基于判别子字典学习的图像分类优化方法

本文提出了一种基于判别子字典学习算法的图像分类优化方法.在判别字典学习算法的基础上,引入字典矩阵的正则化约束项,针对每一类图像学习其对应的特定字典,使字典中包含该类别的特定原子,规避不同子字典之间原子的相关性.同时,引入标签信息矩阵和拉普拉斯正则化矩阵,使大系数集中在某一类别的特定原子上,属于同一类别的样本彼此靠近,从而提高字典的判别能力.将该算法应用在3种不同的数据集上,实验结果证明了所提方法的有效性.     

基于面向对象方法的数据字典应用研究

在介绍数据字典中数据元素、数据字典基本结构、字典中数据元素的分类概念的基础上,提出按照数据字典建立领域标准数据类的建议;并结合实际工作,简要介绍标准数据类的设计方法,该方法在实践中发挥了较好的效果.     

基于SVM决策树的网络流量分类

提出一种用支持向量机(SVM)决策树来对网络流量进行分类的方法,利用SVM决策树在多类分类方面的优势,解决SVM在流量分类中存在的无法识别区域和训练时间较长的问题。对权威流量数据集进行了测试,实验结果表明,SVM决策树在流量分类中比普通的"一对一"和"一对多"SVM方法具有更短的训练时间和更好的分类性能,分类准确率可以达到98.8%。     

基于决策树的网络客户分类方法研究

传统的网络购物只是对商品进行一个简单的分类和陈列,对于电子商务的商家并没有对网络消费者的购物数据进行深入研究探讨.针对网络购物过程中消费者选择商品的趋向性的不同,引入了基于决策树分类方法对网络客户购买商品的行为进行分析,并从决策树中挖掘出影响网络购物的主要因素以及各因素对网络购买行为的强弱影响程度.实验结果表明,此方法可以有效的对网络客户进行分类,有利于决策分析.     

基于云计算的工业互联网数据资源管理平台构建

云计算作为一种新兴的商业计算模型,融合了分布式计算、并行计算、效用计算等计算机技术与网络技术的优势,为互联网络提供了一个安全、可靠的运行环境。为推进工业互联网平台的自动化、智能化、数字化、网络化发展,技术人员将云计算技术与工业互联网数据资源管理平台的构建工作融为一体,旨在发挥云计算模式低成本、高效率与高可用性的应用优势,以增强工业互联网平台的安全性、可靠性与稳定性。基于此,文中着重围绕基于云计算的工业互联网数据资源管理平台的构建思路展开了论述,以此来强调云计算技术在平台构建过程中的重要作用。     

基于决策树算法的测绘遥感图像信息分类方法研究

当前的测绘遥感图像信息分类节点的布设形式一般为独立的,分类识别范围较小,导致遥感图像信息漏分误差增加,为此提出了一种基于决策树算法的测绘遥感图像信息分类方法。根据当前的信息分类需求及标准,进行遥感图像信息预处理,采用多目标的形式,以此来扩大分类识别范围,部署多目标分类识别的节点,建立测绘遥感图像信息分类矩阵,以此为基础,构建决策树测算遥感图像信息分类模型,采用多元修正处理实现信息分类。测试结果表明：对比于测试组,该文方法的遥感图像信息漏分误差比被较好地控制在2.5以下,说明在决策树的辅助与支持下,当前对于遥感图形信息的分类效率更高,误差可控,将其应用到遥感图像自动分类中,具有很好的弹性和鲁棒性,且分类结构简单明了,达到了更好的分类效果,定义了一种特殊的数据结构,实现了该分类系统。实践表明,该系统具有很好的稳定性和交互性,实用性较强。     

基于决策树分类算法异构数据的索引优化

海量数据的索引是提高分布式环境下海量数据的查询重要手段。为了构建高效的索引结构,人们提出了多种异构数据索引优化方法。文中给出了基于决策树分类算法下的索引优化方法。基于决策树分类算法构建索引决策树,利用该索引决策树对各个子空间表的属性列进行决策,建立索引表,根据索引表数据建立索引,再根据各子空间上的索引构建全局索引。该二级索引结构为快速定位索引信息提供了技术支持。实验结果表明,索引决策树是一个对优化异构数据索引合适的方法。     

基于决策树的Landsat多光谱影像分类方法

构建了一种结合光谱特征和纹理特征的多光谱影像决策树分类方法.以Landsat-7影像作为试验数据,通过分析Landsat-7影像的光谱特征值及NDVI、NDWI和NDBI特征值,确定各类地物的综合阈值,同时运用灰度共生矩阵对影像进行纹理信息提取,得到对比度、熵、逆差矩和相关性等纹理特征图像.在此基础上,运用决策树分类法...     

决策树分类算法分析课程成绩--促进《计算机基本操作技术》课程体系改革

决策树算法在分析《计算机基本操作技术》的课程成绩时,挖掘得出影响学生成绩的潜在的因素,对各个隐性因素进行分析,目的旨在改善课程教学。     

基于统计的高效决策树分组分类算法

基于决策树的分组分类算法因易于实现和高效性,在快速分组分类中广泛使用。决策树算法的基本目标是构造一棵存储高效且查找时间复杂度低的决策树。设计了一种基于规则集统计特性和评价指标的决策树算法——HyperEC 算法。HyperEC算法避免了在构建决策树过程中决策树高度过高和存储空间膨胀的问题。HyperEC算法对IP地址长度不敏感,同样适用于IPv6的多维分组分类。实验证明,HyperEC算法当规则数量较少时,与HyperCuts基本相同,但随着规则数量的增加,该算法在决策树高度、存储空间占用和查找性能方面都明显优于经典的决策树算法。     

应急指挥系统数据字典的构建及应用研究

当前应急指挥系统在警务工作中发挥着重要作用.本文在现阶段现实需求基础上,结合国外军用数据链研究成果,针对应急指挥系统中数据字典建立的必要性、构建基础、设计结构和应用等方面进行初步探讨,提出数据元素、信息会话层、协议三层架构,通过类比的方式描述应急指挥调度系统数据字典的设计实现,构建了应用框架,实现功能应用描述,力图实现...     

基于最短划分距离的网络流量决策树分类方法

对不同类别的应用数据流,根据其在最初若干分组中进行握手和参数协商的差异性,通过通信模式、载荷长度以及信息熵等特征,采用基于最短划分距离的方法构建决策树模型,对其进行流量分类。经过在4个不同类型的真实网络数据集上的离线分类实验,以及在校园网环境中的在线流量分类实验。结果表明该模型对8种常见协议的网络流量,分析其前4到6个分组的特征,能够在分类准确性和系统开销上取得较好的效果。与其他机器学习算法相比,该模型构建的决策树规模较小,分类时间较短,适合于实时流量分类问题。     

基于决策树的雷达属性分类方法

分析了雷达信号属性的特点，阐明了决策树的构成，提出了基于决策树的雷达多属性分类方法。采取决策树的分类方法，不仅可以很好地对雷达属性进行分类，而且可以直接给出判断规则，将专家系统的经验思维直观地表达出来。采用决策树，还可以看到雷达各参数对预测量性的影响，从而提高了自学习能力。通过仿真实例，证明了该方法具有较高的识别率。     

数据预处理与决策树在客户行为分析中的应用

决策树算法是数据挖掘中的一种重要算法,介绍了决策树的构建过程中数据预处理方法及决策树构造方法与步骤.数据预处理是为了提高数据挖掘对象的质量,主要包括数据清洗、数据集成与数据消减.数据预处理之后,在训练样本集的基础上,通过选择适当的属性做为树根、子树根,不断重复,基于剪枝方法,最终建立了经过优化的决策树.     

基于多特征的遥感影像决策树分类

构建了一种基于多特征的遥感影像决策树分类方法。通过对遥感影像进行波段代数运算、主成分分析和图像分割等处理,提取出影像上地物的光谱维特征、纹理特征和形状特征。在此基础上,结合试验区主要地物类型提纯后的训练样本集,采用C5.0决策树分类法进行影像分类,实现主要地物的空间分布专题信息提取,并利用该方法对Landsat-5TM影像进行了分类实验。结果表明,所提出的方法能够有效地提高分类精度。     

基于Fisher约束和字典对的图像分类

基于稀疏表示的分类方法由于其所具有的简单性和有效性获得了研究者的广泛关注,然而如何建立字典原子与类别信息间的联系仍然是一个重要的问题,与此同时大部分稀疏表示分类方法都需要求解受范数约束的优化问题,使得分类任务的计算较复杂。为解决上述问题,该文提出一种新的基于Fisher约束的字典对学习方法。新方法联合学习结构化综合字典和结构化解析字典,然后通过样本在解析字典上的映射直接求解稀疏系数矩阵;同时采用Fisher判别准则编码系数使系数具有一定的判别性。最后将新方法应用到图像分类中,实验结果表明新方法在提高分类准确率的同时还大大降低了计算复杂度,相较于现有方法具有更好的性能。     

基于通用协议字典的数据封装与发送研究

在现代制造服务业和软件业高速发展的今天,许多产品公司需要采集正在投入使用的产品的工作状态、工作位置等数据,因此需要指定自己的数据协议,这样既增加了开发人员的难度,也给公司间数据的交叉使用和迁移带来了困难。在这样的情况下,文章通过提出一种多层次的通用数据协议字典,可以使开发者只关注于业务部分,缩短了新系统开发的时间。而且本通用协议中多层次的设计,也给协议带来了更大的灵活性和更广的适用性。     

基于Hash和AQT的类决策树包分类算法研究

多维包分类算法是网络安全、网络测量、服务质量、流路由等技术的重要组成部分,然而设计一种在时间上和空间上均占优的包分类算法却十分困难。在研究现有的经典IP包分类算法的基础上,根据协议类型域有限取值的特点提出了一种基于Hash函数和AQT的决策树的新型IP包分类算法。仿真结果表明：相比传统包分类算法,该算法具有更低的时空复杂度。     

基于字典学习的土壤地球化学数据稀疏重构

在土壤地球化学数据的勘察和采集过程中,因为各种客观因素导致数据不完整,这会对后续的研究工作造成一定的影响,因此对数据进行重构是预处理阶段最基本的步骤。基于土壤地球化学数据在自身或在变换域内的稀疏性,建立基于字典学习的土壤地球化学数据重构模型,将数据重构问题转化为稀疏优化问题,可以减少数据重构后的平滑效果,在一定程度上保留土壤地球化学数据在异常区和背景区交界处的结构特征。最后将反距离插值法和稀疏重构算法重构后的数据进行对比,结果表明稀疏重构算法能有效地对土壤地球化学数据进行重构。