一种基于分类互补性的特征选择算法

针对特征选择中Filter与Wrapper方法分别存在的问题,本文提出了一种新的基于分类互补性分析的特征选择算法.该方法将Filter方法与Wrapper方法结合起来.先根据ReliefF评估和对称不确定性评估去除不相关特征,再使用对称不确定性评估去除冗余特征,最后使用基于分类互补性分析的Wrapper特征选择算法选出最后的目标子集.实验表明该算法结合了Filter与Wrapper两者的优点,具备了高准确性,同时可以减少时间开销.文章最后在数字乳腺图像肿块的检测中应用了该算法,得到了良好的效果.     

一种新型软件缺陷预测模型研究

对软件度量元的选择问题是软件缺陷预测中的重要研究内容之一。文中通过采用互信息(MI)来计算度量元与度量元、度量元与目标类别之间的相关性,提出了信息损失最小准则,并将该准则作为Filter模型中消除冗余度量元的依据,然后结合现有的Wrapper模型来选择最终对分类有帮助的度量元集合。该方法既能减轻Wrapper模型高计算成本的负担,又能弥补单纯使用Filter模型对软件缺陷的预测能力相对较弱的缺点。实验表明:该方法在召回率、F-measure值上都有明显的提高,具有一定的有效性和实用性。     

一种两阶段的神经网络属性选择方法

神经网络的输入属性选择一直是一个比较困难的问题.由于神经网络反复训练的时间复杂度,Wrap-per方法是不适用的,而单纯使用Filter方法也难以获得很好的分类精度.文中提出了一种两阶段的神经网络属性选择方法,以综合Filter和Wrapper两类方法的优势.该方法首先采用基于不一致率的遗传算法GFSIC来删除属性集合中的无关属性,然后采用基于敏感性度量的属性选择算法SBFCV来删除冗余和无用的属性.研究和实验结果表明,该方法可以有效地删除原始数据中的无关和冗余属性,增强神经网络的泛化能力.     

一种快速的Wrapper式特征子集选择新方法

Wrapper式特征选择方法需要耗费大量时间,为此提出了一种快速的Wrapper式特征选择新方法(Fast Feature Subset Ranking,简称FFSR).与以单个特征作为评价单位的传统方法不同,FFSR算法以特征子集作为评价单位,以子集收敛能力作为评价标准.FFSR算法从收敛速度和收敛极值两个方面对收敛能力进行分析,并利用Sequential Floating Forward Selection(简称SFFS)算法构造和评价快速收敛的子集.FFSR算法选择的特征子集能力接近SFFS算法,但所需时间较SFFS算法大幅度减少.     

融合静态属性和动态轨迹的盗窃前科人员分类研究

以往犯罪前科人员分类研究,通常基于历史犯罪信息中的静态属性信息,而忽略了对动态轨迹信息的利用,且缺乏专门针对盗窃前科人员再犯罪风险预测的研究.基于上述以往研究的不足,本文研究融合静态属性和动态轨迹的盗窃前科人员初犯/累犯分类.构建了融合静态属性和动态轨迹的长时间跨度盗窃前科人员分类数据集,然后探索和对比多种不同类型机器学习模型在该数据集上对盗窃前科人员的分类性能,提炼出与盗窃前科人员分类最相关的特征;基于上述分析结果,提出基于加权关联规则的盗窃犯罪人员预警模型.本文的相关研究成果可以应用于盗窃犯罪的预警工作中,对犯罪打击和安全防范工作具有一定的现实意义.      

一种基于MA-LSSVM的封装式特征选择算法

为了解决高维小样本的特征选择问题,该文结合文化基因算法(Memetic algorithm,MA)与最小二乘支持向量机(Memetic algorithm and least squares support vector machine,MALSSVM),设计了一种封装式(Wrapper)特征选择算法。该方法将全局搜索与局部搜索相结合作为求解策略,利用了最小二乘支持向量机易于求解的特点,构造分类器,以分类的准确率作为文化基因算法寻优过程中适应度函数的主要成分。实验表明,MA-LSSVM可以较高效稳定地获取对分类贡献较大的特征,降低数据维度,提高了分类效率。     

基于提示学习的文本隐式情感分类

随着监管不断加强，人们表达方式逐渐由直白向隐晦演进，情感分析任务变得更为困难。针对用于情感分析的预训练语言模型和微调阶段模型在处理包含隐式情感文本时遇到的巨大困难，本文提出了一种基于提示学习模型（一种弥合了预训练模型和微调阶段模型的模型）和类别差异化损失的方法ImplicitPrompt，将隐式的情感显式化，区分不同情感标签的距离，提升隐式情感分类的准确率。在英文方面级情感分类标准数据集上进行实验的结果表明，本文模型在标准监督设置下和低资源设置下均能在文本隐式情感分类中取得最佳效果。     

基于集成特征选择策略的基因共表达模式识别

为有效识别内含子 miRNA 及其宿主基因共表达模式, 提出了一种基于集成特征选择的识别方法。 首先 使用基于支持度的集成特征选择算法, 获取相关性和稳定性较高的特征子集, 再使用封装式特征选择方法结合 FCBF(Fast Correlation-Based Filter)搜索策略进一步去除冗余特征和弱相关的特征, 获得最优的特征子集。 实验 结果表明, 该方法融合了多个特征选择方法的优点, 能提高学习模型的泛化能力并能有效识别内含子 miRNA 及其宿主基因的共表达模式。     

管带式汽车散热器特性仿真

以管带式汽车散热器为研究对象，提出了基于散热器微元结构的动态传热模型，把散热器传热过程分为水侧传热、翅片管传热和空气侧传热三部分。建立了管带式汽车散热器传热及阻力特性的数学模型，并在MATLAB／SIMULINK环境中建立了其仿真模型，进行了仿真值与试验值的比较。结果表明，仿真结果与相应的管带式散热器试验数据基本一致。     

基于BP神经网络非线性组合的SARIMA-GRU犯罪预测模型

针对当前犯罪预测模型无法捕捉到犯罪时序数据的复合特征且无法及时反应环境变化等问题，提出基于BP神经网络非线性组合的SARIMA-GRU犯罪预测模型。该模型将SARIMA和GRU对犯罪数量的预测结果通过BP网络实现非线性组合，采用反向传播算法进行权重学习，将各层神经元所确定的权重矩阵作为两种方法在组合预测中的比重，综合利用SARIMA模型在线性时序预测中的优势和GRU网络在非线性特征挖掘上的优势，从而获得更好的预测结果。通过温哥华和旧金山的真实犯罪数据对组合后的模型与其他模型进行对比实验，结果表明，基于BP神经网络非线性组合的SARIMA-GRU模型可以捕捉到犯罪时序数据的复合特征，与其他模型相比具有更高的准确率。     

滚动轴承故障诊断的案例推理方法

针对滚动轴承的故障诊断问题,提出了一种采用案例推理(CBR)的诊断方法.为了解决检索相似案例时案例属性多、人工确定关键属性及其权重困难的问题,提出了一种Filter/Wrapper复合型特征选择算法,用邻域粗糙集算法粗选属性,用遗传算法进一步精选属性和优化权重,并有效地解决了邻域粗糙集算法中需要人工确定邻域大小的问题.以滚动轴承运行时的振动信号为基本信息,建立了滚动轴承案例库,从案例库中检索与问题案例相似的历史案例,并根据这些历史案例来判定问题案例的故障类别.试验结果表明,故障诊断的正确率达到100%,故障位置诊断的正确率达到93.3%,且算法具有较好的稳定性.     

一种新型混合特征选择方法及其在入侵检测中的应用

针对高维数据包含的不相关和冗余特征影响检测方法性能的问题,提出了集成filter和wrapper方法的混合特征选择新方法.采用基于信息增益的filter方法,删除不相关特征;采用基于改进的自适应遗传算法和评价函数的wrapper方法,获取最优特征子集.在入侵检测中的应用表明,该方法能降低特征选择的时间,检测率和虚警率均优于其它方法.     

基于最优正交质心特征选取的DNA微阵列数据分析

微阵列数据具有样本小、维度高的特点,给数据分析带来了困难。因此,在生物信息学的研究和应用中,从微阵列数据里挑选主基因(特征选取)是十分重要和有意义的。本文采用基于最优正交质心特征选取算法(OCFS)来挑选主基因,并与基于信噪比的主基因挑选法和基于遗传算法的主基因挑选法进行了对比。利用挑选出的主基因,采用支持向量机(SVM)对数据样本进行了分类研究。通过实验,在经典的白血病数据集上,对于34个样本的测试集,达到了33/34的分类准确率,表明了本方法的适用性。     

一种面向任务的网络风险评估模型

针对网络业务安全风险评估问题,提出了一种基于STRIDE威胁建模和隐式马尔科夫模型理论的STRIDE HMM风险评测方法,该方法以网络业务为切入点,给出了任务描述模型、任务资产模型、任务风险评估模型的构建方法及其联系。任务描述模型给出了任务阶段划分及相应的资产集、漏洞集和威胁集;任务资产模型给出了任务各阶段所依赖的资产集合,在此基础上采用隐式马尔科夫模型方法给出了资产安全状态量化计算方法;任务风险评估模型按照资产分类集合的结果,采用聚合分析方法给出了任务风险值计算方法,进而实现面向网络业务的风险评测。为了验证提出方法的有效性,采用TMT威胁建模工具典型web应用给出的资产、漏洞、威胁示例,利用提出的模型和方法对该示例进行了仿真验证,实验结果表明：该方法可为面向任务的安全计划制定和调度提供决策支持。     

Rough set-based feature selection method

A new feature selection method is proposed based on the discern matrix in rough set in this paper. The main idea of this method is that the most effective feature, if used for classification, can distinguish the most number of samples belonging to different classes. Experiments are performed using this method to select relevant features for artificial datasets and real-world datasets. Results show that the selection method proposed can correctly select all the relevant features of artificial datasets and drastically reduce the number of features at the same time. In addition, when this method is used for the selection of classification features of real-world underwater targets,the number of classification features after selection drops to 20% of the original feature set, and the classification accuracy increases about 6% using dataset after feature selection.     

基于差分进化极限学习机的电力系统暂态稳定评估方法

电力系统暂态稳定性的破坏可以对电力系统的安全稳定运行产生严重冲击,准确、快速地暂稳评估方法能够提高电力系统的安全防御能力。极限学习机由于其速度快、泛化性能好被应用到电力系统暂态稳定评估中。为了提高极限学习机的评估性能,利用基于差分进化算法的优化方法和序列浮动后向特征选择算法对极限学习机暂态稳定评估性能进行提升。首先对输入特征通过主元分析降维并利用序列浮动后向算法进行特征选择,再将最优特征集输入差分进化极限学习机进行暂态稳定评估,最后在新英格兰10机39节点系统中进行验证分析,结果表明,所提模型与其他极限学习机模型相比,大大提升了其在暂态稳定分类评估中的性能。     

黄河三角洲湿地区域生态风险评价

以黄河三角洲为例进行了区域生态风险评价理论和方法的探讨。针对黄河三角洲主要生态风险源洪涝、干旱、风暴潮灾害、油田污染事故以及黄河断流的概率进行了分级评价;并提出度量生态损失与生态风险的指标和公式,分析了风险源的危害作用;运用遥感资料、历史记录、调查数据和地理信息系统(GIS)技术,完成了区域生态风险综合评价;在此基础上提出黄河三角洲的区域生态风险管理对策。     

基于产品可制造性的压铸件设计系统

基于产品的可制造性，构造了一个可在早期设计阶段进行材料选择分析、压铸可行性分析、结构工艺性评价的压铸件设计系统。该系统可使设计人员在压铸工艺和制造资源的约束下进行压铸件设计，并及时将评价结果反馈给设计者。采用实体造型技术、特征造型及特征识别技术相结合的方法建立了压铸件产品模型。运用产生式规则、框架和过程相结合的知识表示方法对各种评价知识加以有效组织，及时提供设计指导，辅助改进不合理设计，有效地保证了压帮件设计的质量和效率。     

基于两级结构的电网运行断面特征选择与在线生成

为解决利用机器学习算法在线生成电网运行断面时所面临的特征因素“维数灾”问题,提出了一种基于两层模式的电网运行断面特征选择与在线生成方法。上层为过滤式特征选择层,采用Fisher分和信息增益两种特征选择指标对初始因素集进行筛选,重点剔除重复因素和无关因素,输出基础因素集。下层为包裹式特征选择层,利用序列后向搜索算法,进一步分析电网运行断面与运行参数之间的内在关系,生成特征因素集,同步形成基于该特征因素集的运行断面生成智能体。基于某地区电网实际数据构造的算例表明,本文方法能大幅降低特征因素“维度”,与初始因素集相比缩小90%以上,基于该特征因素集的智能体能在10秒中内在线生成运行断面,准确性评价指标达到95%,能够满足电网实时运行控制辅助决策的需要。     

基于改进肯特指数法的物联网—海绵城市运营风险防控研究

随着物联网在经济社会各领域应用的拓展深化,物联网成为海绵城市智能化建设的有效手段。物联网与海绵城市建设的结合为海绵城市的发展带来新机遇的同时,也带来风险。本文重点研究物联网在海绵城市运营阶段的风险评估问题,对物联网—海绵城市运营安全的系统构建层级进行了划分,并对每一层级的风险点进行具体分析;然后,基于肯特指数法,结合物联网—海绵城市风险点,提出了基于改进肯特指数法的物联网—海绵城市风险评价模型;最后将该模型运用到某物联网—海绵城市管理系统的风险评估案例中,进行效果验证。案例分析表明,该物联网—海绵城市的系统运营风险处于可接受水平,来自系统外部的主要风险因素为物联网病毒及自然灾害。