断是否有攻击发生以及相应的攻击强度、攻击方式和攻击协议的信息。支持向量机(SVM)是基于统计学习理论(SLT)的新型学习机,它集最大间隔超平面、Mercer核、凸二次规划、稀疏解和松弛变量等技术于一身,可以克服传统学习机的局部最小、维数灾难和过学习等问题,是一种性能良好的分类器。标准的SVM是个二分类器,若用SVM解决多类分类问题,需要将SVM扩展到多类。目前的主要思路是将多类问题转化为一系列的二分类问题,然后由多个SVM进行分类,例如常用的1-v-r和1-V-1分类器。这种方法可有效实现多分类功能,但因它是以间接的方式形成的分类能力,需要训练的SVM数量较多,所以它们的学习效率不高,不适合类别多、训练规模大的问题。因此,间接型多类SVM不适用于DDoS攻击检测。由于DDoS分类类别比较多,需要效率更高的直接型多类学习机。在前人工作的基础上,建立了直接型多分类器——超球体多类支持向量机(HSMC-SVM)的概念。建立超球的原则是,对某类样本,在超球半径尽可能小的情况下,包含该类样本尽可能多。为每类样本建立一个超球,N类样本就建立N个超球,在空间中形成像肥皂泡一样的分类结构。在判决时,测试样本离哪个超球最近,就属于那个超球代表的类,这就是HSMC-SVM的分类原理。它是以直接的方式形成分类能力,具有学习容量大、训练速度快、可扩展性强的优点。每个超球的确定相当于求解一个凸二次规划(QP)问题,根据训练SVM的SMO算法的思想,建立了HSMC-SVM的SMO训练算法,并给出了“二阶逼近”的工作集选择法,使得训练速度进一步提高。在加快训练速度方面,还采用了样本缩减和核矩阵缓存的策略。通过理论分析已经证明,HSMC-SVM的分类误差有界。实验表明,HSMC-SVM在训练和测试速度上较1v-r和1-v-1分类器有较大幅度提高,但分类精度略有下降。为了进一步提高训练速度和训练精度,将最小二乘法引入到HSMC-SVM中,提出了最小二乘超球支持向量机(LSHS-MCSVM)的概念。与HSMC-SVM相比,LSHS-MCSVM在目标函数中使用了二次函数,将不等式约束改为等式约束,并取消了乘子的取值限制,使得LSHS-MCSVM在乘子搜索和优化计算方面速度更快,从而加快了它的整体收敛速度。LSHS-MCSVM的训练仍可使用SMO算法,在“一阶逼近”和“二阶逼近”的工作集选择下,LSHS-MCSVM的收敛速度比基于经验的工作集选择法有进一步提高。由于都使用球形分类结构,LSHS-MCSVM与HSMC-SVM有类似的学习误差上界。数值实验表明,在不降低分类精度的情况下,LSHS-MCSVM比HSMC-SVM有更快的训练速度,在某些数据集上,LSHS-MCSVM还有更高的学习精度。为了区分不同类型的攻击,对DDoS攻击流进行分析,提取了9维相对值(RV)特征向量。分别将HSMC-SVM和LSHS-MCSVM用于DDoS攻击检测。实验表明,它们完全能区分不同类型的攻击,并能

关键词：分布式拒绝服务攻击支持向量机多类模式识别超球体多类支持向量机最小二乘超球多类支持向量机工作集选择

来源：评论

学校读者我要写书评

暂无评论

触点零件形貌在线自学习视觉检测系统研究

触点零件形貌在线自学习视觉检测系统研究

引用

作者：戴舒文上海交通大学

学位级别：硕士

触点零件是工业中重要的电器元件,完成关键的切换功能,是决定电器使用寿命的主要因素,触点零件的表面形貌对零件的接触性能起着相当重要的作用。目前国内检测手段落后,采用计算机视觉检测的方法代替人工具有很大的实际应用价值。针对触... 详细信息

触点零件是工业中重要的电器元件,完成关键的切换功能,是决定电器使用寿命的主要因素,触点零件的表面形貌对零件的接触性能起着相当重要的作用。目前国内检测手段落后,采用计算机视觉检测的方法代替人工具有很大的实际应用价值。针对触点零件形貌多样的特点,本文研究开发能够实现自适应学习功能的在线视觉检测系统。论文通过对检测需求的分析,设计了系统的整体结构和自学习检测流程,详细讨论了系统各个组成部分的功能及选型,并设计了软件系统的功能模块及工作流程。根据检测系统实时性和准确性的要求,本文在图像处理阶段研究了基于高斯滤波模板的快速有效图像预处理方法,针对触点零件图像特点提出了一种基于改进极小值点的自适应阈值分割算法和多图中值阈值确定算法,并构建了5大类图像特征库,共包含45个特征。通过对多类别模式识别主要因素的分析研究,提出了特征预处理方法和基于典型变量的特征优化算法,设计了一种两类浮动搜索-多类后向选择算法实现多类别特征选择,并结合支持向量机多级二叉树的多类别分类策略,共同实现了多类别触点零件快速学习和分类检测。在上述工作基础上,论文搭建了试验硬件平台,开发了实现上述算法的相关软件,对多组零件进行了试验,取得了较好的试验结果。论文也分析了误差来源,提出进一步研究改进的方向。

关键词：触点形貌计算机视觉在线检测图像处理多类模式识别

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：