判别性正则化:一种新颖的分类器学习方法(英文)

提出了一种新颖的正则化方法-判别性正则化(Discriminative regularization,DR),为分类提供了一种通用的结合样本先验信息的方式.通过将先验信息引入到正则化项中,DR不但使分类器实际输出与期望输出之间的经验损失达到最小, 而且能在输出空间中同时最大化类间散性与最小化类内紧性.此外,通过将等式约束嵌入到目标函数中,DR的求解还可转化为解线性方程组问题,从而得到全局解析解.分类实验验证了DR的优越性.     

民航安保事件分级研究

在民航安全保卫的专业背景下,将危机管理中对突发事件的分级方法应用于对民航安保事件危险等级的划分。从既往案例中总结出30种民航安保事件的生成机理与发展特征,从主客观标准上设定出3个层次、7个分级变量要素与4个观察维度的分析框架。在此基础上,经过对各个分级变量要素进行权重赋值与判别函数计算,得出了每一种航空安保事件的具体得分,进而确定出4个级别的行为分级系统。     

一种新的判别决策树的建树准则

讨论了一种新的判别决策树评价准则,在建立二分树的过程中,提出采用不可分辨度最大下降作为选择自变量的原则.这种新准则与经典的非纯度下降算法在概念上是近似的.如果适当定义非纯度下降算法中的权重,则这两个准则就是完全等价的.然而,新准则的计算更加简单,并且通过案例分析可知,对新准则计算结果的解释也更加容易.     

单形空间中多元成分数据的Fisher判别方法

首先,基于Aitchison单形空间成分数据运算法则,提出成分数据向量的代数体系,其中包括成分数据向量的加法、数乘、减法、内积、范数以及距离等定义.在此基础上,根据Fisher判别分析原理,建立多元成分数据的线性判别函数,以及利用距离判别的思想,根据待判样本投影点的得分与各类中心投影点的均值之间的距离,对待判样本进行归类建立判别规则,从而提出一种针对多元成分数据的判别方法.最后,通过仿真方法及实际案例验证该方法的有效性.给出的成分数据向量的代数体系为将其他多元统计方法推广到多元成分数据奠定了基础.     

基于正则化多核判别分析的航空发动机滚动轴承早期故障融合诊断方法

针对基于机匣测点信号的航空发动机滚动轴承早期故障诊断问题,提出了一种基于正则化多核判别分析的融合诊断方法.该方法首先提取多种类型的滚动轴承故障特征;然后采用相同的一组核参数为不同类型的特征分别构造一组核矩阵,并将所有核矩阵组合在一起;最后通过求解一个半无限线性规划得到该组核矩阵关于正则化核判别分析的目标函数的最优线性组合系数,进一步采用该系数计算所有核矩阵的线性组合,从而实现多种类型特征信息的融合.实验结果表明:该方法诊断正确率与采用单一类型特征诊断的最高正确率相比提高了9.25%,同时可以避免核矩阵需要人工选择的问题,从而进一步提高了故障诊断的自动化水平.      

基于本体的工艺设计语义检索与决策技术研究

在工艺设计决策过程中,利用判别分析对工艺知识本体模型中的知识库进行实例分析,通过计算新样本与知识库中不同类别总体间的马氏距离来判定其所属类别,从而确定新样本的工艺设计决策结果,并通过工程实例验证了决策方法的可行性与有效性.     

基于Gram-Schmidt过程的判别变量筛选方法

利用Gram-Schmidt过程,在自变量集合中选择对判别分类解释性最强的信息,删除对分类无显著解释作用的信息以及重复解释的信息,并把挑选出来的解释变量集合变换成若干直交变量.一方面实现了判别分析模型中的变量筛选,同时也解决了自变量多重共线条件下的有效建模问题.在选入变量的过程中运用F统计量检验变量的判别作用,更容易被统计应用人员所接受.为了说明所提算法的合理性和有效性,以Fisher判别分析建模为例,通过仿真数据建模取得了合理准确的分析结论.      

基于样本类别确定度的半监督分类

在对遥感图像进行分类时,全监督算法往往需要足够的标记样本进行训练,然而标记的过程是耗时和昂贵的,相反收集大量的无标记样本是很容易的。为了在学习过程中能够有效利用未标记样本的信息,本文提出了基于样本类别确定度（CCS）的半监督分类算法。首先,利用多分类支持向量机（SVM）得到未标记样本属于各类别的确定度,有效地衡量了未标记样本类别可靠性;其次,对样本类别确定度进行预处理,提升利用未标记样本的安全性;最后,基于样本类别确定度设计了半监督线性判别分析（LDA）降维算法并对其进行核化,使得样本在降维后的子空间更具有可分性,并根据降维后的数据特点,采用最近邻分类器对新样本进行分类。利用真实的合成孔径雷达（SAR）图像进行测试,验证了在标记样本较少的情况下,本文算法在性能上优于全监督和其他半监督算法,并能够快速收敛。      

基于支持向量机和线性判别分析的维数约减方法及其应用

目前已提出的一些基于支持向量机的维数约减方法,但其投影矩阵的获得仅考虑支持向量机的类间间隔,而忽略了数据中的类内信息。本文首次提出了一种基于支持向量机和线性判别分析的维数约减方法,称之为DRSL。DRSL实现了类问和类内信息的有效组合,能有效拟合数据中类间和类内结构,使得所获投影矩阵能够提高后续分类器的推广能力。实验验证了该方法的有效性。     

基于判别分析的发动机故障诊断方法

本文介绍了以多元统计分析中的判别分析理论为基础的航空喷气发动机的故障诊断方法。重点讨论了应用 Baves 判别方法建立发动机故障诊断模型的有关问题。文中讨论了与故障样本、诊断模型和模型检验有关的问题。文中还给出了应用基于判别分析的发动机故障诊断方法对 JT9D 发动机进行建模和诊断的结果。结果表明:基于判别分析的发动机故障诊断方法是可行的和有效的,并已显示出良好的工程应用前景。