检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

随机支持向量机分类方法研究及其应用

随机支持向量机分类方法研究及其应用

作者：张津成都理工大学

学位级别：硕士

数据分类问题一直是数据处理中的热点研究问题之一,不同算法在数据分类中都有其自身的特点。感知机算法能有效解决线性可分问题,文中通过分析其对偶问题,发现感知机算法因训练样本顺序以及参数初始化的不同都会影响超平面的确定。而最... 详细信息

数据分类问题一直是数据处理中的热点研究问题之一,不同算法在数据分类中都有其自身的特点。感知机算法能有效解决线性可分问题,文中通过分析其对偶问题,发现感知机算法因训练样本顺序以及参数初始化的不同都会影响超平面的确定。而最大间隔分类器——支持向量机解决了感知机的问题。同时,为了解决线性不可分问题以及噪声问题,引入了核函数和松弛变量,但也带来了大量的超参数,虽然合适的超参数可以让支持向量机具有很高的泛化性,但支持向量机对超参数的敏感度很高,需要大量调试。而随机森林则无需深入调参,抗噪能力也很强,也能较好的解决线性以及非线性问题,但随机森林受弱学习器的影响,算法性能不是很高。文章通过标准数据以及可视化案例,先分析了随机森林、支持向量机的优劣,提出两种算法的结合策略;又证明了随机森林和支持向量机的结合算法——随机支持向量机的可行性与优点,并且基于前面两种算法降低了算法复杂度。文章最后将算法应用于西藏米拉山地区土壤地球化学分析数据,通过分析数据,并先用随机森林和支持向量机对其进行数据分类。在铜矿与非铜矿的分类中,支持向量机分类效果较好,但需要大量调参,随机森林效果不尽人意,但容易调参。随机支持向量机结合两个算法优点,在测试集取得了87.6%的准确率,既降低了算法复杂度,又使得分类效果较好。

关键词：数据分类算法感知机支持向量机决策树随机森林随机支持向量机

基于香气与近红外光谱特征的绿茶品类辨识关键技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于香气与近红外光谱特征的绿茶品类辨识关键技术研究

作者：王佳文浙江大学

学位级别：硕士

茶叶是我国重要的经济作物,在出口上占据较大份额,而现有的茶叶品类区分多靠人为主观评价,体系较为混乱,不利于产业的推广。因此,本文以绿茶为研究对象,基于香气与近红外光谱数据建立品类辨识模型,针对现有技术中存在香气辨识准确率不... 详细信息

茶叶是我国重要的经济作物,在出口上占据较大份额,而现有的茶叶品类区分多靠人为主观评价,体系较为混乱,不利于产业的推广。因此,本文以绿茶为研究对象,基于香气与近红外光谱数据建立品类辨识模型,针对现有技术中存在香气辨识准确率不高、光谱采集成本高、光谱数据维度大等问题展开研究。提出基于信息熵增益优选香气特征的绿茶品类辨识方法。基于去基准及Savitzky-Golay滤波方法,降低香气数据中的噪声干扰。针对现有辨识模型单一或组合使用均值、方差等特征造成信息不足或冗余的问题,提出基于信息熵增益的特征排序方法,并按排序选择最优的特征集合,输入到LDA模型中进行辨识决策。该方法改善了输入特征集合的区分性,提升了绿茶品类辨识准确率。提出基于Bagging集成学习的小范围波长光谱的绿茶品类辨识方法。针对使用大范围波长数据造成的数据采集成本高,使用小范围波长数据辨识准确率不高的问题,提出基于Bagging方式的集成学习分类模型。首先,基于标准正态变量变换方法减小数据采集时的散射干扰;其次,选择决策树、K最近邻法、线性判别分析作为基础分类器;然后基于Bootstrap采样方法,分别建立Bagging集成学习模型进行品类辨识。实验表明,该方法可有效提升基于小范围波长数据的辨识模型的判别准确率。提出基于决策层概率数据感知及特征层数据/特征融合优选的香气光谱联合辨识方法。在决策层,针对香气和光谱辨识结果简单叠加难以进行绿茶品类准确辨识的问题,提出使用香气、光谱两个信息源的各自辨识模型中的分类概率值作为决策层融合数据,并使用感知机进行感知辨识。在特征层,针对香气特征/光谱数据的信息冗余问题,提出直接组合香气特征与光谱数据、组合基于信息熵增益优选的香气特征与原始的光谱数据、基于信息熵增益优选的香气与光谱特征/数据组合的三种特征组合及选择方式,并结合线性判别分析方法进行绿茶品类辨识验证。

关键词：绿茶品类辨识香气近红外光谱信息熵增益 Bagging集成学习感知机特征融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于WoT的智能家居系统的研究与优化

基于WoT的智能家居系统的研究与优化

作者：靳梦茜北京邮电大学

学位级别：硕士

智能家居伴随着近年来物联网技术和智能硬件产业的高速发展,受到了国内外科技组织和科技爱好者的关注,相关产品也逐渐投入市场为普通消费者所接受。目前市场上的智能家居产品大多只能实现较为简单的家电控制操作,在处理用户自定义规则... 详细信息

智能家居伴随着近年来物联网技术和智能硬件产业的高速发展,受到了国内外科技组织和科技爱好者的关注,相关产品也逐渐投入市场为普通消费者所接受。目前市场上的智能家居产品大多只能实现较为简单的家电控制操作,在处理用户自定义规则方面性能不佳。主要表现为系统在处理大量规则时耗费时间较长、系统对规则模式下的用户异常行为学习能力不足、目前系统规则库较为单一等方面。本文的研究与优化立足于解决上述问题。本文首先对WoT技术、智能家居系统架构、规则引擎等相关技术进行研究,然后在此基础上提出了三种优化算法。通过对Rete算法中添加回路缓存和动态连接,实现提升规则匹配时间性能的Rete+算法;对用户异常行为进行学习的在线感知机修正算法和挖掘隐性规则的的关联规则模式挖掘算法。本文在提出优化算法的同时,基于WoT智能家居环境,以真实的环境感知信息、用户规则信息和用户行为日志为实验数据,对上述三种优化算法进行实验分析。实验结果表明Rete+算法、在线感知机修正算法、和关联规则挖掘算法在智能家居系统中表现出优越的性能,实现了对智能家居系统的优化。最后对本文的工作进行了总结,并提出改进的方向。

关键词：智能家居 Rete+ 感知机关联规则

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

线性可分支持向量机的算法及应用

线性可分支持向量机的算法及应用

作者：易校石重庆师范大学

学位级别：硕士

大数据具有高维和海量的特征,为现代社会带来了新的发展机会。大数据分析可以解决国家众多的重大需求问题,在将来的个性化医疗、科学革新和发现、创新技术以及商业管理及政府管理决策等方面带来了信息海啸,驱动了又一次的工业革命;大数... 详细信息

大数据具有高维和海量的特征,为现代社会带来了新的发展机会。大数据分析可以解决国家众多的重大需求问题,在将来的个性化医疗、科学革新和发现、创新技术以及商业管理及政府管理决策等方面带来了信息海啸,驱动了又一次的工业革命;大数据作为新的经济资源,新的经济发展引擎,新的经济产出=资本+劳力+数据,而数据也自然而然的成为了黄金和货币之类的新的经济资产,同时也是科研的新依据及决策的新源泉,深刻影响社会经济生活的方方面面,成为社会进步的新动力。支持向量机是一种二分类器,支持向量机的分离超平面通常是求解一个凸二次规划,在统计分析软件中有现成的包可供调用。但在大数据分析的背景下,大训练样本可能导致支持向量机的学习过程中出现维数灾难和很大的计算时间。本文把大样本训练数据按照一定规则进行随机分组,每一组的样本数据均是满足支持向量机的小样本背景条件,然后去找寻找较少的支持向量嫌疑样本,这可以去掉可信度非常大的非支持向量样本,用少量的嫌疑样本学习支持向量机的分离超平面,从而获整个大样本的支持向量机的分离超平面;采用感知机的旋转和平移的方法获得支持向量机的分离超平面。首先用感知机的分离超平面作为支持向量机迭代的初始超平面,然后采用动态学习率将此初始平面在正类和负类所形成的带形区内继续的旋转和平移,直到几何间隔达到最大,得出支持向量和支持向量机。本文提出的两种算法分别用实际算例和模拟数据进行验证,与直接调用R软件的支持向量机训练包得出的结果完全一致,说明了本文算法有效,可行。

关键词：支持向量机感知机分类凸二次规划分组训练大数据

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

信息物理系统的行为自寻优方法研究

信息物理系统的行为自寻优方法研究

作者：王国栋南京信息工程大学

学位级别：硕士

伴随着通信技术,计算机软件技术,嵌入式技术,控制理论以及人工智能技术在日常生活中的应用与普及,人们的生活日益轻松便捷。其中,人工智能相关技术的研发与应用,促使用户不再满足于对系统的简单使用,而是期待系统能够更加“智能地”感... 详细信息

伴随着通信技术,计算机软件技术,嵌入式技术,控制理论以及人工智能技术在日常生活中的应用与普及,人们的生活日益轻松便捷。其中,人工智能相关技术的研发与应用,促使用户不再满足于对系统的简单使用,而是期待系统能够更加“智能地”感知到他们的需求,更好地为他们的需求分配资源,进而希望能获得“个性化”的服务。基于这样的需求动力,信息物理系统(Cyber-Phsical Systems,CPS)应运而生。CPS的规模庞大,融合了众多异构的子系统,主要包含于计算过程,网络过程以及物理等过程中。其本质上是一个智能型的网络机器人,但所包含的众多混杂子系统对系统整体的灵活性来说是一个巨大的挑战。如何较好地协调各个组件或者子系统,使系统能够适应外部环境以及内部状态的变化,对CPS的研究至关重要。本文旨在研究CPS的自寻优问题。CPS在架构上可分为三层即底层、实现层以及抽象层。其中,底层主要研究系统的动态配置,它是实现CPS自寻优的基础;实现层着重研究利用软件算法实现CPS的自寻优,抽象层重点解决CPS系统的自治问题。本文完成的工作有： (1)分析了系统框架对研究CPS自寻优的重要性,在比较一些常见CPS系统框架基础上,提出组件化的CPS系统框架,能较好地满足系统需求。 (2)从系统底层出发,研究CPS的动态配置。提出使用形式化语言XML来扩展系统的可配置性。鉴于系统管理内容众多,需要一种机制来管理CPS的各种动态请求,提出了结合CPU中断原理的被动感知机,即CPS动态配置算法。 (3)在动态配置基础上,针对现有的自寻优方法不能满足CPS的要求,基于单一系统概率守恒原则,提出结合在线学习的混合马尔科夫算法,用于解决隐马尔科夫模型(HMM)能够描述软件状态的一般过程,但却不能满足超出函数数据库的情况。 (4)提出系统级的自治算法,详细分析了强化学习的实现过程。分析结果表明强化学习强调机器与外界环境的交互。基于该思想,进一步提出了基于相似度计算的系统自治,并结合组件化的系统框架对系统进行建模仿真。 (5)在完成三个不同层次的自寻优算法后,对这三种算法分别进行了仿真,并将其与已有的算法进行对比研究,分析其优劣性。

关键词： CPS 自寻优感知机在线演化相似度计算

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于感知器模型的混沌图像加密算法

计算机工程与设计 2010年第9期31卷 2105-2107,2111页

作者：阿布都热合曼.卡的尔王兴元杨磊大连理工大学电子与信息工程学院辽宁大连116024 新疆财经大学计算机科学与工程学院新疆乌鲁木齐830012

提出了基于感知器模型的高维混沌加密系统,描述了高维的Lorenz混沌系统和神经网络中感知器模型,利用高维混沌映射生成的伪随机序列,动态的调整单层感知器中各个神经元的权重,从而实现了混沌图像将加密,并对算法进行数字仿真和安全性分... 详细信息

提出了基于感知器模型的高维混沌加密系统,描述了高维的Lorenz混沌系统和神经网络中感知器模型,利用高维混沌映射生成的伪随机序列,动态的调整单层感知器中各个神经元的权重,从而实现了混沌图像将加密,并对算法进行数字仿真和安全性分析。理论分析和实验结果表明,该算法具有较高的安全性,对已有的攻击方法有较强的抵抗能力。

关键词：高维混沌系统混沌加密伪随机序列神经元感知机

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

核函数的参数选择

核函数的参数选择

作者：邱潇钰山东师范大学

学位级别：硕士

20世纪80年代,模式分析领域经历了一场“非线性革命”:为摆脱计算和统计上的线性局限的算法,支持向量机(Support Vector Machine,SVM)被第一次作为核方法提了出来。随后,基于核的方法扩展到除分类以外更宽广的模式分析领域。这样,新技... 详细信息

20世纪80年代,模式分析领域经历了一场“非线性革命”:为摆脱计算和统计上的线性局限的算法,支持向量机(Support Vector Machine,SVM)被第一次作为核方法提了出来。随后,基于核的方法扩展到除分类以外更宽广的模式分析领域。这样,新技术都被严格的理论分析所推动,在计算效率的保证下制造出来或发展起来。基于核的分析对于数学家、科学家和工程师来说,是一个强大的新工具。它提供了非常丰富的方法,可以应用在模式分析、信号处理、句法模式识别和其它模式识别领域。随着基于核的学习理论在应用上的巨大成功,它日渐成为当今机器学习研究的热点和主流之一。核参数选择是基于核的分类算法的一种新型技术,对于基于核的分类器起着至关重要的作用。近年来许多人开始认真审视这项技术,并且新的思想和技术还在不断涌现。如何找到核参数的最优点日渐成为一项热门研究课题,并相继出现了多种核参数选择方式,其中使用目标函数选择核参数的方式越来越受到人们的重视。通过归纳核聚类算法,本文主要研究核函数的参数选择方法及其应用问题。在此基础上,本文又着重研究使用目标函数为KNN以及基于核的K-demiods选择参数的算法,并通过实验验证和分析了目标函数的使用对核参数选择效率的影响,从而为核函数参数选择更广泛的推广应用提供了有利的基础。本文的主要创新点如下:1.总结核的基本理论及划分聚类的主要算法。本文系统和全面的总结了以前零散的核的基本理论和几种常用的核函数,并对如何构造新的核函数进行了阐述,为核函数的构造提供了坚实的理论基础。同时,文章对主要的划分聚类算法的进行了总结,如K-均值法、基于核的fisher判别分析、基于核的感知机等。2.提出目标函数为KNN选择核参数的两种方式。传统的选择最优核参数的算法具有很高的时间复杂度和空间复杂度,并且扩展能力很有限。本文针对基于核的最小距离分类器的特点,结合新空间中数据点的分布情况,设计了选择最优核参数的目标函数算法,为基于核的最小距离分类器提供了有效支持,显著提高了其分类的正确率。其中目标函数的使用可以减少运算次数、简化运算过程,从而显著提高核参数选择算法的效率。3.提出目标函数为基于核的K-demiods选择核参数的方式。基于核的K-demiods方法是一种KNN的改进的算法。现有的基于核的分类算法主要在通过核映射来提高分类正确率,但是分类正确率与参数的选择有直接联系。我们通过描述数据点在新的特征空间的期望,通过目标函数来选择参数,从而改善了该算法的性能,基于人工数据集和UCI数据集表明了该算法的有效性。4.总结了核参数选择的多种方式,并通过实验验证比较了各种选择方式的效率。文章对于各种文献中提出的核参数选择算法进行了总结,比如试凑法、留一法等等。这种总结对于完善和发展核参数的选择方法具有重要的指导意义。在此基础上,文章对相关实验进行了验证和对相关的实验部分进行了详细分析。

关键词：支持向量机 K-均值法 fisher判别分析感知机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

哈萨克语句法分析重排序技术研究

哈萨克语句法分析重排序技术研究

作者：梁金莲新疆大学

学位级别：硕士

自然语言处理研究主要有词法分析、句法分析以及语义分析,句法分析是哈萨克语现阶段的研究对象,在句法分析之前已经完成了词干提取、词性标注以及组块的研究工作,句法分析的研究也取得了不错的成果。本文主要对哈萨克语句法分析进行研究... 详细信息

自然语言处理研究主要有词法分析、句法分析以及语义分析,句法分析是哈萨克语现阶段的研究对象,在句法分析之前已经完成了词干提取、词性标注以及组块的研究工作,句法分析的研究也取得了不错的成果。本文主要对哈萨克语句法分析进行研究。PCFG模型进行句法分析过程中由于假设独立性太强,能捕捉到句子粗粒度的信息,即捕捉句子结构信息能力较强,但是语言是复杂的,句子中的语法结构并不是完全独立的,在进行句法分析阶段,词汇信息是比较重要的因素。该方法忽略了词汇信息对于句法分析的重要性,因此在句法分析中消歧能力有限。在此基础上,本文提出了使用感知机进行重排序的方法,感知机可以捕捉句子细粒度的词汇信息,从而弥补PCFG模型的这一缺陷。重排序的方法对哈萨克语句法分析是有效的,因此在本文中主要采用感知机的方法对候选解析树进行重排序。具体工作如下:首先使用最大熵模型对哈萨克语进行词性标注,实验验证不同的特征对词性标注的影响,并选择最佳的特征模板进行词性标注。其次进行哈萨克语的句法分析,本文中的哈萨克语句法分析重排序技术研究分为两个阶段:第一阶段分别使用PCFG模型和词汇化的模型进行简单的句法分析,并将这两个基础模型进行句法分析的解析效果进行对比。该阶段产生的句法分析候选树作为第二阶段重排序过程的输入,对哈萨克语进行进一步的句法分析。第二个阶段是重排序阶段,这个阶段使用感知机的算法进行重排序。该方法弥补了第一阶段句法分析中存在歧义现象的缺陷,在句法分析过程中能够获取句子中细粒度的词汇信息,并对基础模型产生的候选解析树进行重排序。感知机重排序的主要思想是对基础模型得到的候选解析树加入词汇信息以及细粒度的特征重新计算候选树节点得分,达到粗略的句法分析方法和细粒度的重排序方法相结合,从而提高句法分析效果。实验表明哈萨克语句法分析重排序方法是可行的。

关键词：哈萨克语 PCFG模型感知机重排序句法分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

用神经网络算法进行纹理分割

武汉大学学报（自然科学版） 1993年第5期39卷 50-54页

作者：李欣亮廖孟扬覃家美武汉大学空间物理与电子信息学系

本文使用神经网络多层感知机模型，利用误差逆传播学习算法，结合纹理分析的基本手段，通过对计算机模拟神经网络进行训练，使它掌握了多种纹理的纹理特征，有效地实现了对包含多种自然景物纹理及多种人工图案纹理的图象的分割。

关键词：算法纹理分割神经网络感知机