基于最大信息系数的关联性特征选择算法:MICCFS

针对基于关联性特征选择算法(CFS)对于回归任务只能识别变量线性关系和分类任务使用对称不确定性度量的不足,提出一种基于最大信息系数(MIC)的CFS特征选择算法:MICCFS.将回归任务中衡量变量间的线性相关系数和分类任务中的对称不确定性度量改进为MIC度量方式.运用最佳优先搜索算法搜索特征子集,以UCI机器学习数据库中11个回归数据集和10个分类数据集为实验对象,采用支持向量机、k近邻算法、朴素贝叶斯模型、决策树四种分类器,比较了MICCFS和CFS以及常用特征选择方法SVMRFE、Lasso、MIM、Relief F、Chi-Square的效果,结果表明MICCFS具有一定优势.

数字水印的解释攻击与关联性特征

数字水印作为一种版权保护技术已经成为目前的研究热点,引起了越来越多的关注;同时,对于数字水印的攻击也在不断出现,其中以解释攻击(IBM攻击)最为危险。通过对解释攻击进行分析,首次提出了水印的关联性特征对水印嵌入进行规范,并提出了两种构造水印关联性特征的方式:利用水印信息内容和利用水印嵌入定位。通过对利用信息内容的方式进行测试,如果所有水印嵌入都能够遵守水印关联性特征,那么就可以解决解释攻击问题。

考虑关联性特征匹配的城市生命线风险应对方案选择方法

针对城市生命线风险应对方案选择问题涉及的特征指标关联性和信息形式多样性,本文提出了一种考虑关联性特征匹配的混合型决策方法。首先,给出实际域、设定域和公共域的定义,并将具有区间数、语言短语等信息形式的风险事件特征指标值和应对方案特征指标值分别映射为实际域和设定域,进而通过两者的面积交织确定公共域;然后,将公理设计方法扩展到混合型决策环境,计算出反映风险事件与应对方案在各个特征指标下匹配程度的信息量,并进行应对方案的初筛;进一步地,采用2-additive Choquet积分算子将特征指标的权重、关联系数和初筛后剩余应对方案的信息量集结为反映风险事件与应对方案综合匹配程度的信息总量,并据此选择最优的应对方案。最后,通过算例分析验证了所提方法的有效性和可行性。研究结果表明,该方法能够为相关监管部门快速响应城市生命线风险、最大程度地降低风险损失和危害提供有效的决策支持。

关联性特征在宏基因组分装中的应用

随着高通量测序技术的成熟,宏基因组学已经成为了一门新兴的热门学科。从混合的微生物测序片段中正确的分装DNA片段一直是一个挑战。分装的准确性直接影响宏基因组学研究的深度和效率,提高分装准确性的关键在于提取出一种有效的宏基因组测序片段的序列特征。目前主流分装方法可以分为两类,一类是基于序列相似性比较;另一类是基于序列特征。本文深入研究碱基之间的关联性,运用一种基于碱基关联性特征的分装方法(碱基对关联性),利用机器学习算法实现准确的分装,在对不同物种层次不同复杂度的模拟宏基因组数据集进行分装时都能保持良好的性能。并且将此方法同无监督分装软件MetaCluster3.0以及那些单纯使用三联、四联核苷酸频率进行分装的算法做对比,并对结果进行了深入讨论。

数字水印的解释攻击与关联性特征研究

数字水印作为一种版权保护技术已经成为目前的研究热点,引起了越来越多的关注.但是,对于数字水印的攻击也在不断的出现,其中以解释攻击(IBM攻击)最为危险.文章通过对解释攻击进行分析,首次提出了水印的关联性特征对水印嵌入进行规范,并提出了借助于第三方机构和信息的包容关系两种构造水印关联性特征的方法.通过对利用信息包容关系的方法进行测试,我们认为如果所有水印嵌入都能够遵守水印关联性特征,那么就可以解决解释攻击的问题.

一种基于关联性特征的宏基因组测序片段分装方法

20世纪末宏基因组学的概念被首次提出,从此打开了利用宏基因组学方法和技术研究微生物的大门.随着高通量测序技术的成熟,宏基因组学已经成为了一门新兴的热门学科.序列分析是宏基因组学研究的基础,而序列分析的一个重要环节就是测序片段的分装(binning).分装的准确性直接影响宏基因组学研究的精度和效率,提高分装准确性的关键在于提取出一种反映宏基因组测序片段物种分类的序列特征.目前主流分装方法利用的都是基因组序列的碱基组成性特征.本文深入研究序列的关联性特征,提出了一种基于关联性特征的分装方法,结合机器学习算法实现准确的分装,在对不同物种层次和不同复杂度的模拟宏基因组测序数据集进行分装时都能保持良好的性能.通过对比,发现此方法分装的正确率和稳定性都要优于目前国际上的无监督分装算法以及那些单纯使用三联、四联核苷酸出现频率进行分装的算法.

基于空间关联性注意力的图像描述生成方法

图像中物体间的关联性能够有效提升图像描述的效果,但是直接使用全局特征表示物体间的关系无法准确捕获图像的关联性特征。为准确捕获图像的关联性特征以提高描述的准确性,提出了一种基于空间关联性的图像描述生成方法。该方法使用Faster R-CNN提取图像的视觉特征和物体的空间位置信息,再将视觉特征与空间位置信息在高维空间融合后指导Transformer捕获图像的关联性特征;最后将视觉特征和关联性特征分别作为视觉注意力和空间关联性注意力的高层语义输入指导单词序列的生成。使用COCO数据集进行实验验证,在BLEU_4和CIDEr上分别得分38.1%和124.8%,相较于基线模型提升了1.8%和4.7%,证明了该方法的可行性。

昆仑M_S8.1地震前青藏块体北、东缘水平运动变形的关联特征

青藏块体东北缘和川滇GPS监测区 1991(1993)、1999和 2 0 0 1年高精度GPS观测资料揭示 :2 0 0 1年 11月 14日昆仑MS8 1地震前 ,青藏块体北、东缘构造区域水平运动变形场动态演变具有一定的关联性特征。即 :在继承性运动总体背景下 ,临近大震发生时两区域运动强度同步减弱且变形状态发生变化。结合地质构造分析研究认为 ,昆仑MS8 1地震前 ,青藏块体边界运动变形的关联性变化与大震孕育后期大范围应力应变快速积累所形成的扰动应力场有关 ;随着块体内部大震的发生、应变能的大量释放和构造应力场的调整 ,可能会促使块体边界地带具有较高应变积累的相关构造部位 (尤其是未被历史强震破裂贯通的地带 )的应力应变的进一步积累或破裂释放。

灵魂的影子——论《简·萨默斯的日记》中双人物的特征和功能

双人物作为常见的文学现象，通过一对息息相关的人物帮助作者表现仅通过其中一人难以表现的文学内容。在多丽丝·莱辛的小说《简·萨默斯的日记》中，双人物是理解人物关系及主题的重要因素之一，但国内外文学评论界对此尚未有深入探讨。本文通过双人物的起源、死亡与新生、现实与梦境和心灵告白分析了双人物的关联性特征及在小说中发挥的独特功能。

基于KNN算法及禁忌搜索算法的特征选择方法在入侵检测中的应用研究

在入侵检测中应用特征选择能够在保持原有信息完整性的基础上,去除其中的冗余特征,有效地提高入侵检测系统的检测速度.本文提出了一种新的特征选择方法,即基于KNN算法及禁忌搜索算法的特征选择方法.实验结果表明该特征选择方法能够有效去除网络数据信息中的冗余特征,减少特征选择时间;并且能够在保证检测准确率的前提下,有效提高系统的检测速度.

KNN-IPSO选择特征的网络入侵检测

为了提高网络入侵检测的正确率,提出一种基于KNN-IPSO选择特征的网络入侵检测模型(KNN-IPSO)。首先采用K近邻算法消除原始网络数据中的冗余特征,并将其作为粒子群算法的初始解,然后采用粒子群算法找到最优特征子集,并对粒子的惯性权重进行自适应调整和种群进行混沌操作,帮助种群跳出局部最优,最后采用KDD CUP 99数据集对KNN-IPSO的性能进行测试。结果表明,KNN-IPSO消除了冗余特征,降低了分类器的输入维数,有效提高了入侵检测正确率和检测速度。

基于粒子群优化的入侵特征选择算法

针对高维数入侵检测数据集中信息冗余导致入侵检测算法处理速度慢的问题,提出了一种基于粒子群优化的入侵特征选择算法,通过分析网络入侵数据特征之间的相关性,可使粒子群优化算法在所有特征空间中优化搜索,自主选择有效特征子集,降低数据维度。实验结果表明该算法能够有效去除冗余特征,减少特征选择时间,在保证检测准确率的前提下,有效地提高了系统的检测速度。

大数据集合中冗余特征排除的聚类算法设计

传统microRNA聚类算法对数据的新特征要求较高,未全面分析大数据集内的冗余特征,使得聚类结果均衡性差。因此,提出大数据集合中冗余特征排除的聚类算法,其采用聚类集成算法,在组构造时期通过使用一致的聚类算法抽取各种子集样本,实现大数据冗余特征的排除,获取排除冗余特征的大数据集聚类结果。对得到的大数据聚类特征分类能力以及特征关联性实施度量,采用基于特征聚类以及随机子空间的miRNA识别算法,实现大数据集合冗余特征的聚类。实验结果表明,所提算法具有较高的冗余数据排除性能,该算法下的大数据聚类效果优,具有较高的均衡性。

基于AFSA-KNN选择特征的网络入侵检测

针对网络入侵特征高维性和特征冗余严重等问题,提出一种K近邻算法(KNN)和改进人工鱼群算法选择特征的网络入侵检测模型(AFSA-KNN)。计算特征之间的关联度,采用KNN算法消除原始网络数据中的冗余特征;将得到的特征子集作为AFSA初始解,通过模拟鱼群的觅食、聚群及追尾行为找到最优特征子集;建立网络入侵检测分类器。实验结果表明,AFSA-KNN有效消除了冗余特征,减少分类器输入维数,提高了网络入侵检测正确率和检测速度。

基于在线评论且考虑特征关联性的酒店推荐排序方法

本文考虑旅游网站提供的在线评论对旅行者预定酒店的影响,提出了一种基于在线评论且考虑特征关联性的酒店推荐排序方法。首先,利用AS-Capsules模型识别每条在线评论关于备选酒店各特征的情感倾向,并将备选酒店各特征情感倾向识别结果转换成图像模糊数形式;然后,对特征进行主客观赋权,并基于模糊测度方法计算考虑不同特征关联性的特征集模糊测度;在此基础上,提出一种图像模糊数Choquet积分算子(PFSCA)集结备选酒店关于各特征的图像模糊数形式的评价信息,得到考虑不同特征关联性的备选酒店的推荐排序结果,旅游网站可依据此结果辅助潜在旅行者做出酒店选择决策。最后,以Tripadvisor(猫途鹰)网站提供的酒店在线评论进行实例分析,说明该方法的有效性和可行性。

基于DALSTM和联合分位数损失的海上风电功率概率预测

传统特征关联方法的预设阈值限制及分位数损失中各分位点损失的量级差异,使得海上风电功率概率预测精度受限。为了提高概率预测精度,提出了一种基于多任务联合分位数损失的双重注意力概率预测模型(MT-DALSTM)。首先,引入特征和时序双重注意力机制对特征间的关联关系和时序依赖性进行挖掘,赋予关键特征和时间点信息以注意力权重来提升功率预测的准确性;其次,在模型训练方面,采用一种基于任务不确定性的多任务联合分位数损失,通过动态调整各损失权重占比来提升最终预测结果的综合性能指标;最后,基于东海大桥海上风电场真实数据仿真验证结果表明:相比于现有的风电概率预测研究,所提方法在锐度、可靠性、综合性能指标上均具有明显提升,验证了该模型提高预测精度的有效性。

基于图论的MANET入侵检测方法

移动Ad hoc网络(MANET)易遭受各种安全威胁,入侵检测是其安全运行的有效保障,已有方法主要关注特征选择以及特征权重,而忽略特征间潜在关联性,针对此问题该文提出基于图论的MANET入侵检测方法。首先通过对典型攻击行为分析,合理选择9种特征作为节点,依据欧式距离确定节点间的边以构建结构图。其次发掘节点(即特征)间关联性,综合考虑节点邻居规模属性和节点邻居之间的紧密程度属性,利用图论所对应的统计特性度分布和聚集系数具体实现两属性。最后对比实验结果证明此方法与传统方法相比平均检测率和误检率分别提高10.15%、降低1.8%。

基于图像的老年人摔倒行为挖掘方法仿真分析

研究老年人摔倒行为准确识别问题。摔倒行为与一般的行为特征不同,拥有较多的类似特征行为,并且不同年龄、不同环境的摔倒行为姿态特征也有很大的差别,传统的视觉图像行为智能识别方法在大规模类似行为特征的干扰下,使得特征之间的关联性发生混乱,造成行为特征识别错误。提出了一种潜在行为关联挖掘的老年人摔倒行为判断方法。利用计算机视觉技术,能够计算老年人行为特征的相似度,从而对老年人行为特征进行提取,为老年人摔倒行为挖掘提供准确的数据基础。利用潜在行为关联规则挖掘方法,计算老年人行为特征之间的关联性,从而完成老年人摔倒行为的挖掘。实验结果表明,算法进行老年人摔倒行为挖掘,能够极大地提高老年人摔倒识别的准确性,从而为老年人出行时的安全提供保障。

基于肢体子图的图卷积人体动作识别

针对目前动作识别方法不能捕获肢体之间关联性关系特征问题,设计了基于肢体子图的图卷积动作识别方法。首先,为了捕获不同肢体的时空特征,将人体骨架图划分为相邻肢体有公共节点的4个肢体子图,分别表示相应的身体部位;其次,为了捕获不同肢体之间内在的关联性特征,设计了组合肢体子图,分别对肢体子图和组合肢体子图进行空间卷积,得到肢体的空间动作特征和空间关联性特征,通过公共节点聚合的空间特征,再对聚合特征进行时间卷积;最后,在训练阶段,为了优化模型,在每个时空单元中加入了残差结构,有效避免了因梯度消失导致子图特征值丢失的问题。在NTU-RGB+D和HDM05人体骨架数据集上验证了本模型的有效性。