基于mRMR-SVM算法的国有交通企业员工离职因素探析

文章结合人力资源理论和数据挖掘技术,以广西交通投资集团有限公司为例,通过对国有交通企业内部员工进行离职心理问卷调查,用数据挖掘中的mRMR-SVM算法分析影响国有交通企业员工离职的关键因素,进而改善和提升留人、用人、育人策略,推动国有交通企业人力资源管理工作。

基于联合分类的有效测试模式重选方法

针对目前集成电路测试复杂度的不断增加,导致测试成本不断攀升的问题,提出一种可靠而有效的测试集优化方法。通过k均值(K-means)聚类对原始测试集中的特征进行聚类筛选,然后采用改进的mRMR算法,分段式引入特征之间冗余性权重因子,用以权衡特征相关性和冗余性的度量,同时插入了SVM交叉验证,强化了测试模式选择的准确性。在保证故障覆盖率基本不变的情况下,达到减少原始测试集维数的目的。对ISCAS89电路实验表明,该文方法将原始测试集的测试模式进行大量的精简,既保证测试质量,也极大地优化了测试集,进行冗余消除和排序后的测试流程缩短了40.43%的测试时间,提升了测试效率,降低了测试成本。

K-S检验与mRMR相结合的基因选择算法

为了解决基因数据集的基因选择难题,提出一种基于K-S检验与最小冗余最大相关(minimum redundancy-maximum relevance,mRMR)原则的基因选择算法。该算法先采用K-S检验选择出具有一定区分能力的基因,然后对选择到的基因进行mRMR判断,保留与类别高度相关而其间相关性较小的基因构成最终被选基因子集。以SVM为分类器,以F1_measure、分类准确率和AUC为评价指标对该算法选择的基因子集进行评估,并将本算法与K-S检验、mRMR,以及经典的RELIEF和FAST算法进行比较。五个经典基因数据集上的平均实验结果表明:本算法的运行时间远低于mRMR算法,且其各项评价指标值优于其他比较算法。因此,提出的K-S检验与mRMR结合的基因选择算法能选择到非常有效的基因子集。

基于全球恐怖主义数据库的特征选择方法研究

恐怖主义被称为现代人类社会之癌,是世界各国政府和人民面临着的重大的挑战,应该引起全人类的重视。在使用全球恐怖主义数据库中的数据对恐怖主义活动进行研究时,从高维数据中提取关键的特征,是反恐研究中的重点和难点。针对全球恐怖主义数据库中特征的高维性、冗余性和数据不完整性的特点,分别采用最小冗余最大相关算法(mRMR)、基于支持向量机的递归删除算法(SVM-RFE)和基于随机森林的特征选择算法进行特征筛选与提取。利用K-近邻(KNN)分类器其对上述特征选择方法进行降维结果分析和分类结果比较。实验结果表明,特征选择算法不仅能提高分类性能还能提高分类效率,并且基于支持向量机的递归删除算法(SVM-RFE)选择的特征子集在预测恐怖主义活动时准确率更高。

基于改进最大相关最小冗余判据的暂态稳定评估特征选择

提出一种基于改进最大相关最小冗余判据(maximal relevance and minimal redundancy,mRMR)的暂态稳定评估特征选择方法。首先对标准mRMR方法进行改进,在最大相关、最小冗余判据中引入一个权重因子以细化对特征相关性和冗余性的度量。然后,考虑相量测量单元可以提供的故障后实测信息,构造由系统特征构成的原始特征集,将改进的mRMR应用于特征选择。通过增量搜索算法得到一组嵌套的候选特征子集,并使用支持向量机分类器验证各候选特征子集的分类性能,选择得到具有最大分类正确率的特征子集。基于新英格兰39节点系统和IEEE 50机测试系统的算例结果验证了所提特征选择方法的有效性。

基于叶片光谱特性的玉米品种抗倒伏性预测

针对玉米叶片各区域光谱特性与玉米品种抗倒伏性能之间关系未知的问题,该研究探讨了叶脉区、正常反射区和整片叶的平均光谱对玉米品种抗倒伏性预测效果的影响。试验采集了2018年和2019年8个玉米品种的叶片高光谱图像,使用阈值分割和K-means聚类方法提取各叶片区域的平均光谱数据。用最大相关最小冗余(Max-Relevance and Min-Redundancy,MRMR)特征选择算法,提取各叶片区域平均光谱的抗倒伏和不抗倒伏品种分类特征。使用交叉验证的方式,对MRMR方法选择的特征数量进行优化,并使用支持向量机(Support Vector Machines,SVM)方法建立各叶片区域的抗倒伏性预测光谱模型,用网格搜索法对各模型参数进行优化。两年试验结果显示,各叶片区域约有35~50个可以反映品种抗倒伏性的光谱特征,其中非叶脉区光谱相比叶脉区光谱的抗倒伏特征更多,分类效果更好。参数优化训练后,整叶片、叶脉区和正常反射区的光谱模型对训练集数据的预测正确率达到98.46%、98.52%和100%,正常反射区的光谱模型对测试集数据的分类效果最好,2018年和2019年测试集数据的预测正确率分别达到了91.00%和94.34%。与基于整片叶平均光谱的预测模型相比,基于叶片各区域的光谱特征模型可以排除不平整叶面反射的干扰,有助于提高模型预测结果的稳定性。研究表明,基于正常反射区光谱的预测模型更适用于品种抗倒伏预测,研究结果可为基于玉米叶片光谱预测品种的抗倒伏能力提供借鉴。

基于mRMR原则和优化SVM的模拟电路故障诊断

为了解决模拟电路故障诊断中有效特征提取困难和提高故障诊断的准确率,提出了一种基于最小冗余最大相关(minimum redundancy maximum relevance,mRMR)原则和优化支持向量机(support vector machine,SVM)的模拟电路故障诊断新方法。该方法利用mRMR原则对待诊断电路响应信号进行特征提取,将得到的最优故障特征输入SVM进行故障分类识别,并用遗传算法(genetic algorithm,GA)优化SVM的核参数,避免参数选择的盲目性,提高模型的诊断精度。实验结果表明该方法是有效的,提高了模拟电路故障诊断精度。

利用最小冗余最大相关和SVM的SAR图像海上溢油识别

近年溢油事故频发,海洋污染日益严重。利用合成孔径雷达(SAR)卫星可以有效跟踪由海上溢油事故导致的油膜扩展情况。利用最大冗余最小相关-支持向量机(mRMR_SVM)算法进行SAR图像溢油识别,为溢油事故决策支持提供重要前提。首先采用mRMR提取最优特征向量集,对输入值进行降维;然后采用SVM算法解决油膜图像分类问题,同时选择径向基函数(RBF)为核函数;使用训练集训练该模型,调整模型参数;以测试集特征向量作为输入,利用训练好的模型进行溢油识别。实验结果表明,mRMR_SVM模型对SAR图像的油膜和类油膜识别有效,准确率为96.875%。

基于特征选择和支持向量机的HIV-1型蛋白酶剪切位点预测

为了提高HIV-1型蛋白酶剪切位点的预测准确性,提出一种基于特征选择和支持向量机的剪切位点预测模型。首先,通过对5830个样本的HIV-1型蛋白酶剪切位点数据集进行分析,根据最小冗余最大相关理念,采用可自动终止法选择剪切位点的特征向量;然后,将特征向量输入到支持向量机进行学习和训练,建立HIV-1型蛋白酶剪切位点的分类模型;最后,采用Matlab 2014的仿真工具箱进行仿真测试。实验结果表明:本文模型在特征最少的条件下,剪切位点预测精度优于参比模型及文献报道,且所选择的特征向量具有较好的可解释性及生物学意义。

VTSRM:一种基于SVM-RFE和MRMR的AD MRI医学图像分类方法

为了准确地识别阿尔兹海默症(Alzheimer’s Disease,AD),轻度认知障碍(Mild Cognitive Impairment,MCI)和正常个体(Normal Controls,NC),论文实现了一种基于SVM-RFE和MRMR的AD MRI医学图像分类方法 VTSRM。该方法首先提取出MRI医学图像的纹理特征和形态学特征,然后利用基于支持向量机递归特征消除算法(SVM-RFE)和最小冗余最大相关(MRMR)技术的特征选择算法SRM选择出最优特征子集,并使用SVM分类算法对AD,MCI,NC进行分类。美国公共阿尔茨海默病神经影像学数据集上的实验证明了论文方法的有效性。

基于最大相关和最小冗余准则及极限学习机的癫痫发作检测方法

癫痫发作检测可以实现脑电分类和病灶定位,对癫痫的临床治疗具有重要意义。针对大数据量、高特征值空间长程脑电的快速和准确分类问题,提出一种基于最大相关和最小冗余准则及极限学习机的癫痫发作检测方法。对脑电信号进行短时傅里叶变换,并选取能量时频分布为特征,利用基于最大相关和最小冗余准则的方法进行特征选择,并使用极限学习机、支持向量机和反向传播算法对癫痫不同状态进行分类和判别。实验结果表明,极限学习机的分类准确率和训练速度两方面性能优于支持向量机和反向传播算法,发作间期和发作期的分类准确率达到98%以上,训练时间仅为0.8 s,所提方法能够实时准确地检测癫痫发作。

基于SF_6分解特性的局部放电故障程度评估

如何对直流SF6气体绝缘设备(gas-insulated equipment, GIE)内部局部放电(partial discharge,PD)严重程度进行科学的评估是目前还未解决的问题。由于GIE内部绝缘材料的分解情况与设备内部绝缘状态直接相关,提出利用SF6PD分解特性对GIE内部PD程度进行评估,具体为:建立出自由金属微粒缺陷模型,并将由该缺陷引起的PD划分为3个等级,在每个等级下各选2个电压开展SF6分解实验;基于最大相关最小冗余(minimumredundancymaximumcorrelation,m RMR)原则对SF6分解组分进行特征选择,并分别运用反向传播神经网络和支持向量机分类器诊断PD严重程度,提取出最能有效表征PD程度的SF6分解组分含量的比值集合,对PD状态进行评估。研究表明,SF6分解组分含量与PD严重程度之间存在一定的关联关系,C(CO2)/CT1、C(CF4)/C(SO2)、C(CO2)/C(SOF2)和C(CF4)/C(CO2)能够有效地诊断PD严重程度。

基于频域分量法的多模型日最大负荷预测

日最大负荷是表征日用电负荷的重要特征之一,对日最大负荷的预测可为合理安排日发电计划提供重要的支持。为提高预测的准确性,文中提出用最大相关最小冗余特征选择算法(mRMR特征选择)分析负荷与其影响因素之间的关系,筛选出影响负荷变化的主要因素;并运用小波分析的原理对日最大负荷进行频域分解,得出低频分量和高频分量,针对不同分量的特点构建相应的预测模型进行预测,最后把各分量的预测结果进行重构作为最终的预测结果,实验证明,与其他预测方法相比,文中所用方法能取得较好的预测结果。

基因数据集混合特征选择算法研究

基因数据的特点是高维度、小样本、大噪声,在处理过程中容易造成维数灾难和过度拟合等问题。针对这种情况提出一种新的基因数据集的特征选择方法,第一步是通过ReliefF算法对基因特征进行权重重要度的筛选;第二步是对筛选过的特征集合进行mRMR算法判断,留下与目标类别高度相关而其间相关性较小的基因特征;第三步利用邻域粗糙集特征选择算法对简化后的基因数据集进行寻优处理,选出最优化的特征基因子集。为了证明新算法的有效性,以SVM为分类器,使用外部交叉验证法对整个过程来计算,从而验证本文新特征选择方法的有效性。

基于支持向量机的乙酰胆碱酯酶抑制剂的构效关系研究

基于最大相关性-最小冗余性方法(mRMR),对27个乙酰胆碱酯酶(AchE)抑制剂进行了特征变量筛选,获得了14个变量。然后,采用支持向量机回归(SVR)方法研究了这27个化合物的定量构效关系。通过留一法交叉验证进行评估,其平均相对误差MRE=2.72%,均方根误差RMSE=0.273,q^2=0.936。最后,通过敏感性分析发现,特征变量logP与药物活性呈负相关,refractivity和water accessible surface area与药物活性呈正相关。