检索结果-南通市图书馆

基于改进邻域空间的高维混合数据特征选择算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制与决策 2024年第3期39卷 929-938页

作者：张腾飞张宇迪马福民南京邮电大学自动化学院人工智能学院南京210023 南京财经大学信息工程学院南京210023

作为数据挖掘领域中一项重要的数据预处理技术,特征选择算法能够有效应对高维数据带来的“维数灾难”问题.然而,如何对高维的混合数据进行特征选取仍然是当前研究的重点和难点之一.基于邻域关系的邻域粗糙集模型因其能够处理名词型属性... 详细信息

作为数据挖掘领域中一项重要的数据预处理技术,特征选择算法能够有效应对高维数据带来的“维数灾难”问题.然而,如何对高维的混合数据进行特征选取仍然是当前研究的重点和难点之一.基于邻域关系的邻域粗糙集模型因其能够处理名词型属性与数值型属性并存的混合数据,已成功应用于混合数据的特征选择.但是,现有邻域粗糙集对混合数据邻域关系的度量,仍然是基于等价关系的名词型数据划分与基于相似关系的数值型数据划分的简单融合,在利用模型划分的邻域空间和预定义的评价函数对高维混合数据进行特征选取时,适应性较差.为此,在邻域粗糙集模型的基础上,提出一种改进的邻域空间构造方法,并设计相应的邻域空间度量公式作为判别指标,自适应地调节邻域空间下邻域粒的大小;为了准确地表征高维混合数据邻域空间的判别能力,设计一种考虑边界数据和邻域空间大小的评价函数;在此基础上,提出一种启发式的高维混合数据特征选择算法.通过UCI标准数据集验证所提出算法的有效性.

关键词：特征选择邻域空间高维混合数据邻域粗糙集评价函数

基于强化学习的混合元启发式暂态电压稳定特征选择方法及可解释性研究

在线全文

学校读者我要写书评

暂无评论

电网技术 2024年第4期48卷 1519-1531,I0043页

作者：甄永赞阮程新能源电力系统国家重点实验室(华北电力大学) 北京市昌平区102206

新型电力系统发展背景下,使用有效的特征选择方法来提取与暂态电压稳定强相关的关键响应特征,对研究暂态电压失稳机理与系统潜在安全隐患具有重要意义。为此,提出一种基于改进过滤法与混合元启发式包装法的复合框架进行特征选择的新方... 详细信息

新型电力系统发展背景下,使用有效的特征选择方法来提取与暂态电压稳定强相关的关键响应特征,对研究暂态电压失稳机理与系统潜在安全隐患具有重要意义。为此,提出一种基于改进过滤法与混合元启发式包装法的复合框架进行特征选择的新方法。基于对称不确定性值改进的最大相关最小冗余性准则进行特征粗筛;将Q学习强化学习融合至元启发式优化算法中,并采用开发探索折衷策略以增强特征细选能力,获取最优关键响应特征子集。在此基础上,采用沙普利值加性解释归因理论综合分析各筛选特征对暂态电压稳定的影响与系统薄弱环节。新型电力系统算例验证了所提方法的有效性。

关键词：暂态电压稳定特征选择强化学习混合元启发式沙普利值加性解释

基于特征选择和XGBoost算法考虑极端天文、气象事件影响的光伏性能预测方法

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2024年第5期45卷 547-555页

作者：王瑶吴云来俞铁铭胡华友李明光浙江正泰智维能源服务有限公司杭州310051 浙江正泰新能源开发有限公司杭州310051

以Pearson’s r特征选择方法进行参数相关性判断后,构建分析决策树指数模型,提高水平面总辐射的预测精度,通过气象参数的主成分提取,实现训练集降维。采用XGBoost算法构建预测模型,加入正则项控制模型的复杂度,降低过拟合率,提高模型对... 详细信息

以Pearson’s r特征选择方法进行参数相关性判断后,构建分析决策树指数模型,提高水平面总辐射的预测精度,通过气象参数的主成分提取,实现训练集降维。采用XGBoost算法构建预测模型,加入正则项控制模型的复杂度,降低过拟合率,提高模型对未知数据的适应能力。通过泰勒展开将损失函数的选取和算法优化过程去耦合,实现极端天文、气象条件下光伏电站性能的预测和模型评估。预测结果与实测值对比表明,所提预测法能自动学习缺失值的处理策略,支持多种类型的基分类器,有广泛的优化空间。在针对光伏功率P_(w)、系统效率PR、产能利用率CF的预测平均绝对百分比误差在15%以内,显示出良好的预测准确度和稳定性。

关键词：特征选择主成分分析机器学习光伏发电组合预测

维普期刊数据库博看期刊

基于特征选择和iJaya-SVR的年度电力消费预测研究

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年第3期39卷 1039-1047页

作者：高锋邵雪焱北京大学工学院北京100871 中国科学院科技战略咨询研究院北京100190

准确的电力消费预测对能源规划和政策制定具有重要意义.鉴于已有研究忽略了特征冗余以及智能优化算法控制参数不确定对预测精度的影响,引入最大相关最小冗余(MRMR)算法筛选电力消费的关键影响因素作为预测指标,提出改进的Jaya算法(iJaya... 详细信息

准确的电力消费预测对能源规划和政策制定具有重要意义.鉴于已有研究忽略了特征冗余以及智能优化算法控制参数不确定对预测精度的影响,引入最大相关最小冗余(MRMR)算法筛选电力消费的关键影响因素作为预测指标,提出改进的Jaya算法(iJaya)用于优化支持向量回归(SVR)的超参数,进而构建MRMR-iJaya-SVR预测模型.以我国的年度电力消费数据为例,对MRMR-iJaya-SVR模型的预测效果进行验证,并利用北京市的年度电力消费数据测试其鲁棒性.结果表明:iJaya算法具有较强的全局搜索能力和较好的稳定性, MRMR-iJayaSVR模型在单步预测和多步预测中的表现均优于基准模型.此外,对于不同的数据集, MRMR-iJaya-SVR模型均具有良好的鲁棒性.

关键词：特征选择改进的Jaya算法最大相关最小冗余支持向量回归混合预测模型电力消费预测

基于特征选择及ISSA-CNN-BiGRU的短期风功率预测

在线全文

学校读者我要写书评

暂无评论

工程科学与技术 2024年第3期56卷 228-239页

作者：王瑞徐新超逯静河南理工大学计算机科学与技术学院河南焦作454000

针对风电功率随机性大、平稳性低,以及直接输入预测模型往往难以取得较高精度等问题,提出了一种基于特征选择及改进麻雀搜索算法(ISSA)优化卷积神经网络-双向门控循环单元(CNN-BiGRU)的短期风电功率预测方法。首先,利用变分模态分解(VMD... 详细信息

针对风电功率随机性大、平稳性低,以及直接输入预测模型往往难以取得较高精度等问题,提出了一种基于特征选择及改进麻雀搜索算法(ISSA)优化卷积神经网络-双向门控循环单元(CNN-BiGRU)的短期风电功率预测方法。首先,利用变分模态分解(VMD)将原始功率分解为一组包含不同信息的子分量,以降低原始功率序列的非平稳性,提升可预测性,同时通过观察中心频率方式确定模态分解数。其次,对每一分量采用随机森林(RF)特征重要度的方法进行特征选择,从风速、风向、温度、空气密度等气象特征因素中,选取对各个分量预测贡献度较高的影响因素组成输入特征向量。然后,建立各分量的CNN-BiGRU预测模型,针对神经网络算法参数难调、手动配置参数随机性大的问题,利用ISSA对模型超参数寻优,自适应搜寻最优参数组合。最后,叠加各分量的预测值,得到最终的预测结果。以中国内蒙古某风电场实际数据进行仿真实验,与多种单一及组合预测方法进行对比,结果表明,本文所提方法相比于其他方法具有更高的预测精度,其平均绝对百分比误差值达到2.644 0%;在其他4个数据集上进行的模型准确性及泛化性验证结果显示,模型平均绝对百分比误差值分别为4.385 3%、3.174 9%、1.576 1%和1.358 8%,均保持在5.000 0%以内,证明本文所提方法具有较好的预测精度及泛化能力。

关键词：短期风功率预测变分模态分解特征选择改进麻雀搜索算法卷积神经网络双向门控循环单元

在线全文

学校读者我要写书评

暂无评论

采用动态相关度权重的特征选择算法

计算机工程与应用 2024年第4期60卷 89-98页

作者：许华杰刘冠霆张品秦远卓广西大学计算机与电子信息学院南宁530004 广西大学广西多媒体通信与网络技术重点实验室南宁530004 北部湾港防城港码头有限公司广西防城港538001 广西大学土木建筑工程学院南宁530004

基于互信息的特征选择算法在考虑候选特征提供的新分类信息时,通常忽略了候选特征的加入会使得已选特征和类标签的相关性发生变化而带来额外的新增信息量,以及在计算冗余信息时采用累加求和的形式可能导致低估候选特征的冗余程度。针对... 详细信息

基于互信息的特征选择算法在考虑候选特征提供的新分类信息时,通常忽略了候选特征的加入会使得已选特征和类标签的相关性发生变化而带来额外的新增信息量,以及在计算冗余信息时采用累加求和的形式可能导致低估候选特征的冗余程度。针对以上问题,提出动态相关度权重的定义,以更全面地考虑候选特征带来的新信息量成分;提出改进冗余项的定义,采用取最大值和归一化策略,以解决传统算法存在的低估冗余问题;在此基础上提出一种采用动态相关度权重的特征选择算法(feature selection using dynamic relevance weight,FSDRW)。选取五种当前主流的基于互信息的过滤式特征选择算法进行对比实验,在来自加州大学尔湾分校UCI和亚利桑那州立大学ASU的机器学习测试数据集上的实验表明,所提出的算法在分类准确率及综合性能方面具有较好的表现。最后将所提出算法应用于广西某水库工程的微震、爆破信号识别中,算法选取出的特征用于微震信号识别可达到98.86%的分类准确率,验证了算法在实际应用中的有效性。

关键词：特征选择互信息信息熵动态相关度权重

融合Lasso的近似马尔科夫毯特征选择方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第8期60卷 121-130页

作者：刘明杜建强李郅琴罗计根聂斌张梦婷江西中医药大学计算机学院南昌330004 江西师范大学信息化办公室南昌330022

在特征选择问题中,近似马尔科夫毯常用于判断冗余特征,但所得到的冗余特征并不完全相同,因此,在直接使用近似马尔科夫毯删除冗余特征时,存在可能导致信息丢失的情况,影响模型精度。为此,提出一种用于中药代谢组学高维小样本数据的融合La... 详细信息

在特征选择问题中,近似马尔科夫毯常用于判断冗余特征,但所得到的冗余特征并不完全相同,因此,在直接使用近似马尔科夫毯删除冗余特征时,存在可能导致信息丢失的情况,影响模型精度。为此,提出一种用于中药代谢组学高维小样本数据的融合Lasso的近似马尔科夫毯特征选择方法。方法分为两个阶段,第一阶段,通过最大信息系数对特征的相关度分析过滤无关特征;第二阶段,采用近似马尔科夫毯构建相似特征组,使用Lasso评估相似特征组中特征影响力,迭代去除冗余特征。通过实验对比表明,该算法可以在一定程度上减少有用信息丢失,去除无关特征和冗余特征,提高模型精度和稳定性。

关键词：近似马尔科夫毯 Lasso 特征选择高维小样本中医药信息

基于复杂因果关系模型的特征选择新方法及其在蜡油加氢工业装置上的应用

在线全文

学校读者我要写书评

暂无评论

石油学报（石油加工） 2024年第3期40卷 580-590页

作者：田旺秦康吴昊李明丰谢煜张璠玢梁家林中石化石油化工科学研究院有限公司北京100083

复杂因果关系模型的特征选择方法是当前人工智能领域的难点问题,开发新的特征选择方法对于因果关系模型的发展意义重大。以蜡油加氢工业装置为研究对象,针对模型涉及输入原料性质、操作参数等自变量特征和输出因变量特征精制蜡油硫含量... 详细信息

复杂因果关系模型的特征选择方法是当前人工智能领域的难点问题,开发新的特征选择方法对于因果关系模型的发展意义重大。以蜡油加氢工业装置为研究对象,针对模型涉及输入原料性质、操作参数等自变量特征和输出因变量特征精制蜡油硫含量之间复杂的因果关系,综合考虑输入变量两两之间的关系和输入变量与输出变量之间的关系筛选出合适的特征。首先,分别求出自变量特征之间和自变量与因变量之间的相关关系;其次,设计阈值和判别函数,将自变量、因变量结合起来,综合考虑两类变量之间的关系,最终将蜡油原料馏程中的初馏点筛选出来并剔除。相比传统的相关性特征选择方法,新筛选特征模型预测精制蜡油硫质量分数的平均绝对误差(MAE)减少62.97μg/g,平均相对误差(MRE)减少2.02百分点,决定系数R 2增加0.395,充分说明了新特征筛选方法对复杂因果关系模型的有效性。

关键词：蜡油加氢硫含量因果关系相关关系特征选择

基于mRMR-IPSO的短期负荷预测双阶段特征选择

在线全文

学校读者我要写书评

暂无评论

重庆大学学报 2024年第5期47卷 98-109页

作者：焦龄霄周凯张子熙韩飞时伟君洪叶罗朝丰国网湖北超高压公司武汉430000 国网浙江省电力有限公司湖州供电公司浙江湖州313000

电力负荷具有时空多变的特性,受众多因素的影响,在短期负荷预测中较多的输入特征会造成维度灾难,导致模型预测性能不佳,因此选择合理的输入特征集至关重要。文章提出一种新的短期负荷预测特征选择方法——mRMR-IPSO双阶段法。利用最大... 详细信息

电力负荷具有时空多变的特性,受众多因素的影响,在短期负荷预测中较多的输入特征会造成维度灾难,导致模型预测性能不佳,因此选择合理的输入特征集至关重要。文章提出一种新的短期负荷预测特征选择方法——mRMR-IPSO双阶段法。利用最大相关最小冗余(maxrelevance and min-redundancy,mRMR)判据对原始特征进行排序,考虑输入特征与输出特征之间相关性和输入特征间冗余性,筛选掉一些排序靠后的特征,初选出对预测效果影响显著的特征子集;采用基于改进的粒子群优化算法(improved particle swarm optimization,IPSO)的搜索策略,以LightGBM模型的预测精度为适应度函数,对初选特征子集进行精选,得到最优特征子集。算例结果表明,所提方法能在对原始特征集大幅降维的情况下提升预测精度。

关键词：特征选择负荷预测最大相关最小冗余改进的粒子群优化算法 LightGBM