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

基于相似粗糙集的案例特征权值确定新方法

针对现有案例特征权值确定方法客观性差、算法复杂等问题,首先介绍和完善了基于传统粗糙集的权值确定方法.其次,针对基于传统粗糙集的方法会造成案例相似度测量误差从而影响案例推理的准确性的问题,将传统粗糙集的不可分辨关系推广为相似关系,提出了一种基于相似粗糙集的案例特征权值确定方法.给出了相似粗糙集的基本定义,以及利用该方法基于差别矩阵进行特征权值计算的两个定理.最后,用实例表明了方法的有效性.*

粒子群选择特征和信息增益确定特征权值的入侵检测

为了提高网络入侵检测正确率,提出一种粒子群算法(PSO)选择特征和信息增益(IG)法确定特征权值的网络入侵检测模型(PSO-IG)。首先采用PSO选择网络入侵特征子集,消除冗余特征;然后采用IG法确定特征子集中的特征权重,并采用支持向量机(SVM)建立分类模型;最后采用KDD CUP 99数据集对PSO-IG的性能进行测试。测试结果表明:PSO-IG消除了冗余特征,降低了输入维数,提高了网络入侵检测速度;通过合理确定特征权值,提高了入侵检测正确率。

案例系统特征权值优化算法的仿真研究

研究案例系统特征权值优化问题,传统特征权值确定方法过分依赖主观判断和经验,而单一遗传算法或禁忌算法存在各自的不足,因此案例分类精度低。为了提高案例分类精度,提出一种遗传算法和禁忌算法相融合的案例系统特征权值优化方法。利用遗传算法全局搜索能力、并行性和禁忌算法局部搜索和记忆能力,有效地解决了案例系统特征权值优化问题。仿真结果表明,混合方法利用了遗传算法和禁忌算法的优点,很好地优化了案例系统特征权值,从而加快案例系统检索速度,提高了案例分类精度。

实例推理的机械产品设计特征权值确定方法研究

在实例推理中,特征属性权值是实例准确匹配的基础,甚至关系到实例推理整个过程能否正常运行。现在特征属性权值确定方法分为主观赋权法和客观赋权法两种,但是它们都有一定的缺陷。在分析它们各自的缺陷的基础上,本文提出一种新的特征权值赋值法即层次分析法和粗糙集理论赋权法的组合法,并详细地阐述了层次分析法和粗糙集理论以及各自的赋权过程和这种组合法的组合原理。这种组合法既减少了权值的主观性,又增加其客观性,使得特征属性的赋权达到主观与客观的统一,进而使权值更符合实际、更正确。最后,结合一个具体的实例来验证该组合法的有效性和正确性。

学习特征权值对聚类算法的优化

现有的k-均值聚类算法大都是以距离差异为基础的,而同等重要地依赖所有属性的相似性度量会引起误导.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.而在距离公式中引入一些特征权值后,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,因此提出了一种通过免疫算法学习权值的方法以改进聚类结果.实验结果显示,该方法确定的权重值在提高聚类效果方面是可行的、有效的.

三维模型检索中特征权值的应用研究

在原有三维模型检索方法的基础上提出了加入特征权值进行三维模型检索的方法,并将此方法应用到基于球面调和的三维模型检索中。通过以采样球面积为比例逐渐增加外部球面的采样权值来平衡采样不均匀对检索效果的影响。在PSB测试集上进行检索实验,并使用多种评价指标进行对比。实验结果表明,加入特征权值后检索效果优于原始方法。

基于特征权值小波包能量分析的异步电动机电气故障特征提取

异步电动机是生产生活中应用最广泛的电动机。对异步电动机电气故障特征进行提取,是保证电动机正常运行的重要手段。首先,对异步电动机电气故障进行仿真与模拟后,获得定子电流信号。然后,通过小波包能量分解和重构这些信号,得到故障特征向量。最后,运用特征权值算法得出每个特征的权重。研究表明:借助特征权值算法与小波能量分析的方法能使提取的故障特征更为精确,仿真验证了其有效性和可行性。

灰色关联分析确定特征权值的机电设备故障自动诊断

机电设备自动诊断能够及时检测设备潜在故障,判断机电设备整体与局部的异常性,对机电设备维护存在积极意义,为了更好的对机电设备故障进行自动诊断,提出灰色关联分析确定特征权值的机电设备故障自动诊断方法,首先对传统小波阈值去噪方法进行改进,采用软、硬阈值结合的方法去除机电设备监测信号中噪声,然后根据去噪后的机电设备监测数据,通过灰色关联分析确定特征权值,从而完成机电设备故障自动诊断。最后以具体柴油机作为故障诊断研究对象,进行了仿真对比测试,实验结果表示,该方法诊断结果和实际故障输出相同,诊断结果有效,而且抗干扰性与诊断精度高均优于对比方法,具有更高的应用价值。

一种基于自动特征权值的实体相似度计算方法

本体映射可以解决本体间的异构和不一致性,在现有的本体映射过程中,通常采用人工定义实体权值表示资源的重要性。提出一种通过对特征语义进行分析,定义不同实体特征相似度的计算模型和权值计算模型,实现特征权值的自动计算。实验结果表明,该方法可以提高本体映射的自动化程度,且具有较好的准确性,提高了本体映射效果。

基于单亲遗传算法的实例特征权值确定方法

在实例推理中,关键是通过匹配得到相似实例,而计算实例之间相似度时,实例的特征权值的确定尤为重要,决定了是否能够得到最优实例。基于此,提出了一种基于单亲遗传算法的实例特征权值确定方法,首先利用专家经验得到初始权值组合,该组合能够最好的代表可行解,在此基础上应用单亲遗传算法对初始权值组合进行优化,确定每个特征的权重。将该特征权值确定方法应用到钻井液配方设计项目中,并与传统方法进行比较,得出该权值确定方法可以得到较好的效果。

确定事例特征权值的方法研究

针对事例特征权值的确定问题 ,提出了 Delphi和 AHP相结合的权值确定方法 ,以及二次规划模型权值确定法和信用统计权值确定法 .这些方法在事例特征权值的确定中 ,有助于减少主观性 ,增加客观性 .

基于特征词权值的渔业文本分类研究

渔业文本分类是充分利用渔业信息资源的有效途径。针对中文文献资料的结构特点,提出一种结合特征词权值和支持向量机(Support Vector Machine,SVM)的渔业文本分类方法,利用向量空间模型(Vector Space Model,VSM)构建文本向量空间,并结合特征词权值计算文本特征向量中的各特征项,将构建的文本向量送入SVM进行渔业文本分类。采用中国知网下载的标准文档进行了实验测试,并考察了准确率和召回率两个指标,实验结果表明,文章提出的渔业文本分类方法具有较好的分类效果。

遗传算法确定特征权重值的图像分类

针对多种特征权重值无法合理设置,得到的检索效果无法达到用户要求的问题,将多种特征融合在一起,对图像进行分类处理,可以弥补单一特征检索带来的局限性问题,并采用遗传算法对图像特征进行提取并进行优化,以获取最优的特征权重值,将获取的最优权重值用于图像检索与分类中。运用加权融合方法对图像的颜色、纹理等特征进行加权处理,可以有效实现多种特征融合的目的。通过实验证明,基于遗传算法确定特征权重值的图像检索与分类方法具有较强的学习效果,可以自动为特征权值进行赋值,大大提高了图像分类的简洁性,提升了图像检索的效果。

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。

基于特征加权模糊聚类的多模型软测量建模

针对化工生产过程中质量指标无法在线监测的问题,多模型软测量建模方法往往能取得不错的模型估计精度。然而传统的模糊聚类算法都假定样本的各维特征对聚类的贡献相同,影响了聚类效果和模型估计精度。为了考虑样本各维特征对聚类的不同影响,提出一种新的特征加权模糊聚类算法。该算法在模糊聚类迭代的基础上,逐步调整特征权值,最终有效改善了聚类效果。利用一个实际生产装置的操作数据进行建模仿真实验,结果显示了该方法的优越性。

加权行为特征的智能手机安全监控研究

在分析了病毒行为和正常业务行为的基础上,提出了一种对病毒和业务行为特征加权的智能手机安全监控策略,通过对程序行为特征的加权计算,与设定阈值相比较,中断权值大于阈值的可疑行为,从而达到智能手机业务安全监控的目的。实验表明,该机制是可行有效的。

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。

案例推理变权值引擎模型及权值计算方法

在案例推理(CBR)案例检索匹配中,不同案例通常由不同的特征构成。而传统的CBR引擎模型大多采用固定权值模式,导致系统在匹配精度方面的性能很低。为了解决这一问题,提出一种CBR变权值引擎模型,在其特征权值计算模块引入人机互动机制,基于群决策法计算主观权值,提出依据专家个体和群体决策差异的主观权值调整方法;基于相似粗糙集法计算客观权值。最后设计了一种综合权值调整算法,通过计算主观权值和客观权值间的距离,判断两者的偏离程度,从而推导出权值调整系数,得到最终的权值调整结果。通过网络攻击案例进行的算例分析和仿真实验验证了上述方法的正确性和优越性。

基于Relief的特征加权壳近邻分类算法

壳近邻分类算法克服了k近邻分类在近邻选择上可能存在偏好的问题,使得在大数据集上的分类效果优于k近邻分类,为了进一步提高壳近邻算法的分类性能,提出了基于Relief特征加权的壳近邻分类算法。该算法在Relief算法的基础上求解训练集的特征权值,并利用特征权值来改进算法的距离度量方法和投票机制。实验结果表明,该算法在小数据和大数据上的分类性能都优于k近邻和壳近邻分类算法。