导读:本文包含了多分类器集成论文开题报告文献综述、选题提纲参考文献，主要关键词:电信号,成分,影像,线图,流脑,数据,向量。
多分类器集成论文文献综述写法
顾浩,尹钟[1]（2019）在《基于脑电信号与集成分类器的心理负荷评估》一文中研究指出为了精确评估个体心理负荷状态,需要获取目标脑电信号数据,脑电信号是评估脑力负荷变化的重要指标。机器学习和神经网络越来越多地用于脑力负荷分类。利用脑电信号特征可在时域和频域中提取突出信息。因此提出一个结合支持向量机(SVM)与超限学习机(ELM)的混合型脑力负荷分类框架。其中支持向量机作为成员分类器,可在高维EEG特征中查找隐藏信息;超限学习机用于融合成员分类器的输出。将ELM-SVM模型与经典脑力负荷分类器进行比较,得出该模型训练精度准确率为1,且测试精度提升0.1个百分点。(本文来源于《软件导刊》期刊2019年11期）
麦麦提·如则,严传波,木拉提·哈米提,姚娟,排孜丽耶·尤山塔依[2]（2019）在《基于集成分类器的新疆哈萨克族早期食管癌X线图像的分型研究》一文中研究指出目的:讨论Bagging、Adaboost、Random Forest(RF) 3个集成分类器对新疆哈萨克族食管图像分型中的分类能力。方法:使用Matlab图像处理软件,对食管X线图像进行预处理,对预处理后的图像使用灰度共生矩阵和Hu不变矩特征进行图像特征的提取;然后,使用主成分分析法对特征值进行筛选优化,得到分类能力较强的特征值;最后,使用Weka软件,将3个不同的集成分类器对正常食管和早期食管癌图像进行分类,并进行分类模型的评估。结果:使用Bagging、Adaboost、Random Forest(RF) 3个集成分类器结合降维后的灰度共生矩阵特征值对食管图像进行分类时,正常食管的分类准确率是82%、94%、88%,早期食管癌的分类准确率是94%、88%和94%;使用降维后的Hu不变矩特征值和3种集成分类器对正常食管和早期食管癌进行分类时,正常食管的分类准确率是60%和64%、61%,早期食管癌的分类准确率是57%、68%和65%;结论:3种集成分类器结合灰度共生矩阵对正常食管和早期食管癌X线图像进行分类,其分类准确率与Hu不变矩相比分类效果更显着。说明灰度共生矩阵结合3种集成分类器更适合用于区分正常食管和早期食管癌X线图像。(本文来源于《科技通报》期刊2019年07期）
陈猛[3]（2019）在《集成基于EP的分类器用于数据流入侵检测》一文中研究指出本文提出了一种集成基于EP的分类器用于数据流入侵检测的模型EEPCDS(Ensemble of EP-based Classifiers on Data Stream)。该模型选择滑动窗口中的多个时间段数据来生成多个EP分类器,并且通过加权投票表决对未知样本进行分类,检测入侵行为。EEPCDS能适应数据流环境下的概念漂移,并且能实现较好的目标类召回率和精度的平衡,以及较高的分类准确率。(本文来源于《河南科技》期刊2019年19期）
王海玉,王映龙,闵建亮,胡剑锋[4]（2019）在《集成3种不同核分类器的疲劳脑电分类》一文中研究指出为对疲劳脑电进行准确识别,预防疲劳驾驶带来的危害,对32导脑电信号进行预处理,对比小波变换和经验模态分析(empirical mode decomposition,EMD)去掉异常值和高频噪声情况,在效果较好的EMD基础上进行样本熵、模糊熵的提取,形成特征集,选用最小二乘为基分类器,采用AdaBoost (adaptive boosting)方法通过迭代增加错分样本权重,投票形成基于最小二乘支持向量机3个不同核的弱分类器集成的强分类器,实现驾驶疲劳的识别,平均准确率达95%。通过实验验证了该方法的灵活性及鲁棒性,在一定程度上推动了驾驶疲劳的研究。(本文来源于《计算机工程与设计》期刊2019年06期）
胡忠义,王超群,陈远,吴江,鲍玉昆[5]（2019）在《基于多分类器动态集成的P2P违约风险评估》一文中研究指出针对P2P违约风险评估问题,构建基于K均值聚类的多分类器动态集成模型。通过K均值聚类将P2P借贷样本集划分为多个区域,并在每个区域分别构建多个基分类器模型,进行多分类器集成;在给定新的测试样本时,基于样本特征动态选择样本归属区域的基分类器,进行模型集成与违约风险评估。以Lending Club借款数据为例,对网贷违约风险评估进行实证分析表明,基于多分类器动态集成的P2P违约评估模型,比单一模型和静态集成模型的准确性更好,且基于神经网络的动态集成模型效果最好。(本文来源于《管理学报》期刊2019年06期）
蒋月[6]（2019）在《集成面向对象与多分类器的遥感影像回溯变化检测研究》一文中研究指出土地覆被变化信息提取和分析对于城市历史动态与未来发展趋势研究、土地资源管理、生态环境保护等具有重要的意义。随着对地遥感卫星技术的飞速发展,遥感数据尤其是中分辨率的Landsat系列遥感卫星影像以其多光谱、高时频以及广视域等优势成为土地覆被变化信息提取的主要数据来源。传统的分类后比较法在自动化土地覆被变化检测过程中存在着分类误差累积的问题,从而导致获得的土地覆被变化信息中存在虚假变化。而集成直接变化检测方法和分类后变化检测方法的回溯分析近年来已在遥感影像土地覆被分类及变化分析领域有众多应用,然而在多期遥感影像变化分析中,存在多基于像元、分类器固定/单一、分类过程独立导致虚假变化、数据处理效率与自动化水平较低等问题,很难体现其优势。为了克服这些问题,本文提出了一种集成面向对象与多分类器的回溯变化检测方法,将叁种泛化能力较高的分类器适时应用在遥感影像变化分析框架的不同阶段。首先基于随机森林分类器完成基期影像(最新时间的影像)的土地覆被制图,然后结合模糊C均值聚类与多阈值算法获得不同时相影像的二值变化结果,最后结合前面过程的结果确定前一期影像的未变化和变化区域,通过土地覆被逻辑构建类层次结构将土地覆被分类与变化分析联系起来,使用支持向量机分类器对变化区域获得可靠的土地覆被分类及变化结果。为了验证本文方法在不同地区进行多期遥感影像土地覆被变化信息自动化提取方面的有效性,分别对巴基斯坦伊斯兰堡1990-2018年间的4期影像和兰州市1991-2017年4期影像进行土地覆被变化信息提取和分析。得到如下结论:(1)为了提高基期参考影像的土地覆被分类精度,通过分割参数优选、分类特征优选等对基于对象的影像分类过程进行优化,并采用随机森林算法最终得到了伊斯兰堡和兰州市两个研究区基期影像较好的分类结果,能够满足后续研究的需要。(2)在基于对象的方法的基础上进行土地覆被变化检测,能够避免传统的基于对象的变化检测方法中存在的椒盐噪声,同时可以降低影像配准误差对土地覆被变化检测结果的影响。此外,使用影像对象代替像元,可以有效地减少土地覆被变化结果中虚假变化的像元个数。与传统方法相比,因为本文方法只需要对影像的变化对象进行分类,同样降低了虚假变化发生的可能性,并减少了多期影像变化分析的时间消耗。(3)通过在回溯分析流程的不同阶段中使用多分类器进行土地覆被变化检测,大大提高了多期影像变化分析的处理能力和效率。通过使用泛化能力较强的随机森林算法保证了基期影像的分类精度。而模糊C均值聚类算法和多阈值方法的结合使用减少了变化结果中的漏检现象。此外,为了尽可能地消除土地覆被变化结果中的不合逻辑的变化,提高影像变化分析结果的可靠性,本文引入了土地覆被转换逻辑来构建类层次结构,该结构可以将土地覆被分类和变化分析过程联系起来,从而提高变化检测精度。而在对变化区域进行变化分析和分类时,采用对小样本分类鲁棒性较强的支持向量机算法代替以往研究中采用的基于专家知识的规则集分类方法,避免了基于规则集方法对专家知识的依赖,提高了分类效率和土地覆被变化检测的自动化水平,且能够得到精度较高的分类结果。(4)通过对本文方法得到的伊斯兰堡和兰州市4期影像的土地覆被分类及变化结果的精度对比分析,结果表明本文方法在不同地区的多期遥感影像变化信息提取方面均是有效的。虽然两个地区影像的结果存在一定的差异,且分类精度从新到老均呈现递减的趋势,但是总体而言,两个研究区的结果均处于可以接受的水平。伊斯兰堡和兰州市4期影像的土地覆被分类结果的平均总体精度分别达到86.8%和86.2%,且其土地覆被变化检测结果的平均总体精度分别达到81.9%和81%。另一方面,通过对两个地区的土地覆被变化对比分析可以发现,采用本文方法获得的不同地区的土地覆被变化结果均是符合研究区实际的城市发展情况的,得到的土地覆被变化结果均较为准确。因为城市发展历史的不同,导致新兴城市伊斯兰堡的土地覆被变化幅度要快于历史悠久的兰州市;而由于地形、周围环境等的影响,兰州市先通过侵占河谷内的农田等土地资源的方式进行扩张,并逐渐朝着北部山区和东南向的城镇发展,而伊斯兰堡在城市市区逐渐扩张的同时,并沿着与邻市的接壤边界进行发展。(本文来源于《兰州大学》期刊2019-05-01）
李新琴,史天运,李平,王喆,杨连报[7]（2019）在《基于进化集成分类器的铁路安全隐患智能分类》一文中研究指出针对铁路安全事故隐患文本数据分类提出进化集成分类器模型。分析安全事故隐患数据特征,根据每一类安全事故隐患数据都有特征关键词的特点,运用TF-IDF方法提取文本特征并转换为向量。设计进化集成分类器模型实现流程。采用Bagging集成分类器将TF-IDF转换后的文本向量进行随机采样,训练若干个决策树基分类器模型,设计遗传算法编码机制、灵敏度设定、适应度函数及目标函数选择等关键步骤。根据遗传算法流程实现基分类器组合优化,将经过遗传算法进化的最优个体对应的基分类器参与Bagging投票分类,验证分类效果。通过对某铁路局供电接触网安全事故隐患文本数据实验分析,进化集成分类器模型在安全事故隐患分类的准确率相比于单个决策树分类器和Bagging集成分类器分类结果分别提升17.42%和4.63%,证明设计的进化集成分类模型能够取得较好的分类效果,可应用于铁路安全事故隐患分类。(本文来源于《交通信息与安全》期刊2019年02期）
李敏,李华,程茂华[8]（2019）在《一种自适应子融合集成多分类器方法》一文中研究指出融合集成方法已经广泛应用在模式识别领域,然而一些基分类器实时性能稳定性较差,导致多分类器融合性能差,针对上述问题提出了一种新的基于多分类器的子融合集成分类器系统;该方法考虑在度量层融合层次之上通过对各类基多分类器进行动态选择,票数最多的类别作为融合系统中对特征向量识别的类别,构成一种新的自适应子融合集成分类器方法;实验表明,该方法比传统的分类器以及分类融合方法识别准确率明显更高,具有更好的鲁棒性。(本文来源于《计算机测量与控制》期刊2019年04期）
吴立凡,何振峰[9]（2019）在《改进PM-MD的分类器集成》一文中研究指出Hub会对高维数据分析产生显着消极影响,现有研究分别采用了五种降Hubness策略以提高分类效果,但单个降Hubness策略适用范围有限.为解决这一问题,提出对五种降Hub分类器进行基于PM-MD的集成, PMMD集成是通过KNN确定分类对象的决策表以及通过分类器得到分类对象的类支持向量,最后通过比较决策表和类支持向量的相似性计算分类器的竞争力权重.由于PM-MD在处理高维数据集时高斯势函数存在弱化距离导致区分度不足的倾向,因此提出了采用欧氏距离直接计算决策表以提高分类精度.在12个UCI数据集上的实验结果表明:PM-MD不仅获得更好且稳定的分类结果,而改进后的PM-MD则进一步提高了分类精度.(本文来源于《计算机系统应用》期刊2019年04期）
梁令羽,孙铭堃,何为,李凤荣[10]（2019）在《Bagging-SVM集成分类器估计头部姿态方法》一文中研究指出针对现有常用分类器性能不能满足头部姿态估计对准确率的要求,以及光照变化影响头部姿态估计准确率的问题,提出了一种基于Bagging-SVM集成分类器的头部姿态估计方法。首先,通过图片预处理和Adaboost检测人脸区域算法减少背景、光照等干扰因素对于头部姿态特征提取的影响。其次,采用融合方向梯度直方图(HOG)特征和局部二值模式(LBP)特征分别对人脸的轮廓特征和纹理特征进行提取。然后,通过主成分分析(PCA)对融合的头部姿态特征进行特征选择,抽取其主元特征分量供分类器进行训练。最后,通过Bagging方法构建多个训练数据集,并采用支持向量机(SVM)对每个数据集进行训练,产生多个弱分类器,多个弱分类器投票决定测试样本所属类别。将该算法在Pointing’04数据集、CAS-PEAL-R1数据集和自建数据集上进行验证实验,实验结果表明提出的算法相比线性判别分类器(LDA)、朴素贝叶斯分类器(NB)等常用分类算法具有更高的分类准确率,对光照的变化具有较好的鲁棒性。(本文来源于《计算机科学与探索》期刊2019年11期）
多分类器集成论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的:讨论Bagging、Adaboost、Random Forest(RF) 3个集成分类器对新疆哈萨克族食管图像分型中的分类能力。方法:使用Matlab图像处理软件,对食管X线图像进行预处理,对预处理后的图像使用灰度共生矩阵和Hu不变矩特征进行图像特征的提取;然后,使用主成分分析法对特征值进行筛选优化,得到分类能力较强的特征值;最后,使用Weka软件,将3个不同的集成分类器对正常食管和早期食管癌图像进行分类,并进行分类模型的评估。结果:使用Bagging、Adaboost、Random Forest(RF) 3个集成分类器结合降维后的灰度共生矩阵特征值对食管图像进行分类时,正常食管的分类准确率是82%、94%、88%,早期食管癌的分类准确率是94%、88%和94%;使用降维后的Hu不变矩特征值和3种集成分类器对正常食管和早期食管癌进行分类时,正常食管的分类准确率是60%和64%、61%,早期食管癌的分类准确率是57%、68%和65%;结论:3种集成分类器结合灰度共生矩阵对正常食管和早期食管癌X线图像进行分类,其分类准确率与Hu不变矩相比分类效果更显着。说明灰度共生矩阵结合3种集成分类器更适合用于区分正常食管和早期食管癌X线图像。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多分类器集成论文参考文献
[1].顾浩,尹钟.基于脑电信号与集成分类器的心理负荷评估[J].软件导刊.2019
[2].麦麦提·如则,严传波,木拉提·哈米提,姚娟,排孜丽耶·尤山塔依.基于集成分类器的新疆哈萨克族早期食管癌X线图像的分型研究[J].科技通报.2019
[3].陈猛.集成基于EP的分类器用于数据流入侵检测[J].河南科技.2019
[4].王海玉,王映龙,闵建亮,胡剑锋.集成3种不同核分类器的疲劳脑电分类[J].计算机工程与设计.2019
[5].胡忠义,王超群,陈远,吴江,鲍玉昆.基于多分类器动态集成的P2P违约风险评估[J].管理学报.2019
[6].蒋月.集成面向对象与多分类器的遥感影像回溯变化检测研究[D].兰州大学.2019
[7].李新琴,史天运,李平,王喆,杨连报.基于进化集成分类器的铁路安全隐患智能分类[J].交通信息与安全.2019
[8].李敏,李华,程茂华.一种自适应子融合集成多分类器方法[J].计算机测量与控制.2019
[9].吴立凡,何振峰.改进PM-MD的分类器集成[J].计算机系统应用.2019
[10].梁令羽,孙铭堃,何为,李凤荣.Bagging-SVM集成分类器估计头部姿态方法[J].计算机科学与探索.2019