基于改进XGBoost的金融客户投资行为特征选择方法

金融客户投资购买行为是投资者动态购买理财产品交易决策的综合结果,受到客户自身属性、产品因素、行情信息和历史交易等多个不同因素的影响,原始因子属性的特征维度庞大、拟合风险偏高。现有研究主要通过不同的算法提高特征选择的准确率,忽略了不同群体的差异化特征及动态因素的影响。因此,提出一种改进XGBoost(eXtreme Gradient Boosting)的特征选择算法,并在金融客户投资行为上应用研究。针对客户群体投资行为的差异性,多维度综合量化分析投资行为,以解决单一投资行为指标不合理问题;对不同客户群体通过主成分分析(PCA)降维和优化的K-均值(K-means)聚类算法进行多属性融合聚类,然后分别对聚类后的不同群体使用改进XGBoost进行多分类预测,并通过修剪特征因子提升预测准确率。实验结果表明,使用改进XGBoost后,金融客户投资行为的特征因子维度更贴近实际,准确率更高。

融合PCA-LPP与DBSCAN的道路交通事故分类及风险等级预测方法

道路交通事故是全球范围内造成大量人员伤亡和财产损失的重大问题之一,通过对道路交通事故进行分类和风险等级预测,能够锁定高风险车辆,以减小事故的发生和人员伤亡的概率。交通事故往往由环境、天气、道路条件、路段设施等多维特征相互作用形成,现有的事故影响分析方法缺乏对交通事故数据的综合研究。为此本文提出1种交通事故分类模型,在传统PCA算法的基础上通过衡量各等级数据间的相似性对数据集进行二次降维,采用改进后降维算法PCA-LPP处理大规模交通事故数据集;利用DBSCAN算法对事故数据划分风险区域,根据迭代训练出的各等级空间对模拟车辆环境进行风险划分。试验结果表明:在大规模交通数据降至不同维度的对比实验中,证明PCA-LPP算法使降维后的特征与样本的类别相关程度更高;同时,利用基于密度的DBSCAN聚类算法处理复杂且伴有偶发性的交通事故数据时,算法的纯度为0.942 9、兰德指数为0.946 2,互信息指数为0.678 4,与K-means、谱聚类等传统算法结果相比,DBSCAN算法的各项评估指标均高于其他算法,从分类效果图发现该模型减少了噪声数据的影响;最后,通过消融实验验证了带有二次降维的PCA-LPP算法的各项评估指标均为最高。其预测结果的混淆矩阵显示该模型对各风险等级的精确率分别为85.77%、70.78%、80.65%,验证了模型的有效性与实用性。

一种具有容噪性能的SVM多值分类器

基于 SVM理论的分类器已经发展成为一种通用的二值分类器 .但是它对噪音数据非常敏感 ,而且不适用于多值分类场合 .将标准的 PCA算法扩展到更普遍的领域 ,并提出了一种新的 SVM分类器学习结构 .它使用扩展的 PCA算法对训练集数据进行降噪映射 ,产生一个新的数据集 ,然后通过反对称阵将一组二值分类器组合成一个多值分类器来处理该数据集 .

PCA类内平均脸法在人脸识别中的应用研究

人脸识别是生物特征识别技术中一个非常活跃的课题,取得了很多研究成果。统计主元分析法(Prin-cipal Components Analysis,PCA)是人脸特征提取和识别的常用方法之一。结合传统PCA算法的特点,提出了一种用类内平均脸对类内样本进行规范化的方法。该方法有效地增加了类间样本的识别距离、有效地缩小了类内样本的识别距离,从而提高了人脸正确识别率。基于ORL人脸数据库的实验结果表明,该方法正确识别率达到98%,在人脸识别的实际应用中是一种可行的方法。

基于类内分块PCA方法的人脸表情识别

主成分分析方法(PCA)是目前广泛应用在人脸等图像识别领域的重要手段。为了更准确地识别人脸的表情信息,有效抽取出图像中对表情识别贡献较大的局部特征,提出了一种类内分块PCA方法对人脸表情进行特征提取。首先对图像进行分块,再对分块得到的所有子图像块利用PCA方法进行鉴别分析,并计算出各类训练样本的子空间,然后计算测试样本到各类子空间的距离,最后输入最近邻分类器得到分类结果。在JAFFE人脸表情库上进行的实验结果表明,使用该方法后获得的识别率优于传统的PCA方法。

基于相关性度量的伪主成分分析

采用数据样本间的相关性作为相似性度量,并引入样本的类信息,提出一种新的降维方法,即伪主成分分析(Pseudo-PCA),该方法尽可能地保持原样本的变化信息,同时又使得降维后的同类数据样本尽可能保持相似。此外,将这种思想方法成功推广到近年来提出的2DPCA,MatPCA和(2D)2PCA。在ORL,Yale和AR等人脸数据集上的实验表明,该类方法的识别率高于相应的基于欧氏距离的PCA,2DPCA,M atPCA和(2D)2PCA等方法。

基于类内加权平均值的模块PCA算法

针对主成分分析(PCA)算法在人脸识别中识别率低的问题,提出一种基于类内加权平均值的模块PCA算法。该算法对每一类训练样本中每个训练样本的每个子块求类内加权平均值,用类内加权平均值对训练样本类内的相应子块进行规范化处理。由所有规范化后的子块构成总体散布矩阵,得到最优投影矩阵,由训练集全体子块的中间值对训练样本子块和测试样本子块进行规范化后投影到最优投影矩阵,得到识别特征,并用最近距离分类器分类。ORL人脸库上的实验结果表明,该算法的识别性能优于普通模块PCA算法。

近邻类加权结构稀疏表示图像识别算法

针对如何将近邻、子空间学习与稀疏表示结合起来解决基于稀疏表示的图像识别问题,本文综合考虑子空间中样本的类内散度小,类间散度大,且同类中所有样本对重构某一给定样本的影响相似(即表示系数相似),因此按类而非样本处理的思想更符合基于类重构误差进行分类的算法要求,为此提出一种基于近邻类加权结构稀疏表示算法用于图像识别。该算法首先利用线性类重构误差选取k个最近邻类,并将其对应的系数作为权值对投影后的近邻类加权,其次在投影子空间上,用k个类的加权训练样本集对测试样本进行结构稀疏表示,最后根据最小类重构误差得出分类结果。在AR,Yale B,MNIST,PIE数据库上的实验结果表明该方法在训练样本数较少的情况下获得较高的识别率且具有一定的鲁棒性。

基于KPCA和类峰值特征的模拟电路诊断方法

针对传统的核主成分分析方法(KPCA)无法解决在故障样本交叠严重时多分类性能较差的问题,提出一种基于改进KPCA的特征提取和类峰值特征辅助识别分类相结合的模拟电路故障诊断方法。在预处理阶段,提出了一种图像混合欧氏距离用于建立核函数,进行核主成分分析特征提取,克服了传统KPCA的局限性;并且设计了一种用类峰值特征识别的方法进行辅助识别预分类,提高分类速度。标准电路的故障诊断仿真和结果分析表明,该方法较好地克服了交叠样本给分类带来的困难,具有很好的故障识别速度和正确率。

用于人脸识别的两类主成分分析融合

分析了基于总体离散度矩阵和总类间离散度矩阵的主成分分析的原理。利用两种方法分别提取人脸特征并进行识别。对两种方法获得的结果进行了特征层融合和决策层融合,基于ORL人脸数据库的实验表明该方法的识别性能优于单一的主成分分析方法。

一种基于类间类内双权重图像分块PCA的人脸识别技术

提出一种将加权分块图像和主成分分析(PCA)相结合的人脸识别方法.该方法首先根据同类训练样本的平均图像与所有训练样本平均图像的距离以及类内训练样本图像与该类平均图像的距离,分别定义类间和类内图像加权函数,以获得每个训练样本图像的权重;然后将训练样本图像分块,构建所有同位置加权分块图像空间;接着基于新的样本空间对所有同位置图像分别采用PCA方法提取特征;最后用最近邻分类器实现模式分类.实验结果显示该方法较普通MPCA方法有效提高了识别率.

一种基于Fisher最优判据的人脸识别新方法

通过对一种计算奇异类内离散度矩阵的Fisher最优判据方法的改进 ,提出一种改进的Fisher最优判据 ,并应用于人脸识别中 .在Olivetti_OracleResearchLab(ORL)和Yale标准人脸库上的识别结果显示 ,此方法比主元分析方法 (PCA)和直接线性判别分析方法 (DirectLinearDiscriminantAnalysis,DLDA)有更好、更高的识别效果 .

超分辨率人脸图像重构识别

为了解决单幅低分辨率人脸图像重构问题,提出了基于线性物体类理论重构超分辨率人脸图像的新方法。首先利用ICA和PCA提取不同分辨率人脸的特征子空间,然后利用通过训练得到的分辨率转换矩阵重构其相对应的超分辨率人脸图像,实验表明该算法与传统的算法相比重构出的人脸图像质量和识别率都有了很大的提高。

基于支持向量机的汽油族组成近红外光谱分析方法研究

提出一种基于最小二乘支持向量机(LS-SVM)的汽油族组成近红外光谱分析方法。采用国家标准方法(GB 11132-1989液体石油产品烃类测定法——荧光指示剂吸附法)测定了重庆地区销售的汽油族组成,并采用主成分分析-最小二乘支持向量机建立汽油族组成的预测模型。预测模型对汽油中芳烃和烯烃含量的RMSEC分别为0.2090和0.2142。实验结果表明所建模型具有计算量小,预测准确、可靠,而且操作简单、维护费及测试费用低等特点。

基于自适应阈值PCA的多目标人脸识别方法研究

为有效解决人脸识别中多类分类问题,提出一种基于自适应阈值PCA的多目标人脸识别方法,该方法基于PCA原理,将多目标分类问题转化为多个二分类问题,利用ROC曲线确定单个二分类器的最佳阈值,测试样本的识别结果由所有二分类器投票产生。在ORL人脸库上的实验表明,与传统PCA的多目标人脸识别方法相比较,本文算法的识别率可提升3. 3%左右,汉明损失可降低0. 007 9左右。

一种运用纹理和光谱特征消除投影差影响的建筑物变化检测方法

针对不同时期高分辨率遥感影像变化检测中城区建筑物因投影差差异所产生的误检测现象,提出了一种综合应用光谱和纹理特征的建筑物变化检测方法。以变化和未发生变化地物影像的散度作为可分性依据,首先对光谱差分影像在混合高斯密度模型下建模,并采用马尔可夫最小错误概率准则提取初始变化区域,往往含有错判的建筑物。然后将误判建筑物影像类和真实变化影像类构成训练集,通过引入多通道Gabor滤波器,提取训练集的纹理差分特征,并采用分类别PCA变换实施纹理差分特征的选择。最后对选择出的纹理差分特征依据高斯混合密度模型建模,并用马尔可夫最小错误概率提取真变化区域,即可去除光谱信息检测所产生的伪变化。试验表明,本文方法能够较好地解决建筑物变化的错判问题,提高了影像变化检测的精度。

基于类矩阵和特征融合的加权自适应人脸识别

为了准确快速地进行人脸识别,提出了一种基于类矩阵和特征融合的加权自适应人脸识别算法,该算法首先,提取人脸的全局特征和6个关键部分的局部特征,同时给出了局部特征权值的动态选择方法,由于该法可以根据不同的训练集得出不同的权值,因而增强了算法的自适应能力;然后通过将全局和局部特征加权融合来得出样本的特征矩阵;接着设计出了一种加权PCA方法用于对样本矩阵进行降维;再进一步提出类矩阵的概念,同时给出并证明了类矩阵的推导公式,并据此得出一种新的投影准则;最后,将类矩阵和试验样本分别进行投影,并根据其欧氏距离的大小得出试验人脸的最终类别。试验表明,该算法不仅计算速度快、识别率高,而且能有效解决LDA小样本空间问题,应用前景良好。

基于2DPCA和改进的LDA算法的人脸识别技术

为提高人脸识别的准确率,缩短图像特征提取的时间,提出了一种将二维主成分分析(简称2DPCA)与改进的线性鉴别分析(简称LDA)相结合的人脸识别方法。该法首先以图像矩阵为分析对象,直接利用原始图像矩阵构造图像的协方差矩阵,以进行特征提取和2DPCA分析;再采用改进的线性鉴别分析,得到最佳的分类特征,从理论上有效解决了传统的线性鉴别分析在人脸识别中存在的"边缘类"问题;最后,在ORL人脸库上检验了该识别方法的性能。实验结果表明,该方法抽取的鉴别特征有较强的鉴别能力。

基于电子舌的料酒味觉特征辨识与定量分析

为探明电子舌对调味料酒生产工艺的判别能力和理化指标的预测能力,本研究采用电子舌和理化检测手段,结合不同统计方法,对54份料酒样品分别建立定性和定量分析模型。结果表明,应用主成分分析(PCA)可以区分不同生产工艺的料酒样品,第一主成分为鲜味,贡献率62.4%,第二主成分为酸味,贡献率33.2%;应用簇类独立软模式法(SIMCA)可以准确判别酿造料酒和配制料酒,各传感器区分能力(DP)>5,识别率达到100%;应用偏最小二乘法(PLS)将传感器信号与行标方法检测结果进行拟合,总酸、氨基酸态氮和食盐的验证集标准偏差与预测标准偏差的比值(RPD)分别为12.1、6.5和14.1,建立的模型效果良好,可进行准确的定标和预测;酒精度RPD值为2.7,也可进行定量分析,但模型稳定性较弱。本研究结果为应用电子舌对调味料酒进行品质区分和检测提供了理论和实践基础。

几种模式识别方法在大鼠高脂血症代谢组学研究中的应用

目的:探讨不同的模式识别方法在分析大鼠高脂血症代谢组学实验数据中的应用。方法:采用高脂饲料喂养的方法,建立大鼠高脂血症模型。同时,以GC/MS为技术基础的代谢组学研究大鼠高脂血症的发病过程,并对图谱进行分析,将分离得到内源性代谢物,分别应用主成分分析(PCA)、软独立建模分类法(SIMCA)、非线性映射(NLM)3种模式识别方法对数据进行分析。结果:SIMCA和NLM在样本分类的效果上优于PCA,且NLM可表现出样本的经时变化规律;而PCA和SIMCA能更好地解释与疾病相关的内源性代谢物的信息,3种方法所得的结果可以互相印证和补充。结论:在代谢组学研究中,可以运用多种模式识别方法对数据进行分析处理,以得到更可靠和全面的信息。