基于特征排序特征联合算法的疾病危险因素分析

针对疾病危险因素分析集中于危险因素单独作用的重要性评估,忽略危险因素联合作用的问题,为避免低估部分单独无用但与其他因素联合对疾病构成威胁的危险因素的有用性,提出一种基于特征选择的特征排序特征联合算法。第一阶段通过特征选择对危险因素进行单独作用重要性分析并排序;第二阶段设计特征联合算法分析危险因素联合作用,去除冗余危险因素并选出关键危险因素。仿真实验结果表明,特征排序特征联合算法可实现更高分类准确率并减少冗余,证明了该算法的有效性。

加工特征排序及NC代码映射

在零件的加工过程中,特征的消亡(主要指余量)和实现(主要指尺寸、精度)必须按一定的顺序进行.因此,研究了加工特征的排序机理,提出了一种基于知识的加工特征自动排序方法.在此基础上进一步提出了刀具路径和NC代码的自动生成方法.

雷达图图形特征提取中的特征排序

基于多元数据的雷达图图表示,提出了雷达图重心图形特征。针对同样的多元数据不同的特征排序会导致不同的雷达图图表示,进而产生不同的重心特征,而这些重心特征会最终影响分类器的性能,因此提出一种新的问题,即雷达图图形特征提取中的特征排序问题。基于这个新的问题,设计了一种新的解决方法,即提出了基于改进的遗传算法的特征排序。同时也研究并改进了传统的基于排序的特征选择方法。基于一些机器学习数据库的分类实验结果表明:一方面,数据的原始特征排序下的重心特征和传统的特征提取方法相比,并不总是最优,但是在遗传算法下特征排序的重心特征优于传统的特征提取方法;另一方面,在遗传算法下特征排序的重心特征优于传统的基于排序的特征选择方法下的重心特征。尤其对于高维小样本的肺癌数据达到了12.5%的留一法交叉验证错误率,效果非常好。乳腺癌数据和糖尿病数据等的分类结果优于目前国际上的报道。

基于概率密度逼近的无监督特征排序

依据概率密度逼近提出了一种新的无监督特征排序,应用于特征选择降维。实验证明,这种方法与一些现有的方法相比,更为有效。

楔横轧模具加工特征排序

在楔横轧模具CAD/CAPP集成化信息模型基础上,应用基于知识的创成式工艺决策方法和VC++面向对象编程技术构造了楔横轧模具加工特征排序算法.通过合理安排模具工艺决策各阶段的子任务和构造相应的约束,保证生成模具工艺路线的可行性和灵活性.同时针对典型楔横轧模具进行实例分析,验证该加工特征排序方法的实用性.

一种引入冗余控制的特征排序模型

针对特征排序方法较少考虑特征之间的相关关系,导致选择的特征子集存在冗余的问题,提出一种引入冗余控制的特征排序模型。将特征子集判别能力最大且冗余程度最小作为模型的目标函数,以降低特征之间的冗余;使用贪心方法和非线性规划方法对模型进行求解。在9个开源数据上的实验及与特征排序方法比较表明,本模型在大部分数据上,所选择的特征子集能够获得更好的分类准确性且个数更少;使用非线性规划方法求解时,能够直接得到特征子集,有利于确定特征个数。本模型可用于特征之间存在冗余时的特征选择。

基于遗传算法的飞机结构件加工特征排序

针对结构件结构复杂、壁薄易变形、加工精度要求高、特征类型和数量多等特点引起的加工特征排序困难,笔者提出了一种基于遗传算法的飞机结构件加工特征排序方法。首先,该方法通过扩展加工元构建优先权系数矩阵,然后建立符合系数矩阵的初始种群,以机床变换、装夹变换和刀具变换最少为优化目标,最后通过选择、交叉、变异等遗传操作完成加工序列的优化。

梯度特征向量排序法的数学原理

§1 梯度特征向量排序法关于层次分析中,单一准则下的排序问题,Saaty教授提出了特征向量排序法.即决策者在准则C下,对n个需要排序的对象填写判断矩阵:

步态识别特征的提取和重要性排序

提出一种基于骨骼关键点检测技术的步态识别方法,并讨论常见的步态特征在障碍诊断时的重要性排序,以期为步态障碍的及时检查和识别提供参考。首先,根据不同的步态模式设立试验组和对照组,受试者按照要求分别完成规定的范式动作,经由深度相机实时获取受试者骨骼关键点的运动轨迹数据;然后,从获取的数据中提取步态识别特征;最后,采用以信息增益为依据的模糊二元对比决策方法对步态识别特征的重要度进行排序。通过对每个特征的重要性进行排序,为步态障碍的诊断和自动识别提供参考。研究结果表明3种步态模式下所有步态识别特征的平均值之间均有显著差异,特征的优先排序为步频、膝关节最大屈曲角度、足偏角、髋关节最大屈曲角度、步幅、支撑相、步速、髋关节最大伸展角度、质心左右移动、膝关节最大伸展角度、质心上下移动、步长、步宽。

基于特征排序与深度学习的母线负荷预测方法

负荷预测是指导电力系统规划和安全经济运行的重要依据。传统的负荷预测一般指区域负荷总量的预测,不能够体现底层母线负荷水平,无法满足电网精益化管理的要求,母线负荷预测是解决这一问题的关键途径。文章提出了基于特征排序与深度学习的母线负荷预测模型。首先,针对各区域母线负荷差异性较大的现状,使用随机森林算法对预测目标影响较大因素进行排序,选择特征贡献度较高的特征属性;其次,在模型训练阶段选择了深度置信网络,学习并跟踪母线负荷变化趋势;最后,采用北京电网某条110 kV母线负荷进行实例验证。结果表明,文章所建立的预测模型具有良好的预测精度和稳定度。

基于分支定界算法的飞机结构件元特征排序

针对现在定义的飞机结构件加工特征与加工操作不一一对应导致的特征排序存在大量空走刀问题,将加工特征分解为与加工操作一一对应的元特征。基于加工规则和最小耗费分支定界算法对元特征进行排序,实现刀具非切削行程最短。

上下文感知的局部线性特征排序算法用于设备故障诊断

特征的选择和排序是分析故障数据的重要环节,高效的特征提取和排序算法可以减少在数据分析中的特征数量,可以从数据中提取更有意义的设备状态信息,减少信息冗余。由于在特征空间中不同区域的特征相对重要性不同,该文提出一种基于上下文感知特征映射的局部线性特征排序框架。实验证明,该算法可以在外界条件变化的情况下识别设备的重要特征,甚至能使特征重要性排序和数据分类变得更简单。

基于特征排序—神经网络算法的表面粗糙度预测

为提高智能化生产过程中由铣削过程振动信号预测工件加工后表面粗糙度的精度,提出一种基于特征排序—神经网络的表面粗糙度预测算法。该方法采用“小波包分解+统计量”对振动信号进行特征提取,构建出特征库。然后利用相关性分析,对特征库中的特征进行排序,最后根据排序结果优化设计出特征提取方法和神经网络结构。以不同铣削要素下的6061铝合金加工数据为例,以轮廓算术平均偏差作为表面粗糙度衡量指标,对所提方法进行了验证。结果表明,所提方法在预测表面粗糙度时,预测误差在合理范围内,平均偏差为6.57%,预测值与实际值较为接近。

特征重排序的加权深度森林

传统深度森林模型由于局限性,在多粒度扫描特征转换阶段忽略了边缘信息,导致特征转换不充分;级联时将上一层类概率拼接到原始特征中,未考虑之前类概率向量的影响,最后投票过程忽视了子分类器权重。针对以上问题,提出一种特征重排序的深度森林(Reorder Feature Deep Forest,RFDF)算法,通过特征重排序,将较重要的特征排在中部转换出更有效的特征;级联阶段将之前层级生成的类概率向量之间的差作为增强特征与原特征拼接,进一步增强特征差异性,缓解网络退化现象。引入逻辑回归分类器,增加子分类器的差异性。最后结果由赋予权重后的子分类器投票得出。通过不同的数据集验证,表明该方法一定程度上有效,在高维数据集上表现更加明显。

基于多特征融合和特征排序的飞机识别方法

基于多特征融合和特征排序提出一种飞机识别方法,首先将飞机图像多种不变量特征组合,其次利用建立的飞机机型训练图像库(包括每种飞机的原始图像、加噪图像、遮挡图像),提取每幅训练图像的组合不变量特征,提出以均方差与均值之比值来衡量特征的稳定性,以马氏距离(FISHER判别函数)来衡量可区性,并从稳定性和可区分性两方面对组合不变量特征进行排序,将两种排序结果都占优的特征选为新的不变量特征,结合支持向量机实现飞机机型快速识别。实验结果表明,在飞机机型识别中,这种新的算法在同等维数下,排序后的特征识别率优于随机组合的特征。

基于圆形标定板特征点提取及排序的方法

在计算机视觉中,圆形标定板被广泛使用在像机标定中,本文针对圆形标定板图像(图1)在特征点提取后的排序问题,提出了利用两点之间斜率进行比较解决该问题的方法。并在Visual studio 2010坏境下进行编程实现该算法,通过实验证明了该方法的有效性。

基于非扩张映射及SOM进行特征选择的DOA估计

为进一步研究窄带水声信号特征与波达方向(DOA)的映射关系,在基于三层自组织神经网络映射对声信号特征向量进行拓扑排序的基础上,提出了结合区域Lipschitzs系数及局部Lipschitzs系数进行改进的DOA估计模型。该方法通过对信号特征与波达角所形成的映射进行非扩张映射检验,即对区域李普希兹系数进行讨论并对映射的优劣进行评判,以自组织神经网络为训练器,依据特征层拓扑排序并结合局部Lipschitzs系数构建基于1-邻域的综合DOA估计法则,从而改进了DOA估计系统。仿真实验结果显示该方法所选择特征用于对DOA的估计效果更优,平均误差、方差均在10-2以内;在信噪比(SNR)从20 dB下降到2 dB的情况下,对照其他常用DOA估计算法,估计结果同时显示出良好的鲁棒性。

梯度特征向量排序法（GEM）新元素导入时的保序性原理

梯度特征向量排序法，导出的判断矩阵Ａ提供的排序信息基本上反映在Ａ的上三角元素中，因此我们决定利用上三角判断矩阵来研究在单一准则下新元素增加时的保序性原理。

层次分析法中群体决策的特征根排序法

本文将 AHP 中特征根排序法推广到群体 AHP 决策中,定义3群体决策的二次判断矩阵与群体特征权重向量。给出了群体特征权重向量存在的充要条件,在二次判断矩阵可逆的条件下,引入最优化问题并给出了群体特征权重向量的最优估计的计算公式,以及加权形式的最优估计的计算公式。

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。