-
题名基于SVM最优决策面的决策树构造
被引量：18
- 1
-
-
作者
李荣雨
程磊
-
机构
南京工业大学计算机科学与信息技术学院
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2016年第3期342-351,共10页
-
基金
江苏省高校自然科学基金(12KJB510007)项目资助
-
文摘
针对决策树与SVM算法融合问题,提出一种基于SVM最优决策面(ODS)构造决策树的方法。通过研究ODS形状位置特征与其属性分类能力的关系以及属性分割点的数目、位置与决策树大小、分类误差的关系,给出基于ODS形状位置特征的属性重要性度量方法与属性最小分割点数的确定方法,进而得出了ODS逼近决策树决策面的误差模型,最终实现ODS对决策树决策面的有效逼近,并用于多类别决策树的构造。典型数据集的计算结果表明,与C4.5算法相比,所提出的决策树构造方法平均分类误差可减少60%以上,显著提高了决策树的泛化能力。
-
关键词
决策树
支持向量机
最优决策面逼近
属性重要性度量
属性分割优化
-
Keywords
decision tee
SVM
approximation of optimal decision surface
measure of attribute importance
opti mization of attribute splitting
-
分类号
TN06
[电子电信—物理电子学]
-
-
题名混合蛙跳优化决策面的LSB±k隐写算法
- 2
-
-
作者
欧阳春娟
刘昌鑫
刘欢
-
机构
井冈山大学电子与信息工程学院
井冈山大学流域生态与地理环境监测国家测绘地理信息局重点实验室
-
出处
《应用科学学报》
CAS
CSCD
北大核心
2015年第6期663-670,共8页
-
基金
国家自然科学基金(No.61462046
No.61163062)
+3 种基金
江西省教育厅科学技术研究项目基金(No.GJJ14559
No.GJJ13553)
江西省科技厅自然科学项目基金(No.20151BAB207026
No.20151BAB217012)资助
-
文摘
针对现有智能优化改进隐写不能对高维特征同时进行优化的问题,提出了一种混合蛙跳优化决策面的改进LSB±k隐写算法(记为SFLA-LSB±k).不同于其他优化改进隐写中尽可能减少图像载密前后某种特征变化的策略,在SFLA-LSB±k中,通过优化载密图像的特征变化,使载密图像特征变化方向随机化,导致分类器无法训练出一个能对载体与载密图像进行分类的决策面,从而达到抵抗分析的目的.实验结果表明,与标准的LSB±k隐写和相关PSO优化改进LSB±k隐写相比,SFLA-LSB±k有效提高了LSB±k的安全性,特别是当k取1时,该算法针对78维特征隐写分析的AUC值可下降到0.563 7.
-
关键词
LSB±k隐写
混合蛙跳优化
决策面
隐写分析
-
Keywords
LSB±k steganography, SFLA, decision surface, steganalysis
-
分类号
TP911.7
[自动化与计算机技术]
-
-
题名基于模糊函数SVD和改进S3VM的雷达信号识别
被引量：6
- 3
-
-
作者
符颖
王星
周东青
范翔宇
周一鹏
-
机构
空军工程大学航空航天工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第6期264-270,共7页
-
基金
航空科学基金(No.20152096019)
-
文摘
为提升在日趋复杂的电子对抗环境中对雷达信号识别的准确率,提出了一种基于启发式采样搜索(Heuristic Sampling Search,HSS)改进S3VM的雷达辐射源信号识别算法。根据模糊函数理论,通过对雷达信号的模糊函数进行奇异值分解(SVD),提取出奇异向量作为雷达信号识别的特征参数;针对传统的半监督支持向量机(Semi-supervised SVM,S3VM)的不足,利用改进的S3VM构建分类器对雷达信号进行分类,完成对测试样本的识别。该方法通过启发式采样搜索来寻求具有代表性的多个大边缘低密度的分类决策面,有效解决传统S3VM分类精度低且分类性能不稳定等缺点。实验结果表明,在雷达信号识别中,该算法明显提高了分类准确率。
-
关键词
雷达信号识别
半监督支持向量机
分类决策面
模糊函数
奇异值分解
-
Keywords
radar signal recognition
semi- supervised Support Vector Machine(SVM)
separators
ambiguity function
Singular Value Decomposition(SVD)
-
分类号
TN911.6
[电子电信—通信与信息系统]
-
-
题名基于半监督优化分类的入侵检测方法研究
被引量：1
- 4
-
-
作者
黄同心
臧洌
聂盼盼
-
机构
南京航空航天大学计算机科学与技术学院
-
出处
《科学技术与工程》
北大核心
2012年第1期200-202,217,共4页
-
文摘
为解决入侵检测训练集(通常包含大量无标记样本和少量已标记样本),在传统半监督支持向量机(S3VM)上确定最优分类决策面,提出一种优化的多分类决策S3VM方法(MLL_S3VM)。该方法结合启发式搜索和聚类方法筛选出差异性较大的分类决策面,采用距离向量法对未标记样本进行标记。实验结果表明,在入侵检测中,该算法明显提高了模型预测精确度。
-
关键词
入侵检测
半监督支持向量机
分类决策面
优化
-
Keywords
intrusion detection semi-supervised support vector machines large-margin low-density separators optimization
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
-
