一种新的特征提取方法——类别非局保留投影

针对类别保局投影基于类内散度的特点,提出了一种基于类间散度的特征提取方法——类别非局保留投影. 利用Matlab软件对类别保局投影、主分量分析和类别非局保留投影进行了可视化效果和聚类识别率的比较、分析. 结果表明,在类间信息起主导作用的基因表达数据分类任务中,类别非局保留投影比类别保局投影能获得更好的分类特征. 因此类别非局保留投影更适合于类间信息其主导作用的分类任务.     

基于全局-局部保持投影的稀疏降维方法

该文提出了一种基于全局-局部结构保持的稀疏投影模型(GLSPP).通过对投影数据进行线性重构来保持数据的全局结构,从而保留投影数据的全局信息.通过约束重构系数矩阵与相似性矩阵的相似性来保持全局保持数据和局部保持投影数据的一致性.同时,对重构系数矩阵和相似性矩阵进行稀疏约束,保留主要信息,以减少冗余信息的干扰.在公开的4个人脸与物体数据集上的实验结果显示:该方法具有较高的分类准确率.     

高维数据情形下的一种基于随机投影的集成分类方法

针对高维数据的分类问题,提出一种基于随机投影的决策树集成学习方法(Projection Forest,简记PJForest).该方法以决策树为基分类器,利用一系列随机投影对数据进行降维,基于降维后的数据构建相应的一系列决策树,而后通过集成学习构造集成分类器.利用适当的随机投影对数据进行降维,能保持数据几何结构的信息;且通过随机投影对原始数据进行扰动,能丰富决策树的多样性,经过适当集成可有效克服噪音的影响,进而提升PJForest的泛化能力.证明了PJForest泛化误差的极限性质,得到泛化误差在一定意义下的收敛速度.还开展大量的模拟研究,并对实际数据进行了实证分析.模拟研究的结果表明,PJForest能有效地对包含大量噪音的高维数据进行分类,与已有的诸如随机森林、Xgboost这些方法相比,有更好的分类性能.     

添加Universum数据的最小二乘投影双支持向量机

通过添加Universum数据,引入了与分类样本无关的样本,并借此引入了先验域信息,构建了添加Universum数据的最小二乘投影双支持向量机(ULSPTSVM).此外,还将方法扩展到递归学习方法,用于进一步提高ULSPTSVM的分类性能.实验表明,ULSPTSVM方法可以直接减少带有Universum数据的双支持向量机(USVM)方法的训练时间,而且在多数情况下ULSPTSVM方法的测试精度优于最小二乘投影双支持向量机(LSPTSVM)方法的测试精度.     

免疫进化的投影寻踪模型在文本分类中的应用

投影寻踪是通过寻找最能反映原高维数据的结构或特征的投影方向,把高维数据投影到低维子空间上,从而实现在低维空间上研究分析高维数据的目的.针对文本分类中维数灾难问题,采用投影寻踪模型,将高维的文本数据降到超低维.投影寻踪的关键是构造能够找到最佳投影方向的有效算法,本文根据免疫进化的思想提出了免疫进化的投影寻踪模型,该模型能...     

基于数据驱动和知识图谱的电影分类推荐方法

提出基于知识图谱和数据驱动的电影分类推荐方法；首先基于数据驱动爬取互联网中的电影数据并进行去重及清洗，然后采用知识图谱将电影数据与用户情感偏好数据进行关联，对海量的数据信息进行中心聚类，并在数据聚类的过程中计算投影向量得到相似度矩阵，最后查询相似度值并计算分类推荐指标权重得到最终的电影推荐清单.     

基于监督学习的核拉普拉斯特征映射分类方法

提出一种监督学习的核拉普拉斯特征映射方法(supervised kernel Laplacian eigenmap,SKLE),通过非线性核映射将样本数据投影到高维核特征空间,然后将流形结构和样本类别信息进行有效的结合后,提取嵌入在高维数据中的低维流形特征用于分类.实验表明,该方法对新样本具有泛化性,并且能有效提高分类的效能.     

基于鲁棒回归度量学习的图像分类算法

度量学习是机器学习中的重要研究问题之一,针对实际应用中的噪声数据,如何建立一个鲁棒的度量仍是一个挑战.本文将稀疏表示、特征学习与分类模型相结合提出了一种新的基于鲁棒回归度量学习(RRML)的算法并将其应用于图像分类.算法对最优特征子空间和稀疏表示进行联合学习,在更具判别性的低维表征空间中,通过稀疏表示有效地编码数据的局部结构信息,进而更好地揭示数据的内在鉴别信息,并以此指导该模型学习到最优的投影矩阵;同时对噪声矩阵和投影矩阵的行稀疏约束,可以极大降低噪声的影响.实验结果表明所提算法在图像分类准确率和鲁棒性方面均优于其他对比算法.     

关于决策系统的评价方法

通过群决策中的特征根法,把理想专家的评价作为标准,把每个决策者的评价向量向标准向量进行投影,即应用向量的内积法,定量计算出每个专家与理想专家的一致度,即投影值,以此作为专家水平的分值进行排序.并且运用统计分析法将其检验、分类,并给出一个实例验证其实用性及有效性.     

数据的分类和权系数的确定

对于多指标数据的分类，通常将其投影到平面上，然后根据投影点的聚焦程度确定多指标数据的类别，分类的效果取决于权数的选取。利用广义最小二乘模型对多指标数据的权数进行了计算，进而实现对多指标数据的分类。     

基团距离参数和连接性指数对烷烃折光指数的拓扑研究

运用定量结构一性质相关技术研究了81个烷烃分子的折光指数与分子结构间的定量关系。利用原子特征值建构一种新的基团距离参数和连接性指数^mX。通过多元回归的方法建立了^mX与折光指数的定量结构性质相关模型。对烷烃折光指数的计算结果表明，估算值与实验值较为吻合，平均相对误差为0．17％。研究工作表明基团距离参数和连接性指数在一起使用可以更好地反映出烷烃的构效关系。     

硫醇和硫醚结构与密度关系的拓扑化学

根据分子拓扑不原理，以矩阵描述分子结构，用染色因子标识原子性质的差异，发展了一种适用于含杂原子的分子体系的研究结构与性能关系的新方法，并据此探讨了硫醇一硫醚的密度与分子结构的关系，提出了一个既能合理表征结构与性能的关系，又能预测密度的定量关系式。     

酯肪醛折光指数与分子结构间定量关系的探讨

用图论方法探讨了脂肪酸折光指数与分子结构的关系，提出一个既能表征脂肪酸结构性能关系又能预测折光指数的定量关系式。结果表明，脂肪酸折光指数计算值与实验值的一致性令人满意，平均误差０．１０２％．     

脂肪腈结构与凝聚型性能之间定量关系的研究

借助于分子拓扑学探讨了脂肪腈的凝聚型性能与分子结构之间的关系，提出一个结构基础明确的定量关系式．对乙腈到二十一烷腈的计算结果表明，沸点、密度和折光指数的计算值都很接近实验值．应用这一定量关系，不仅能够合理表征脂肪睛结构与凝聚型性能的关系，而且有助于揭示物质结构与性能关系之间的奥秘。     

正烷基环戊烷结构与熔点关系的拓扑化学研究

借助于分子拓扑学探讨了正烷基环戊烷的熔点与分子结构的关系，提出了一个结构基础明确的定量关系，对甲基环戊烷到正三十六烷基环戊烷的计算结果表明，熔点计算值都很拉近实验值，平均误差仅０．１１１％?应用这一定量关系，兴驻能够合理表征正烷基环戊烷结构与烷点的关系，而且有助于提示物质结构与性能关系之间的奥秘。     

直链伯醇结构与熔点关系的拓扑化学研究

用拓扑方法探讨了直链伯醇的熔点与分子结构的关系，提出一个结构基础明确的定关系式。对甲醇到１－三十四烷醇的计算结果表明，计算值与实验值的一致性令人满意。应用这一定量关系，不仅能够合理表征直链全醇的结构性能关系，而且有助有助于揭示物质结构与性能关系这间的奥秘。．     

正烷基环己烷结构与熔点关系的拓扑化学研究

用分子拓扑学方法探讨了正烷基环己烷的熔点与分子结构的关系；提出一个结构基础明确的定量关系，对甲基环己烷到正三十六烷基环己烷的计算结果表明，熔点计算值都很接近实验值，平均误差仅０．０９１％，应用这一定量关系，不仅能够合理表征正烷基环己烷的结构性能关系，而且有助于揭示和物质结构与性能关系之间的奥秘。     

基于灰色关联的网络性能模糊评估

随着网络规模的不断扩大,对IP网络性能进行评估可以指导网络设计并为改进网络运行状况提供支持。针对模糊法、投影寻踪法的不足,提出了一种新的灰色模糊网络性能评估方法。首先选取了影响网络性能的5个关键指标,利用灰色关联分析得到各评估指标的关联度,进行归一化处理后作为指标权重集,然后构建了指标集到评语集的模糊关系矩阵,进行模糊运算后,最终完成对7个网络对象的性能评估和排序。与灰色关联、TOPSIS以及投影寻踪法进行对比后发现,利用文中算法,评估结果中体现了指标的内在关联性,算法权重确定更为客观,并给出了网络性能的具体分值。文中算法简单,为网络性能评估提供了一种新的思路。     

烷烃总化学位移与分子结构之问定量关系的研究

根据分子结构的特点，探讨了烷烃^13c总化学位移(Chemical Shift Sum，CSS)与其分子结构之间的关系．通过用距离矩阵表征分子结构的特性，提出了一种直接根据分子结构信息计算烷烃CSS的方法．对72种烷烃的计算结果表明，计算值与实验值之间的一致性令人满意，平均误差为1．78％，计算精度优于文献方法．该方法的提出，不仅在一定程度上揭示了烷烃CSS的变化规律，而且提供了一种计算烷烃CSS的有效方法．     

预测取代芳烃生物降解性的投影寻踪回归模型

计算了42种取代芳烃的WHIM描述子,分别采用多元逐步线性回归分析法和投影寻踪回归技术,对所研究化合物的生物降解性参数BOD值进行定量构效关系研究.逐步线性回归分析结果表明,三维分子描述子WHIM可以从分子的大小、形状、对称性和原子分布等方面全面描述整个分子的结构,取代芳烃的生物降解性主要与分子的形状、密度分布和对称性有关,并且受原子量、原子范德华体积及电子拓扑指数的影响.在逐步线性回归基础上构建了取代芳烃生物降解性的投影寻踪回归模型.由于采用了"审视数据-模拟-预测"这样一条探索性数据分析新途径,模型的稳定性和预测能力大大提高,决定系数R2为0.642,测试组平均相对百分误差为8.29%.