基于CFS算法研究肾癌中的关键基因

目的:识别肾细胞癌(RCC)中的关键基因,并揭示其在肿瘤中的作用机理.方法:从GEO数据库下载芯片数据GSE53757,筛选它们之间的差异表达基因(DEGs).使用DAVID在线工具对DEGs进行GO功能注释和KEGG富集分析,然后使用基于特征子集相关性(CFS)的变量筛选方法筛选DEGs的关键基因,并根据筛选出的关键基因,使用支持向量机(SVM)方法建立筛选RCC样本和正常对照样本的分类预测模型.结果:共筛选到541个DEGs,包括312个上调基因和229个下调基因.选择21个作为特征基因,通过SVM方法建立RCC样本和正常对照样本之间的分类模型,其预测精度为97.2%.此外,STRING数据库筛选的Top10Hub基因中也发现了4个与CFS算法筛选出的特征基因重合的Hub基因(CD40,EGFR,CAV1和TGFA).结论:CFS是用于筛选RCC中关键基因的有用工具.并且,CD40,EGFR,CAV1和TGFA这4个基因很可能为诊断RCC的目标基因.

基于多尺度基本熵的CFS聚类滚动轴承故障诊断

提出了一种基于多尺度基本熵的CFS聚类滚动轴承故障诊断方法,首先使用多尺度基本熵对滚动轴承振动信号进行多尺度分解,然后使用PCA模型对得到的多尺度熵值特征向量进行降维操作,最后选择第1~2主成分作为CFS聚类算法的输入进行滚动轴承的故障诊断。试验结果表明:在聚类效果相同的情况下,多尺度基本熵的计算效率高于多尺度排列熵模型,并且CFS聚类算法的故障识别效果较好。

特征优选的GF-1影像植被遥感精细分类研究

植被精细化分类对掌握不同植被在维护生态环境安全中的作用具有重要意义。本文选择国产高分一号(GF-1)卫星影像,构建该影像下的基于光谱、纹理、植被指数的多特征空间,并选择ReliefF算法与CFS算法进行特征筛选,最后结合随机森林算法与libsvm模型,研究特征选择对分类精度的影响,并获取植被精细化分类的最佳多特征分类算法模型。结果表明,特征选择能在一定程度上提高分类精度;CFS算法相较于ReliefF算法能更好地简化特征子集的维度,并获取能提高分类精度的更优子集;基于CFS-libsvm的植被精细化分类方法具有较高的分类精度。

基于聚类和自动编码机的缺失数据填充算法

当前的不完整数据处理算法填充缺失值时,精度低下。针对这个问题,提出一种基于CFS聚类和改进的自动编码模型的不完整数据填充算法。利用CFS聚类算法对不完整数据集进行聚类,对降噪自动编码模型进行改进,根据聚类结果,利用改进的自动编码模型对缺失数据进行填充。为了使得CFS聚类算法能够对不完整数据集进行聚类,提出一种部分距离策略,用于度量不完整数据对象之间的距离。实验结果表明提出的算法能够有效填充缺失数据。

一种新的基于纠正正弦图探测值的PET图像Bayesian重建算法

目的提出一种新的耦合反馈(CF)修改观测值的迭代模型以进一步改进正电子发射成像(PET)的Bayesian重建。方法在PET重建的迭代过程中,此种负反馈迭代算法利用最近的一次重建图像来更新有噪声的探测到的发射正弦图数据。对此重建图像的相关操作包括线性滤波、维纳滤波和对重建图像的投影。研究中使用的正弦图数据来自模拟体模数据。结果实验及对于重建图像的视觉和量化比较表明,所提出的新的重建算法要优于传统的Bayesian重建,能够进一步提高PET图像的质量。结论文中提出的修改观测值的CF迭代模型能够在一定程度上改善原始测量数据,能够应用于PET图像重建或其他原始数据噪声较大的重建问题。

运用混合人工鱼群算法求解装箱问题

装箱问题在实际生产中应用非常广泛,本文在分析该问题特点的基础上,提出了使用类CF近似算法和人工鱼群算法相结合的混合人工鱼群算法求解装箱问题,并给出了具体的算法步骤。跟遗传算法对比,试验结果表明,该算法在求解装箱问题所得的结果优于遗传算法,具有良好的应用前景。

使用混合人工鱼群算法求解装箱问题

装箱问题在实际生产中应用非常广泛,在分析该问题特点的基础上提出了使用类CF近似算法和人工鱼群算法相结合的混合人工鱼群算法求解装箱问题,并给出了具体的算法步骤。跟遗传算法的对比试验结果表明该算法在求解装箱问题所得的结果优于遗传算法,具有良好的应用前景。

一种基于共现特征的顺序IB算法

针对sIB算法互信息与精确度的相关性不稳定问题,提出一种优化算法CF-sIB。CF-sIB算法用IB失真度量方法来度量文本的特征项和类别的共现关系,进而提取sIB共现特征解并对其进行优化,从而得到精确度更高的聚类结果。实验表明,CF-sIB可以有效提高sIB算法的精确度,并且可以使算法的互信息与精确度的相关性保持稳定。

运用混合人工鱼群算法求解装箱问题

装箱问题在实际生产中应用非常广泛,文章在分析该问题特点的基础上提出了使用类CF近似算法和人工鱼群算法相结合的混合人工鱼群算法求解装箱问题,并给出了具体的算法步骤。跟遗传算法试验结果的对比表明该算法在求解装箱问题所得的结果优于遗传算法,具有良好的应用前景。

基于矩阵分解和项目权重的协同过滤推荐算法

为了解决协同过滤算法存在冷启动问题和数据稀疏性问题,以及通过矩阵分解方法得到推荐结果解释性差,推荐结果不够准确的问题,提出一种基于矩阵分解和项目权重的协同过滤改进算法。该算法通过对用户的评价矩阵进行分解,结合用户对项目的权重值,以及用户实际对项目的评价值进行平均求值的方法研究了基于矩阵分解和项目权重的协同过滤推荐算法。

云仿真工具Cloudsim在虚拟机放置中的应用

研究了云仿真工具Cloudsim的体系结构、核心类和应用实例。对云计算中的虚拟机放置问题建立数学模型,引入一个新的近似算法——CF算法解决虚拟机放置问题。最后在Cloudsim平台上实现了对算法的仿真测试并和Cloudsim自带的FCFS算法进行对比。结果表明,适当地改进虚拟机放置算法,能有效提高云计算的资源利用率,且Cloudsim能够很好地支持扩展仿真,实现虚拟机放置算法的仿真工作。

智能母婴监护系统的设计与实现

母婴监护系统现已成为产科产前、产时行之有效的监护手段,能通过胎心率曲线诊断胎儿的健康状况,对提高出生人口素质,减少残疾婴儿的出生具有重要作用。传统的母婴监护系统体积较大、操作比较复杂、实时性差、价格比较昂贵。因而设计了一种智能母婴监护系统,根据嵌入到无线智能传感器中的算法提取出稳定的胎心率,将胎心率以及孕妇其它监护数据以无线的方式发送到本地或远程监护中心,本地监护设备或远程的监护中心将各项数据进行实时处理、分析、显示或报警,辅助医生或将信息及时反馈回来通知孕妇进行诊治。

协同过滤技术在电影推荐中的应用

给电影爱好者推荐那些令他们感兴趣的电影,一直是电影推荐系统中的热点问题。通过离线实验分析电影评分网站的用户行为数据,采用User-based CF、Item-based CF两种协同过滤算法实现电影推荐。在实现推荐的同时,利用召回率、准确率、覆盖率3种指标对两种推荐算法的效果进行了评测。

装箱问题的一种新的近似算法

研究了一维装箱问题 (BinPackingProblem) ,给出了一个新的近似算法 :交叉装填算法 (简称CF算法 ) .证明了CF算法达到装箱问题的最好的近似值 32 ;并且当这些物件的大小按非增性质预先排序后 。

特征优选下的全极化雷达影像土地覆盖分类

针对极化合成孔径雷达(PolSAR)影像在土地覆盖分类中存在特征利用不充分导致分类精度低的问题,该文提出一种联合ReliefF和相关性的特征选择(CFS)算法的分类方法。首先利用ReliefF算法对极化特征进行特征重要性排序,淘汰无关特征,然后利用CFS算法进行特征优选,最后结合分类回归树(CART)决策树构建分类模型,完成土地覆盖分类。以高分三号(GF-3)两个场景的影像数据进行实验,结果表明,该方法能够有效剔除冗余特征,显著提高分类准确率,适用于PolSAR影像土地覆盖分类。

一种特征选择的全极化雷达影像分类方法

针对极化合成孔径雷达(PolSAR)影像面向对象分类过程中存在数据冗余、特征维数高导致分类精度降低的问题,该文提出了一种基于信息增益比和基于相关性的特征选择(CFS)算法的分类方法。该方法首先在经典的过滤式CFS算法基础上,引入信息增益比评估模型舍弃贡献小的特征。然后采用目前流行的封装式分类回归树(CART)算法做进一步筛选并分类。最后以GF-3不同场景和成像时间的影像数据为例进行实验,将该方法与信息增益比评估模型优化特征集、CFS算法优化特征集、全部特征集的CART分类结果进行对比。结果表明,该方法各项精度评价指标均优于其他对比方法,验证了该方法在PolSAR影像面向对象分类领域的可行性。