Search | Engineering

订阅投稿

首页工程期刊工程焦点工程成就工程前沿关于我们 English

资源类型

期刊论文 599

会议视频 22

会议信息 5

年份

2024 3

2023 48

2022 57

2021 65

2020 34

2019 54

2018 46

2017 49

2016 28

2015 12

2014 14

2013 3

2012 25

2011 9

2010 13

2009 11

2008 20

2007 28

2006 14

2005 18

展开︾

关键词

中国 5

医院中子照射器 5

分类 4

增材制造 4

临床特征 3

医院中子照射器I型堆 3

航天器 3

2021全球十大工程成就 2

2023全球十大工程成就 2

2035 2

CAPP 2

中子通量密度 2

主动控制 2

云模型 2

人工智能 2

全球定位系统 2

并联机构 2

微反应器 2

展开︾

检索范围：

排序：展示方式：

基于异构特征和组合分类器的网页分类 Research Articles

邓立,杜歆,沈继忠

《信息与电子工程前沿（英文）》 2020年第21卷第7期页码 963-1118 doi: 10.1631/FITEE.1900240

摘要：网页特征是网页分类的关键，通过有区分度的特征能有效对网页分类。网页结构特征是对文本特征的有效补充。不同分类器有不同特点，多分类器组合可实现分类器性能互补。提出一种基于异构特征和组合分类器的网页分类算法。与计算HTML标记的频率不同，本文采用树状分布的HTML标签表示网页结构特征，以向量形式将异构文本和结构特征融合。通过计算一组样本的分类准确率，提出将分类结果置信度作为比较不同分类器分类结果的标准。基于置信度采用投票、比较大小和直接输出的决策策略，得到组合分类器的分类结果。融合文本和结构特征的分类方法比仅使用文本特征的方法更全面有效。同时多分类器组合能够提高网页分类准确率，高于同类网页组合分类算法。

关键词：网页分类；网页特征；分类器组合

HTML PDF 收藏

一种用于文本分类的去冗余特征选择新方法 None

You-wei WANG, Li-zhou FENG

《信息与电子工程前沿（英文）》 2018年第19卷第2期页码 221-234 doi: 10.1631/FITEE.1601761

摘要：特征选择是文本分类领域一种重要降维方法。针对传统特征选择方法所选特征集常包含冗余信息的问题，提出一种能够有效去除冗余信息的特征选择新方法。首先，为衡量两个词之间的关系，引入基于词频的相关性和相对冗余词集的概念；接着，选择一种最优特征选择方法并用其获得一个临时特征子集；最后，为提高算法执行效率，结合预设阈值去除临时特征子集中的冗余特征，并将结果存储在链表结构中实验以支持向量机和朴素贝叶斯作为分类器，并以WebKB、20-Newsgroups和Reuters-21578作为测试数据集。实验结果表明，该方法分类精度高于传统特征选择方法；相对于基于互信息的方法而言，该方法能够在保证分类精度的同时，有效提高运行效率。

关键词：特征选择；降维；文本分类；冗余特征；支持向量机；朴素贝叶斯；互信息

HTML PDF 收藏

一种粗模糊神经分类器

曾黄麟,王晓

《中国工程科学》 2003年第5卷第12期页码 60-65

摘要：

介绍一种新的粗集编码模糊神经分类器。基于粗集理论的概念，讨论了知识编码、属性简化、分类系统简化的方法；并利用模糊隶属度函数将输入精确信息映射为模糊变量信息，解决分类中病态定义的数据问题和提高系统非线性映射的分类能力；提出了结合系统参数的重要性因子的网络的模糊推理方法和粗模糊神经分类器的网络结构以及有导师的最小平方误差学习训练算法实现的粗集编码模糊神经分类器具有网络结构空间维数低、学习算法简单、网络训练时间短、非线性特性丰富等优点。

关键词：模糊粗集神经网络分类

HTML PDF 收藏

基于两级层次特征学习的图像分类方法 Article

Guang-hui SONG,Xiao-gang JIN,Gen-lang CHEN,Yan NIE

《信息与电子工程前沿（英文）》 2016年第17卷第9期页码 897-906 doi: 10.1631/FITEE.1500346

摘要：概要：在图像分类任务中，不同类别之间的相似度是不同的，样本经常被误分到相似度较高的类别中。为了区分高度相似类别中的样本，需要更加具体的图像特征，以便于分类器能够提高分类性能。本文提出了一种新颖、有效的基于深度卷积神经网络的两级层次特征学习框架。首先，不同层次的深度特征抽取器使用迁移学习方法进行训练。然后，从全部类别中抽取的通用特征和从高度相似类别中抽取的具体特征被融合成一个特征向量，并将其输入线性分类器进行分类。最后，基于Caltech-256、Oxford Flower-102和Tasmania Coral Point Count三个图像数据集的实验证明，通过两级层次特征学习的深度特征的表达能力十分强大，与传统的扁平多分类方法相比，我们提出的方法能有效的提高分类精度。

关键词：迁移学习；特征学习；深度卷积神经网络；层次分类；谱聚类

HTML PDF 收藏

半监督堆叠距离自动编码器的表征学习在图像分类上的应用 Research Articles

侯亮,罗潇逸,汪子扬,梁军

《信息与电子工程前沿（英文）》 2020年第21卷第7期页码 963-1118 doi: 10.1631/FITEE.1900116

摘要：图像分类是深度学习的重要应用。在典型分类任务中，分类精度与通过深度学习方法提取的特征密切相关。自动编码器是一种特殊神经网络，常用于降维和特征提取。本文所提方法基于传统的自动编码器，将不同类别样本之间的“距离”信息纳入其中。该模型被称为半监督距离自动编码器。首先以无监督方式对每一层进行预训练。在随后的监督训练中，将优化的参数设置为初始值。为获得更好性能，使用堆叠式模型代替具有单一隐含层的传统自动编码器结构。将所提半监督距离自动编码器方法分别与传统自动编码器、稀疏自动编码器和监督自动编码器比较，实验结果证明该模型有效。

关键词：自动编码器；图像分类；半监督学习；神经网络

HTML PDF 收藏

基于带约束最大间隔的贝叶斯分类器判别学习方法 None

Ke GUO, Xia-bi LIU, Lun-hao GUO, Zong-jie LI, Zeng-min GENG

《信息与电子工程前沿（英文）》 2018年第19卷第5期页码 639-650 doi: 10.1631/FITEE.1700007

摘要：提出一种新的面向贝叶斯模式分类的判别学习方法，称作“带约束的最大间隔（CMM）方法”。通过计算正样本最小决策值和负样本最大决策值的差异，定义类别之间的类别间隔。基于该类别间隔和正确分类的约束，将间隔函数学习问题转化为最大化类别间隔问题。利用序列无约束最小化技术解决该非线性规划问题。运用CMM方法得到基于高斯混合模型的贝叶斯分类器，并在10个UCI数据集上进行实验。结果表明，利用CMM方法得到的分类器分类性能，明显优于代表性的生成式学习方法期望最大化（EM）和判别式学习方法支持向量机（SVM），并且在多个数据集上取得了相比之前最优结果更好的效果。分类实验和分类器对比实验证明，CMM方法有效，具有一定应用前景。

关键词：判别学习；统计建模；贝叶斯分类器；高斯混合模型；UCI数据集

HTML PDF 收藏

复杂形状的扩展目标联合跟踪与分类 Research Articles

王丽萍,占荣辉,黄源,张军,庄钊文

《信息与电子工程前沿（英文）》 2021年第22卷第6期页码 839-861 doi: 10.1631/FITEE.2000061

摘要：本文解决具有复杂形状的单扩展目标联合跟踪与分类（joint tracking and classification, JTC）问题。为描述复杂形状，首先利用随机超曲面模型（random hypersurface model, RHM）将空间扩展状态建模为星凸形状，并将其作为目标分类的特征信息。仿真结果表明：（1）与基于随机矩阵模型的JTC算法相比，所提JTC-RHM方法能更准确地对不同形状、相似大小的目标进行分类；（2）与基于星凸RHM的扩展目标跟踪算法相比，所提算法对目标状态性能估计更优；（3）所提JTC-RHM-Ber滤波算法在状态检测和估计方面具有良好性能，能够正确地实现目标分类。

关键词：扩展目标；傅里叶描述子；联合跟踪与分类；随机超曲面模型；伯努利滤波器

HTML PDF 收藏

基于机器学习的自动化恶意代码分类与新恶意代码检测技术 Article

Liu LIU, Bao-sheng WANG, Bo YU, Qiu-xi ZHONG

《信息与电子工程前沿（英文）》 2017年第18卷第9期页码 1336-1347 doi: 10.1631/FITEE.1601325

摘要：基于签名机制的传统反病毒系统无法将未知的恶意软件分类到相应的恶意家族和检测新的恶意软件。因此，我们提出一种基于机器学习的恶意软件分析系统，由数据处理系统，决策系统和新的恶意软件检测系统三个子系统组成。数据处理系统包含灰度图像的纹理特征，Opcode特征和API特征等三种特征提取方法。决策系统被用来分类恶意软件和证实可疑的恶意软件。结果表明，我们的系统可以有效地分类未知恶意软件，准确率可达98.9％。同时新恶意软件的成功检测率为86.7％。

关键词：恶意代码分类；机器学习；n-gram；灰度图；特征提取；恶意代码检测

HTML PDF 收藏

微阵列数据集的特征选择技术：综合评述、分类和未来方向 Review

Kulanthaivel BALAKRISHNAN, Ramasamy DHANALAKSHMI

《信息与电子工程前沿（英文）》 2022年第23卷第10期页码 1451-1478 doi: 10.1631/FITEE.2100569

摘要：

为获得最佳结果，从微阵列数据集中检索相关特征已成为特征选择（FS）技术的研究热点。本综述旨在全面阐述各种最新特征选择技术，同时介绍了基于微阵列数据集的处理多类分类问题的技术以及提高学习算法性能的不同方法。我们试图理解和解决数据集不平衡问题，以证实研究人员在微阵列数据集上的工作。对文献的分析为理解和强调在通过各种特征选择技术寻找最佳特征子集时存在的众多挑战和问题铺平了道路。同时提供了一个案例说明该方法的实施过程，该方法使用3个微阵列癌症数据集评估一些包装方法和混合方法的分类精度和收敛能力，以确认最优特征子集。

关键词：特征选择；高维；学习技术；微阵列数据集

HTML PDF 收藏

面向脑机接口基于改进的共同空间模式方法的单次运动想象脑电分类 Research Articles

Zhi-chuan TANG, Chao LI, Jian-feng WU, Peng-cheng LIU, Shi-wei CHENG

《信息与电子工程前沿（英文）》 2019年第20卷第8期页码 1087-1098 doi: 10.1631/FITEE.1800083

摘要：单次运动想象脑电分类常用于脑机接口系统控制，是人-机之间的沟通桥梁。然而，脑电信号具有低信噪比和个性化差异，会对分类结果产生不利影响。本文提出一种改进的共同空间模式（B-CSP）方法，提取特征并消除负面影响。首先，针对不同被试，采用巴氏距离并基于事件相关去同步（ERD）和事件相关同步（ERS）模式选择每个电极通道的最优频率段；其次，采用B-CSP方法提取最优频率段脑电信号特征，获得可以最大程度区分两类运动想象的特征采用所提方法对公共数据集和实验数据集提取特征，并结合反向传播神经网络进行单次运动想象脑电分类。将B-CSP方法与两种传统脑电特征提取方法——原始共同空间模式（CSP）和自回归（AR）——比较。实验结果表明，本文所提方法能够有效分类运动想象脑电，并能对脑机接口系统开发提供实践和理论基础。

关键词：脑电图（EEG）；运动想象；改进的共同空间模式（B-CSP）；特征提取；分类

HTML PDF 收藏

基于最大间隔的贝叶斯分类器 Article

Tao-cheng HU,Jin-hui YU

《信息与电子工程前沿（英文）》 2016年第17卷第10期页码 973-981 doi: 10.1631/FITEE.1601078

摘要：概要：多分类学习中经常需要考虑在泛化性能和计算开销间进行权衡。本文提出一个生成式概率多分类器，综合考虑了泛化性和学习/预测速率。我们首先证明了我们的分类器具有最大间隔性质，这意味着对于未来数据的预测精度几乎和训练阶段一样高。此外，我们消除了目标函数中的大量的局部变元，极大地简化了优化问题。

关键词：多类学习；最大间隔学习；在线算法

HTML PDF 收藏

用于SAR图像分类的统计分布基元特征 Article

Chu HE, Ya-ping YE, Ling TIAN, Guo-peng YANG, Dong CHEN

《信息与电子工程前沿（英文）》 2017年第18卷第10期页码 1614-1623 doi: 10.1631/FITEE.1601051

摘要： None

关键词： None

HTML PDF 收藏

基于关联规则进行词对齐的跨领域情感分类算法 None

Xi-bin JIA, Ya JIN, Ning LI, Xing SU, Barry CARDIFF, Bir BHANU

《信息与电子工程前沿（英文）》 2018年第19卷第2期页码 260-272 doi: 10.1631/FITEE.1601679

摘要：然而，评论和博客等内容常源于不同应用领域，为每个领域训练一个能准确预测情感倾向的分类器非常困难。主要原因是，在不同领域，人们通常会用不同特征词表达相同情感，并且难以找到一个直接的映射函数，以建立不同领域特征词间的映射关系，从而消除领域间差异。因此，将某个领域训练好的分类器直接应用到另一个领域时，会因为领域间差异使得分类器准确率急速下降。本文提出一个新的基于关联规则进行特征词对齐的跨领域情感分类算法，该算法通过在同一领域中挖掘具有强关联关系的领域共享词和领域专有词词对，建立直接映射关系，并以领域共享词为桥梁，在不同领域的特征专有词之间建立间接映射关系在亚马逊数据库上的实验结果证明该算法提高了跨领域情感分类性能。

关键词：情感分类；跨领域；关联规则

HTML PDF 收藏

针对工业故障分类系统的单变量攻击及其防御 Article

卓越, Yuri A.W. Shardt, 葛志强

《工程（英文）》 2022年第19卷第12期页码 240-251 doi: 10.1016/j.eng.2021.07.033

摘要：

近年来，工业过程故障分类系统主要是由数据驱动的，得益于大量的数据模式，基于深度神经网络的模型显著地提高了故障分类的准确性。本文针对安全、关键的工业故障分类系统提出了一种具有极端约束的黑盒攻击方法：只扰动一个变量来制作对抗样本。利用单变量攻击（OVA）方法，文本探究了不同工业变量和故障类别的脆弱性，有助于理解故障分类系统的几何特征。基于攻击方法，文本还提出了相应的对抗训练防御方法，该方法能够有效地防御单变量攻击，并提高分类器的预测精度。本文探索了变量和故障类别的脆弱相关性，并验证了各种分类器和数据集的单变量攻击和防御方法的有效性。

关键词：对抗样本黑盒攻击工业数据安全故障分类系统