语音识别中一种新的特征参数选择方法

应用正交实验设计方案对语音识别中特征参数的选择进行了计划、分析与实验设计,目的是在大量的特征参数中选择出具有互补作用的特征参数。该方法有4个特点:1)实验方案的构造方法简单,而且得到的实验方案具有各特征参数搭配均衡的特点;2)实验结果分析方法计算简便,计算结果的物理含意明显;3)只需很少的比较实验就可以找到识别性能较好的特征参数组合;4)已有的实验结果对后续实验方案的设计有很好的指导作用。实验结果表明正交实验设计用于特征参数选择是有效的。     

人脸识别中基于互信息的特征优选

人脸识别领域中常用Gabor小波系数表示人脸特征.然而,提取的人脸Gabor特征是高维数据,不可避免存在冗余和随机噪声的干扰.为了有效利用Gabor特征进行人脸识别,提出一种新的Gabor特征选取方法.首先计算训练集上的任两张人脸图像的Gabor特征差,生成类内空阃和类外空间.用单个Gabor特征训练筒单两值分类器,以其在类内空间和类外空间的分类错误率作为判据评价该Gabor特征的分类能力.在选取分类错误低的特征的同时还要再评估候选特征与已选特征间的互信息,这样优选出具有无冗余、低误差率的特征.最后对这些优选的Gabor特征进行主成分分析和线性判别分析完成人脸识别.在CAS-PEAL大型人脸数据库上的实验结果表明,所提出的方法不但可大大降低Gabor特征的维数,而且还有效提高了识别精度.     

一种特征选择的信息论算法

特征选择在模式识别技术中起着非常重要的作用,用信息论的方法进行特征选择还是一个新课题.MIFS和MIFS-U是两种用信息论方法进行特征选择的近似算法,MIFS和MIFS-U算法都有一个考虑输入特征之间信息冗余的权重系数,MIFS-U算法还有一个条件限制.当条件不满足或权重系数取值不合适时,这两种算法的特征选择性能就会下降.通过研究这两种算法,借助互信息的概念提出一种新的信息论特征选择算法MIFS-D.和MIFS、MIFS-U算法相比,MIFS-D是一种更精确的算法,去掉了限制条件和权重系数.将3种算法应用于几个分类问题,结果表明MIFS-D算法具有相对更好的特征选择性能.     

基于克隆选择算法的人脸特征选择

针对经典PCA算法在人脸特征提取上的局限性,提出了一种基于克隆选择算法的特征选择方法．克隆选择算法的收敛速度快,具有较强的全局搜索能力,可以快速搜索到最有利于分类的特征空间;因此利用克隆选择算法对PCA变换后的特征向量进行选择,可以有效避免PCA只选择人脸轮廓信息,而忽略细节信息的不足,在人脸识别中取得了较好的效果．通过对ORL和Yale人脸库的仿真实验表明,该方法无论在识别率、降维效果还是稳定性方面,性能均优于遗传算法,不但有效降低了特征向量维数,还将人脸识别率提高到91．5％,因此研究该算法具有很强的现实意义．     

第一特征选择的信息论方法

提出一种第一特征选择的信息论方法．该方法考虑了第一特征和其他特征组合共同包含的类别信息．即使在非线性分类问题中也表现出良好的第一特征选择性能．     

雷达图图形特征提取中的特征排序

基于多元数据的雷达图图表示,提出了雷达图重心图形特征.针对同样的多元数据不同的特征排序会导致不同的雷达图图表示,进而产生不同的重心特征,而这些重心特征会最终影响分类器的性能,因此提出一种新的问题,即雷达图图形特征提取中的特征排序问题.基于这个新的问题,设计了一种新的解决方法,即提出了基于改进的遗传算法的特征排序.同时也研究并改进了传统的基于排序的特征选择方法.基于一些机器学习数据库的分类实验结果表明:一方面,数据的原始特征排序下的重心特征和传统的特征提取方法相比,并不总是最优,但是在遗传算法下特征排序的重心特征优于传统的特征提取方法;另一方面,在遗传算法下特征排序的重心特征优于传统的基于排序的特征选择方法下的重心特征.尤其对于高维小样本的肺癌数据达到了12.5%的留一法交叉验证错误率,效果非常好.乳腺癌数据和糖尿病数据等的分类结果优于目前国际上的报道.     

基于代数方法的图像特征抽取和识别

该文对文献（３）中的相似度计算了改进,用低维矩阵替代高维矩阵进行计算,先证明没有改变原有图像矩阵的相似度,然后用新方法和原方法解决一组人脸图像识别问题,实验结果表明,新方法大大减少了计算量,又能保持稳定的识别率,具有较高的识别效果。     

基于神经网络的自动特征抽取

本文探讨了用神经网络从模式中自动抽取特征向量并确定特征向量是否已具有足够特征信息的方法,给出了计算机模拟的结果。     

味觉信号的特征抽取

本文叙述了对味觉信号进行特征抽取和选择的方法，并基于神经网络方法对五味信号进行模式识别，取得了较为满意的效果。该方法也适于一般三维图形的特征抽取、识别的应用场合。     

基于强化学习的特征选择方法及材料学应用

随着大数据、人工智能以及高性能计算的快速发展, 数据驱动的新材料研发成为研究热点. 在对材料数据进行数据挖掘的过程中, 需要对特征集合进行预处理, 通过减少无关冗余特征, 不仅可以避免模型过拟合, 还能提高模型的可解释性. 基于此, 提出了一种基于强化学习的特征选择(feature selection based on reinforcement learning, FSRL) 算法, 将封装式特征选择抽象成机器学习模型和环境互动的过程, 并根据利益最大化准则将对应特征加入特征子集中. 同时, 为了提高模型的预测精度, 还提出一种基于符号变换的特征构造方法来生成新的特征. 最后, 将所提出方法应用到非晶合金材料的分类预测任务和铝基复合材料的回归任务中. 实验结果表明, FSRL 算法的分类准确率最高提升了 2.8%, 而在回归任务中, 基于特征构造的 FSRL 算法使得预测精度最高提升了 22.9%.     

人脸图像有效鉴别特征抽取与识别

基于具有统计不相关性的最优鉴别变换,分析了小样本识别问题,提出了抽取人脸图像有效鉴别特征方法,在Ｏｌｉｖｅｔｔｉ Ｒｅｓｅａｒｃｈ Ｌａｂｏｒａｔｏｒｙ（ＯＲＬ）人脸图像库上得到了平均识别错误率为２．７５％的实验结果,这是目前在ＯＲＬ人脸图像数据库上所得到的最好的实验结果,并在南京理工大学ＮＵＳＴ６０３人脸图像库上得到平均识别错误率为０．９％,的实验结果,这些结果表明所提出的人脸图有效鉴别特征方法     

发音人语音特征参量的选择和提取

本文研究发音人识别特征参量的选择和提取,探讨参量选择的原则,提出一种混合特征矢量,并以时间域规正法规正语音长短。     

模式分类与识别的新动向

综述了模式分类与识别中的特征抽取与选择、模式分类与识别的传统方法及其研究状况,同时也简介了模式识别中并行处理方法的进展.在模式识别研究中多信息源、多媒体、智能化策略的综合研究将是这一领域的新动向。     

基于在线分级特征选择机制的目标跟踪算法

为了提高在复杂背景、光照突变等因素干扰下视频序列目标跟踪算法的鲁棒性,提出了一种新的基于在线目标特征选择机制的跟踪算法。利用目标颜色信息和梯度方向直方图构造目标特征空间,用G auss混合模型对目标特征集建模,分级选择机制在目标特征集中依据最大化信噪比准则选择最优的特征子集,生成概率权重图像。利用概率权重图像构造观测似然函数,在粒子滤波的框架下,实现目标的跟踪。实验结果表明:该算法可以有效地克服目标旋转、背景复杂、光照突变等因素的干扰。     

基于情感主题模型的特征选择方法

意见挖掘在企业智能分析、政府舆情分析等领域发挥着重要作用,为了充分挖掘主观性文本所蕴含的商业价值和社会价值,提出了一种基于情感主题模型的特征选择方法。该方法重点考察极性词及其共现现象,采用主题模型挖掘出正面褒义主题和负面贬义主题中极性词的分布情况,旨在度量情感特征在情感倾向表达中的重要性。实验阶段结合支持向量机分类器进行分析。实验表明该特征选择方法能有效提高跨领域文本情感分类准确性,具有较好的实用价值。     

基于改进K-medoids算法的科技文献特征选择方法

根据科技文献的结构特点搭建了一个四层挖掘模式,并结合K-medoids算法提出了一个特征选择方法.该选择方法首先依据科技文献的结构将其分为4个层次,然后通过K-medoids算法聚类对前3层逐层实现特征词提取,紧接着再使用Aprori算法找出4层的最大频繁项集,并作为4层的特征词集合.同时,由于K-medoids算法的精度受初始中心点影响较大,为了改善该算法在特征选择中的效果,论文又对K-medoids算法的初始中心点选择进行优化.实验结果表明,结合优化K-medoids的四层挖掘模式在科技文献分类方面有较高的准确率.     

结合ODF和辨识集的特征选择

在中文文本分类中,由于中文词条总数较高,限制了中文文本分类算法的选择空间.特征选择是文本分类的一个核心研究课题.提出了一个优化的文档频(optimal document frequency,ODF),再结合粗糙集提出了一个新的基于辨识集的属性约简算法,最后把该属性约简算法同优化的ODF结合起来,提出了一个综合的特征选择方法.该综合选择方法首先使用优化的ODF进行特征初选以过滤掉一些词条来降低特征空间的稀疏性,然后再利用所提出的属性约简算法消除冗余,从而获得较具代表性的特征子集.实验结果表明该方法有较好的准确率和召回率.     

模式识别理论中的逻辑特征方法

本文提出了一个新的模式识别特征方法——逻辑特征方法。这个方法不同于经典的模式识别方法:统计特征方法和句法结构方法。在逻辑特征法中,决定模式特征匹配状态的只有“是”或“非”,而不象统计特征和句法特征那样有匹配程度之分如“远”或“近”。逻辑特征有两个重要特性。1.多个逻辑特征可以链接在一起做为逻辑特征向量,这个逻辑特征向量可以做为索引匹配的索引号而对模式进行直接和索引分类。2.逻辑特征还可与其他特征共同使用,其中逻辑特征将做为标志。亦即只有逻辑特征匹配了,才能用其他特征进行匹配程度的计算。     

基于模糊模式识别的模块选择算法

阐述了模块化设计中,模块选择的过程与策略.以属性结构为模型的模块数据库为基础,引用隶属度、贴近度等模糊数学的概念,提出了基于模糊模式识别的模块化选择算法,并对该算法的可行性进行了验证.     

结合ODF和辨识集的特征选择

在中文文本分类中,由于中文词条总数较高,限制了中文文本分类算法的选择空间。特征选择是文本分类的一个核心研究课题。提出了一个优化的文档频(optimal document frequency,ODF),再结合粗糙集提出了一个新的基于辨识集的属性约简算法,最后把该属性约简算法同优化的ODF结合起来,提出了一个综合的特征选择方法。该综合选择方法首先使用优化的ODF进行特征初选以过滤掉一些词条来降低特征空间的稀疏性,然后再利用所提出的属性约简算法消除冗余,从而获得较具代表性的特征子集。实验结果表明该方法有较好的准确率和召回率。