Equation Chapter 1 Section 1一种基于局部约束编码抽取特征的图像分类算法

针对传统的抽取词袋特征进行非线性图像分类时需要大量计算的问题,本文提出了一种基于局部约束编码抽取特征的图像分类算法来获得分辨不同类别特征图像,并通过在caltech-101和caltech-256数据集上验证,结果表明本文算法在采用线性分类方法时能取得准确率较高的分类结果。

基于基因表达式编程抽取特征的分类算法

传统的基因表达式编程在解决多分类问题时,人为地把多分类转换成多次两分类。融合了K-最邻近分类和基因表达式编程两种技术,做了下列工作:(1)提出了基于基因表达式编程中的特征抽取,证明了特征抽取区多样性定理;(2)提出了特征的自动聚类策略和特征集的自动选择策略,用特征的聚类辅助对象的分类;(3)提出基于基因表达式编程的最邻近距离分类算法,用抽取出的特征采用最邻近距离分类算法进行多分类;(4)实验表明,采用基于基因表达式编程的最邻近距离分类算法,有效地解决了多分类问题,改善了分类性能,使平均分类正确率提高约4%～10%,用于分类的特征维数减少60%～79%。

基于特征抽取的新一代信息技术产业政策变迁研究

[目的/意义]对新一代信息技术产业政策变迁进行研究,有助于明确政策的优化方向,促进新一代信息技术产业的发展。[研究设计/方法]综合官方发布的权威分类文件、业界发布的研究报告、学术领域刊登的相关文章确定政策检索词。采用政策编码、文本分析、BERT及其扩展模型等分析方法,对政策的外部属性、文本主题变迁以及工具结构变迁特征进行分析。[结论/发现]新一代信息技术产业政策经历了起步阶段、高速发展阶段和平稳发展阶段。政策内容由基础扶持性政策过渡到高端要素性政策,再到转型提质性政策。政策工具结构呈现以环境型工具为主、供给型其次、需求型最少的非均衡性分布。未来,各级政府应协调各类型新一代信息技术的发展,落实政策要求,加大需求型政策工具的支持。[创新/价值]从外部属性和内容属性维度开展政策量化研究,通过多方法实现不同政策特征的自动抽取,厘清了新一代信息技术产业政策关注类型,系统梳理了产业政策的变迁特征,为政府的政策制定提供借鉴和参考。

兼顾宽度优化的RBM训练算法及其在特征抽取中的应用

DBN(Deep Belief Network,深度置信网络)是由一系列RBM(Restricted Boltzmann Machine,受限玻尔兹曼机)堆叠而成,并附加一个某种类型的分类器(例如softmax)。由于其出色的特征抽取能力,DBN已成功应用于模式识别和数据重构等领域,成为目前深度学习领域最著名的网络之一。RBM作为DBN的核心组件,具有良好的无监督学习能力,广泛应用于协同过滤、数据重构和特征抽取等方向。因此,RBM对数据重构和特征抽取的能力会直接影响DBN的最终表现。

融合多粒度抽取式特征的关键词生成

关键词是概括给定文本核心主题及关键内容的一组短语。在信息过载日益严重的今天,从给定的大量文本信息中预测出具有其中心思想的关键词至关重要。因此,关键词预测作为自然语言处理的基本任务之一,受到越来越多研究者的关注。其对应方法主要包括两类:关键词抽取和关键词生成。关键词抽取是从给定文本中快速、准确地抽取文中出现过的显著性短语作为关键词。与关键词抽取不同,关键词生成既能预测出现在给定文本中的关键词,也能预测未出现在给定文本中的关键词。总而言之,这两类方法各有优劣。然而,现有的关键词生成工作大多忽视了抽取式特征可能为关键词生成模型带来的潜在收益。抽取式特征能指明原文本的重要片段,对于模型学习原文本的深层语义表示起到重要作用。因此,结合抽取式和生成式方法的优势,提出了一种新的融合多粒度抽取式特征的关键词生成模型(incorporating Multi-Granularity Extractive features for keyphrase generation,MGE-Net)。在一系列公开数据集上的实验结果表明,和近年来的关键词生成模型相比,所提模型在大多数评价指标上取得了显著的性能提升。

基于HITS算法的电商评论产品特征抽取

随着电子商务的快速发展,海量的评论数据中所蕴含的产品特征和用户的观点信息可以用来帮助商家挖掘潜在的客户和改进商品的质量和性能。特征抽取是分析在线评论信息的一个重要环节。现有的特征提取方法大多使用句子中词语之间的依赖关系进行提取。但是现有的方法普遍存在两方面的问题:①抽取的结果存在很多无关特征值;②实验结果准确率较低。本文使用双向传播算法来抽取在线评论中的产品特征和用户观点。为了提高特征抽取的准确性,文章利用 Hyperlink-Induced Topic Search(HITS“) 基于超链接的主题搜索”算法对抽取的候选产品特征进行排序。最后以京东商品的在线评论为实验案例,对比只使用双向传播算法对产品特征进行抽取的结果,文章的实验结果验证了该方法的有效性。

文本分类中的特征抽取

特征抽取是用机器学习方法进行文本分类的重点和难点。文中比较了目前几种最常用的特征抽取方法,提出了一种改进型的互信息特征抽取方法。并在构建的实验系统中比较了这几种特征抽取方法,发现改进的特征抽取方法是有效可行的。

基于典型相关分析的组合特征抽取及脸像鉴别

利用典型相关分析的思想,提出了一种基于特征级融合的组合特征抽取新方法.首先,抽取同一模式的两组特征矢量,给出描述两组特征矢量之间相关性的判据准则函数;然后依此准则抽取它们的典型相关特征,构成有效鉴别特征矢量用于识别.该方法巧妙地将两组特征矢量之间的相关性特征作为有效判别信息,既达到了信息融合之目的,又消除了特征之间的信息冗余,为两组特征融合用于分类识别提供了新的思路.此外,从理论上进一步剖析了所提出的方法之所以能有效地用于识别的内在本质.在Yale和ORL标准人脸数据库上的实验结果证实了所提算法的有效性和稳定性,而且识别率大大高于用单一特征进行识别的结果.

基于小波的煤岩图像特征抽取与识别

针对目前采掘工作面是事故易发多发地带和煤岩界面的识别基本由人工来完成的现状,为了减少人员伤亡以及实现采矿自动化,研究了煤岩的自动识别技术。介绍了煤岩图像识别基础和小波变换原理,讨论了小波函数以及滤波长度、分解尺度的设置情况,提出利用Daubechies小波对煤岩图像进行分解,构造相应的纹理导向度,获得特征值参数表,最后通过Minkowski距离计算公式,得到待测样品与煤岩样品的空间距离,根据距离大小来实现对待测样品的识别。结果表明:该方法通过小波分解再抽取相应的特征值充分表达了煤岩图像的纹理特征信息,而且能成功识别煤岩图像获得了比其他分解方法更高的识别准确率。研究结果可为煤岩界面的自动识别提供理论参考,提供了新的思路。

基于知网的概念特征抽取方法

文本特征抽取是文本过滤的一项重要基础,但通常采取的用字、词作为特征项的显著缺点是无法表达文本的语义信息,所以本文在向量空间模型的基础上提出了一种以知网为语义知识库、基于语义信息的文本特征项抽取方法。该方法比单纯的词汇信息更能体现文本的概念特征,提高过滤系统的性能;同时还能降低文本向量的维数,减少计算量,提高过滤效率。我们在引入了该方法的中文文本过滤系统上进行的实验结果也充分证实了其有效性。

一种组合特征抽取的新方法

该文提出了一种基于特征级融合的特征抽取新方法 .首先 ,给出了一种合理的特征融合策略 ,即利用复向量给出组合特征的表示 ,将特征空间从实向量空间拓广到复向量空间 .然后 ,发展了具有统计不相关性的鉴别分析的理论 ,并将其用于复向量空间内最优鉴别特征的抽取 .最后 ,在 Concordia大学的 CENPARMI手写体阿拉伯数字数据库以及南京理工大学 NUST6 0 3HW手写汉字库上的试验结果表明 ,所提出的组合特征抽取方法不仅具有很强的维数压缩能力 。

脑机接口中基于小波包最优基的特征抽取

在脑机接口研究中,针对脑电特征抽取,提出一种基于小波包最优基分解的方法.依据距离准则,从小波包库中选择一个对分类最优的小波包基;在该小波包基包含的所有分解系数中,抽取部分具有最大可分性的系数作为有效特征;不同通道脑电信号有效特征的结合,构成分类的特征矢量.通过对该特征矢量可分性和识别精度两个性能指标的评估,并与现有分类结果进行比较,表明了所提出方法的有效性.

基于相对词频的文本特征抽取方法

评估函数对已定义类别以外的语料区分度相对较低的问题出发,结合常用的停用词表功能,提出了基于与统计量相关的相对词频作评估函数的改进模型。该模型结合了现代汉语词频统计结果,使用相对词频选择特征词,较好地区分了特定类别与类别外文本。实验结果验证了这种方法的可行性,并且取得了较好的分类效果。

基于支持向量机的煤岩图像特征抽取与分类识别

为了尽可能减少作业人员数目,研究了煤岩图像的自动识别技术,介绍了煤岩图像的识别基础、小波变换和支持向量机原理,分析了煤岩图像纹理在多尺度分解情况下的特点以及支持向量机的参数设置,利用煤岩图像基于灰度共生矩阵的纹理统计量角二阶矩、对比度、相关性、均值、方差构造纹理特征子向量P1,利用煤岩图像不同尺度分解下的角二阶矩、对比度、相关、均值、方差构造纹理特征子向量P2,利用不同尺度分解系数构造纹理特征子向量P3,结合3个特征子向量构造纹理特征向量,最后结合支持向量机对煤岩图像进行分类识别。对不同的特征抽取方式以及煤岩的不同分类进行了比较分析。结果表明:该特征抽取以及分类方法能有效的表达纹理信息,对煤岩的识别准确率达到了97.959 2%,与不使用小波的方法相比提高了7.01%。研究结果可为煤岩界面的自动识别提供依据。

用于图象识别的图象代数特征抽取

本文证明了图象的奇异值特征具有一系列代数和几何上的不变性以及对噪音的不敏感性,它是识别图象的有效特征。本文将奇异值特征用于人象识别问题。根据图象奇异值特征向量样本建立了Sammon最佳鉴别平面上的正态模式Bayes分类模型。实验结果表明,奇异值特征向量具有良好的鉴别分离能力。

一种新的基于小波包分解的EEG特征抽取与识别方法研究

为了提高脑思维任务分类精度,提出一种新的脑电特征抽取与识别方法.首先进行小波包分解,然后结合能反映脑电信号在时域与频域上的能量分布特征的小波包熵概念,从小波包库中选择最优小波包基,对各个最优基所对应的小波系数求取统计特性,然后根据不同脑思维任务下左右半脑各导联间的差异性对各个导联对求取不对称率构成分类特征向量,最后利用SVM分类器对其进行分类.实验结果表明：相对于一般的小波包分解,最优小波包基和自回归特征抽取方法,该方法对5类不同脑思维任务的所有10种不同组合任务对的平均分类预测精度可以达到95.41%~99.65%.

手写体数字有效鉴别特征的抽取与识别

文中提出了基于后验概率估计的多特征多分类器组合识别的估计法，并提出了基于具有统计不相关性的最佳鉴别变换与ＫＬ变换抽取手写体数字的有效鉴别特征的方法．实验采用Ｃｏｎｃｏｒｄｉａ Ｕｎｉｖｅｒｓｉｔｙ ＣＥＮＰＡＲＭＩ手写体数字数据库．用最近邻距离分类器与最近邻相关分类器这两个分类器，对手写体数字的１２ 个特征做多特征多分类器组合识别实验． 实验结果表明：估计法优于常用的投票法与计分法，估计法的识别率高达９７％ ．本文最后基于一个严格的结构分类器与估计法提出了一个集成分类器，该集成分类器获得了更好的实验结果：识别率、拒识率与可靠性分别可达到９７．１５％ 、２．０５％ 、９９．１８％ ，这是目前在该手写体数字数据库上所得到的最好的实验结果．

通过显微图像特征抽取获得微操作目标纵向信息

工作于生物显微镜下的微操作机器人系统 ,是完成对生物细胞显微操作的专用操作系统 .由于各种原因 ,常规的反馈定位控制难以实现 .系统中惟一可以利用的信息是由 CCD摄像机获得的显微平面图像 ,目标的纵向信息难以获得 .本文提出了一种基于系列显微图像频率特性比较的分析方法 ,完成对微操作系统中各目标体的纵向位置信息的获取 ,为本系统的标定工作和位置控制的实现奠定了基础 .

基于KPLS的网络入侵特征抽取及检测方法

从特征抽取的角度研究提高入侵检测性能问题,提出应用核偏最小二乘(KPLS)进行入侵特征抽取和检测的方法.其优点在于KPLS能非线性地抽取输入特征的多个正交分量,并保持与输出类别的相关性,可同时完成入侵特征抽取和判别.将该方法应用于基于Linux主机的入侵检测实验,取得了比SVM和KPCR等方法更好的效果.

有效最佳鉴别特征的抽取与维数问题

在模式识别领域中 ,基于 Fisher鉴别准则函数的最佳鉴别变换有着重大的影响 .该文首先对 Foley-Samm on最佳鉴别变换、广义最佳鉴别变换与具有不相关性的最佳鉴别变换给出了形式相似的求解公式 ,然后根据 Fukunaga维数定理 ,提出了最佳鉴别变换的有效度的概念 ,最后利用国际上广泛使用的 Concordia UniversityCENPARMI手写体数字数据库做了最佳鉴别变换的有效性实验 ,实验结果表明 ,具有不相关性的最佳鉴别变换是最有效的 .