摘要：将用户对产品评价数据视为用户基本行为和异常行为的组合,应用多变量自动回归方法进行用户基本行为的发现和异常行为的检测。将用户的评价值分布表示为累积分布,将评价值表示为基本行为和异常行为的线性组合的生成过程。针对评价值中混入的异常行为的稀疏性,基于噪音数据的高斯分布,给出相应的最小化目标函数。实验结果表明,该算法能很好地描述时序评价序列中用户的基本行为和异常行为,与相关算法相比能更好的对未来的评价值进行预测。

摘要：提出一种人体行为识别方法。构建MACH滤波器组,对视频片段的三维时空体进行滤波,得到时空相关体;采用三层最大池化方法提取时空相关体的特征向量,采用高斯隶属函数对池化特征向量进行扩展;构建多类SVM分类器并进行特征分类,识别行为类别。在ADL和UCF Sports两个国际上通用的人体行为数据集上进行人体行为识别实验,实验结果表明,该方法的识别率高于现有的人体行为识别方法,对不同人体行为的区分能力更强。

摘要：由于传统的LDPC码位翻转解码算法在计算复杂度方面无法得到提高等缺点,为降低传统非二进制低密度奇偶校验码解码算法的复杂度和误码率,提出一种改进的基于NB-LDPC解码算法。对现有的并行符号翻转解码算法(parallel symbol flipping decoding algorithm,PSFD)进行优化改进,采用多次投票方法,使每个不满意的校验节点对相应的变量节点进行多次投票,并结合误差估计方法。考虑到额外的复杂性,两级投票是提出优化算法的最佳选择。大量实验结果表明,相比原有的LDPC码位翻转解码算法,该优化算法避免使用码相关的投票阈值,在BER等于10-5时,误码率低约0.4dB,在中低数值的SNR上,具有最优参数的优化算法比原有算法收敛得更快。

摘要：对K近邻和随机森林学习方法进行改进,提出一种融合的机器学习方法。通过计算待分类特征与训练库中各个类中心之间的距离,进行最近邻分类,增强K近邻学习方法的鲁棒性,提高其运算效率;通过随机划分将改进KNN分类器的多元输出转化为二元输出,用其构建随机森林中各个决策结点的决策函数,降低各决策结点数据的错分率,提高随机森林学习方法的目标分类正确率。实验结果表明,该方法对手写数字目标的分类正确率高于经典的K近邻、Adaboost、支持向量机和随机森林学习方法。