特征选择是模式识别与数据挖掘等领域的重要问题之一。针对此问题,提出了基于离散粒子群和相关性分析的特征子集选择算法,算法中采用过滤模式的特征选择方法,通过分析网络入侵数据中所有特征之间的相关性,利用离散粒子群算法在所有特征...特征选择是模式识别与数据挖掘等领域的重要问题之一。针对此问题,提出了基于离散粒子群和相关性分析的特征子集选择算法,算法中采用过滤模式的特征选择方法,通过分析网络入侵数据中所有特征之间的相关性,利用离散粒子群算法在所有特征的空间里优化搜索,自动选择有效的特征子集以降低数据维度。1999KDD Cup Data中IDS数据集的实验结果表明了提出算法的有效性。展开更多
文摘特征选择是模式识别与数据挖掘等领域的重要问题之一。针对此问题,提出了基于离散粒子群和相关性分析的特征子集选择算法,算法中采用过滤模式的特征选择方法,通过分析网络入侵数据中所有特征之间的相关性,利用离散粒子群算法在所有特征的空间里优化搜索,自动选择有效的特征子集以降低数据维度。1999KDD Cup Data中IDS数据集的实验结果表明了提出算法的有效性。
文摘针对LSQR(least square QR-factorization)算法在求解电阻抗层析成像(electrical impedance tomography,EIT)逆问题时,由于矩阵维数高、计算量大而导致重建速度较慢的问题,提出基于小波多分辨分析的LSQR算法(wavelet multi-resolution based least square QR-factorization,WALSQR)。该方法将EIT的图像重建过程投影到低维的尺度空间进行,通过提取有效信息减少数据计算量,明显提高了图像重建速度。同时由于去除了噪声和冗余信息,保证了成像质量。本文将SALSQR方法分别应用于二维、三维EIT成像实验,证明其有效性,并为三维动态EIT图像重建算法的研究奠定了基础。