基于混合式多类特征选择暖气管道腐蚀程度研究

近年来,北方工业厂房中存在暖气管道因腐蚀而造成供暖不足导致能源浪费,为实现暖气管道更精准的腐蚀预判,提出了一种使用敲击法采集暖气管道声音信号提取筛选特征并结合模式识别的腐蚀程度预测方法。其中针对经典ReliefF算法未考虑特征之间冗余和SVMRFE算法只能处理二分类以及运行速度慢的问题,提出了一种改进的ReliefFP-NMSVMRFE-SVM算法。前期对ReliefF算法处理后的特征集使用Pearson相关系数去除冗余特征,后在改进的MSVMRFE线性和非线性算法中二次筛选,分别获得一组得分递减排序的特征子集,再结合分类器BP、SVM对特征子集进行分类预测。结果表明,ReliefFP-NSVMRFE-SVM算法模型识别精度最高且用时短,在训练集上预测结果为99.85%,独立测试集上预测结果为97.14%,对暖气管道内部腐蚀程度的检测具有一定的适用性。

基于PCA和ReliefF的潜山界面识别方法研究

钻遇潜山的作业风险决定了潜山界面识别技术在录井中的重要地位。为解决渤中油田某构造花岗岩潜山与上覆砂砾岩岩性难以区分的难题,引入X射线元素录井和X射线全岩衍射录井技术,利用岩屑元素和矿物含量变化确定地层界面和岩性的变化,但其应用中存在各种元素和矿物分异度不够、潜山界面的变化不明显等问题。在此条件下,引入ReliefF算法、PCA降维、支持向量机等数学方法及思维,用于处理现场成果数据并构建新图板,提高潜山界面识别的分异度。通过数学方法与地质录井的结合,提出了潜山界面识别的新思路,对渤中油田某构造后续作业以及渤海地区其他潜山构造的界面识别产生积极影响。

短时交通流预测中的特征选择算法研究

短时交通流预测是智能交通系统的重要基础,其精度直接影响到交通控制和诱导的效果.对于交通流预测中的非参数回归方法,其中一个重要的问题是状态向量的选取.本文提出基于ReliefF和Delta Test的特征选择算法来对特征向量进行选择.首先使用ReliefF算法根据特征和类别的相关性对状态向量进行快速初步筛选,加快算法的执行效率.接下来以Delta Test为性能指标,使用遗传算法对状态分量的权重进行进一步优选.最后通过基于实际数据的算例,对本文方法优选的状态向量与时间序列状态向量,简单时空关联向量进行了对比.结果表明,本文的方法在一般交通状态条件下和突变交通状态下都具有较好的性能.

一种新的混合特征选择方法RRK

提出一种新的基于包装方法和过滤器方法的混合特征选择算法RRK。该算法主要包括两个方面:①在特征预选阶段,提出一种基于ReliefF算法的特征加权算法NReliefF和降维算法DR,以实现特征加权并去掉不太重要的特征;②在特征选择阶段,把NReliefF算法和KNN算法结合起来,将预选特征作为输入,用分类正确率来选择最优特征。分别采用一个实际的乘员类型数据集和UCI上的imagine标准数据集进行了实验。实验结果表明,采用RRK后分类的效率和正确率都有明显提高。

基于三对比值的变压器故障诊断识别

变压器作为电力系统发、输、变、配电环节重要的电气设备,其故障能否被快速、精准的诊断对电力系统稳定运行起到至关重要的作用。目前溶解于变压器的气体的三对比值法(DGA)被广泛应用于变压器内部故障诊断。本文利用三比值法对变压器进行诊断,在广泛收集种变压器故障的基础上,首先利用ReliefF算法对三比值特征的重要性进行评价,并利用KNN分类器进行故障识别。实验结果表明,该方法可以有效的识别变压器故障类型。

基于多评价准则融合的特征选择方法

为降低特征维数并提高分类准确率,提出一种基于ReliefF算法、互信息和类可分性法的多评价准则融合特征选择方法。利用序关系分析法确定3种评价准则的重要性权值系数,按照多评价准则融合模型获得特征重要性排序,通过支持向量机分类器实现最终特征选择。通过3个UCI标准数据集进行仿真实验,实验结果表明,和单准则的特征选择方法相比,该方法在保证良好鲁棒性的基础上,能够有效降低特征维数,具有更高的分类准确率。