在文本分类中,一个文本往往有多类属性,而目前大多数分类模型均为二元分类模型。因此,提出一种基于潜在语义的多类分类模型。该模型同时考虑文档特征信息和文档的类属信息,在提取文档潜在语义信息的同时把对文档分类贡献大的特征信息保...在文本分类中,一个文本往往有多类属性,而目前大多数分类模型均为二元分类模型。因此,提出一种基于潜在语义的多类分类模型。该模型同时考虑文档特征信息和文档的类属信息,在提取文档潜在语义信息的同时把对文档分类贡献大的特征信息保留下来。其结果是既能较好地解决文档中同义词和多义词的问题,又能解决多类属分类问题,并且能够探测到新类。在R eu ters文档集上的实验表明,在维数较低的情况下,分类效果比较好,性能比较稳定。展开更多
基于变量预测模型的模式识别(variable predictive model based class discriminate,VPMCD)方法是一种充分利用特征值之间相互内在关系进行多分类模式识别的新方法。对VPMCD算法进行了研究,并采用交叉验证法来选择VPMCD模型。针对机械...基于变量预测模型的模式识别(variable predictive model based class discriminate,VPMCD)方法是一种充分利用特征值之间相互内在关系进行多分类模式识别的新方法。对VPMCD算法进行了研究,并采用交叉验证法来选择VPMCD模型。针对机械故障振动信号的特征值之间的相互内在关系,结合本征时间尺度分解(intrinsic time-scale decom-position,ITD),提出了一种基于本征时间尺度分解和VPMCD的机械故障诊断方法。该方法首先利用ITD方法将原始信号分解若干个PR(proper rotation,PR)分量,然后提取第一个PR分量的无量纲时域统计参数组成特征向量,最后采用VPMCD方法进行机械故障诊断。通过滚动轴承故障诊断实验验证了该方法能有效地应用于小样本多分类机械故障诊断。展开更多
An improved particle swarm optimization（PSO） algorithm is proposed to train the fuzzy support vector machine（FSVM） for pattern multi-classification.In the improved algorithm,the particles studies not only from its...An improved particle swarm optimization（PSO） algorithm is proposed to train the fuzzy support vector machine（FSVM） for pattern multi-classification.In the improved algorithm,the particles studies not only from itself and the best one but also from the mean value of some other particles.In addition,adaptive mutation was introduced to reduce the rate of premature convergence.The experimental results on the synthetic aperture radar（SAR） target recognition of moving and stationary target acquisition and recognition（MSTAR） dataset and character recognition of MNIST database show that the improved algorithm is feasible and effective for fuzzy multi-class SVM training.展开更多
文摘在文本分类中,一个文本往往有多类属性,而目前大多数分类模型均为二元分类模型。因此,提出一种基于潜在语义的多类分类模型。该模型同时考虑文档特征信息和文档的类属信息,在提取文档潜在语义信息的同时把对文档分类贡献大的特征信息保留下来。其结果是既能较好地解决文档中同义词和多义词的问题,又能解决多类属分类问题,并且能够探测到新类。在R eu ters文档集上的实验表明,在维数较低的情况下,分类效果比较好,性能比较稳定。
文摘基于变量预测模型的模式识别(variable predictive model based class discriminate,VPMCD)方法是一种充分利用特征值之间相互内在关系进行多分类模式识别的新方法。对VPMCD算法进行了研究,并采用交叉验证法来选择VPMCD模型。针对机械故障振动信号的特征值之间的相互内在关系,结合本征时间尺度分解(intrinsic time-scale decom-position,ITD),提出了一种基于本征时间尺度分解和VPMCD的机械故障诊断方法。该方法首先利用ITD方法将原始信号分解若干个PR(proper rotation,PR)分量,然后提取第一个PR分量的无量纲时域统计参数组成特征向量,最后采用VPMCD方法进行机械故障诊断。通过滚动轴承故障诊断实验验证了该方法能有效地应用于小样本多分类机械故障诊断。
基金supported by the National Natural Science Foundation of China (60873086)the Aeronautical Science Foundation of China(20085153013)the Fundamental Research Found of Northwestern Polytechnical Unirersity (JC200942)
文摘An improved particle swarm optimization（PSO） algorithm is proposed to train the fuzzy support vector machine（FSVM） for pattern multi-classification.In the improved algorithm,the particles studies not only from itself and the best one but also from the mean value of some other particles.In addition,adaptive mutation was introduced to reduce the rate of premature convergence.The experimental results on the synthetic aperture radar（SAR） target recognition of moving and stationary target acquisition and recognition（MSTAR） dataset and character recognition of MNIST database show that the improved algorithm is feasible and effective for fuzzy multi-class SVM training.
