中国科学技术信息研究所--国家工程技术数字图书馆

[学位论文] 张京西安交通大学 2003年硕士导师: 齐春共77页

摘要 : 在近百年的发展过程中,模式识别技术已经成功的应用于许多科学和技术领域,推动了人工智能系统的发展,取得了大量的成果.分类器技术是模式识别系统中的一个关键环节,通过对分类器理论和算法的深入研究,可以有效的提高模式识别系统的性能.该论文主要讨论... 展开

关键词 : K近邻分类器模糊决策树分类器径向基神经网络分类器支持向量机分类器多分类器融合

2. SVM分类器的扩展及其应用研究

[学位论文] 梁燕湖南大学 2008年硕士导师: 徐向阳共55页

摘要 : 支持向量机是数据挖掘中的一项新技术，是一个理论完备、适应性强、全局优化、泛化性能好的分类器。在若干挑战性的应用中，获得了目前为止最好的性能。本文的主要内容是在研究经典SVM算法的基础上，以解决实际问题，拓广SVM的适用范围为出发点，研究... 展开

关键词 : 分类器扩展

3. 基于AdaBoost和SVM的快速行人检测方法研究

[学位论文] 李瑞帅桂林电子科技大学 2014年硕士导师: 朱名日共94页

摘要 : 行人检测作为计算机视觉领域的重要研究课题之一,在智能监控、汽车辅助驾驶、救援辅助等领域有广泛的应用前景。但行人外形多变,衣着不同造成行人特征描述困难,现阶段的行人检测方法在检测精度与检测速度上都很难达到应用水平。本文首先对现阶段... 展开行人检测作为计算机视觉领域的重要研究课题之一,在智能监控、汽车辅助驾驶、救援辅助等领域有广泛的应用前景。但行人外形多变,衣着不同造成行人特征描述困难,现阶段的行人检测方法在检测精度与检测速度上都很难达到应用水平。本文首先对现阶段的行人检测方法进行学习分析,对行人特征描述子的选择与行人的快速检测方法等技术进行研究,设计实现了一种快速行人检测方法,具体研究内容如下: 1.研究学习常用的行人特征描述子,分析常用特征的计算原理,设计实验,在相同的应用环境下,计算各种特征并结合SVM分类器进行分类测试,对比各特征对应的检测精度与特征提取速度,结果表明聚合通道特征不管是在检测精度(大于92%)还是在特征计算速度(350fps)上都具有明显优势。 2.AdaBoost分类器在分类检测应用中具有检测速度快精度高的优点,但同时AdaBoost分类器的训练时间非常耗时,特别是精度要求较高,弱分类器数目很多的情况。本文将深度为2的决策树作为弱分类器,为优化AdaBoost分类器训练过程,加速弱分类器的训练速度,设计实现了一种通过量化预处理训练样本特征,加快弱分类器训练速度的方法,与传统方法相比较该方法减少了弱分类器训练中遍历样本的次数,速度提高了2个数量级。 3.AdaBoost分类器训练过程的开始阶段添加弱分类器对检测精度的提高明显,而随着弱分类器的增多,添加弱分类器的作用下降,且训练分类时间增加。针对这个问题,在弱分类器数目过多时,使用 SVM分类器综合完成分类,实现了 AdaBoost与线性SVM的级联结构,使用SVM分类器对AdaBoost未能正确分类的样本进行进一步判断,将检测精度提高了7%左右。SVM的训练只针对AdaBoost弱分类器对应的特征点,最终得到的线性SVM分类器分类速度得到了保证。 4.为提高检测速度,检测过程中使用图像特征金字塔层间的近似关系加速特征金字塔的构建。首先计算图像的稀疏采样特征金字塔,其对应的精密采样特征金字塔各层特征由临近的稀疏金字塔对应层特征近似计算,实验结果表明,使用特征金字塔快速计算法在不影响检测精度的情况下将检测速度提高了3~5倍。收起

关键词 : 聚合通道特征 AdaBoost分类器 SVM分类器支持向量机级联分类器图像特征金字塔

4. 多分类器选择关键技术的研究

[学位论文] 郭红玲江苏大学 2008年硕士导师: 程显毅共63页

摘要 : 近年来，多分类器融合技术已成为模式识别和机器学习领域研究的热点之一。多分类器融合比单个分类器更有效的理由是融合中的分类器不仅是精确的而且是错误差异的，在保证分类能力的前提下，融合中个体分类器数目越少，系统的复杂性越低。早期构造的个... 展开近年来，多分类器融合技术已成为模式识别和机器学习领域研究的热点之一。多分类器融合比单个分类器更有效的理由是融合中的分类器不仅是精确的而且是错误差异的，在保证分类能力的前提下，融合中个体分类器数目越少，系统的复杂性越低。早期构造的个体分类器是直接生成的，但实际中不能保证错误是差异的，所以生成的个体分类器可能是冗余的。为此，人们又提出了“过产生，再选择”的策略。过产生阶段采用直接策略生成融合中的个体分类器；再选择阶段是对过产生阶段的优化，通过优化产生分类效果好的分类器系统。研究者希望能够利用核聚类以及差异性度量对分类器融合性能的预测来指导多分类器的选择过程。本文针对分类器融合的两个目标：融合后的分类器是精确的：融合中的个体分类器是错误差异的。对个体分类器选择算法进行了研究。本文的主要工作包括： (1)提出了一种基于差异性度量的选择性分类器集成方法(Diversity measurebased selected ensemble DMSE)，将周志华的选择性集成方法SEME(Selectiveensemble of multiple eigenspaees)引入到多分类器选择中，而且利用了差异性度量的方法，对融合中的分类器进行了选择。实验结果表明，该算法在减少用于融合的分类器数目的同时，保证了准确率比bagging高。 (2)提出了一种基于核聚类的多分类器选择算法(Kernel cluster based selectedensemble KCSE)，将无监督分类方法核聚类引入到多分类器选择系统中，利用核聚类的准确聚类将特征空间划分为小的区域，从而实现对每个分类器性能的度量。理论分析和实验结果表明，该算法可以获得不错的分类效果。 (3)从个体分类器准确率和差异性两方面考虑，提出了一种基于核聚类和差异性度量的多分类器选择算法(Kernel cluster and diversity measure based selectedensemble KCDMSE)。将核聚类和差异性度量分别引入到分类器的选择中，第一阶段利用核聚类进行准确率选择中，我们利用了分类器在某一样本区域识别率比较好，而其他区域差的特性，计算了识别率。第二阶段的差异性选择中，利用了融合的分类器必须有差异才能促进融合，对分类器集进行了选择。通过两次选择保证了个体分类器具有较高的识别准确率和错误差异性，实现了多分类器融合系统的简化和优化。UCI数据库和ELENA数据库上的实验表明，该算法具有较高的分类准确率。收起

关键词 : 多分类器模式识别机器学习个体分类器

5. 基于CNN模型的半监督词义消歧

[学位论文] 赵凌云哈尔滨理工大学 2020年硕士导师: 张春祥共62页

摘要 : 词义消歧在自然语言处理领域中是一个重要的研究问题。歧义词汇在不同的上下文中具有不同的含义。词义消歧是指采用一定的策略或算法自动确定歧义词语义的过程。词义消歧在搜索引擎、机器翻译和文本理解中具有重要的应用。本文通过对词义消歧知... 展开词义消歧在自然语言处理领域中是一个重要的研究问题。歧义词汇在不同的上下文中具有不同的含义。词义消歧是指采用一定的策略或算法自动确定歧义词语义的过程。词义消歧在搜索引擎、机器翻译和文本理解中具有重要的应用。本文通过对词义消歧知识和深度学习模型的研究，结合卷积神经网络(Convolution Neural Network，CNN)模型和贝叶斯模型，提出了一种半监督的词义消歧方法。利用训练语料来优化贝叶斯分类器和CNN分类器，结合半监督方法对无标注语料进行语义分类。将具有相同语义分类结果的语料加入训练语料中，并优化这两个词义消歧分类器。不断重复这一过程直到获得优化后的CNN分类器。在本文中主要对以下三个方面作了介绍和研究：其一，详细介绍了词义消歧的研究内容和意义，以及国内外的研究现状和发展。根据当前各个应用领域的现状，分析了词义消歧技术面临的难题和未来发展趋势。其二，详细介绍了实验中需要的语料库和《同义词词林》，并对语言学知识进行了分析，确定了消歧特征的提取过程。对语料库的背景和数据进行了说明，介绍了语料的预处理过程。详细地说明了利用贝叶斯分类器、BP神经网络分类器和CNN分类器进行消歧的过程。其三，结合贝叶斯分类器和CNN分类器利用半监督方法进行词义消歧。利用训练语料来优化贝叶斯分类器和CNN分类器。使用两个优化后的分类器对无标注语料进行语义分类。若两个分类器对句子的语义分类结果一致，则将其加入训练语料中。重复这一过程，不断地优化贝叶斯分类器和CNN分类器。利用优化后的CNN分类器来对测试语料中的歧义词汇进行消歧，并对消歧结果进行了测试。实验结果表明：本文所提出方法的消歧效果要好于贝叶斯分类器和CNN分类器。收起

关键词 : 词义消歧贝叶斯分类器 CNN分类器消歧特征

6. 基于组合分类器的智能医学诊断研究

[学位论文] 周舒冬中山大学 2007年硕士导师: 张磊共55页

摘要 : 在医学领域中，利用模式识别技术来协助临床医生做一些疾病诊断的预测是相当有意义的，一些恶性肿瘤或突发重疾，长期以来死亡率居高不下，究其原因主要是早期诊断比较困难。故借助模式识别技术对复杂多变的疾病进行早期分类诊断是非常有意义的研究。... 展开

关键词 : 组合分类器智能医学诊断分类器融合

7. AdaBoost中加权方式的改进

[学位论文] 刘雪莲北京交通大学 2010年硕士导师: 王志海共71页

摘要 : 在数据挖掘领域中,分类是一种非常重要的技术。现在有很多种分类技术,如贝叶斯,决策树等,这些分类器都是单分类器。人们为了提高分类器的技术做了很多的研究,但是目前单分类器性能的提升已经达到了一个瓶颈,人们根据弱学习和强学习等价性的原理,提出了... 展开在数据挖掘领域中,分类是一种非常重要的技术。现在有很多种分类技术,如贝叶斯,决策树等,这些分类器都是单分类器。人们为了提高分类器的技术做了很多的研究,但是目前单分类器性能的提升已经达到了一个瓶颈,人们根据弱学习和强学习等价性的原理,提出了集成学习的概念。所谓集成,就是将多个不同的分类器,通过一定的方法,利用相关的技术最终形成一个组合分类器。集成学习,即分类器集成也叫做分类器组合,形成的最终的分类器叫做组合分类器,它是组合多个分类器对实例进行分类的系统,其中每个分类器被称为基分类器。实验表明,多分类器组合能显著提高分类器的分类性能。因此对其进行研究,具有重要的理论价值及现实意义。本文首先对集成学习的各个主要研究方向做出了综合性的阐述,包括集成学习的概念,产生原因,生成方式,组合方式以及其意义等。并介绍了加权的一些研究内容,包括可以用来加权的对象等。接下来详细介绍了集成学习中的Boosting技术和Bagging技术。由已有的研究成果的总结可知,集成学习由两个阶段组成:产生多样性的预测模型和对这些模型进行组合。本文针对这两个阶段,对AdaBoost提出两种不同的改进,通过改进其加权方式来进一步提高算法的分类准确率。第一,传统的AdaBoost算法中的每个基分类器的权重是根据对训练集进行分类时所得到的错误率得到的,那么它的权重对于待测实例来说是静态的。如果把每个基分类器给待测实例预测类值时,所取类值的概率加入考虑范围,那么给基分类器所赋的权值就更侧重于待测实例的真实情况。第二,传统的AdaBoost算法在建立基分类器时,需要不断调整训练集中实例的权值,依据的是基分类器对训练集进行分类时的错误率。所有被分错的实例均用同一个权重因子进行加权。但是每个实例被分错时,是以不同的可能性被分错的,然而却被等同看待。如果加权时把分错概率的大小考虑到加权因子中,会使实例的权值更利于建立一个分类精度高的分类器。最后,在Weka系统上实现了这两个新算法以及比较算法,并通过实验进行了多方面的比较。实验结果表明,本文提出的两个算法准确率均优于传统AdaBoost算法,算法性能确实得到了提高。收起

关键词 : 数据挖掘分类器集成学习分类器组合 AdaBoost bagging 加权

8. 基于视觉与自身状态感知的星球车地形识别系统研究

[学位论文] 张兴扬哈尔滨工业大学 2023年硕士导师: 黄博共77页

摘要 : 星球表面可行走的地形主要包括松软沙土、基岩、小石子和沙石混合等四种地形，准确地识别地形不仅对星球车的安全性非常重要，也对轮式行星探测车的运动控制和路径规划起着重要作用。目前地形识别方法主要利用视觉信息和振动信息，基于视觉信息... 展开星球表面可行走的地形主要包括松软沙土、基岩、小石子和沙石混合等四种地形，准确地识别地形不仅对星球车的安全性非常重要，也对轮式行星探测车的运动控制和路径规划起着重要作用。目前地形识别方法主要利用视觉信息和振动信息，基于视觉信息的地形识别方法容易受光照强度的影响，而基于振动信息的地形识别方法则需要星球车进入危险地形后才能感知。使用真实的星球地形照片构建地形数据集，并通过深度学习模型对数据集进行优化。调整后的数据集用于不同模型的训练，并通过结果对比挑选出YOLOv5算法用于构建基于视觉的地形分类器。为提高地形识别准确度，使用迁移学习和数据增强方法对模型的性能进行优化。结果显示，模型的精度得到了显著的增强。为防止视觉分类器因光照影响而发生误分类，本文利用星球车自身振动信号对地形进行分类。IMU用于采集星球车本体振动信息，傅里叶变换和将振动信号的转换到频域以便更好地提取振动信息特征。为提高训练速度和模型精度，对数据进行归一化和降维。最后，制作好的标签数据和优化算法用于支持向量机模型的优化，结果表明支持向量机可对地形进行准确的分类。为避免火星车因沉陷而卡死，利用轮壤力学模型对松软沙土地形敏感的特点，构建了可识别部分地形的力学模型地形识别器。通过搭建数据采集平台采集了轮壤接触力、力矩、进入角等数据，在进行传感器的校准后，完成了各项参数的采集并进行轮壤作用参数范围的确定，最终确立了以轮壤接触参数辨识地形与接触角检测车轮沉陷情况的力学模型识别器。搭建基于视觉分类器、振动信息分类器和力学模型分类器的地形识别系统可保证地形识别的准确性和鲁棒性。本文利用星球车原理样机和模拟地形搭建了星球地形识别算法的检验系统，并验证了提出的地形识别系统的有效性和鲁棒性。收起

关键词 : 轮式星球车地形识别系统星球模拟环境视觉分类器振动信号分类器力学模型分类器

9. 多分类器融合的文本分类研究

[学位论文] 邹晴湖北工业大学 2015年硕士导师: 钮焱共58页

摘要 : 随着社会经济和信息技术的迅速发展，各类信息呈现出爆炸式增长，而文本数据依旧是最主要、最直接的信息载体。为从海量文本信息中快速有效地提取有价值的信息，数据的分析及利用方法展现出了必要性，这也使得信息检索、信息过滤等技术正在不断被人们... 展开随着社会经济和信息技术的迅速发展，各类信息呈现出爆炸式增长，而文本数据依旧是最主要、最直接的信息载体。为从海量文本信息中快速有效地提取有价值的信息，数据的分析及利用方法展现出了必要性，这也使得信息检索、信息过滤等技术正在不断被人们深入研究和广泛应用。作为它们的基础工作，文本分类特别是其重要分支的中文文本分类技术具有重要的研究意义。计算机自动判别文本的类别并不是件轻而易举的工作，人们需要预先设定好类别标准，对文本进行符号化描述，转化为计算机能够识别和理解的方式，并设计对应的文本分类算法，从而利用计算机强大的运算能力代替人工进行分类。课题就应用模糊积分进行多分类器融合的文本分类技术展开研究，论文首先说明了相关的研究背景和意义，分析了国内外文本分类技术的研究现状，叙述了本文中采用的研究方法及内容，然后介绍了神经网络分类器与kNN分类器，提出了由于不同的文本分类器各自存在优势与不足，故通过多分类器联合可以进一步提高分类准确性的新观点，而模糊积分则是其中一种有效的联合方法。再对以模糊积分为融合工具的多神经网络分类器的联合文本分类以及多kNN分类器的联合文本分类从建立模型到如何应用于文本分类中进行了详细的阐述，并对这两种多分类器融合的文本分类的适用情况进行了一定探讨。本文所做的主要研究工作是选取BP神经网络分类器、RBF神经网络分类器和采用K-means算法的RBF神经网络分类器，分别利用Sugeno模糊积分和Choquet模糊积分作为融合算子，将多个神经网络文本分类器结合起来，又选取kNN分类器、类内均值kNN分类器及基于中心向量分类方法改进的kNN分类器，利用Sugeno模糊积分和Choquet模糊积分作为融合算子，将多个kNN分类器结合起来，以求得更加理想的中文文本分类结果。论文最后，运用算例将单个文本分类器各自的计算结果和多分类器融合的文本分类结果进行了对比，表明基于模糊积分的多分类器融合的文本分类方法比传统的单个文本分类器准确率有了一定的提高。通过本课题的研究，为中文文本分类算法的优化探索了一种新的思路。收起

关键词 : 文本分类神经网络分类器 kNN分类器模糊积分

10. AFS模糊逻辑在分类器设计中的应用

[学位论文] 刘慧大连理工大学 2008年硕士导师: 刘晓东共54页

摘要 : 随着数据库技术的成熟应用和Internet的迅速发展，人们积累的数据量正在以指数级迅速增长。对于这些数据，人们已不满足于传统的查询、统计分析手段，而需要发现更深层次的规律，对决策或科研工作提供更有效的决策支持。于是，分类问题越来越多的出现... 展开随着数据库技术的成熟应用和Internet的迅速发展，人们积累的数据量正在以指数级迅速增长。对于这些数据，人们已不满足于传统的查询、统计分析手段，而需要发现更深层次的规律，对决策或科研工作提供更有效的决策支持。于是，分类问题越来越多的出现在人们的生活中，如医学，农业，安全等领域。为了更好的解决实际问题，许多学者试图利用模糊理论，遗传算法，决策树算法，神经网络等方法设计分类器，并且已经初步获得一些成效。随着分类问题的应用越来越广泛，使之有很好的发展前景，研究分类问题变得更有意义。针对现有的AFS(Axiomatic Fuzzy Set)模糊分类器中的不足，本文设计了一种新的基于AFS模糊逻辑的分类器。该分类器的优点主要有：模糊描述简单而且精确；语义明确、易于理解；分类准确率较高；而且，研究表明只用样本属性上的序关系，AFS模糊逻辑分类分析算法也能够获得很高的准确率，因此该算法能够很好的应用到那些样本属性只能用序关系描述而无法用数值描述的数据集，表明本算法具有广范的适用性，而且更多的保持原始数据的信息。将本文设计的分类器应用到UCI(University of California，Irvine)数据库中的三个著名数据集上，做了分类实验，实验得到了较好的效果。通过对实验结果的分析，所提出的分类器是现有基于AFS分类器设计的一个改进，但也发现了本文所设计的算法存在的问题，即多个参数的组合情况易被遗漏和模糊描述语义不易理解的问题。针对这个不足，本文进行了进一步的改进，并将新分类器在四个数据集上做了分类实验，得到了更为理想的结果。实验证明了基于AFS模糊逻辑的分类器的有效性和广泛适用性。最后通过与其他相关的分类方法的分类结果做比较分析，突出了本文提出的分类算法的优点所在。收起

关键词 : AFS模糊逻辑数据挖掘分类器设计模糊分类器