【摘 要】
：
针对单个神经网络分类准确率低、RUSBoost算法提高NN分类器准确率耗时长的问题,提出了一种混合RUSBoost算法和积矩系数的分类优化算法。首先,利用RUSBoost算法生成m组训练集;然后,依据Pearson积矩系数计算每组训练集属性的相关程度消除冗余属性,生成目标训练集;最后,新的子训练集训练神经网络分类器,选择最大准确率分类器作为最终的分类模型。实验中使用了四个Benchmark数据集来
【基金项目】
：
国家自然科学基金资助项目(61502219),博士后基金资助项目(2015M582697)
论文部分内容阅读
针对单个神经网络分类准确率低、RUSBoost算法提高NN分类器准确率耗时长的问题,提出了一种混合RUSBoost算法和积矩系数的分类优化算法。首先,利用RUSBoost算法生成m组训练集;然后,依据Pearson积矩系数计算每组训练集属性的相关程度消除冗余属性,生成目标训练集;最后,新的子训练集训练神经网络分类器,选择最大准确率分类器作为最终的分类模型。实验中使用了四个Benchmark数据集来验证所提算法的有效性。实验结果表明,提出的算法的准确率相较于传统的算法最多提升了8.26%,训练时间最高
其他文献
作为多媒体和科学计算等领域重要的程序加速器件之一,SIMD扩展部件现已广泛集成于各类处理器中。自动向量化方法是目前生成SIMD向量化程序的重要手段。超字并行SLP(superword level parallelism)方法现已广泛应用于编译器中,并成为实现基本块级代码向量化的主要手段。SLP在进行收益评估时仅考虑代码段整体向量化的收益,并没有考虑到向量化收益为负的片段会降低最终整体的向量化收益,
如何从已受干扰或攻击的嵌有水印信息的音频中提取水印信息,或证明水印信息的存在,是音频水印提取算法中研究的重点和难点。简单描述了音频水印的提取算法,针对音频信号方差对水印提取结果的影响,在MATLAB环境下对降低信号方差的四种方法进行了代码实现及实验分析,并基于这四种方法的实现原理和滤波结果提出了线性预测倒谱滤波方法。实验结果表明,五种方法都明显减小了样本点的幅度,使信号的方差大幅降低,而且新方法的
两层传感器网络中的top-k查询是当前无线传感器网络领域的研究热点,且无线传感器网络面临严重的隐私泄露问题。基于此,提出了一种两层传感器网络中基于位表的隐私保护top-k查询算法BTTQ。BTTQ利用保序函数将原始数据分布P映射到目标分布T,并通过取模运算对目标分布T的范围进行扰动,从而保证了感知数据的隐私性;同时,BTTQ应用位表来表示扰动后的数据,所以算法在查询过程中只需传输位表信息,从而能够
针对目前大规模MIMO系统的资源分配研究集中于用户终端配备单天线的场景,但随着技术的发展和用户需求的增长,用户智能终端配备多天线情形越来越多,提出一种基于多天线多用户大规模MIMO上行系统的能效资源分配算法。在满足用户速率和续航要求以及基站采用迫零(ZF)接收情况下,通过建立系统能效函数,采用凸优化方法进行优化。首先确定用户不同天线的最优发射功率,再运用二分法确定基站激活的天线数目,通过联合用户发
随着交通及建筑业的发展,脊柱骨折合并脊髓损伤已成为骨科领域中常见的疾患,据统计,发达国家脊髓损伤发病率为28.3～45人/百万人/年,我国发病率虽低,每年也有1万人遭此损伤,且
目前很少有研究者使用有关联的静态与动态相结合的方式检测Android恶意应用,多数静态分析方法考虑具体代码运行流程,计算复杂度较高,而单纯的动态检测方法占用Android系统资源,大大降低手机的运行速度。提出的DApriori算法能够有效地检测出Android恶意应用。该算法分别计算恶意应用样本与良性应用样本权限关联规则,对比两种样本得到的用户权限之间的差异性,并使用恶意样本得到的关联规则对一定的
针对认证加密算法在设计中出现的一些不足,尤其是近年兴起的CAESAR竞赛征集算法,介绍了两种伪造攻击的手段,通过破坏密文的完整性达到欺骗认证者的目的。以LAC候选算法为例,通过伪造攻击的方法对其内部结构、认证机制和攻击原理进行了分析和描述,并对其原有结构进行了改进,使其能够有效地抵抗现有的伪造攻击。通过对其安全性进行分析,表明LAC算法改进方案能够有效抵抗伪造攻击。
超密集网络中,严重的小区间干扰制约了终端用户的数据速率,针对该问题,提出一种基于干扰协调的资源分配方案。该方案分为两个模块:第一模块基于毫微微接入点(femtocell access points,FAP)间的干扰程度,将干扰强的FAP分到同一簇内,同簇内的FAP共享频带资源,通过FAP间的协作使不同簇之间实现频谱的复用;第二模块基于最大功率和最低速率的公平性准则进行最优功率分配,动态分配资源。仿
通过深度学习模型对室内楼道环境的视觉信息进行处理,帮助移动机器人在室内楼道环境下自主行走。为达到这个目的,将楼道环境对象分为路、门、窗户、消防栓、门把手和背景六类,通过图像的语义分割实现对象识别。在对楼道环境的六类对象进行分割的实验中发现,由于门把手比起其他对象小很多,影响了对它的识别效果;将六分类模型改为"5+2"分类模型,解决了这个问题。分类模型的基础是全卷积神经(FCN)网络,可以初步实现图
针对跳频电台细微特征集中存在冗余特征等导致电台识别时存在计算量大、识别准确率低等问题,提出了一种基于CMFS-MIC特征选择的跳频电台个体识别方法。首先计算采集到的各个跳频电台信号样本的细微特征集,然后采用关联信息熵度量特征子集的组合效应,兼顾考虑特征间的关联关系和冗余关系对各个特征进行降序排序。在此基础上,采用最大信息系数度量的近似马尔可夫毯方法删除冗余特征,实现对特征子集进行优化和降维。最后,