调制解调器如何分类调制解调器分类方法.docx

关于情绪的类别，长期以来说法不一。我国古代有喜、怒、忧、思、悲、恐、惊的七情说，美国心理学家普拉切克(Plutchik)提出了八种基本情绪：悲痛、恐惧、惊奇、接受、狂喜、狂怒、警惕、憎恨。还有的心理学家提出了九种类别。虽然类别很多，但一般认为有四种基本情绪，即快乐、愤怒、恐惧和悲哀。

行业制造-电动装置-一种基于K均值的高铁电能质量监测数据分类方法.zip

行业制造-电动装置-一种基于PSO的电能质量扰动识别与分类方法.zip

分类过程是分析高光谱图像数据的重要任务之一。 支持向量机（SVM）是最流行和使用最广泛的分类器，其性能正在不断提高。 近来，与仅考虑像素的光谱特征的方法相比，利用空间和光谱信息的方法更加充分，鲁棒，有用和准确。 在本文中，通过使用空间像素关联（SPA）处理从高光谱数据中提取区域纹理信息，以进一步提高SVM技术的分类性能。 为了提高分类的准确性，提出了一种利用SPA特征的支持向量机的新方法。 此外，该手稿中还提出了一种可用于解决像素不正确问题的新方法，即“增长类的控制过程”（CPoGC）。 为了证明所提方案的有效性，我们进行了印度松站点（IPS）上的AVIRIS高光谱数据实验，以将所提出的分类方法与一些现有的基于SVM的技术（例如SC-SVM和PSO-SVM）进行比较，以及一些传统的方法，例如K-NN和K-means。 实验结果表明，所提出的方法明显优于这些众所周知的分类算法。

为了利用ROC曲线下的面积(AUC),更好地评价多类SVM学习效果,提出了MOSMAUC(multi-objective optimizes multiclass SVM based on AUC)算法。该算法采用AUC作为评价标准,利用多目标优化算法作为SVM参数的优化方法,避免优化对象的AUC值过低问题,因为在多类分类学习中任何一个两类分类的AUC值太低,都会影响整体学习的效果。实验结果表明,提出的优化方法改进了算法的学习能力,取得了较好的学习效果。

以辛醇/水分配系数（logP）的对数表示的亲脂性，以摩尔折射率（MR）表示的空间/极化率组合效应和以摩尔体积（MV）表示的体积对29种已知生物活性的影响使用定量结构活性关系方法（QSAR）分析了氨基嘧啶基异喹啉喹啉类APIQ。 选择的活性数据是对人胃腺癌（AGS）细胞系的抑制浓度（IC50）。 在进行回归分析时，理化参数和IC50显示非常弱的相关性，如Pearson相关性R2的低值（0.1至0.2）所证明。 由于单个化合物显示出明显的活性（范围从20到0.5μM），因此分类以暴露机械嵌套亚组。 这是通过使用R2作为指标，对从散点图中提取的各种趋势线周围的数据点进行聚类来完成的，这些散点图将参数与活动相关联。 由于IC50与MV的相关统计指标较高，因此将其选择为分类的基础。 这给出了五个回归线，据信每个回归线代表一个单独的机械轮廓。 使用附加的描述符来巩固聚类方法，并为每个聚类假定的机械轮廓提供深度。

以徐州市1987年9月的Landsat TM影像为信息源,利用3种方法对徐州市的土地利用进行了分类,并对分类结果进行了分析对比,最后提出用综合阈值法对城市土地利用进行分类,此方法能很好地区分城镇用地和裸地等不容易区分的地类,有效地降低混合像元带来的影响,提高土地利用信息的精度.

基于改进型特征选择算法的文本分类方法之计算机研究.docx

基于稀疏表示和过程学习的迁移学习分类方法计算机分析.docx