“分类器性能”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果10475277个，建议您升级VIP下载更多相关专利

[发明专利]一种分类器集成方法-CN200810046789.9有效
发明人：高常鑫;桑农;王岳环;唐奇伶;李密;高峻;笪邦友 -专利权人：华中科技大学
申请日： 2008-01-25 - 公布日： 2008-07-30 - 主分类号： G06K9/62 文献下载
摘要：一种分类器集成方法，包括：(1)初始化训练样本权值；(2)对训练样本进行分类器训练，采用错误程度和泛化能力描述的分类器性能评价准则选出多个最佳子分类器；(3)组合最佳子分类器。本发明采用的分类器性能评价准则能够准确地选出性能好的子分类器，子分类器性能越好，组合得到相同性能的分类器需要的子分类器数量就越少，即训练循环的次数和时间均越少。另外本发明还通过反馈调整组合分类器，进一步增强分类器性能。
一种分类集成方法

[发明专利]一种基于欺骗攻击者的对抗样本防御方法-CN201911050099.5有效
发明人：王波;赵梦楠 -专利权人：大连理工大学
申请日： 2019-10-31 - 公布日： 2022-08-02 - 主分类号： G06K9/62 文献下载
摘要：技术方案：在不改变原始分类器分类性能的基础上构建分类系统，采用并行的方式将缓冲器添加到分类系统中，通过构造与原始分类器泛化性能较差的分类器2，很好地欺骗攻击者；在原始分类器之前设置额外的检测器，防御单步攻击以及提高攻击过程的难度，只采用原始分类器对被检测器分类为正常标签的图像进行分类；采用比较器或集成学习块更换检测器，获得更好的分类性能以及无梯度回传的特性，比较器不承担任何特定的攻击策略和扰动模式。有益效果是:本发明采用缓冲器、比较器等阻碍了对抗样本的生成过程，在不影响正常样本的分类性能下，提升了分类网络对对抗样本的防御性能。
一种基于欺骗攻击者对抗样本防御方法

[发明专利]一种分类器输出不确定性与泛化能力间的匹配度的方法-CN201810223261.8在审
发明人：朱红;王熙照;王冉 -专利权人：深圳大学
申请日： 2018-03-19 - 公布日： 2018-08-24 - 主分类号： G06K9/62 文献下载
摘要：本发明属于数据挖掘技术领域，公开了一种分类器输出不确定性与泛化能力间的匹配度的方法，所述分类器输出不确定性与泛化能力间的匹配度的方法将分类器在不同复杂度的数据集上进行训练，对分类器的性能进行评估，判断出分类器解决高复杂度分类问题或低复杂度分类问题；计算分类问题的复杂度；调整分类器的参数，发现分类问题复杂度、分类器输出不确定性和分类器泛化能力间的匹配度。本发明根据分类问题中数据的特性提取出能够描述分类问题复杂度的指标，判定分类问题的复杂性，应用于分类器的性能评估上，提高分类器性能评估的速度和科学性，并且为用户提供选择和设计具有良好性能的分类器的可行的标准和方法
分类问题分类器分类器输出不确定性复杂度匹配度数据挖掘技术分类器性能低复杂度高复杂度特性提取性能评估用户提供数据集评估判定应用发现

[发明专利]分类模型的训练和使用方法、装置、设备和介质-CN202010049162.X在审
发明人：盛文佳;吴明丹;高春旭;叶峻 -专利权人：北京百度网讯科技有限公司
申请日： 2020-01-16 - 公布日： 2020-05-29 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种分类模型的训练和使用方法、装置、设备和介质，涉及人工智能技术领域。该训练方法包括：利用训练样本集，采用集成学习算法对分类模型进行训练，以获得至少一个分类器集合，所述分类器集合中包括至少两个基分类器；采用测试样本集，对所述分类器集合进行测试，以确定各基分类器的分类性能，并根据所述分类性能确定各基分类器的分类权重；其中，所述分类权重用于在使用所述分类器集合进行样本分类时，确定各所述基分类器分类结果的权重。本申请实施例能够保证集成学习中基分类器的多样性，并使分类器对少数类和多数类具有共同的分类性能，以使分类模型适用于样本不均衡的情况。
分类模型训练使用方法装置设备介质

[发明专利]一种基于XGBoost和LGBM的入侵检测方法、存储介质及设备-CN202211391189.2在审
发明人：刘兰;吴亚峰;陈桂铭;胡峻涵;陈子力;林子萌 -专利权人：广东技术师范大学
申请日： 2022-11-08 - 公布日： 2023-01-13 - 主分类号： G06F21/55 文献下载
摘要：本发明公开了一种基于XGBoost和LGBM的入侵检测方法、存储介质及设备，方法包括步骤：获取数据集，对所述数据集进行数据预处理；根据信息增益和FCBF算法对预处理后的数据集进行特征选择；采用XGBoost和LGBM分类器对数据进行分类处理；优化XGBoost和LGBM分类器，根据分类器性能比较结果，选择性能更高的分类器进行分类结果输出。本发明通过对数据集进行数据预处理，可缓解数据集样本的不平衡问题，同时提高了数据集质量；通过对分类器不断优化，提高分类器的分类处理性能，并通过选择性能更高的分类器进行分类结果输出，能提高入侵检测的检测精度
一种基于 xgboost lgbm 入侵检测方法存储介质设备

[发明专利]构建神经网络的方法及装置、神经网络、电子装置及设备-CN202111359612.6在审
发明人：王跃明;申江荣;蒋磊;牛洪蛟 -专利权人：华为技术有限公司
申请日： 2021-11-17 - 公布日： 2023-05-23 - 主分类号： G06N3/0464 文献下载
摘要：该方法，将逐级生成的多个第二弱分类器分别对应的优胜分类器，也即各第一弱分类器集成，得到强分类器，且多个第一弱分类器之间建立有关联关系。将建立有关联关系的各第一弱分类器集成为网络结构复杂的强分类器后，该强分类器的分类性能优于任一个第一弱分类器的分类性能。该方法适合处理图像识别、语音识别、手势识别、动作识别等分类任务，性能较好。
构建神经网络方法装置电子设备

[发明专利]基于频繁模式的选择性集成分类方法-CN201310740476.4在审
发明人：周红芳;王啸;赵雪涵;段文聪;郭杰;张国荣;王心怡;何馨依 -专利权人：西安理工大学
申请日： 2013-12-26 - 公布日： 2014-04-23 - 主分类号： G06F17/30 文献下载
摘要：基于频繁模式的选择性集成分类方法，首先将未剪枝的集成分类器和样本空间映射为事务数据库，并利用布尔矩阵存储集成分类器对样本进行分类，然后根据分类结果从布尔矩阵中选择分类性能较好的基分类器构成最终的选择性集成分类器本发明综合考虑了分类器正确分类的样本数，基分类器的平均分类精度以及集成分类器的大小3个因素对集成分类器性能的影响，较合理地评估了候选集成分类器，提高了分类精度，且能够保持较高的分类效率。
基于频繁模式选择性集成分类方法

[发明专利]一种避雷器绝缘性能分析方法及装置-CN201811031394.1有效
发明人：邢超;杨桦;赵军;孙路;金飞;韩光 -专利权人：国网河北省电力有限公司电力科学研究院;国家电网有限公司;国网河北能源技术服务有限公司
申请日： 2018-09-05 - 公布日： 2020-10-09 - 主分类号： G06Q10/06 文献下载
摘要：本发明提供了一种避雷器绝缘性能分析方法及装置，该方法应用于变电站安全运行技术领域；所述方法包括：对避雷器的阻性电流数据进行预处理得到分类数据；若所述分类数据数值大于预设阈值则将所述分类数据确定为第一分类数据，若所述分类数据数值小于或等于预设阈值则将所述分类数据确定为第二分类数据；利用第一绝缘性能等级判断标准对所述第一分类数据进行判断确定第一绝缘性能等级；利用所述避雷器所属划分地区的第二绝缘性能等级判断标准对所述第二分类数据进行判断确定第二绝缘性能等级本发明提供的避雷器绝缘性能分析方法及装置能够提高判断金属氧化物避雷器绝缘性能的准确性。
一种避雷器绝缘性能分析方法装置

[发明专利]一种网络流量分类方法-CN201510176138.1有效
发明人：张庚;孙勇;孙振超;张然;周禹;钟卓健;李思珍;汪洋;刘世栋;郭经红;苏斓;丁慧霞;王智慧;王妙心;李哲;高强 -专利权人：中国电力科学研究院;国家电网公司;北京邮电大学;江苏省电力公司
申请日： 2015-04-15 - 公布日： 2018-05-29 - 主分类号： H04L12/801 文献下载
摘要：本发明提供一种网络流量分类方法，所述方法包括(1)提取网络流量行为特征集；(2)获取分类器模型，将所述行为特征集输入分类器，进行分类训练，得到相应参数；分类器性能评估，并优化分类器性能。本发明结合机器学习方法中无监督和有监督两种算法进行分类。二者结合可以在保证较高分类准确率的前提下降低系统时间和内存开销，提升分类效率。对聚类算法加以改进，提升聚类准确率，从而提高整体性能。
网络流量分类分类器性能特征集分类器模型分类准确率输入分类器分类效率机器学习降低系统聚类算法内存开销网络流量无监督分类准确率聚类算法评估优化改进保证监督

[发明专利]基于GA参数优化SVM集成学习的甲状腺结节良恶诊断系统-CN202310383636.8在审
发明人：付超;李鑫鑫;王冬越 -专利权人：合肥工业大学
申请日： 2023-04-06 - 公布日： 2023-07-25 - 主分类号： G16H50/20 文献下载
摘要：本发明中，针对基分类器精度不高、性能不足的缺点，设计了第一训练模块，用于采用遗传算法优化SVM参数，找到最优参数以提升参与集成的基分类器的性能，确保单个基分类器的准确率；针对集成方法简单、可解释性差的不足，设计了第二训练模块，用于采用遗传算法优化基分类器权重以实现对基分类器的加权集成。根据基分类器性能以确定最优权重，发挥不同基分类器的预测优势，由此提升模型的分类精度和系统的泛化性能，提升了甲状腺结节良恶诊断结果的准确性。
基于 ga 参数优化 svm 集成学习甲状腺结节诊断系统

[发明专利]一种基于决策融合的多模态情感分类方法-CN202210724880.1在审
发明人：刘博;季新婵;王慧娜;李金梦;朱念 -专利权人：北京工业大学
申请日： 2022-06-24 - 公布日： 2022-10-18 - 主分类号： G06V40/16 文献下载
摘要：一种基于决策融合的多模态情感分类方法属于情感分类技术领域。本发明通过对不同模态数据的特征提取和基于统计分析的特征筛选方式来建立单模态数据的特征集，然后将其输入分类模型并获得最优子分类器，然后在决策级别进行多个子分类器的融合。本发明综合考虑了所有子分类器，并根据各个分类器的性能来进行权重更新，在权重更新方式上，本发明通过计算各个分类器的累计损失来考量子分类器性能，对性能优越的分类器给予奖励，并对错分的分类器给予惩罚，实现一种综合子分类器的历史表现和当前迭代的表现来进行权重更新的方式，对各个分类器的权重赋值更加科学合理。本发明实现了更准确的多模态分类方法，综合多模态数据使模型更具解释性。
一种基于决策融合多模态情感分类方法

[发明专利]分类器的性能评估方法、装置和计算机可读存储介质-CN201810823251.8有效
发明人：孙胜方;刘丹 -专利权人：北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2018-07-25 - 公布日： 2021-04-30 - 主分类号： G06K9/62 文献下载
摘要：本公开涉及一种分类器的性能评估方法、装置和计算机可读存储介质，涉及人工智能技术领域。该方法包括：根据训练数据集中各数据类别包含数据的数量，确定各数据类别的权重，数据类别包含数据的数量越大相应的权重越大；利用训练数据集对分类器进行训练；通过测试数据集对训练后的分类器进行测试，以获取分类器对于各数据类别的分类准确率；利用各数据类别的权重对各数据类别的分类准确率进行加权求和，以确定分类器的分类性能。本公开的技术方案能够提高对分类器进行性能评估的准确性。
分类性能评估方法装置计算机可读存储介质

[发明专利]一种回溯式迭代车辆性能极度不平衡数据分类方法-CN202110939593.8在审
发明人：杨云;左鹏飞;倪园园;刘晨;段宗涛;康军 -专利权人：长安大学
申请日： 2021-08-16 - 公布日： 2021-11-16 - 主分类号： G06K9/62 文献下载
摘要：本发明一种回溯式迭代车辆性能极度不平衡数据分类方法，包括：从车辆性能测评数据获取多个训练样本，初始化所有训练样本的权重；每次迭代中，根据所属迭代次数对应的训练样本权重构建与迭代次数对应的弱分类器，采用弱分类器对训练样本进行分类，根据弱分类器的分类结果更新训练样本的权重，再基于综合相似度和KNN分类算法回溯更新所有训练样本的权重；其中，所述综合相似度是指根据相似度理论和欧几里得距离综合判断的相似度；组合所述得到的所有弱分类器，获得强分类器；采用强分类器对待分类的测试样本进行分类。本发明在车辆性能测评数据集标签分类任务上，不仅误差更小，且能在较少的迭代次数下达到较好分类的结果。
一种回溯式迭代车辆性能极度不平衡数据分类方法

[发明专利]一种基于朴素贝叶斯分类器的假指纹检测方法-CN201310754757.5有效
发明人：张永良;方珊珊;肖刚;刘超凡;王天成 -专利权人：浙江工业大学
申请日： 2013-12-31 - 公布日： 2017-02-22 - 主分类号： G06K9/62 文献下载
摘要：一种基于朴素贝叶斯分类器的假指纹检测方法，包括以下步骤1）训练库划分；2）图像归一化；3）特征提取；3.1）离散小波变换；3.2）去噪；3.3）小波重构；3.4）噪声图估计；3.5）标准差图计算；3.6）划分标准差图，统计得到图像的特征；4）特征划分；5）分类器训练；6）分类器性能评估；7）分类器融合利用朴素贝叶斯分类器构造的方法，融合得到新的分类器。本发明对单个分类器性能要求不高，但分类器融合后的效果却可以非常好。
一种基于朴素贝叶斯分类指纹检测方法

[发明专利]人脸识别的分类器获取方法和装置-CN201611000464.8有效
发明人：毕微;陈祖家;袁晓;田阳;曹轩铭 -专利权人：北京爱知之星科技股份有限公司
申请日： 2016-11-14 - 公布日： 2019-09-03 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例提供一种人脸识别的分类器获取方法和装置，该方法包括：获取多个训练样本图像以及多个预设弱分类器组合，多个训练样本图像中包括干净样本图像和污染样本图像；采用蚁群算法，根据每个预设弱分类器组合对应的信息素，使每个训练样本图像选取所使用的预设弱分类器组合；其中，每个预设弱分类器组合对应的信息素与该预设弱分类器组合的分类精度和分类抗干扰能力相关；从多个预设弱分类器中选出具有最优分类精度和分类抗干扰能力的，和/或多个训练样本图像收敛于的预设弱分类器组合。通过采用蚁群算法选取分类器，且每条路径对应的信息素由对应弱分类器组合的分类性能决定，从而保证选择出的弱分类器组合具有最优分类性能。
识别分类获取方法装置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条