简介：对SVM分类模型参数选择问题进行了研究,将免疫网络算法与SVM相结合形成一个AIN-SVM算法。数值测试结果表明该方法能够更快速地在更大的空间内进行有效搜索,与传统的交叉验证方法相比,在搜索速度与稀疏性上具有较大的优势。

简介：指纹自动分类一直以来都是国内外研究人员研究的热点,同样这也是一个难点,指纹的自动分类是自动指纹识别系统中的一个极其重要的组成部分,指纹的自动分类计数,不仅能够在缩小指纹对象搜索的范围起到重要作用,而且还能在很大程度上对指纹的识别匹配效率有一定的提高。本文对指纹自动分类算法进行了研究,综述指纹分类的发展,分析了指纹自动分类技术在国内外的发展状况以及存在的一些问题。阐述了指纹识别的基本原理和指纹分类的相关方法。

简介：贝叶斯分类方法,是以概率假设为基础的.假设需要分类的数据遵循某种假设分别,通过这些概率分布以及对观察数据本身进行推理,得出最好的分类结果.本文重点介绍贝叶斯分类模型的相关理论基础以及常见的几种贝叶斯分类模型.

简介：摘要IP包分类算法是应用在路由器数据平面的核心算法，其中一维的IP包分类算法就是路由地址查找算法，为路由器的基本转发功能提供支持，与此对应的多维的IP包分类算法是为支持第4层交换的路由器提供对IP数据报的分类，使路由器能对每一个特定的数据报作出预先定义好的处理，以便为了新的网络应用提供数据包过滤、防火墙、基于策略的路由、区分服务、QoS、流量计费等功能。本文介绍了两种典型的多维IP包分类算法在国内外研究现状及综述研究。

简介：算法分类及各种基本算法的比较与优选（下）程宽桐（二）乘法部分算法名称运算方法优点缺点结论１．破头乘法被乘数某一位与乘数相乘时，先从乘数最高位乘起，按次乘至末位。乘算一开始，即变被乘数为乘积（乘积采有九九数递位叠加。下同）。①拨珠顺手，容易盯住位。②记...

简介：利用社交媒体平台的带时间的签到数据和少量带标注的样本，通过快捷有效的算法对未标记地点进行智能标记。算法首先对签到数据的用户特征和时间特征进行有效抓取，并通过信息熵对数据进行验证和筛选，然后利用杰卡德相似系数对地点之间的相似性关系进行概括，接着使用松弛标记法对地点的标签概率进行计算，最后构造支持向量机分类器，利用带标注的样本对分类器进行训练，从而导入未标记数据进行标记。

简介：摘要本章针对知识、知识管理、分类算法概念进行阐述，同时针对K临近、BAYES、SVM算法进行比对研究，对知识管理相关概念进行了概述。

简介：摘要：本章针对知识、知识管理、分类算法概念进行阐述，同时针对 K临近、 BAYES、 SVM算法进行比对研究，对知识管理相关概念进行了概述。

简介：摘要：TDS智能干选机是近些年设计研发出的一种智能化分选装置，将其用于煤炭行业内，识别系统能精准辨识出经过系统的各个物块的颜色、内含元素等差异，并将相关信息反馈给执行系统，启动相应的气枪外排矸石。辨别煤矸及分类算法为智能干选机应用的核心技术。本文在介绍TDS智能干选机的基础上，结合煤矸的特征参数设置情况，较为详细的探究决策树、随机森林、神经网络算法的原理、特征、运用情境等。

简介：针对藏文WEB文档分类中朴素贝叶斯分类算法存在的缺点,从并行的角度提出了一种基于JavaBean模式的并行算法,其关键部分的时间计算复杂度从O（n3）降为O（n2）,该算法与经典的串行算法相比,能显著地提高分类速度。

简介：

简介：随着样本数量的增加,算法的复杂度也随着增高,支持向量机算法需要解决一个关于样本维度的二次规划问题,文章提出一个新的算法:基于SVM的单类线性分类算法,通过增强约束不等式和为拉格朗日中的惩罚参数加平方,将二次规划问题转化为相对简单的线性问题,该算法能很好地应用于层次聚类和核聚类中。实验结果表明,本文提出的算法与单类SVM分类算法相比,在正确率几乎相同的情况下,运算速度有了很大的提高。

简介：本文阐述了一个网页自动分类系统的设计和实现。设计了一种有效的网页噪音数据过滤算法,并针对kNN算法的主要缺陷进行了改进,提出一种基于中心文本的kNN算法,通过中心文本的获取提高了算法的效率。实验结果表明这两种算法可以改善分类系统的性能。

简介：摘要：为解决单目图像中冗余像素点不利于深度神经网络快速完成深度信息检测的问题，提出一种基于卷积神经网络的深度线段分类算法。对 ＮＹＵ -Ｄｅｐｔｈ 数据集使用线段检测算法进行线段检测得到原始图像的线段特征图。通过数据预处理结合深度数据得到表征深度信息的线段集合及其标签，提出适用于线段特征的卷积神经网络，实现单目图像中深度线段的分类。本论文从不同方面阐述基于卷积神经网络的深度线段分类算法，希望为研究卷积神经网络的专家和学者提供理论参考依据。

简介：本算法在分类量化的基础上通过引入竞争的方式产生初始码书。试验结果表明，本算法产生的初始码书的典型性较好。在不降低图像压缩质量的同时，极大的减少获取最优码书所需要的运算时间。

简介：精确的网络流量分类是实现互联网可控可管的关键，传统的单一分类算法需要构建基于特定假设的某种模型，算法对于待分类数据的分布要求高，不能满足复杂多变的网络流量的分类要求。基于此，采用多决策树组合的随机森林算法实现网络流量分类。通过实际网络流量数据实验表明，在各种情况下，随机森林算法都能显著改善网络流量特别是小比例样本的分类效果，算法降低了单一算法过于依赖特定假设模型的要求，对于待分类样本的分布要求低，随机森林算法具有良好的分类效果和鲁棒性。

简介：摘要本文在贝叶斯网络的基础上对漏洞的安全类型提出了一种新型的模型和方法将漏洞进行自动分类。在研究过程中使用的是贝叶斯网络的算法来自动执行对漏洞分类的过程。通过对漏洞CVE-2014-0928进行自动分类，将自动生成的结果与NVD1中的CVE（CommonVulnerability&Exposures）2类型进行比对，结果证明使用贝叶斯网络对攻击漏洞进行自动分类，能够更加快速的帮助网络管理员实时了解网络中存在的安全漏洞及风险级别，有利于提升网络安全水平。

简介：摘要：本文针对遥感影像的图像分类与地物识别问题展开研究，提出了一种基于深度学习算法的新型解决方案。首先，采用卷积神经网络（CNN）对遥感影像进行特征提取与学习，提高了图像分类的准确性和效率。其次，引入了多尺度和多模态数据融合技术，进一步提升了地物识别的精度和鲁棒性。实验结果表明，所提出的算法在遥感影像分类与地物识别任务上取得了优异的性能，具有较强的实用性与推广价值。

简介：

简介：摘要：随着信息技术的飞速发展，以文本形式出现的信息已经越来越多，网络上电子文本的信息量呈现爆炸趋势。数据信息的飞速增长严重影响了人们充分并且快速有效地利用这些信息资源，毕竟人们已经不能仅仅依靠人工劳力迅速有效地提炼出所需的关键信息。基于机器学习的文本分类算法应用的重要性在于实现对大规模文本数据的自动化处理等方面的提升。