最小相关性最大依赖度属性约简的改进算法

对于决策表的属性约简,通过分析最小相关性最大依赖度属性约简算法,得到了一种更加完善的最小相关性最大依赖度属性约简算法,并通过实例验证其可行性.     

基于信息论下阈值阵列模型中的阈上随机共振现象

研究了高斯混合噪声作用下阈值阵列模型中的阈上随机共振现象.通过建立阈值阵列模型,运用理论分析和数值仿真相结合的方法,分析了高斯混合噪声作用下高斯信号通过系统时的互信息.数值仿真表明,通过控制变量法,当阈值单元数目越多或者系统阈值越大时,阈上随机共振发生的现象更加明显.所得结论可以为进一步探索阈值阵列模型提供基础.     

信鸽外纹体神经元对习得性目标认知的响应特性

习得性认知是生物通过后天学习,将外部目标与自身行为进行强化训练,形成一种条件反射的认知过程,信鸽外纹体神经元在认知前后响应如何变化尚不清楚。通过训练信鸽识别特定目标,同步记录外纹体神经元集群信号,从动作电位发放率、局部场电位伽马子频带能量、神经元间互信息等角度,分析信鸽在不同认知阶段外纹体神经元响应特征的变化规律,结果表明:习得目标认知建立前后,其神经元的响应从集中在目标呈现阶段调整到决策阶段;不同试次神经元响应间的同步性随着习得性目标认知的建立逐渐增强,表现出更稳定可靠的响应特征;神经元集群间的互信息显著弱于认知前,表明习得性目标认知减弱了神经元集群的冗余信息,提高了编码效率。     

基于LS-SO算法的情感文本分类方法

首先, 基于点互信息与信息检索(PMI IR)算法, 提出一种Laplace平滑情感判定(LS-SO)算法, 对情感词典与表情符号情感词典进行自动扩充, 得到了具有一定规模、 高质量的情感词典, 包括基础情感词典、 目标情感词典、 网络用语情感词典、 表情符号情感词典、 否定词词典、 疑问词词典、 程度副词词典和连词词典. 其次, 通过细化文本语义分析规则计算文本情感值. 实验结果验证了该方法的有效性.     

基于互信息和文化基因算法的网络流量特征选择

利用文化基因框架的引导,提出一种结合了封装和过滤的混合型特征选择算法.该算法在传统的遗传算法中采用了基于互信息的局部搜索算法,全局搜索以分类器精度为适应度函数,保证得到全局最优解;局部搜索以联合互信息为评价指标,加快了寻找最优特征子集的收敛速度.实验表明,与现有算法相比,该算法在特征数量和计算复杂度上有显著改进,采用该算法的网络流量识别方法能以更少的特征获得更高的分类精度.     

一种利用互信息加权的最小二乘法丰度反演算法

提出了基于互信息加权的最小二乘算法丰度反演,选择互信息矩阵作为加权矩阵,从熵的角度反映了不同波段问的相关性．同时,在丰度反演过程中应用波段选择技术,降低了数据处理的复杂度．分析实验仿真结果,与传统的最小二乘算法和已有的加权最小二乘丰度反演算法相比,获得了更精确的丰度信息,反演效果得到提升,验证了该算法的可行性．     

microRNAs家族间负关联模式挖掘

microRNAs(miRNAs)广泛地存在于动植物的细胞中,它的前体具有发夹结构,并且具有很好的保守性.miRNAs在生物体内对细胞的生长、发育、死亡和病变起着重要作用.研究miRNAs家族间在生物体内的调控关系,对miRNAs在生物组织中的表达进行关联分析和对miRNAs成熟序列、种子区域以及二级结构数据进行相似性比较,从而了解miRNAs家族对生物体的调节机制.为了识别具有高相关性的miRNAs家族负关联模式,引入相关系数来改进传统的挖掘频繁项集算法和用互信息来衡量miRNAs家族间的交互性.     

问答社区问句中多字词表达提取

基于互动问答社区问句中多字词表达和问句理解的关系,提出针对互动问答社区问句进行多字词表达抽取,并基于互动问答社区问句中多字词表达的特点,提出适用于互动问答社区的多字词表达提取方法.该方法在利用互信息和停用词表的方法从问句中抽取候选多字词表达的基础上,将候选多字词表达分为正确串、残缺串、冗余串和错误串4类,借助搜索引擎对查询串的优化和候选多字词表达在互联网上的检索结果,设计候选多字词表达校正方法,实现对多字词表达的提取.以新浪爱问知识人问题库中的问句进行实验,结果表明,多字词表达抽取的准确率、召回率和F值分别达到84%,52%和0.64,验证了该方法的有效性.     

基于半监督学习的迁移学习方法

迁移学习是机器学习的一个新的分支。当训练模型过期,而新领域标记数据又非常少时,传统的机器学习就不足以产生一个较为精确的分类器。为解决此问题,本文提出一种基于半监督学习的迁移学习方法,对源领域数据进行二步信息筛选,并在大量文本数据集上的实验中证明了新算法的有效性。     

基于数据分析的多谐波源定位方法

谐波源准确定位是谐波治理的关键前提,电网复杂度的增加使基于模型的谐波源定位方法不再适用;随着电能质量监测装置的广泛配置,为基于数据驱动的谐波源定位方法提供了可能。现从大数据分析的角度出发,提出基于数据分析的多谐波源定位方法。首先,利用有功功率方向法筛选出主要的谐波源支路;然后,利用最大互信息值(maximal information coefficient,MIC)作为谐波电压超标节点谐波电压与可疑支路谐波电流间相关度评价指标,设定相关度阈值,当相关度超过该阈值时判断该支路为主要谐波源支路。所提方法不需要网络拓扑,利用电能质量监测数据进行分析便可实现主谐波源定位。仿真和实测数据验证说明了所提方法的有效性和工程实用性。