分享到:

用于复杂系统环境的遗传分类器系统

用于复杂系统环境的遗传分类器系统赵宏,汪浩,邹雯(国防科技大学系统工程与数学系长沙410073)摘要设计了一个针对复杂系统分析的遗传分类器系统,该系统不仅利用了遗传算法强大的搜索能力和便于从大量历史数据中发现规律的优点进行分类器获取,而且还具有如下两个主要特点;①它能够适用于复杂的、缺少完整描述且训练信号带有噪声的系统环境;②它是一个白箱系统,所获取分类器的置信度与统计结果相符,从而支持定性、定量相结合的综合推理模式。关键词遗传算法,复杂系统,分类器,推理分类号O224GeneticClassifierSystemforComplexSystemEnvironment¥ZhaoHong;WangHaoZuoWen(DepartmentofSystemsEngineering,NUDT,Changsha,410073)Abstract:Inthispaper,ageneticclassifiersystemforcomplexsy...  (本文共4页) 阅读全文>>

《中国纺织大学学报》1997年01期
中国纺织大学学报

分类器系统综述

0引言基于规则的智能系统已得到了广泛的应用,但通常的规则系统存在着以下缺陷:*)串行工作方式制约了系统效率的进一步提高;(2)规则库的建立主要依靠专家和操作者经验,费时费力而且不能主动适应环境的变化。分类器系统(CS)是一种并行的规则系统,即在每一个匹配周期能同时激活多条规则,它有机地集成了信任分配算法和遗传算法,组成了一种再励(ReinforcementLearning)学习方法,这种学习方法不需输人一输出训练样本集,能进行实时在线学习。由于CS的上述特点,它适合应用在以下的场合:(1)伴有大量噪声和无关数据的不断变化的环境;(2)需要连续实时动作的场合;(3)没有期望的系统目标响应;(4)报酬需要经过一长串的动作序列后才能获得。本文就CS的工作原理、研究状况、和需进一步研究的问题作一初步探讨。1分类器系统的基本原理分类器系统由三个层次构成’‘’(如图1),最低层是规则及消息系统,它直接和环境发生作用,是一种基于规则的形式特殊...  (本文共8页) 阅读全文>>

《计算机测量与控制》2019年04期
计算机测量与控制

一种自适应子融合集成多分类器方法

0 引言模式识别领域中普遍存在的一个问题是,同一个分类方法在不同的应用中分类性能不尽相同。没有哪种分类方法能够普遍适用于所有的分类情况。为了解决这样的问题,分类器融合技术成为了模式识别领域的一个重要技术。当前许多研究表明,多分类器融合技术对于模式识别的性能有较大的提高[1-3]。目前多分类器融合技术已经在很多领域上得到实践,例如图像分类、语音识别、手写技术识别等[4]。模式识别领域统一将分类器技术划分为以下两种形式:分类器动态选择[5]和分类器融合。动态分类器选择方法的核心思想是:预测当前识别任务多分类器系统中识别最准确的基分类器,选择预测的基分类器作为多分类器系统融合决策的输出。而分类器融合方法的核心思想是:全面地考虑每一个基分类器的决策输出,结合每一个基分类器的决策输出作为多分类器的最终决策输出,这种思想会得到更多的决定性决策信息。基于这两种思想比较,更多的学者致力于研究多分类器融合方法。常规的多分类器融合技术包括多数投票法...  (本文共4页) 阅读全文>>

《贵州科学》2018年01期
贵州科学

基于分类器的身份证号码识别研究

0引言中国的每一个公民都拥有一个独一无二的身份证号码,为保障公民的合法权益及社会治安,社会中越来越多的行业都要求实名登记,如过关签证,订购车票,参加考试等都需要将身份证号码信息录入到电脑中,身份证自动识别代替手工录入在很大程度上提高了工作效率,因而具有十分广阔的应用前景。本论文共讲述两个内容:1)介绍三种分类器的基本公式;2)将身份证号码图像进行特征降维处理,再利用分类器进行分类,提高分类效率。1方法在本节中将会介绍距离分类器(ED分类器)、最小类距分类器(MICD)以及最大后验概率分类器(MAP)基本分类公式,介绍图像特征降维方法。将身份证号码所组成的样本集合记为L,故L={0,1,2,…,9,X}。1.1距离分类器(ED分类器)距离分类器简称为ED分类器[1-2],是根据测试样本与每个类别均值的距离作为分类标准,在ED分类器中,测试样本与每个类别的距离为:dEDi=(x-mi)T(x-mi槡),i∈L(1)式中:mi是训练样...  (本文共3页) 阅读全文>>

《计算机科学》2016年12期
计算机科学

一种基于多分类器融合的人体运动行为识别模型

1引言随着智能设备的快速普及和其性能的不断提高,通过智能设备对人们日常行为进行识别成为可能。由于目前智能设备种类众多,其内置加速度传感器的性能存在较大差异,设备放置位置和人体行为个性化差异等因素,都增加了通过传感器采集到的数据识别人们日常行为的难度,从而直接影响了识别的准确率和可信度。目前,国内外研究者在智能设备人体行为识别方面做了大量研究,并取得了一定成果,主要体现在以下两个方面:1)针对智能设备内置的加速度传感器采集到的数据进行特征优选。文献[1]提出基于蚁群算法的行为识别特征优选方法;文献[2]利用随机森林学习轨迹特征进行行为识别;文献[3]利用相关分析和K-NN算法进行组合式特征选择;文献[4]将时域特征多频段分解后进行特征优选;文献[5]提出了一种以人的动作序列图像的轮廓为特征且基于隐条件随机场的行为识别方法,其平均识别准确率达91.4%。上述方法运用到人体日常行为(静止、散步、跑步、上楼及下楼)识别时平均识别准确率在...  (本文共5页) 阅读全文>>

《河南理工大学学报(自然科学版)》2017年02期
河南理工大学学报(自然科学版)

一种基于混淆矩阵的分类器选择方法

*?0引言在模式识别领域,多分类器集成作为一个研究热点,不仅可以有效地提升分类精度,而且可以提高模式识别系统的效率和稳定性。初期研究者们主要把重点放在各式各样的集成方法上,提出了大量的集成方法,但多是采用大量的分类器参与获得好的识别性能,而这种方法随着研究的深入逐渐显露弊端。首先,大量分类器参与集成势必会造成增加更多的计算量,浪费更多的存储空间。其次,并不是越多的分类器参与集成就会增大分类器之间的差异性。唐伟等[1]已经验证了这一观点,即参与集成的分类器不是越多越好,到达某个值时更多分类器反而会降低集成系统的分类精度,因此,他提出了从已有的基分类器中经过筛选再参与集成,选择出差异性大的具有代表性的分类器,可以获得更好的集成性能。对于如何选择个体学习器,研究者使用了不同方法,如基于特征选择方法[2-3],动态选择集成分类方法[4-5],优化方法[6-7],通过稀疏性约束,使用优化算法来选择最适合的基分类器。目前,对分类器集成的研究...  (本文共6页) 阅读全文>>