共查询到18条相似文献，搜索用时 66 毫秒
1.
集成算法是机器学习领域的研究热点。随机子空间算法是集成算法的一个主要算法。随机子空间生成的特征子集可能含有冗余特征、噪声特征,影响算法的分类精度。为此,本文提出了一种基于假设间隔的弱随机特征子空间生成算法（WRSSimba）,有效去除了特征子集中冗余特征和噪声特征。在UCI数据集上的实验结果表明,WRSSimba的分类性能优于随机子空间算法和Simba算法。 相似文献
2.
支持向量机作为机器学习中一个经典的分类算法，一直广受数据科学家的喜爱。无论是处理线性可分还是非线性可分数据，传统的支持向量机能够很好地解决二分类问题。针对给定的样本，支持向量机通过最大化最小间隔得到最佳的决策分界面，从而实现对新样本的类别预测。然而现实中的数据更为复杂多样，一方面数据的类别往往多于两个，近年不乏有优秀的多分类支持向量机算法出现；另一方面不同领域的数据的特征集中可能存在相对特殊的变量（称之为主变量，targeted variable），需要将其挑选出来并加以特殊处理，以保持主变量对最终分类结果的重要影响。考虑这两个方面，提出基于角度的变系数多分类支持向量机（TLAMSVM）模型以解决含有主变量的多分类问题。它使用具备更好几何解释能力的基于角度的间隔最大分类框架完成多分类，并引入变系数模型，通过选择合适的局部光滑函数处理主变量对模型的影响。把基于角度的变系数多分类支持向量机分别应用到模拟数据集和真实数据集上。数值结果显示，相比没有使用变系数思想或基于角度的多分类框架的多分类支持向量机，TLAMSVM模型具有更高的预测准确度。 相似文献
3.
由于半导体产业的设计和外包代工制造全球化趋势,使得集成电路容易受到硬件木马造成的严峻威胁。基于电路退化模型等的隐秘硬件木马通常将恶意行为隐藏在正常的芯片行为中,从而难以被传统的测试和验证方法发现。建立一个高效的机器学习框架,利用指令级侧信道功耗特征对无木马和插入木马的芯片电路进行分类。算法模型采用不同的指令和木马构造提取的特征向量集。为评估检测方法性能,在Altera Stratix Ⅱ FPGA中实现基于MC8051微控制器的基准电路,并详细分析在有监督和无监督模式下的5种机器学习算法模型。测试结果表明,综合各种特征条件,有监督的朴素贝叶斯方法检测准确率最高,平均为95%,有监督的支持向量机方法运行时间最短,平均为0.04 s。另外验证了无监督的支持向量机可以作为一种没有黄金参考模型下的有价值方法,即使在恶劣训练条件下,其检测准确率也在17%~72%。 相似文献
4.
《安徽职业技术学院学报》2021,(4):11-16
文章基于用户的移动通信数据进行诈骗用户特征识别,采用XGBoost、LightGBM等有监督的机器学习算法及多模型融合技术实现疑似电信诈骗行为发现和欺诈用户清单输出,将欺诈用户清单反馈给运营商,由运营商做出预警处理,及时提醒用户,防止电信诈骗事件发生。该防欺诈模型在验证集上进行了验证,提高了防欺诈模型的准确率。 相似文献
5.
结合K-means算法和谱聚类方法的优点，提出一种新的高光谱图像聚类方法。该方法在对高光谱图像数据进行特征降维的基础上，采用K-means算法对图像进行粗聚类处理，然后采用谱聚类方法对粗聚类结果进行较高精度的聚类。与K-means聚类算法相比，该方法有效提高了高光谱图像聚类的分类精度。对模拟数据和真实的高光谱数据的对比实验表明，相对于K-means和谱聚类方法，该方法具有良好的聚类性能。 相似文献
6.
在对地观测领域,高光谱图像得到了广泛应用,但存在数据量大、波段间相关性高等问题. 针对以上问题分析了已有的波段选择方法,提出了基于信息量及类间可分离性准则的遗传算法对高光谱图像进行波段选择:构造波段互相关系数矩阵进行子空间划分;利用联合熵作为组合信息量的标准,Bhattacharyya距离作为类间可分离性标准,构造遗传算法的适应度方程,改进了遗传算法中的选择算子. 最后用AVIRIS图像对提出的算法进行试验,并利用最大似然分类法对最优波段组合进行分类,总体分类精度达到94.24%,Kappa系数达到0.94. 相似文献
7.
为解决原始核聚类(Kernel Clustering, KC)中模式信息不足、聚类结果不佳的缺点，以KC为基础，利用Universum学习带来的优势，提出基于Universum学习的核聚类(Universum learning based Kernel Clustering, UKC)方法.首先利用Universum学习生成相应的Universum模式，再利用KC算法把数据集分割成多个簇，最后利用每个簇中所包含的Universum模式和训练模式来更新该簇，从而使得这些簇更加合理.实验表明，该算法可以更好地改善聚类效果和分类器的分类性能、泛化能力和计算效率.虽然该方法的步骤比KC多，但是其较好的聚类性能可以帮助人们处理分类问题. 相似文献
8.
针对车联网环境下无线频谱资源短缺的问题,提出一种基于神经网络的多条件频谱感知组合算法。该算法利用神经网络较强的多分类能力,将信号能量、协方差矩阵的最大特征值、最小特征值、迹和平均特征值融合作为神经网络特征参数实现合作频谱感知,并从理论上分析参数选择方案,算法还充分考虑信道多径衰落和阴影效应导致的信噪比很低的情况以及车辆移动产生的多普勒效应,达到提高频谱感知成功率的目的,从而提高频谱的利用率。仿真结果表明,该算法在低信噪比情况下比已有的频谱感知算法具有更好的检测性能。 相似文献
9.
介绍了一个更有效的基于支持向量机的实时超声波钢轨伤损自动检测分类系统.根据钢轨伤损的特点提取特征量,利用基于支持向量机的分类预测算法实现钢轨伤损的实时检测分类,并基于统计处理的计算伤损尺寸.在嵌入式系统DSP中利用该机器学习算法实现了伤损的实时处理和测试.实现了钢轨伤损实时报警、显示伤损类型、所处轨内位置及程度. 相似文献
10.
任务卸载是雾计算的主要技术之一，即计算能力不足的节点将任务卸载给具有富余资源的节点帮助计算。以优化任务平均卸载时延和提升卸载服务成功率为目标，利用多臂老虎机理论为动态雾计算网络提出一种基于在线学习的任务卸载算法，可实时做出最优卸载决策。将该算法扩展到非稳定网络状态，使之可以动态追踪网络中节点的资源与环境变化，实时调整卸载决策。详细分析所提出算法的性能、复杂度和存储占用情况。仿真结果表明，这两种算法可达到的长期平均任务卸载时延均十分接近理想算法下的最优时延，卸载服务成功率也得到显著提升。此外，所提算法在非稳定的网络状态下能够追踪到计算资源与环境的变化。 相似文献
11.
提出一种基于特征筛选和二级分类的建筑提取算法。该算法首先对极化SAR数据进行精致Lee滤波,获取多维极化特征和纹理特征构成原始特征集;然后将随机森林作为初级分类器评估各特征的重要性,依据重要性排名进行特征筛选;最后通过支持向量机对特征子集进行次级分类,并用邻域投票法将两级分类结果融合。AIRSAR极化数据实验结果表明,本算法可有效提高极化SAR建筑提取准确率。 相似文献
12.
点集匹配是计算机视觉和模式识别中的重要问题，在目标识别、医学图像配准、姿态估计等方面都得到广泛应用。提出基于机器学习的端对端模型——multi-pointer network（MPN）来解决点集匹配问题。该网络模型利用多标签分类的思想，改进pointer network。以前的模型只输出输入序列的一个元素，而MPN模型选择输入序列中的一组元素作为输出。首先，把点集匹配问题转换为序列问题。这样，网络的输入为顶点的坐标序列，输出为点对之间的对应关系。利用这种方式，可以解决相对于整个空间的平移变换和其他大幅度的刚性变换。实验结果表明，模型也可以被推广解决其他带结构的组合优化问题，如三角剖分等。 相似文献
13.
针对现有SVM模型选择方法中人为指定核函数类型导致SVM模型性能难以达到最优的问题,提出了核函数原型的概念,并在此基础上提出一种基于核函数原型和自适应遗传算法的SVM模型选择方法. 该方法针对具体问题选择最优的核函数,有效地提高了SVM模型的性能;同时该方法通过动态调整遗传算法的控制参数,提高了SVM模型选择方法的稳定性. 在5个标准SVM数据集和遥感图像上的实验证明了该方法的有效性和稳定性. 相似文献
14.
针对日长变化难以用精确模型进行预报的问题,将一种新型人工神经网络--极限学习机(extreme learning machine, ELM)用于日长变化预报中.首先针对时间序列预测问题中存在的嵌入维数选取和网络结构设计问题,提出一种基于灰色关联分析(grey relational analysis, GRA)的ELM算法(GRA-ELM),该算法将灰色关联分析输入节点选取嵌入到ELM网络的训练过程中,同时完成嵌入维数和隐层节点规模的确定.然后根据日长变化数据的特点对其进行预处理,建立一种能够高精度、近实时预报日长变化的GRA-ELM预报模型.最后将GRA-ELM模型的预报结果同标准ELM、反向传播神经网络、广义回归神经网络和地球定向参数预报比较竞赛的结果进行比较.结果表明,通过本方法得到的日长变化较其他方法在精度上有较大改善. 相似文献
15.
为在中文网页分类时降低特征向量的维度、提高分类的精度,采用一种基于关联的特征选择(Correlation-based Feature Selection,CFS)与遗传算法(Genetic Algorithm,GA)相结合的方法进行特征选择.在该算法中,特征子集被当作GA中的一个染色体进行二进制编码;利用CFS启发值作为GA的适应度函数对个体进行评价;CFS值越大的个体遗传到下一代的概率越大.结合GA的全局搜索特性,该算法可保证所得特征子集是全局最优的.利用weka平台,对搜狗实验室提供的中文网页数据集进行实验.结果表明,该算法能有效降低特征空间的维度、提高分类精度。 相似文献
16.
柴志成 《贵阳金筑大学学报》2008,(1):23-26
提出了一种基于SVM的网络异常流量检测新方法。分析了支持向量机的基本原理,结合网络流量异常检测的特点,讨论了异常检测的特征选择问题;提出了网络流量相关性、包长度统计变量以及异常报文统计等具有代表性的特征参数,描述了数据的预处理方法。试验结果表明,所选特征参数可有效地检测网络流量异常变化,说明基于支持向量机的在网络异常流量检测具有较好的可应用性。 相似文献
17.
近年来,基于图像增广和一致性正则化的半监督学习（semi-supervised learning, SSL）方法被广泛应用并取得了很大的成功。然而,由于伪标签算法存在"认知偏误"问题,即模型的错误通过伪标签累积从而难以改正,因此很少有人关注基于伪标签（pseudo-labeling, PL）的半监督学习方法。提出一种特征图的原型图注意力特征修正模型（prototype attention layer, PAL）：即在神经网络映射的特征空间上学习一个图注意力模型,将此模型应用于特征空间中,可以充分利用原型的信息来修正特征,将修正后的特征所产生的伪标签与原型分配产生的伪标签随机线性组合,从而得到新的伪标签。将这一模型应用到2种伪标签半监督学习框架上所得到的算法（prototype attention improved pseudo-labeling,PAIPL）,在CIFAR-10和CIFAR-100的多个半监督分类问题上进行测试,分类准确率都得到了显著提升。特别地,将提出的修正模型应用于伪标签半监督学习PLCB框架时,又提出相互混合的监督技术,从而取得了更好的效果。还将提出的模型应用到其他多个伪标签半监督学习框架上,并在多个数据集上进行实验,验证了所提出的模型作为一个附加模块是普适且有效的。 相似文献
18.
为了从轿车图像中快速、准确地识别出轿车车型,采用支持向量机(Support Vector Machine,SVM)方法作为分类器,以轿车的长、宽、高和轴距等4个特征参数作为输入特征向量,并根据这些特征向量对不同车型进行分类和识别.实验结果表明,对11个品牌15种车型的识别准确率达100％.本研究表明,在正确选取轿车的特... 相似文献