基于自适应遗传算法和SVM的特征选择

针对传统风险辨识方法无法实现盾构隧道施工过程中的风险状态实时识别的问题,提出一种自适应遗传算法和支持向量机结合的特征选择方法(AGASVM),筛选出与施工质量风险关系最为密切的关键特征集。实验结果表明,用AGASVM所获得的关键特征集用于施工风险状态实时识别的分类准确率较高。其特征集规模比原始特征集有明显缩减,而且绝大部分关键特征与领域专家的意见是吻合的。

特征选择算法综述

自20世纪90年代以来,特征选择成为模式识别和机器学习领域的重要研究方向,研究成果十分显著,但是也存在许多问题需要进一步研究。本文首先将特征选择视为特征集合空间中的启发式搜索问题,对特征选择涉及的四个要素进行了阐述,然后从各个角度对特征选择算法进行了分类,概述了其各个分支的发展态势,最后探讨了基于多目标免疫优化的特征选择方法的研究思路。

基于改进区域生长的木材导管形态特征提取方法

基于图像的智能木材识别方法是通过自动提取木材的识别特征来识别木材,对木材科学和产业具有十分重要的意义。提出了一种基于改进区域生长的木材导管形态特征提取方法:采用分治策略改进区域生长法实现木材横切面显微图像中导管细胞的快速分割,用链码跟踪技术提取了10个导管细胞的形态特征;选取了6种阔叶材树种的横切面显微图像进行仿真实验。实验结果显示:本文方法能提高导管细胞的分割速度;所提取的10个形态特征在给定的树种显微图像上具有较高的区分度,说明将本文方法用于阔叶材树种智能识别具有较强的可行性。

基于混沌离散粒子群优化的约束性多分类模型

约束性多分类问题是在某些工程和生产领域中存在的一类具有特殊约束条件的多分类模式识别问题。针对传统的有监督分类法无法解决约束性多分类问题,提出一种基于混沌离散粒子群优化的约束性多分类模型(CBPSO-RMCM),并将该模型应用于盾构隧道管片选型预测。仿真实验表明,CBPSO-RMCM模型能有效地实现约束性多分类模式识别,并且分类准确率较高。

一种双重过滤式特征选择算法

特征选择是模式识别和机器学习领域的重要问题。针对目前Filter和Wrapper方法,以及传统二阶段组合式方法存在的缺陷,提出了一种双重过滤式特征选择方法FSTPF,并在三个国际公认数据集和一个盾构隧道施工实时数据集上进行了验证测试。实验结果表明,FSTPF算法降维效果好,且获得的优化特征子集的分类准确率得到了提高。

基于层次聚类算法和偏最小二乘的特征选择

特征选择应尽可能考虑特征的预测能力、特征间的相关性以及算法的计算效率等因素。由于目前Filter和Wrapper两类特征选择方法均存在着缺陷,提出了一种适用于回归的基于层次聚类算法和偏最小二乘的特征选择方法,它不但能选取出预测能力较强的特征,而且使选出的特征间的相关性低。仿真实验表明,将该方法用于盾构隧道施工地面沉降的回归预测中,所选取的最优特征子集使回归模型的精度得到提高、训练时间明显下降。

大学计算机应用基础课程的教学改革与实践

伴随着计算机发展和中小学信息技术教育的普及,计算机应用基础课程面临着全新的形势和任务。本文通过分析新生的计算机水平,重点阐述计算机应用基础课程在教学内容、教学方法、教学模式和考核方式等方面所作的改革探索,并提出一系列解决具体问题的方法和见解。

办公自动化高级应用课程多元化立体化教学研究

针对非计算机专业办公自动化高级应用课程的特点,提出构建多元化立体化教学的构想,并对该构想中的多个不同教学元素进行分析,指出多元化立体化教学的具体实施办法和实施方案。

基于ARM-Linux的嵌入式GIS关键技术研究

在ARM-Linux系统中,对MapInfo地图数据(mif、mid)进行分析,建立合适的GIS数据结构。提出GIS改进算法,利用C++程序语言,设计嵌入式GIS模块,然后通过QT/E图形库,使GIS空间数据与属性数据结合显示。最后将嵌入式GIS应用于电子导游系统中,并取得良好效果。

《办公自动化高级应用》课程多元化立体化教学的研究

针对非计算机专业办公自动化高级应用课程的特点，提出构建多元化立体化教学的构想，并对该构想中的多个不同的教学元素进行了分析。实践表明，该教学体系的构建对推进办公自动化高级应用课程的教学有很大帮助。

基于免疫的粗糙集属性约简算法及应用

地下施工中影响施工的风险影响因素十分繁杂,为了从中剔除不必要或不重要的因素,提出一种新的基于免疫的粗糙集属性约简算法——IRSAR。该算法在求出决策表的相对核core的基础上初始化抗体群,并定义了新的亲和度计算函数和克隆增殖函数,有效地提高了亲和度的收敛速度。利用记忆数组存放每一代中满足条件的抗体,制定了记忆数组更新策略,从而得到最优抗体。实验结果表明,IRSAR算法能够较快地得出合理有效的约简结果。

模糊支持向量机与独立成分分析在木材识别中的应用

采用体视显微镜获取图片解决了图片获取时间的难题。独立成分分析与支持向量机在人工智能方面已经取得较深入的研究,本文采用基于模糊支持向量机结合独立成分分析的方法在木材体视图图像数据库中的实验中取得了很好的木材识别率。