摘要：工业控制系统(industrial control system,ICS)入侵检测模型近年来愈加复杂,参数优化愈加困难,传统单分类器模型表现出明显的局限性。针对该问题,提出一种基于多分类器集成的ICS入侵检测算法,借鉴“分而治之”的思路将高维复杂入侵检测问题分解为多个简单子问题,使用单分类器模型对每个子问题进行分析并获取最优分类,最后采用改进Bagging完成各个分类器结果的融合。同时针对样本不均衡问题,在预处理阶段提出改进的少数样本合成技术(improved synthetic minority over-sampling technique,ImSMOTE)构建平衡数据集。采用密西西比州立大学(Mississippi State University,MSU)的天然气管道测试平台SCADA系统记录的真实数据开展实验,结果表明所提方法能够获得较高的入侵检测准确率,同时少数类别的误检率明显降低,能够有效提升ICS系统的安全性和可靠性。

摘要：【目的】探讨多时相、多光谱和高空间分辨率影像在落叶松人工林识别中的应用潜力,通过多种特征组合方案,寻找一种多分类器集成的落叶松人工林快速识别方法,为落叶松人工林后续监测与管理提供参考。【方法】以黑龙江省孟家岗林场为研究区,基于Landsat8 OLI影像分析不同物候期树种间的光谱差异,确定落叶松人工林识别的关键波谱和物候期,同时提取多种特征信息,通过变量重要性(VIM)筛选并构建不同物候相的多特征数据集。综合随机森林(RF)、支持向量机(SVM)、最大似然(MLC)和BP神经网络4种分类算法优势,设计一种多分类器集成的分类策略进行落叶松人工林提取。【结果】在多分类器集成的分类策略下,分类总精度达93.8%,面积提取精度达96.3%;与RF、MLC、SVM和BP等分类算法相比,多分类器集成分类策略的平均分类精度提高10%。【结论】相比单一时相影像,多时相影像数据包含落叶松人工林更多物候期,可反映出落叶松人工林独特的季相特征,有利于落叶松人工林识别。多分类器集成策略综合各分类器优点,可有效提高分类精度,实现落叶松人工林高精度提取。

摘要：为了解决在分类器集成过程中分类性能要求高和集成过程复杂等问题,分析常规集成方法的优缺点,研究已有的分类器差异性度量方法,提出了筛选差异性尽可能大的分类器作为基分类器而构建的一个层级式分类器集成系统。构建不同的基分类器,选择准确率较高的备选,分析其差异性,选出差异大的分类器作为系统所需基分类器,构成集成系统。通过在UCI数据集上进行的试验,获得了很好的分类识别效果,验证了这种分类集成系统的优越性。

摘要：用基于遗传算法的全局优化技术动态地选择一组分类器,并根据应用的背景,采用合适的集成规则进行集成,从而综合了不同分类器的优势和互补性,提高了分类性能。实验结果表明,通过将遗传算法引入到多分类器集成系统的设计过程,其分类性能明显优于传统的单分类器的分类方法。

摘要：为提高分类准确率,研究一种改进的多分类器动态集成算法。调整AdaBoost,使其适用于加权训练集;引入属性相关度来标记待分类样本和训练集决策属性之间的相似程度,实现以动态筛选的方式组合最终的分类模型。该算法避免了在分类模型集成过程中对训练集的重复抽取,弥补了模型中单分类器位置固定不变的不足。实验结果表明,该算法能有效提高分类精度和泛化能力。

摘要：为克服单一分类器在遥感影像分类精度和效率方面的限制,有必要构建多分类器系统,集不同分类器的优点,获得比单一分类器更高的精度。针对遥感影像的特点和分类的需求,在遥感影像多分类器集成系统需求分析和系统设计的基础上,运用IDL语言在ENVI遥感影像处理平台下实现系统开发。遥感影像多分类器集成系统的主要功能包括遥感影像文件处理、特征选择与提取、分类预处理、分类、多种模式的多分类器集成(固定组合模式、用户自定义模式、向导模式和推荐模式)等。通过分类实例对系统应用进行介绍,表明本系统能够有效地提高遥感影像分类精度。

摘要：Haar-like特征主要用于人脸等目标识别领域,然而因行人流动方向不确定,监控视频拍摄到的行人有正面、侧面和背面三种情况,因此文中提出一种根据三种特征设计的多分类器集成算法。在训练其中一面样本分类器时,将另外两面样本和背景图像作为负样本,从而得到三个分类器,分别检测识别后再筛选统计目标。实验证明该算法具有良好的检测识别效果。

摘要：手写汉字识别是大类别分类识别问题,文章针对金融票据自动识别应用中的脱机手写体汉字,给出了一种基于多层BP网络的并行集成方法。该方法是纯神经网络的多分类器并行集成方案,通过一个两步监督学习过程实现整个集成网络分类系统。对BP网络的应用做了有益的探索,同时也为BP网络在大类别分类问题中的应用提供了一条可行的途径。

摘要：为实现棉花异性纤维的在线识别,设计了一种基于自动视觉检测(AVI)的棉花异性纤维分类系统。该系统利用棉层生成器将待检测皮棉制成约2 mm厚的均匀薄层使其中的异性纤维更容易检测,利用彩色线扫描相机检测有色异性纤维,利用单色线扫描相机检测在紫外线激发下能产生荧光的白色异性纤维。采用多特征多分类器集成的模糊分类方法实现了对异性纤维的分类。实验表明,该系统对异性纤维的平均分类正确率可达到80%。

摘要：随着模式识别、机器学习、遥感技术等相关学科领域的发展,高光谱遥感影像分类研究取得快速进展。本文系统总结和评述了当前高光谱遥感影像分类的相关研究进展,在总结分类策略的基础上,重点从以核方法为代表的新型分类器设计、特征挖掘、空间-光谱分类、基于主动学习和半监督学习的分类、基于稀疏表达的分类、多分类器集成六个方面对高光谱影像像素级分类最新研究进行了综述。针对今后的研究方向,指出高光谱遥感影像分类一方面要适应大数据、智能化高光谱对地观测的发展前沿,继续引入机器学习领域的新理论、新方法,综合利用多源遥感数据、多维特征空间互补的优势,提高分类精度、分类器泛化能力和自动化程度;另一方面要关注高光谱遥感应用的需求,突出高光谱遥感记录精细光谱特征的优势,针对应用需求发展有效的分类方法。