一种基于因果网络的支持向量回归特征选择算法

为了提高支持向量回归算法的学习能力,提出了一种基于因果网络的特征选择算法.该方法假设目标变量和特征候选集之间符合一个因果网络模型,然后利用基于条件独立性测试的方法对目标变量的直接影响特征进行识别,从候选特征集之中获取与目标变量有着直接因果关系的特征子集.虚拟和真实数据集上的实验结果表明,该特征选择算法适用于支持向量回归算法,优于目前其他算法.     

基于时序栅格的暴雨事件提取与追踪方法

利用长时间序列栅格数据集,基于暴雨的时空演变特征提出一种暴雨事件时空提取与追踪方法.首先在时间维度提取暴雨栅格,针对每一个时序栅格序列统计累计降水量,依据国家气象局的标准划分暴雨等级;然后在空间维度提取暴雨对象,连接具有暴雨标识的相邻空间栅格并将其矢量化,记录暴雨的时间信息、空间信息、属性信息;接着在时空维度追踪暴雨事件,以相邻时刻暴雨对象的空间拓扑相交为条件寻找前后时刻空间拓扑相交的暴雨对象,建立暴雨对象间的关系,提取出所有存在关系的暴雨对象,统计暴雨事件信息;最后利用GPM IMERG最终产品数据集、台站数据集、雷达数据集对该方法的可行性和有效性进行验证与对比分析.实验结果表明,该方法可以完整提取暴雨的动态发展过程.     

基于GRU与特征嵌入的网络入侵检测

当前基于神经网络的入侵检测方法并没有将数据分类信息考虑在内,无法有效利用网络流量数据的时序信息,为此将门控循环单元(gated recurrent unit,GRU)和基于分类信息的特征嵌入技术结合起来,构建了基于GRU与特征嵌入的网络入侵检测模型.利用UNSW-NB15数据集进行模型仿真实验,结果表明该模型提高了对入...     

结合transformer多尺度实例交互的稀疏集目标检测

为改进稀疏集目标检测方法存在的特征图缺乏空间细节信息、目标特征没有做到全局上下文实例交互、全局语义信息没有得到充分学习等问题，设计了一种结合自适应特征增强和实例特征交互的稀疏集目标检测算法。自适应特征增强模块在特征提取过程中利用不同尺度的池化和卷积来丰富高级语义信息，减小低级语义信息背景噪声的干扰，降低目标错检率和漏检率。实例特征交互模块在边界框回归设计中结合transformer的多层注意力，并融合通道注意力和动态卷积网络对建议框的通道信息进行增强，改善了目标的边缘信息，提高了网络的实例特征交互效率。最后在COCO2017数据集与原始网络进行实验对比，平均精度提升了4.2%，其中在大目标上提升了4.6%，在PASCAL VOC数据集上提升了2.7%。     

基于BIM的变电站安装工程施工风险评估模型

为了提高变电站安装工程施工风险评估能力,提出并构建了基于建筑信息模型(BIM)的变电站安装工程施工风险评估模型.构建变电站安装工程施工风险评估的回归分析模型,采用大数据特征采样方法进行变电站安装工程施工风险大数据信息融合,对变电站安装工程施工风险统计数据进行采集,利用多元回归分析方法分析变电站安装工程施工风险特征,在此基础上,对变电站安装工程施工风险进行预测,根据预测结果,结合建筑信息模型(BIM)完成变电站安装工程施工风险评估.仿真结果表明,采用该方法进行变电站安装工程施工风险评估的准确性较高.     

特征提取算法KPCA的改进与设计

特征提取的本质就是变换.针对传统核主成分分析(KPCA)在分类问题中所提取出的特征组合的不足,提出了一种基于信息度量改进的KPCA算法.数据集使用广泛应用的KDDCUP99安全审计数据集,用训练样本各特征向量的类内聚集程度和类间离散程度所组成的信息度量来代替传统KPCA中的累积贡献率,选取有利于分类的特征组合.实验结果表明,改进的KPCA方法在较低的维数下就具有较明显的分类效果.     

基于颜色通道特征融合的环境声音分类方法

针对传统神经网络提取的复杂环境声音特征微弱，导致分类准确率低的问题，提出了一种基于颜色通道特征融合的环境声音分类方法。首先，从原始音频数据中提取出三种声音特征，即对数梅尔频谱图（log-Mel spectrogram, LMS）、梅尔倒谱系数（Mel-scale frequency cepstral coefficients, MFCC）以及能量谱图（energy spectrum, ES）；其次，分别将以上三者作为RGB颜色通道分量进行特征融合，形成包含更多特征信息的声谱图，更全面表征环境声音；再次，为了避免由于数据集较少导致所训练的模型泛化能力较差，对预训练模型VGG-16采用微调方法进行训练；最后，在两个广泛使用的环境声音分类数据集以及实际场景采集的音频上验证本文所提方法的有效性，并与其他模型的准确率进行对比。结果表明，本文所提方法在ESC-10以及ESC-50数据集上的准确率分别能够达到88.2%和65.2%，并且能提高实际场景采集的音频分类效果。     

过滤特征基因选择及演化硬件急性白血病分型

提出一种基于虚拟可重构结构的内部演化硬件癌症分子分型方法. 为有效处理DNA微阵列数据和便于硬件实现,对比研究了5 种基于过滤模式的信息基因选择方法. 演化硬件通过系统学习和系统分类两个阶段对经过特征选择的信息基因进行处理. 对急性白血病数据集的实验结果表明,基于信噪比信息基因选择方法的演化硬件分类器识别率最高. 演化硬件具有和其他传统模式识别方法可比的识别率,识别时间仅需0.12 ms.     

多元时间序列的相似性匹配

常用多元时间序列相似性匹配方法难以在高效刻画局部形态特征的同时考虑各变量间的相关信息. 针对此问题,提出一种动态窗口内多维拟合分段方法. 基于序列的局部形态特征抽象出各变量维度上拟合线段的倾斜角及持续时间,组成模式表示矩阵,并借助一种多元模式距离实现序列的相似性模式匹配. 与主成分分析法、基于点分布特征的匹配法对不同数据规模的数据集进行对比,验证了该方法的有效性,特别对于多变量、不等时间跨度的中等规模多元时间序列相似性匹配具有较好的效果.     

采用多任务稳健主成分分析的运动目标分割

提出一种多任务稳健主成分分析方法,用以结合多视觉特征实现运动目标分割. 给定由多类型特征矩阵描述的视频数据,将它分解为低秩和稀疏部分,其中的稀疏部分对应于运动目标. 该矩阵分解过程是一个凸优化问题,通过用ALM方法最小化核范数和`2,1-范数的约束组合. 与仅利用单类型特征的方法相比,本文提出的方法能够结合多类型特征,因此可获得更加精确可靠的结果. 对HumanEva和Change Detection两个数据集的实验表明了该方法的有效性.     

基于属性约简的决策树算法在商品促销决策中的应用研究

商品销售管理是企业经营管理中的一个重要环节,通过建立商品促销决策的数据挖掘模型,企业可以获取有助于销售决策的大量有价值的信息,从而获得竞争优势.该文采用决策支持模型来发掘不同客户群的商品购买需求.首先对收集的历史数据进行预处理,然后采用似然比计算预测字段和目标字段的相关性,对属性进行约简,最后使用CHAID算法构建决策模型.实验结果表明,约简模型的性能降低很小,但是大大提高了运行效率和分析效率,降低了过度拟合模型的风险,具有很好的实用价值.     

基于模拟退火算法的子集AR模型辨识方法及其应用

该文提出一种子集ＡＲ模型辨识算法，该方法采用模拟退火随机搜索算法，对模型的回归项子集进行优化辨识，克服“组合爆炸”问题，简化计算。文中还讨论了基于该算法的人口死亡率建模和预报问题。     

基于ResUNet和Dense CRF模型的地震裂缝识别方法

针对人工解释地震资料耗时长、效率低、受主观因素影响较大的不足,提出了一种基于ResUNet和全连接条件随机场（dense conditional random field,Dense CRF）模型的裂缝识别方法。该方法首先使用ResUNet模型提取地震振幅数据体中裂缝的不同分辨率的特征,实现地震裂缝识别;然后利用Dense CRF模型进一步优化识别结果,从而实现地震裂缝的精准识别。将该方法与传统UNet、ResUNet模型在合成地震振幅数据体和F3工区地震数据体进行了实验比较,结果表明运用所提方法识别的裂缝更准确、裂缝尺寸更细、连续性更好。     

基于粗糙集约简的水稻叶片叶绿素含量高光谱反演

利用高光谱技术可估测水稻冠层叶绿素含量,为水稻的长势遥感监测与农艺决策提供科学依据. 基于地面实测水稻叶片光谱数据,提出了一种粗糙集属性简约和支持向量回归相结合的叶绿素反演方法,解决了植被光谱指数相关性高易造成计算冗余以及降低水稻叶片叶绿素高光谱反演效率的问题. 首先选择18 个与水稻叶绿素含量相关性较大的植被光谱指数作为因变量,利用粗糙集约简植被指数数据空间得到含有6 个植被光谱指数的简约核;然后采用支持向量回归方法反演叶绿素含量. 基于全部指数反演及基于简约核指数反演的R2 分别为0.858 6与0.850 6. 因此,该方法与采用全部指数进行反演的结果相比,不但具有相当的反演精度,而且有效缩短了反演算法步骤及时间,为大数据处理提供了新的技术方法.     

基于帧间单映变换的视频序列超分辨率重建

针对帧间单映变换的视频序列提出了一种超分辨率重建算法。首先在最小二乘的基础上给出超分辨率重建的数学模型;其次采用基于模型的等级估计法估计相邻帧的单映变换矩阵;然后采用基于RANSAC的特征点匹配方法对非相邻帧进行带指导的改进估计,使其能够达到要求的亚像素级精度;最后运用共扼梯度算法进行迭代重建,并详细讨论了主要的矩阵向量乘法计算。实验结果表明该算法的重建相当有效。     

基于交互信息的混合特征选择算法

针对传统的特征选择算法只专注于特征间的相关性和冗余性而没有考虑特征之间交互作用的问题,提出一种基于交互信息的混合特征选择(hybrid feature selection based on mutual information,MIHFS)算法,该算法以K-最近邻算法的分类准确率作为衡量所选特征分类性能的评价指标,有效...     

决策树分类ID3算法研究

分类是数据挖掘的重要内容之一,在许多领域得到广泛应用,现已有多种分类方法,其中决策树分类法在海量数据环境中应用最为广泛,本文分析了决策树分类ID3算法的原理,给出构造决策树的基本算法,指出ID3算法构造决策树的优缺点,针对ID3算法倾向于取值较多的测试属性的缺点,引入一个参数来约束属性选择,给出一种优化算法．     

一种面向不确定标签样本的K-近邻高效决策算法

基于案例的决策是一种直接依据过去的历史案例对当前案例进行分类或者指标预测的方法,K-近邻方法就是一种广泛应用的基于案例的决策模型。在K-近邻方法中,历史案例上需要有标签,而在现实应用中,标签本身有一定的不确定性.文章详细地讨论了现有的基于K-近邻的决策方法忽略了样本标签不确定性这一问题,并基于Dempster-Shafer证据理论对标签不确定性进行建模以改善预测的性能,在此基础上结合边界树模型提高模型的运行效率.文中介绍了边界树算法的作用与原理,对如何结合传统边界树算法与样本标签的不确定性对边界树算法的节点转移策略以及决策过程进行了优化.文章最后对边界树算法的计算规模与准确率做了详细的实验论证.结果表明,文中提出的方法一方面考虑了标签的不确定性,另一方面提高了传统的K-近邻模型的决策效率.     

采用自适应补偿的无人机姿态测量

根据合作目标的单站姿态测量原理,结合实际大气湍流条件下激光光束的漂移及扩展效应,提出利用补偿和定位后的激光光斑质心确定无人机外部姿态的方法. 通过计算单帧激光光斑中心提取单位时间内激光光斑质心组成的外围轮廓特征点,并将其构成多边形. 以多边形图像质心为参照,建立姿态测量自适应补偿模型. 计算结果表明,当目标距离为3 km时,采用模拟退火算法迭代解算并对结果进行自适应补偿,得到的姿态角误差最大值为0.221±,说明自适应补偿技术的姿态测量算法具有较高的姿态测量精度和收敛性.     

一种室内环境下仿人机器人路径规划方法

研究了单目环境下仿人机器人的室内环境的建立和运动规划问题.按照室内环境的建立地图,并选择SURF特征点作为室内环境中路标,提出了基于SURF路标与A＊算法的仿人机器人路径规划算法,该算法能够较好地满足仿人机器人路径规划的要求,具有一定可行性和有效性.