摘要：针对MRC-boosting方法中的弱分类器二值化以及鉴别矢量不正交等问题,提出一种自适应最大拒绝鉴别分析(AdaMRDA),进一步提高分类性能.通过已抽取的鉴别特征到期望中心的距离,设计一种自适应权重调整方法,使得后面得到的鉴别矢量更加有利于分类,并且给出最佳正交鉴别矢量集的求解方程.最后,通过在2个数据库上的实验证明,AdaMRDA方法在分类性能上明显优于MRC-boosting方法及相关方法.

摘要：目前CT结肠镜的息肉检测分类器面临着数据集不平衡问题,数据集中的正样本(息肉)的数量远远小于负样本.针对这个问题,息肉检测分类器采用SMOTEBoost,结合SMOTE(Synthetic Minority Over-Sampling Technique)和boosting:在数据层面,采用过采样技术SMOTE合成少数类样本,减轻数据集中两类样本的不平衡程度;在算法层面,采用boosting方法提高弱分类器的性能,两者结合起来,既改善对少数类样本的预测能力,又保证了对整个数据集的分类精度.为了满足息肉检测对算法实时性的需求,采用MRMR(Minimum Redundancy Maximum Relevance)方法挑选最大相关、最小冗余的简单特征组成级联第1层强分类器,拒绝大多数负样本,极大地提高了分类器的处理速度.实验结果表明:设计的分类器检测直径大于5 mm息肉的敏感度达到90%,每个数据体6个假阳.

摘要：针对以套取广告费为目的、实施恶意点击欺诈的不法发布商检测问题,提出一种基于支持向量机(Support Vector Machine,SVM)集成方法的点击欺诈检测系统.该系统首先对几百万条原始点击数据进行一系列数据清洗、整理和统计特征计算等数据预处理,之后利用随机欠抽样(RUS)与合成少数类过抽样技术(SMOTE)相结合的方法处理非平衡数据集得到多个平衡数据集,在每个平衡数据集上分别利用boosting算法对训练得到基支持向量机迭代生成多个强分类器模型,最后再将多个强分类器以投票方式进行集成得到最终的检测模型.在真实点击数据上完成对广告发布商的点击欺诈检测,实验结果表明,该方法对点击欺诈有良好的检测性能,其检测准确度在90%以上.

摘要：为了提升配电网工程数据的精细化管控水平,文中基于人工智能技术的深度学习理论进行了工程造价预测模型的设计。将数据预测问题转化为非线性分类问题,采用支持向量机(Support Vector Machines,SVM)对该问题进行求解。在求解的过程中引入高斯径向基函数,改善SVM算法在多维数据空间中的分类能力。为了提升单个SVM分类器在训练过程中的过拟合和欠拟合现象,通过使用深度学习中的boosting算法,将若干个弱SVM分类器有机结合并融合为强分类器。以某地区的配电网工程数据集为样本,对算法性能进行测试。实验结果表明,在适当的参数设置下,该算法对于配电网工程造价的预测精度可达到95.62%,相较于GA-BP神经网络提升了2.84%。

摘要：机器学习的求解过程可以看作是在假设空间中搜索一个具有强泛化能力和高鲁棒性的学习模型,而在假设空间中寻找合适模型的过程是较为困难的.然而,集成学习作为一类组合优化的学习方法,不仅能通过组合多个简单模型以获得一个性能更优的组合模型,而且允许研究者可以针对具体的机器学习问题设计组合方案以得到更为强大的解决方案.回顾了集成学习的发展历史,并着重对集成学习中多样性的产生、模型训练和模型组合这三大策略进行归纳,然后对集成学习在现阶段的相关应用场景进行了描述,并在最后对集成学习的未来研究方向进行了分析和展望.

摘要：针对传感器观测的数据可能存在不完整、缺失的情况,提出了基于支持向量机分类器的空中目标智能融合识别模型。首先,介绍了目标融合识别的原理和层次模型。其次,探讨工程上的需求及其应用,并给出仿真实例。从优化算法的角度上,讨论了将Boost-SVM理论应用于目标融合识别。该模型进行仿真,能较精确的识别目标。最后,进行两种模型识别结果的对比并提出了改进措施。

摘要：分类器集成作为机器学习算法设计的一种重要策略,具有高泛化性能的优点,已广泛应用于遥感、生物信息、图像处理等领域,逐渐成为研究热点.以三种常用的集成方法bagging、boosting和stacking为线索,分别从算法思想、算法评价、算法改进与变种、算法应用等角度进行探讨,为构建高准确率分类器集成系统建立指导.最后,对分类器集成算法的未来发展方向进行了展望.

摘要：为了提高短期光伏发电预测的准确性,提出一种改进Semi Boost(Semi-supervised boosting)天气聚类法和结合混沌纵横交叉的粒子群优化算法(Particle swarm optimization combined with chaos crossover,CC-PSO)优化深度置信网络(Deep Belief Network,DBN)连接权重的组合光伏发电功率预测方法。为了提高预测精度,设计并训练了Semi Boost改进的基于加权K近邻(Weighted K-nearest Neighbor,WKNN)置信度传播(Belief Propagation,BP)分类方法,对各天气类型采用对应的网络进行预测。DBN连接权重采用CC-PSO算法优化,避免出现由随机初始化导致的局部最优解现象,从而提高了DBN网络预测性能。实验结果验证了该模型的有效性。

摘要：农村地区4G网络建设是各运营商下一步4G网络规划建设重点,但目前农村地区GSM基站站间距普遍在2Km以上,如何保证农村地区4G连续覆盖,是近期研讨热点,本文对农村4G增强覆盖的多种技术的原理、特点进行了分析,结合已进行的测试情况验证各种技术性能,为后期在农村地区进行4G网络覆盖规划提供重要参考与借鉴。

摘要：为了推动农业自动化的发展,以常见农业害虫为例,设计了一种基于决策树与卷积神经网络的害虫识别算法.其结合了无人机、ZigBee通信协议、数据处理服务器、机载报警器、害虫消除执行机构、boosting算法、OpenCV开源库和TensorFlow开源库.经验证,本算法具有更高的害虫识别检出能力.