基于递归特征消除−随机森林模型的江浙沪农田土壤肥力属性制图

以江苏省、浙江省、上海市农田为研究区,选用气候、地形、植被、土壤属性等自然环境协变量,及农业机械总动力、每公顷农用化肥施用量、农业总产值、农村用电量等农业活动变量,利用递归特征消除方法(RFE)对环境协变量进行筛选,基于筛选后的最优变量组合建立随机森林(RF)模型,进行表层土壤pH、有机碳、全氮、全磷、全钾、铵态氮、硝态氮、有效磷、速效钾、交换性钙、交换性镁11种主要土壤肥力属性的空间分布预测,并采用100次重复的十折交叉验证法进行验证。结果表明:①11个模型筛选出的环境协变量类型主要集中在气候、地形与植被变量,表征人类农业活动的变量在有机碳、全磷、全钾、铵态氮和有效磷预测中体现重要作用。②11个模型的决定系数(R^(2))在0.27~0.53,pH、速效钾、交换性镁和交换性钙的预测模型决定系数(R^(2))均在0.45以上。本研究表明人类活动变量对于土壤肥力预测具有重要意义,而递归特征消除−随机森林模型(RFE-RF)可以用于农田主要土壤肥力属性制图,为农业生产提供准确的土壤肥力属性空间分布信息。

基于鸟瞰视图的递归特征金字塔语义分割方法

针对现有自动驾驶场景的鸟瞰视图(BEV)语义分割方法的特征提取效果差、视角转换方法老旧以及交通环境语义分割效果不佳的问题,提出一种基于鸟瞰视图的递归金字塔的语义分割方法,简称为IRFPN。传统金字塔特征提取网络包含自底向上、自顶向下以及横向链接三部分,特征提取效果有待提高。鸟瞰视角转换方面只使用传统的逆透视变换处理车载相机拍摄的图片,不能对相关语义进行很好的保留。为改善上述不足,将递归特征金字塔结构和极射线映射相结合。实验结果表明,IRFPN在nuScenes数据集中常见类别语义分割精度提升了0.4%,对驾驶区域的预测精度提升了2.1%,相比传统的金字塔特征提取网络效果好,对各常见交通环境语义特征有更好的保留,对复杂的交通环境具有较好的鲁棒性。

递归特征消除与极端随机树在铣刀磨损监测中的研究

针对金属铣削过程中刀具磨损监测问题,本文提出了一种基于递归特征消除和极端随机树相结合的刀具磨损监测模型。首先对力、振动和声发射信号的时域、频域特征进行提取,分别采用逻辑回归、分类与回归树、线性回归、线性判别分析作为递归特征消除的基模型进行特征降维。再利用处理后的特征对K近邻、支持向量回归、极端随机树模型进行训练,得出多种监测模型。通过对比刀具磨损拟合曲线图和分析评估结果的标准差,可得出基模型为分类与回归树的递归特征消除,与极端随机树算法相结合模型拟合度达到99.74%,评估结果的标准差为4.04。结果表明该方法能够实现对铣刀磨损的有效监测,从而提高零件加工质量。

融合递归特征金字塔的病原微生物检测

针对病原微生物的检测研究较少且目标尺寸相差较大、背景复杂问题,提出了一种融合递归特征金字塔的病原微生物多尺度检测方法。考虑到有些病原微生物的特征与正常细胞有一定的相似性,在YOLOv5特征提取阶段引入混合注意力模块CBAM,可以增强病原微生物的显著度,降低了病原微生物的误诊率。由于尺寸较小的病原微生物在下采样过程会丢失重要特征,在特征融合阶段使用递归特征金字塔RFP和增加小目标的检测层,可以对小目标的特征进行二次提取,丰富语义信息,提高了小目标的检出率,并在二次特征提取模块中使用深度可分离卷积DSConv替换普通卷积Conv,降低了模型的参数量,提升了性能。实验表明,本文算法在病原微生物数据集上的mAP达到了74.9%,相比基线网络YOLOv5提升了4.9%,小目标滴虫的mAP也提高了6.2%。同时在PascalVOC2007、PascalVOC2012和CDetector公开数据集上比基线网络YOLOv5分别提升了1.9%、3.1%和8%。

耦合递归特征消除与二维CNN的滑坡敏感性评价

针对传统滑坡敏感性评价方法仅考虑滑坡点本身的影响因子信息,而忽略周围空间信息的问题,本文提出了一种耦合递归特征消除与二维卷积神经网络相结合的方法。首先通过递归特征消除对滑坡影响因子进行排序与筛选;其次裁取二维特征因子集输入添加了L2正则化、Dropout等优化方法的二维CNN中,顾及滑坡周围的空间信息,在保证模型精度与泛化能力的基础上预测滑坡敏感性;然后以九寨沟地区为试验区,选取高程、岩性等14个相关因子作为滑坡影响因素,预测试验区的滑坡发生概率并绘制滑坡敏感性图;最后使用Logistic模型和带有3种不同核函数(线性核函数、径向基核函数、Sigmoid核函数)的SVM模型进行对比验证。结果表明,本文方法具有最高的准确度与AUC,且具有效性与可靠性。

基于递归特征金字塔的UPSNet全景分割应用研究

在学习研究全景分割方法UPSNet时,发现其骨干网络所提取的特征对子网络的分割结果起到了至关重要的影响。针对UPSNet全景分割算法所提取的特征不能更好地适用于语义分割和实例分割子网络的问题,对其进行改进,将递归特征金字塔网络结构融合到原网络中,提出基于递归特征金字塔的UPSNet全景分割改进算法。该结构将骨干网络提取的特征通过递归的方式二次反馈到骨干网络中,使其再训练得到更好的特征提供给子网络,提升了模型的鲁棒性,从而提升了原网络的性能。将改进的算法在Cityscapes数据集及自行标注的全景分割数据集上与UPSNet及其他优秀的全景分割网络进行了实验对比,结果证明,评价指标PQ(Panoptic Quality)有了较大的提升,改进后的网络更加适用于智能驾驶场景。

水平气液两相流流型图像信息递归特征分析

On the streaming video of all typical flow pattern filmings on the experiment system by the high-speed video camera,the information of a single-frame was extracted and made into time-series.The series was analyzed with the non-linear chaotic recurrence plot(RP),less used in the last years.It was combined with the average diagonal length and Shannon entropy of recursive features changed after the increase of gas superficial velocity.The results showed that the information entropy of flow image combined with RP could well characterize the evaluated tract of gas-liquid two-phase flow patterns.At the same time,the information well characterized the volume fraction of all kinds of gas-liquid two-phase flow patterns.The average diagonal length and recursive Shannon entropy of recursive features all increased first and then decreased with the increase of gas superficial velocity,and it reflected the transition of the mechanisms of five typical flow patterns from the recursive characteristics.

基于对称不确定性和SVM递归特征消除的信息基因选择方法

基因表达谱中存在大量与肿瘤分类无关的基因,严重降低肿瘤诊断的准确率.基因表达谱还存在高维小样本、噪声大等问题,增加肿瘤诊断的难度.为了获取基因数量较少且分类能力较强的信息基因子集,文中提出基于对称不确定性(SU)和支持向量机递归特征消除(SVM-RFE)的信息基因选择方法.首先利用SU评估基因和类标签之间的相关性,根据SU定义近似马尔科夫毯,快速消除大量无关和冗余基因.然后利用SVM-RFE进一步剔除冗余基因,获取有效的信息基因子集.实验表明,文中方法可以在选取维数较少或相等的信息基因子集情况下获取较高的肿瘤分类性能.

基于递归特征分析的NURBS曲线插补算法

在分析NURBS曲线公式中基函数递归特征的基础上,提出了一种新的NURBS曲线插补算法。该算法通过前一个参数增量值和前一段插补弦长来确定下一个参数增量值,进而实现对参数的密化。仿真实验结果表明,该算法在改善弦长误差和减小计算量方面优于Taylor展开插补算法。

基于多类支持向量机递归特征消除方法特征选择的原发性肝癌患者预后预测

本研究通过特征选择的方法,分析肝癌患者术前临床信息,提高患者的预后模型的准确性。基于多类支持向量机递归特征消除(recursive feature elimination based on multiple support vector machine,MSVM-RFE)方法对进行过肝切除手术的原发性肝癌患者的临床变量进行重要特征排序,使用5折交叉验证的支持向量机确定最优特征子集,构造原发性肝癌患者术后的1年、3年无瘤生存和总体生存的列线图。通过与临床医生沟通,确认特征排序结果为合理的。患者3年无瘤生存风险和总生存风险的列线图的一致性指数分别为0.701和0.706。使用多类支持向量机递归特征消除方法后的预测模型准确率有所提高,列线图在临床实践中能够提供患者生存风险信息,简单清晰的反映患者的生存风险。

深度置信网络结合递归特征添加的网络入侵检测方法

针对互联网零日攻击严重威胁网络安全的问题,提出一种深度置信网络(Deep Belief Network,DBN)结合递归特征添加(Recursive Feature Addition,RFA)的网络入侵检测方法。采用深度置信网络对网络入侵特征进行提取,并基于二元组编码技术将长字符串的特征转化为二进制编码;使用递归特征添加方法对影响网络入侵检测性能的主要特征进行选择。为获取更好的入侵检测性能,提出综合考虑检测准确率、检出率和误报率的入侵检测性能评估函数,从而有效改善抵御互联网攻击的能力。实验结果表明,相较于K-最邻近(K-Nearest neighbor,KNN)算法等传统的入侵检测算法,该算法的检测准确率提升8%以上,保证了互联网的安全性。

基于支持向量机递归特征消除筛选急性心肌梗死相关免疫基因诊断急性心肌梗死的价值

目的基于支持向量机(SVM)递归特征消除(RFE)(SVM-RFE)筛选急性心肌梗死(AMI)相关的关键免疫基因,并探讨其在AMI中的诊断价值。方法通过基因芯片表达数据库(GEO)获取AMI患者基因表达芯片数据集GSE66360。通过SVM-RFE筛选AMI相关的免疫基因,进而用受试者工作特征(ROC)曲线评估其对AMI的诊断价值。结果共得到66个差异免疫基因,基于SVM-RFE最终得到8个免疫基因用于构建SVM分类器,该基因分类器在探索队列(AUC=0.998)和验证队列(AUC=1.00)中都具有极好的预测AMI的能力。通路富集分析特征基因主要参与血管平滑肌细胞增殖的调控及血管动脉硬化等过程。结论本研究识别出8个关键的免疫基因,发现其在AMI诊断中的潜在作用,并将增进对AMI发生的分子机制的了解。

基于支持向量机递归特征约减算法的痢疾疫情预测研究

目的探讨应用支持向量机递归特征约减算法(support vector machine with recursive feature elimination algorithm,SVM-RFE)进行痢疾疫情预测的可行性。方法收集辽宁省葫芦岛市2004-2011年的逐月痢疾疫情资料和相应时段的气象资料,首先利用描述统计分析痢疾季节性发病规律,使用Spearman等级相关分析疫情同气象因素的关系;使用标准化气象指标作为自变量,随机将2/3数据用于训练,1/3数据用于检验,设置交叉验证次数为100次,根据径向基核函数的SVM-RFE确定最优候选变量子集并据此进行预测,利用R2.90完成上述统计过程。结果 SVM-RFE在17项气象指标中按重要程度由高至低排序,居前5位分别为平均气温、平均最高气温、降水距平百分率、平均风速、平均最低气温。随着自变量的增加,训练集的决定系数R2由0.702增加到0.945,检验集在取前两个自变量时决定系数最大,R2为0.653,均高于传统对数线性模型。结论 SVM可较好地模拟痢疾疫情在时间序列上的变动趋势,RFE算法在筛选变量方面有较好的应用前景。

改进的多类支持向量机递归特征消除在癌症多分类中的应用

为处理癌症多分类问题,已经提出了多类支持向量机递归特征消除(MSVM-RFE)方法,但该方法考虑的是所有子分类器的权重融合,忽略了各子分类器自身挑选特征的能力。为提高多分类问题的识别率,提出了一种改进的多类支持向量机递归特征消除(MMSVM-RFE)方法。所提方法利用一对多策略把多类问题化解为多个两类问题,每个两类问题均采用支持向量机递归特征消除来逐渐剔除掉冗余特征,得到一个特征子集;然后将得到的多个特征子集合并得到最终的特征子集;最后用SVM分类器对获得的特征子集进行建模。在3个基因数据集上的实验结果表明,改进的算法整体识别率提高了大约2%,单个类别的精度有大幅度提升甚至100%。与随机森林、k近邻分类器以及主成分分析(PCA)降维方法的比较均验证了所提算法的优势。

基于递归特征消除和随机森林融合算法的大豆前体MicroRNA预测模型研究

随着大豆RNA基因的生物调控作用研究的不断深入,利用数据挖掘技术对大豆前体MicroRNA(pre-microRNA)进行有效的预测已成为该领域的重要发展方向。针对常规的随机森林算法在pre-microRNA预测模型中存在识别精度较低的问题,研究提出并构建基于递归特征消除(recursive feature elimination, RFE)与随机森林(random forest, RF)融合算法的大豆pre-microRNA预测模型。首先利用递归特征消除法筛选大豆pre-microRNA序列的最优特征子集;然后结合随机森林算法构建大豆pre-microRNA的预测模型;最后利用十折交叉验证法,将递归特征消除与随机森林(RFE-RF)融合模型的预测结果与单一随机森林和支持向量机分类模型的预测结果对比。研究结果表明:融合后构建的大豆pre-microRNA预测模型精度有明显提高,达到84.62%,相比于支持向量机算法(support vector machine, SVM)构建的模型精度提高了17.02%,相比于单独使用随机森林算法构建的模型精度提高了14.58%。该研究方法为大豆的pre-microRNA基因预测提供了新思路。

基于递归特征消除-加权k近邻算法的多联机系统制冷剂充注量故障诊断策略

本文提出了一种基于递归特征消除-加权k近邻算法的多联机系统制冷剂充注量故障诊断策略。首先,基于专家先验知识筛选18个多联机运行特征,经数据预处理步骤后,采用递归特征消除(RFE)算法进行特征选择,筛选出最优特征子集;然后基于加权k近邻(wkNN)算法对训练集建立诊断模型,并采用网格搜索算法得到最优参数组合,对制冷剂充注量故障进行诊断。结果表明:该诊断策略弥补了现有方法中“只适用于单一工况、充注量等级分类少”等不足,选择重要性排列前7的特征集作为最优特征子集,在全工况和9个充注量等级的情况下,整体准确率为98.30%,受试者工作特征曲线下的面积(AUC)为0.9883,为设备维护人员提供了详细、关键的信息。

基于间隔二肽组分和递归特征消除法的DNA结合蛋白的鉴定

DNA结合蛋白(DNA-binding proteins,DBPs)的鉴定在原核和真核生物的基因和蛋白质功能注释研究中具有十分重要的意义.本研究首次运用间隔二肽组分(gapped-dipeptide composition,Gap DPC)结合递归特征消除法(recursive feature elimination,RFE)鉴定DBPs.首先获得待测蛋白质氨基酸序列的位置特异性得分矩阵(position specific scoring matrix,PSSM),在此基础上提取蛋白质的Gap DPC特征,通过RFE法选择最优特征,然后利用支持向量机(support vector machine,SVM)作为分类器,在蛋白质序列数据集PDB396和LB1068中进行夹克刀交叉验证(jackknife cross validation test).研究结果显示,基于PDB396和LB1068数据集,DBPs预测的准确率、Matthews相关系数、敏感性和特异性分别达到93.43%、0.86、89.04%和96.00%,以及86.33%、0.73、86.49%和86.18%,明显优于文献报道中的相关方法,为DBPs的鉴定提供了新的模型.

基于递归特征的关键设备状态评估方法研究

设备保持安全和稳定的运行,一直是企业生产管理的重要任务,具有非常重要的经济和社会意义。如何对设备的运行状态进行有效评估,能够快速识别设备运行时的异常状态,是学术界长期关注的重要研究方向。本文基于设备运行过程中的振动信号数据,结合了关联递归图法和多元统计质量控制方法的优势,创新性的提出基于关联递归特征的设备状态评估算法,并利用穷举法对算法参数的训练过程进行优化。通过对滚动轴承滚动体表面损伤状态评估案例分析,表明该算法可以有效识别滚动轴承的异常状态。

递归特征融合的单目深度累积估计

现有的深度估计方法通常采用编码器-解码器结构,存在图像不同区域对深度特征的需求和深度估计的难度的差异性问题,提出递归特征融合的单目深度累积估计方法.在编码器阶段,递归特征融合通过递归使用门控循环单元筛选融合多尺度特征,提取适应图像不同区域需求的特征以替代跨层连接;在解码器阶段,深度累积估计将深度重建过程分解为多层,不同层分别预测不同细粒度的深度图,最后累积生成深度估计结果.与DPT,BTS,DORN等方法相比,在2个基准数据集KITTI和NYU Depth V2上取得了具有竞争力的结果,Abs Rel分别达到了0.058和0.107,RMSE分别达到了2.411和0.386.

基于随机森林——递归特征消除的道路交通事故成因分析

为研究道路交通事故的成因及其相关因素重要程度,收集了英国2015年的交通事故数据,从中选出与交通事故严重程度相关的15个因素。利用随机森林-递归特征消除模型对数据严重程度进行预测,并对相关因素的重要程度排序。结果表明随机森林-递归特征消除模型比单一的随机森林模型泛化能力更好,与交通事故严重程度最相关的三个因素分别是事故中车辆数量、限速和天气条件。并针对交通事故相关因素提出道路建设的建议,为道路交通事故预防提供决策参考。