分享到:

一种基于贝叶斯分类与机读词典的多义词排歧方法

一词多义是自然语言中普遍存在的现象,词义排歧的成功率是衡量机器翻译、信息检索、文本分类等自然语言处理软件性能的重要指标。提出了一种基于贝叶  (本文共4页) 阅读全文>>

西安电子科技大学
西安电子科技大学

基于机器学习理论的红外目标跟踪技术研究

本论文的课题源于国家自然科学基金面上项目,“十二五”重点科研项目,863项目以及高等学科学校创新引智计划资助。主要解决复杂背景下红外图像目标跟踪这一关键技术难题。红外成像技术因其具有隐秘性好、抗干扰和适应气候能力强等优点,而被广泛应用在军事和民用领域中。尽早地探测到目标并成功跟踪目标是红外图像处理研究领域的一个热点和难点。当目标距离成像平面较远时,其在图像上仅占有几个到几十个像素,且无纹理等信息。此外,小目标常常淹没在复杂背景杂波中,从而影响了有效的目标检测跟踪。因此,如何有效地在复杂背景条件下实现红外目标的检测与跟踪具有重要意义。本论文在现有的可见光图像以及红外图像中的目标跟踪相关技术的基础上,从目标特征信息的提取和增加目标信息与背景信息的区分度两方面着手。本文将引导滤波和无需训练的卷积网络特征应用在红外弱小目标的跟踪上,分析并验证了基于两种理论的跟踪算法的有效性。与传统的模板匹配算法、均值漂移算法以及粒子滤波算法相比,本文所...  (本文共130页) 本文目录 | 阅读全文>>

西安理工大学
西安理工大学

基于贝叶斯网络的动态数据流分类研究

随着大数据时代的到来,在线数据大幅增加,实时挖掘海量数据流已成为机器学习领域面临的一大挑战。在线学习方法通过对数据的逐条处理,并利用增量式更新模型的方法实现了海量数据的实时处理,受到了研究人员的广泛关注。朴素贝叶斯作为一种在线学习方法,简单高效且有坚实的理论基础,被用来解决数据流分类问题,但当数据流中出现概念漂移时,会严重影响其分类性能。同时,其属性条件独立假设要求在现实应用中通常无法满足。基于以上问题,本文以朴素贝叶斯算法为基础,做改进研究:(1)为解决分类中特征空间维度过高的问题以及朴素贝叶斯算法属性条件独立假设的不足,提出了一种基于信息论的属性选择分类框架。通过分析Jeffreys散度与贝叶斯分类器Ⅰ型和Ⅱ型错误相关性质,针对Jeffreys散度在多元分布下的局限性,引入衡量多分布差异的Multi-Jeffreys-Hypothesis(MJH)度量,提出基于MJH的选择性朴素贝叶斯分类算法。实验结果表明了算法的良好分类效...  (本文共64页) 本文目录 | 阅读全文>>

吉林大学
吉林大学

强化属性依赖关系的K阶贝叶斯分类模型

近年来人工智能得到了极大的发展,更有学者称其为第四次工业革命的关键技术,国内外众多商业巨头也开始倾注更多财力和人力研发人工智能领域,相应的研发领域包括人脸识别、智能安保、无人驾驶等等。人工智能的关键是让机器学会人类的判断,以贝叶斯网络为代表的研究在这方面有着先天的优势,贝叶斯网络利用概率分布表达不确定知识的决策因素,并将其过程以图形化方式展现。在贝叶斯网络中,朴素贝叶斯模型(Naive Bayes,NB)以简单高效著称,但其假设除类变量外其它属性间相互独立的假设却与现实场景大相径庭,实际应用中往往追求时间效率,所以NB也具有一定应用场景。在NB的基础上,为了降低决策属性间的独立性假设,产生了一些具有代表性的模型:如树增广朴素贝叶斯模型(Tree Augmented Naive Bayes,TAN),平均一阶依赖贝叶斯模型(Averaged One-Dependence Estimators,AODE)以及阶依赖贝叶斯模型(-De...  (本文共54页) 本文目录 | 阅读全文>>

吉林大学
吉林大学

基于改进狼群算法优化贝叶斯网络在害虫识别领域中的应用

国民经济发展最基础的就是农业,农业的发展与我们的生活息息相关。而农业病虫害,则是掣肘农业发展的主要原因之一。对害虫进行防治的主要方法有农药,天敌及生物趋避三种,其中最常用的就是农药防治法。但是,盲目的使用农药,有的时候,不仅不能有效的防治害虫,反而会破坏土壤,烧苗,污染水源,导致农作物的产出下降,甚至对人类的健康带来很大的威胁。然而,害虫的种类是非常繁杂的,传统的害虫识别方法,仅仅依靠人的肉眼,根据其看到的害虫特征对害虫进行分类往往是客观片面的,且非常依赖人工,费时费力。因此,害虫的分类和识别已经成为一个迫在眉睫的问题。只有准确分类,才能做到控制作物病虫害。我们提出一种基于改进狼群算法优化贝叶斯网络的害虫图像识别方法,对于具有复杂背景的图像,我们首先采用GrabCut算法进行自动分割,然后再对其进行灰度处理,保存到数据文件中,形成数据集,用于模型的训练和测试。其次再用预训练好的卷积神经网络,提取训练集和测试集上的图像特征,输入贝...  (本文共58页) 本文目录 | 阅读全文>>

吉林大学
吉林大学

基于不同场景的贝叶斯分类的改进研究与应用

贝叶斯分类算法在实际应用中比较广泛,然而面对移动用户行为分类中分类时效性与分类准确度要求高的应用场景来说,已有的贝叶斯分类算法并不能够令人十分满意。朴素贝叶斯分类(NBC)算法是贝叶斯经典分类算法之一,拥有较高的计算效率和简单的算法结构。然而,NBC算法关于数据属性之间相互独立的假设,限制了NBC的使用范围。隐朴素贝叶斯(HNB)分类算法是一种基于NBC算法的改进算法,HNB将数据属性之间的关联度考虑到了概率的计算当中,所有算法的分类准确度可以被有效地提升。然而,HNB算法考虑的数据属性之间的关联度过于复杂,在实际的应用中难以达到分类高时效性场景下的要求。平均单一依赖估计算法(AODE)也是基于NBC算法之上的一种改进算法,该算法削弱了NBC算法中对属性之间相互独立的条件假设。但是该算法只考虑了一个非类父属性的影响,因此对属性之间的关联度考虑不足。因此,该缺点在一定程度上影响了AODE算法分类的准确度,使得该算法难以满足高准确度...  (本文共79页) 本文目录 | 阅读全文>>