基于电—振信号熵权特征的断路器储能机构故障诊断方法

弹簧势能的可靠储存是保障断路器后续分合闸操作正确的前提。通过分析控制回路、电机、传动部件和弹簧之间的能量转换和传递关系,提出一种电-振信号熵权特征联合的断路器储能机构故障类型辨识方法。首先利用希尔伯特变换(Hilbert transform)提取储能电机电流信号包络时域特征并计算峭度;然后由局部均值分解(LMD)处理断路器储能过程伴随的振动信号得到乘积函数分量(PF),并提取PF能量谱频域的盒维数特征;进而采用熵权法对电流和振动信号待分类样本进行剪辑,按照样本信息量和重要性赋予对应的权重;最后把熵权特征作为KNN算法的输入,辨识储能机构运行状态。实验结果表明:采用联合电-振信号的熵权特征量,KNN算法能更准确地诊断断路器储能机构发生的故障类型。

一种面向聚类的加权特征选择算法

针对面向聚类的特征选择算法效率和效果无法兼顾,并且对高维数据适用度不高的问题,提出了一种基于邻域分析的加权特征选择算法ENFSA。该算法首先基于信息熵构建候选特征集,降低加权特征选择的候选特征维度,在此基础上采用邻域分析法评估特征冗余度和相关性,并根据评估结果更新特征子集和权值向量,不断迭代,直至特征权值向量趋于稳定。在10种典型数据集上的测试结果表明,与传统的特征选择算法相比,新的算法特征约简效率较好,能够明显提高数据集聚类效果,同时在特征维度较高的数据集上依然表现出很好的效果。

我国渔业权特征的探讨

渔业权基本理论研究将有利于推进我国渔业权制度建设。本文试图从物权及其特征的角度,回答渔业权物权化中渔业权应具有哪些特征的问题,并分析得出我国渔业权是兼有用益物权和特许物权的物权特征。

单位球上Bloch函数的带权特征

考虑 Cn 中单位球上的 Bloch函数和小 Bloch函数 ,利用正规函数 φ的性质 ,给出了 Bloch的带权特征 ,即 :f∈ B( Bn) supλ∈ Bn‖ f .λ-f (λ)‖ p ,φ<∞ ,f∈ B0 ( Bn) lim|λ|→ 1 ‖ f .λ-f (λ)‖p ,φ=0 .

融合特征权重与改进粒子群优化的特征选择算法

随着教育信息化的发展,教育数据呈现特征数量高、冗余度高等特点,这使目前的分类算法在教育数据上分类准确率不理想。提出一种将特征权重算法与改进粒子群优化算法融合的混合式特征选择算法(RF-ATPSO)。该算法首先使用RELIEF-F算法计算各个特征的权重,筛除冗余特征,然后在筛选后的特征集合中利用改进粒子群算法搜索最优特征子集。实验结果表明,在6个UCI公共数据集上,经RF-ATPSO算法进行特征选择后,平均准确率提升了10.04%,且平均特征子集规模最小、收敛速度最快;在学生学业成绩画像特征数据集上,该算法以较小的特征子集规模达到较高的分类准确率,平均准确率为94.77%,明显优于其它特征选择算法,实验充分证明了该算法具有实际应用意义。

基于特征加权的KNN模型岩性识别方法

岩性识别是一项重要的地质工作,为固体矿产勘探与油气勘探奠定了坚实的地质基础。岩石物性是连接岩性和地球物理场的桥梁,可以通过物性之间的差异进行岩性识别,但不同岩石的物性数据往往存在一定重合,仅靠交会图无法准确地识别岩性。KNN(K近邻)模型是一种简单、直接的机器学习方法,准确度和灵敏度都很高,适用于多分类问题。基于此,本文将基于特征加权的KNN模型引入岩性识别中,该方法将传统KNN模型与属性特征的信息增益相结合,对不同特征赋予不同权重,可以直观地反映属性特征对分类的重要程度。实验证明,相比于传统KNN方法,基于特征加权的KNN模型对岩性交界处的识别能力有大幅提升,整体提高了岩性识别的准确性和稳定性。

基于加权信息粒化的多标记数据特征选择算法

特征选择能去除不相关和冗余的特征,是解决多标记数据维度灾难的有效工具。现有的多标记特征选择算法没有考虑标记空间存在的相关性,认为每个样本的相关标记的重要性相同,并且忽略了特征空间可能是标记重要性差异形成的内在因素,使得选择的特征不能精确全面地刻画样本且计算过程复杂。为此,本文利用标记间的相关性对标记空间进行划分以简化计算,并定义标记重要性度量和特征权重,在此基础上提出了一种基于加权信息粒化的多标记特征选择算法。通过在真实多标记数据集上的实验对比分析,本文提出的算法在各项评价指标上均优于其他对比算法,验证了算法的有效性和可行性。

基于自适应权重特征聚类的用户用电行为分析

智能电表的推广使得监测数据呈指数级增长,但部分大电力公司在需求侧分析和大数据分析方面通常面临极大的挑战,因此,提出一种自适应权重特征K-均值有限传播(adaptive weighted feature K-means finite propagation,AP)聚类算法来分析用户的用电行为。构造一个综合特征集,即负荷曲线的时域、频域和波动特征。将特征集应用到分布式框架中分析客户行为,在局部建模中,考虑负荷曲线的时域和波动特性,采用自适应K-means算法对负荷曲线进行聚类,并采用客观熵权;在全局建模中,引入AP聚类算法,结合加权时域和频域特征得到聚类结果。通过仿真数据的性能测试和大数据集的用电行为分析,验证了所提模型和方法的有效性。

基于灰狼-鸟群算法的特征权重优化方法

针对特征权重难以准确量化的问题,提出一种基于灰狼优化(grey wolf optimizer, GWO)算法和鸟群算法(bird swarm algorithm, BSA)的混合算法,用于特征权重的寻优。首先,将Chebyshev映射、反向学习与精英策略用于混合算法的初始种群生成;其次,将改进后的GWO算法位置更新策略融入BSA的觅食行为中,得到一种新的局部搜索策略;然后,将BSA的警觉行为与飞行行为用作混合算法的全局搜索平衡策略,从而得到一种收敛的灰狼-鸟群算法(grey wolf and bird swarm algorithm, GWBSA),通过GWBSA的迭代寻优可获得各特征的权重值。利用标准测试函数和标准分类数据集进行了对比实验,与遗传算法、蚁狮算法等方法相比,GWBSA具有较快的收敛速度且不易陷入局部最优,可以提高模式分类问题的求解质量。

文本自动分类中特征权重算法的改进研究

文章研究并改进了文本自动分类中的特征权重算法。传统的特征权重算法着重于考虑频率和反文档频率等因素,而未考虑特征的类间、类内分布与低频高权信息。该文重点研究了特征的类间、类内分布,以及低频高权特征对分类的影响,并在此基础上提出了低频高权特征集的构造方法及特征权重的新算法,同时将该算法推广到多层次分类体系。实验证明该算法能有效提高分类的精确度,而且在多级分类中也能取得很好的效果。

基于特征加权的电影票房预测研究

文章搜集了678部电影并将其作为数据,选择电影制式、电影题材、制片地区、发行公司、是否I P续集、主演、导演、编剧以及档期等作为主要影响因素,使用合理方法将这些影响因素进行量化并归一化处理后,随机选取其中300部电影使用随机森林算法计算特征重要性,并使用对数变换计算权重,之后使用BP神经网络对剩余电影进行票房预测。实验表明,对电影影响因素赋予权重后的模型十折交叉验证R-Sq ua red均值为0.7998,高于未进行权重赋予的0.6641,并且在对知名电影进行预测时,权重赋予后的模型的预测值总体上也更接近实际值,可见使用随机森林特征重要性分数进行权重赋予可以在一定程度上提高票房预测效果。

基于邻域互信息与K-means特征聚类的特征选择

针对多数邻域系统通过人工调试很难搜索到最佳邻域半径,以及传统的K-means聚类需要随机选取簇中心和指定簇的数目等问题,提出了一种基于邻域互信息与K-means特征聚类的特征选择方法。首先,将样本在各特征下与其他样本距离的平均值作为自适应邻域半径,确定样本的邻域集,并由此构建自适应邻域熵、邻域互信息、归一化邻域互信息等度量,反映特征之间的相关性;然后,基于归一化邻域互信息构建自适应K近邻集合,利用Pearson相关系数表示特征的权重定义加权K近邻密度,实现自动选取K-means算法的簇中心,进而完成K-means特征聚类;最后,给出加权平均冗余度,选出每个特征簇中加权平均冗余度最大的特征构成最优特征子集。实验结果表明所提算法不仅可以有效提升特征选择的分类结果而且可以获得更好的聚类效果。

论货币的物权特征

货币的通常含义是指充作交换媒介使用的硬币和其他物质 ,它最早是从物物交换中脱离出来的一种特殊商品 ,自产生以来 ,已由实物货币发展到金属货币再到纸币或信用货币 ,但这主要体现在货币材料的变化上 ,它们皆为动产。在法律上货币就属于物的一种 ,具备物所具有的基本法律特征。但因其性质与功能的特殊性使得它与其他的动产物又有着大不相同的特征。

基于关联规则赋权特征选择集成的信用分类研究

针对信用分类数据集中常见的高维性特征,本文基于特征袋装法和关联规则挖掘算法,构建了新的赋权特征选择集成模型AR-WSAB.该模型能根据频繁项集的支持度和置信度,对各特征的重要度进行测度,进而选择出各特征子集,训练子分类器,再通过集成得到最终结果.通过在贷款违约预测数据集上进行实证分析,结果表明该模型分类正确率相对于Bagging集成模型和PCA算法都有显著优势,所提方法能够有效处理高维性特征,并且在各分类算法上都具有普适性.

基于特征权重与K-Medoids算法结合的非均衡数据处理方法

目前处理非均衡数据的方法多是以重采样方法来延伸的,传统的方法在解决非均衡数据分类问题时会使样本数据分类的精确度偏向于多数类样本,而且没有解决好类内不均衡的问题,未将样本数据的特征权重考虑到分类算法或者采样方法中。因此论文提出了一种基于特征权重值与K-Medoids算法相结合的欠采样方法,这种方法解决了之前提出的问题,抽样得到的数据更有利于决策处理,从而使得分类器对不平衡数据的分类性能有所提高。通过实验表明,论文提出的方法与传统的随机欠采样方法相比,在处理相同标准数据集时具有更好分类效果,显著提高了数据集中各类的分类精度。

维度加权模式动态纹理特征的火焰检测

对疑似火焰区域提取纹理特征时,用局部三值模式描述火焰静态纹理特征不利于区分火焰与其他纹理均匀的干扰物,用KNN算法(k-nearest neighbor algorithm)分类效率较低。针对这些问题,提出用三正交平面局部混合模式(three orthogonal planes local mixed pattern,LMP-TOP)描述火焰的静动态纹理,再输入维度加权的支持向量机进行分类识别。LMP-TOP是对第一维XY平面,采用八邻域的均匀局部二值模式(uniform local binary pattern,LBPu2)三正交平面局部混合模式表示火焰的静态纹理特征;对第二维XT和第三维YT平面,则采用局部三值模式(local ternary patter,LTP)融入火焰在时间维度上的变化信息,这样在得到火焰的静态特征的同时也融入了其动态特征。根据3个维度单独用于识别的准确率,赋予其相应的权重,用维度加权的支持向量机进行分类识别。实验结果表明,相比Sthevanie等算法,本文所提出的方法火焰识别率和检测效率均较高。

两权市场特征

在培育规范探矿权采矿权市场的过程中 ,了解和准确把握两权市场特征 ,是贯彻执行矿权有偿使用制度、灵活运用法律法规 ,搞活两权市场、推动矿业经济向前发展的关键。两权市场特征的研究是一个非常重要的课题。本文从物权特征、市场结构特征、标的物特征和价格特征四个方面对两权市场特征做了较深入的探讨、分析。

基于知识语义权重特征的朴素贝叶斯情感分类算法

针对文档级情感分类的准确率低于普通文本分类的问题,提出一种基于知识语义权重特征的朴素贝叶斯情感分类算法.首先,通过特征选择的方法,对情感词典中的词进行重要度评分并赋予不同权重.然后,基于词典极性的分布信息与文档情感分类的相关性,将情感词的语义权重特征融合到朴素贝叶斯分类中,实现了新算法.在标准中文数据集上的实验结果表明,提出的算法在准确率、召回率和F1测度值上都优于已有的一些算法.

学习特征权值对K-均值聚类算法的优化

K 均值 (K means)算法聚类的结果依赖于距离度量的选取 传统的K 均值算法选择的相似性度量通常是欧几里德距离的倒数 ,这种距离通常涉及所有的特征 在距离公式中引入一些特征权参数后 ,其聚类结果将依赖于这些权值 ,从而可以通过调整这些权值优化聚类效果 由于K 均值算法是迭代算法 ,很难直接确定其权值以优化聚类结果 ,因此提出了一种间接的学习权值算法以改进聚类结果 从数学意义上讲 ,这种权值学习相当于欧氏空间中对一组点进行了一个线性变换

基于特征加权的汉字点笔画生成研究

针对汉字字形设计和开发的困难,提出基于特征点抽象的汉字字形描述方法和汉字字形生成方法,研究特征点、特征表达式、特征点的权值和权矢量等在汉字字形生成中的应用技术和方法,并以点的生成为例,设计汉字点笔画的生成算法,并进行验证实验。实验结果证明该算法可靠并实用,可切实提高汉字字形设计的效率,为汉字其他笔画的生成提供一种解决方案。