基于级联型组合分类器的人脸识别研究

该文提出了一种将支持向量机（SVM）与神经网络相结合的方法，得到一种新型的级联型组合分类器．此组合分类器先利用神经网络或SVM对人脸图像进行预分类，得到不同性别的两类人脸图像；然后分别针对其中某一类人脸图像进行K-I。变换以提取有效特征，再使用SVM进行细分，得到最终的识别结果．应用该组合分类器方法在本文整合得到的人脸样本库上进行测试，结果显示该方法不但可以有效地提高识别速度，而且还可以在一定程度上提高识别率，因此方法是有成效和有价值的．     

一种最大分类间隔SVDD的多类文本分类算法

文本分类是信息检索和文本挖掘的关键技术之一。提出了一种基于支持向量数据描述(SVDD)的多类文本分类算法,用支持向量描述训练求得包围各类样本的最小超球体,并使得分类间隔最大化,在测试阶段,引入基于核空间k-近邻平均距离的判别准则,判断样本所属类别。实验结果表明,该方法具有很好的泛化能力和很好的时间性能。     

基于分类DEA的高校科技成果转化绩效评价——以江苏省39所本科高校为例

结合江苏省高校科技创新成果转化的现状,构建高校科技成果转化效率评价体系,以江苏省39所本科院校为研究对象,采用分类DEA法,将评价指标的选取和成果转化效率的测算有机结合,分别测算39所江苏省高校、28所其他本科院校的科技成果转化的总体效率。研究表明211高校的科技成果转化效率相对较高,18所非DEA有效的其他本科院校中有11所高校的规模报酬递增。     

一种利用机器学习优化MIMO窃听信道天线选择的方法

为保障多输入多输出窃听信道系统中信息传输的保密性，提出了一种基于机器学习的天线选择方案。首先利用机器学习解决分类问题准确率高、处理大数据高效这一优势，设计了基于奇异值分解的特征值提取、基于信干噪比的标签赋值方案，建立了k最近邻分类器和逻辑回归分类器选择最优天线最大化保密性能（可达保密速率和保密中断概率）。与传统天线选择方案相比，所提方案获得了几乎一致的保密性能，并且大幅降低了系统的选择复杂度和误比特率。     

新的Hopfield神经网络分类器在葡萄酒质量评价中的应用

建立一种新的Hopfield神经网络分类器模型,该模型通过训练单层前向神经网络来设计,数据兼容性强,可以直接处理来自UCI数据库的葡萄酒的理化性质测试指标数据和专家的感官评价等级数据,实现葡萄酒质量分类。仿真结果表明,该分类器设计简单,耗时短,分类效果明显。     

Automatic Selection of Classification Algorithms for Non-Experts Using Meta-Features

With the arrival of big-data society, methods for classifying real-world problems have attracted much attention for researchers and developers in various fields. In recent years, much effort has been devoted for improving performances of classification algorithms by adding functions or modifying their weaknesses. However, since a large variety of classification algorithms has been available, it is difficult for non-experts to find classification algorithms that achieve good results on a given data set. Therefore, if there is a system which automatically selects the best classification algorithm for a given data set, non-experts would receive various benefits such as saving time and effort. This paper presents a system of predicting the best possible classification algorithm for a given data set with respect to the accuracy. To the best of our knowledge, this is the first approach focused on predicting the best one. The main target users of the proposed system are non-experts who do not have knowledge and experience in data mining. The proposed system utilizes useful meta-features selected from existing recta-features to increase the performance of the prediction. The feature selection is conducted by a wrapper approach with the genetic search algorithm. In the proposed system, K-nearest neighbor algorithm is used to learn the selectedmeta-features and build a classification model for predicting future data. Experiments using 58 real-world data sets show that the proposed system predicted the best classification algorithm with 60.34% accuracy from the top five in 30 classification algorithms.     

轴向型双挡板煤粉分离器的应用及效益分析

从理论上阐述了低挥发分燃煤的煤粉细度控制对锅炉燃烧经济性和稳定性的影响。介绍了双进双出磨煤机轴向型双挡板粗粉分离器的工作原理及其在湖南大唐某发电公司600MW超临界对冲燃烧锅炉上的应用情况。通过进行煤粉细度对比测试,证明了分离器改造有效,稳定地提高了煤粉细度,且分离器堵塞状况大为改善。参考有关文献数据,评估了煤粉细度水平提高对飞灰可燃物下降产生的效果。     

Boosting算法及其在动态视频图像中的应用

Boosting是一种有效的分类器组合方法,它用某个分类算法生成一系列的基分类器,每个基分类器的训练依赖于在其之前产生的分类器的分类结果,基分类器在训练集上的错误率用于调整训练样本的概率分布,最终分类器通过单个基分类器的加权投票建立起来。将Boosting算法应用在动态车型图像检测中,大大提高了对运动过程中车辆的识别能力,对智能交通系统的发展起着推动作用。