基于单个特征分类准确率的特征选择方法研究

【目的】随着遥感技术迅猛发展,在影像解译过程中提取的信息越来越繁杂多样。为提高地物分类准确率,常加入更多的特征信息,而由此往往造成一定的信息冗余,导致分类效率甚至准确率降低。笔者利用随机森林(RF)和支持向量机(SVM)分类器,探索在遥感分类过程中保证分类精度的同时又能降低特征维度的方法。【方法】以吉林省安图县福兴林场部分区域为研究对象,利用2015年Landsat-8影像为数据源,提取光谱信息(红、绿、蓝、近红外和短波红外波段)、植被指数(NDVI、增强型植被指数、比值植被指数和裸土植被指数)、纹理(同质性、均值、二阶矩、方差、差异性、对比度、熵和相关性)和地形信息(坡度和坡向)共19个指标作为分类特征变量。以RF分类器估测的特征重要性进行特征选择为对照,分别以单个特征在RF和SVM两分类器中的分类准确率为依据进行特征选择,并对选取的特征进行主成分分析,与未做主成分分析的进行区分,再分别用RF和SVM分类器进行分类,评价分类精度,确定最优特征和分类器组合。【结果】①基于SVM单个特征分类准确率选取特征,对选取的特征进行主成分分析,再用RF进行分类,该方法与其他方法相比分类性能最好,当特征维度为5时,总体精度为0.86,Kappa系数为0.83; 与输入全部特征进行分类相比,不仅提高了分类精度,而且降低了特征维度,使分类效率得以提升。基于RF特征重要性选取特征的RF分类取得了较高的分类准确率,但特征维数小于7时,分类准确率波动较大; 在特征维数为4时分类准确率增至最大值(0.88),随后骤降为0.83,之后基本保持在此水平。而基于单个特征分类准确率选取特征,分类准确率变化较为平缓,如上所提最优分类性能方法的分类准确率波动范围基本在0.02。②基于单个特征在RF和SVM分类器中的分类准确率进行特征选择,在随后的分类过程中,SVM分类器分类精度总体高于RF。基于RF单个特征分类准确率选取特征的SVM分类,及基于SVM单个特征分类准确率选取特征并对选取特征进行主成分分析的RF分类,较仅利用SVM或RF单个分类器选取特征并分类的分类准确率更高。【结论】①基于单个特征分类准确率的特征选择方法,可在保证分类精度的同时降低特征维度,且在较低维度时,基于该方法选取特征的分类精度较基于特征重要性选取特征的分类精度更稳定。②基于单个特征分类准确率进行特征选择,不同分类器选取的特征有所差异,分类准确率也不同,利用多个分类器较单个分类器选取特征并分类的性能更好。③在中低维度时,RF分类器的分类准确率可能与特征输入顺序有关,对输入特征进行主成分分析有利于提高分类器的分类精度及稳定性。     

浅析自动化技术在生活污水泵房中的应用

随着自动化技术的发展,其在生活中的影响力在逐渐的加深,涉及到日常工作的方方面面。不仅使生产的过程得以加快,同时也使消费产物的处理变得更加合理。自动化与智能化的控制是目前工业发展的趋向,本文以恒水位变频技术和PLC自动监控装置这两项关键技术为重点,来介绍自动化技术在生活污水泵房中的应用。     

低频频率和O2含量对双频容性耦合等离子体Ar-O2放电的影响

利用四极杆质谱仪研究了Ar/O2混合气体放电中低频频率和O2含量对离子能量分布和平均能量的影响。研究结果表明当低频频率增大时,离子能量逐渐由中频机制向高频机制变化,其能量分布的马鞍型双峰结构逐渐收缩,变得不明显。Ar+离子由于共振电荷交换的影响获得更多的低能离子,其平均能量比O2+离子的稍低。增大氧气含量,电离率增大,Ar+离子和O2+离子的高低能峰均向高能区移动,最大能量值逐渐右移。同等条件下的Ar+离子的平均能量均低于O2+离子。     

精准医学应用于罕见神经疾病的现状与前景

 罕见神经疾病往往具有病因不明、疾病进行性发展、表型差异性大等特点,在诊治方面始终面临着巨大挑战。近年来,精准医学在罕见神经疾病中的应用愈加广泛,在探索发病机制、细化诊断分型、改善治疗手段、评估风险与积极预防等方面显现出良好的前景。此外,精准医学可以连接基础和临床,对于创新疾病诊治思路有重要提示作用。尽管罕见病信息资源整合程度有限、组学数据释读仍存在困难,但随着生物信息学和计算技术的飞速发展,精准医学在罕见神经疾病方面的应用前景仍然值得期待。精准医学研究有望促成罕见神经疾病诊疗水平的飞跃。     

健康医疗大数据与罕见病的精准用药

 药物治疗是罕见病的主要治疗方式,然而目前仅有1%的罕见病能够得到有效的药物治疗。不同来源的基因组、转录组等组学数据与临床表型数据融合起来形成的"健康医疗大数据",可以通过集中小规模罕见病临床数据的方式有效弥补罕见病样本量少的不足。大数据信息可用于研究罕见病新的药物靶点、探索成熟药物在罕见病领域新用法、分析药物不良反应实现个体化用药,并可进一步通过大数据技术建立本地化罕见病知识库,从而实现罕见病的精准诊断和治疗。随着大数据研究的不断深入,仍然需要突破多组学融合及分析技术、基于真实世界的知识提取技术、基于组学的临床决策支持等技术壁垒才能使大数据在罕见病的诊疗中得到最大应用。     

厌氧一微氧生物法处理味精生产废水的研究

采用热絮凝、汽提等方法对味精废水进行预处理,ＣＯＤ、ＮＨ２－Ｎ和ＳＯ２-4分别去除５０％、８０％和６０％以上．考察了ＵＡＳＢ反应器与ＣＳＴＲ光合反应器厌氧－微氧串联系统治理味精废水效果,在进料ＣＯＤ浓度为２５．６ｇ／Ｌ条件下,其ＣＯＤ处理能力达３．９ｋｇ／ｄｍ３,ＣＯＤ去除率达９７％．     

厌氧一微氧生物法处理味精生产废水的研究

采用热絮凝、汽提等方法对味精废水进行预处理,ＣＯＤ、ＮＨ２－Ｎ和ＳＯ２-4分别去除５０％、８０％和６０％以上．考察了ＵＡＳＢ反应器与ＣＳＴＲ光合反应器厌氧－微氧串联系统治理味精废水效果,在进料ＣＯＤ浓度为２５．６ｇ／Ｌ条件下,其ＣＯＤ处理能力达３．９ｋｇ／ｄｍ３,ＣＯＤ去除率达９７％．     

有机物分子量分布特点对BAF-O3-BAC净水工艺的评价

采用曝气生物滤池(BAF)、气浮和臭氧生物活性炭(BAC)联用技术对太湖原水进行试验.有机物分子量分布测定结果表明:曝气生物滤池单元对分子量小于0.5 kD(道尔顿)的有机物去除率最高,其次是分子量介于1～3 kD的有机物;气浮单元对分子量大于100 kD的有机物去除率最高;臭氧氧化单元对分子量大于3 kD的有机物去除率较高,而对于小于3 kD的有机物不但不能去除,反而有所增加;生物活性炭单元对分子量小于10 kD的有机物均能有效去除,分子量越小,去除率越高.综合评价认为:曝气生物滤池、气浮和臭氧生物活性炭联用技术处理微污染水源水的净水工艺是合理的.     

特定与非特定计时的认知和神经机制

特定与非特定计时机制一直是人类时间加工的两类假说,这两者在认知和神经层面具有各自的内涵和表现形式.新近研究表明:从认知层面看,特定计时系统说假定人类时间加工存在一种专门认知计时机制;非特定计时系统说认为人类时间加工不需要专门计时机制,而是通过对其他信息加工产物的分析获得.支持前者的认知模型主要涉及内部时钟模型、时间信息加工模型、注意阀门模型、资源分配模型及双滴水钟模型等;支持后者的认知模型主要有存储容量模型、变化/分割模型、背景变化模型、记忆痕迹模型等.从神经层面看,特定计时系统说主张特定的神经区域具有独特的表征时间信息的能力,当需要进行此类加工时该系统就会起作用;非特定计时系统说强调时间表征是源于内部的一种动态非特定神经机制,是基于感觉加工的激活数量或者神经元网络空间激活模式.支持前者的神经模型主要涉及特异化计时模型和分布式网络计时模型;支持后者的神经模型主要有状态依赖网络模型和能量读数模型.未来应该在更宏观的背景下探讨两类假说的相关问题,即实证研究的开展领域应该广泛化;理论模型的建构视角应该多元化;两类假说在认知和神经层面的内涵应该区分开.     

高考文言翻译一点通

本文闸述了要想在文言翻译题上不失分,这就要求我们除了加强平时的积累之功外,还要总结规律,在最短的时同内取得最好的复习效果.结合平时的教学,我总结了一些应试的方法技巧,希望能对大家的高考复习有所帮助.