检索结果-南通市图书馆

基于FPCA和relieff算法的图像特征降维

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（理学版） 2015年第5期53卷 975-980页

作者：齐迎春孙挺周口师范学院计算机科学与技术学院河南周口466001 西北大学可视化研究所西安710049

针对传统图像特征降维方法计算量大、无法去除冗余信息、未考虑相关性等缺陷,提出一种结合快速主成分分析(FPCA)和relieff算法的图像特征降维方法.该方法先利用FPCA算法对样本数据进行初次降维,去除样本中的冗余信息;再利用relieff算法... 详细信息

针对传统图像特征降维方法计算量大、无法去除冗余信息、未考虑相关性等缺陷,提出一种结合快速主成分分析(FPCA)和relieff算法的图像特征降维方法.该方法先利用FPCA算法对样本数据进行初次降维,去除样本中的冗余信息;再利用relieff算法计算样本特征的分类权重,根据权重对特征进行组合优化.在算法实现过程中,采用递归排除策略,进一步提升了算法特征寻优能力.仿真实验表明,利用本文算法优选出的图像特征,可较好地提高聚类结果,适合实际工程的应用.

关键词：图像特征降维快速主成分分析 relieff算法

联合对称不确定性relieff算法的PolSAR影像分类

在线全文

学校读者我要写书评

暂无评论

遥感信息 2021年第4期36卷 20-27页

作者：张继超邹勇宋伟东张永红李建飞辽宁工程技术大学测绘与地理科学学院辽宁阜新123000 辽宁工程技术大学地理空间信息服务协同创新研究院辽宁阜新123000 中国测绘科学研究院北京100036 辽宁省自然资源事务服务中心辽宁省基础测绘院辽宁锦州121000

针对在PolSAR影像分类中极易产生分类精度随着特征数增加不会持续增加,甚至还会降低的问题,提出一种基于对称不确定性relieff算法的分类方法。首先,在传统过滤式的relieff算法基础上引入对称不确定性评估函数,淘汰对分类贡献小的特征及... 详细信息

针对在PolSAR影像分类中极易产生分类精度随着特征数增加不会持续增加,甚至还会降低的问题,提出一种基于对称不确定性relieff算法的分类方法。首先,在传统过滤式的relieff算法基础上引入对称不确定性评估函数,淘汰对分类贡献小的特征及属性;然后,利用封装式CART算法对剩余特征作进一步挑选,并根据得到的特征子集进行分类。将其与Wishart监督分类、未进行特征选择的分类和仅利用relieff算法进行特征属性选择的分类方法进行比较,以GF-3和Radarsat-2影像为例进行实验。结果表明,该方法各项指标均优于其他对比实验,并且大幅度节约时间成本。

关键词：极化分解对称不确定性 relieff算法特征选择 CART分类

一种基于改进relieff算法的入侵检测模型

在线全文

学校读者我要写书评

暂无评论

山东大学学报（工学版） 2023年第2期53卷 1-10页

作者：刘财辉周琪叶晓文赣南师范大学数学与计算机科学学院江西赣州341000

针对现有入侵检测算法中特征提取不充分、未考虑特征权重的影响、模型分类不够精确等问题,提出一种基于改进relieff算法的入侵检测模型。通过优化入侵数据特征权重计算,提出改进的relieff算法;根据计算特征的Pearson相关系数,建立特征... 详细信息

针对现有入侵检测算法中特征提取不充分、未考虑特征权重的影响、模型分类不够精确等问题,提出一种基于改进relieff算法的入侵检测模型。通过优化入侵数据特征权重计算,提出改进的relieff算法;根据计算特征的Pearson相关系数,建立特征相关性量表。只保留其中一个相关性高的特征,以实现特征的二次优化;对最优特征子集分别使用决策树(decision tree,DT)、k-最近邻(k-nearest neighbor,KNN)、随机森林(random forest,RF)、朴素贝叶斯(naive bayes,NB)和支持向量机(support vector machine,SVM)5种分类器评价该方法的分类性能和准确性。在NSL-KDD和UNSW-NB15两个数据集上的试验结果表明,该方法不仅具有较好的检测性能,还能有效降低特征维度,对分类器的计算复杂度有积极的影响。

关键词： relieff算法权重优化特征选择入侵检测分类

基于改进relieff算法的主成分特征提取方法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2008年第18期34卷 51-52,55页

作者：吴水秀曾庆鹏王明文江西师范大学计算机信息工程学院南昌330027 南昌大学信息工程学院南昌330031

计算信息特征(属性)的权重问题在信息分类及模式匹配中是一个研究热点。该文提出一种基于改进relieff算法的主成分特征提取方法,利用此算法删除原始特征中与分类不相关的特征,并对数据进行归一化处理和主成分提取。实验将34个特征变量... 详细信息

计算信息特征(属性)的权重问题在信息分类及模式匹配中是一个研究热点。该文提出一种基于改进relieff算法的主成分特征提取方法,利用此算法删除原始特征中与分类不相关的特征,并对数据进行归一化处理和主成分提取。实验将34个特征变量降维成10个主成分,大大减轻后续的分类器工作量,提高分类器的分类精度。

关键词： relieff算法特征提取主成分分析

relieff算法在雷达辐射源信号识别中的应用

在线全文

学校读者我要写书评

暂无评论

成都大学学报（自然科学版） 2012年第2期31卷 151-153页

作者：杨志新段美军西南交通大学信息科学与技术学院四川成都610031 西南交通大学电气工程学院四川成都610031

采用小波包变换提取雷达辐射源信号特征能够有效对信号进行识别,然而,由小波包变换提取的信号特征维数高,部分信号特征受噪声污染严重.基于此,采用relieff算法对信号特征的分类能力进行评价,选择出小波包中分类能力强的信号特征,再通过... 详细信息

采用小波包变换提取雷达辐射源信号特征能够有效对信号进行识别,然而,由小波包变换提取的信号特征维数高,部分信号特征受噪声污染严重.基于此,采用relieff算法对信号特征的分类能力进行评价,选择出小波包中分类能力强的信号特征,再通过特征相关度算法去除分类能力相近的冗余特征,利用剩余的分类能力强的信号特征组成特征向量进行分类.仿真实验结果显示,该方法用较少的信号特征能够获得较高的正确识别率.

关键词：雷达辐射源信号小波包变换 relieff算法雷达辐射源信号特征

改进relieff算法在水泥工艺故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

机械设计 2022年第2期39卷 40-45页

作者：石宇强董学文陈柏志西南科技大学制造科学与工程学院四川绵阳621010

针对relieff算法在迭代过程中受样本选取随机性、随机样本可能带有干扰及类别先验概率等因素影响较大的问题,提出了一种无需类别先验概率,且可以在所有类别的样本核心圈进行迭代的改进relieff算法。在标准数据集上的试验结果表明,改进Re... 详细信息

针对relieff算法在迭代过程中受样本选取随机性、随机样本可能带有干扰及类别先验概率等因素影响较大的问题,提出了一种无需类别先验概率,且可以在所有类别的样本核心圈进行迭代的改进relieff算法。在标准数据集上的试验结果表明,改进relieff算法克服了传统relieff算法容易受迭代次数、最近邻样本数影响的问题,且算法的特征选择结果稳定,在选取特征维数相同的情况下,改进relieff算法选取特征的分类效果较传统relieff算法也有所提高。最后,将改进relieff算法运用于水泥工艺故障诊断,运用该算法提取故障特征,以支持向量机作为分类器,实现了故障的准确识别。

关键词：特征选择 relieff算法支持向量机故障诊断

改进的relieff算法在哈萨克斯拉夫文识别中的应用

在线全文

学校读者我要写书评

暂无评论

计算机工程与设计 2017年第2期38卷 453-459页

作者：阿里木.赛买提哈力木拉提.买买提艾尔肯.赛甫丁吐尔根.依不拉因新疆大学多语种信息技术实验中心新疆乌鲁木齐830046

针对模式识别领域中的文字识别问题,为达到较高的识别效率,去除低冗余,选择并提取高效特征,提出以印刷体哈萨克斯拉夫字符、符号及数字为研究目标的基于改进的relieff特征选择算法,用于哈萨克斯拉夫文字的识别;对传统的relieff算法的特... 详细信息

针对模式识别领域中的文字识别问题,为达到较高的识别效率,去除低冗余,选择并提取高效特征,提出以印刷体哈萨克斯拉夫字符、符号及数字为研究目标的基于改进的relieff特征选择算法,用于哈萨克斯拉夫文字的识别;对传统的relieff算法的特征权重做进一步改进,提出Re-relieff算法,对文字识别的特征选择及特征提取部分进行优化。将基于改进的relieff特征选择算法用于哈萨克斯拉夫文识别问题,将该算法的识别结果与传统relieff特征选择算法进行比较,比较结果表明,该算法在哈萨克斯拉夫文文字识别过程中效果良好,具有运行速度快与运行时间降低等特点。

关键词：哈萨克斯拉夫文 relieff算法特征选择改进的Re-relieff算法文字识别

基于relieff算法与脑卒中数据库评估脑卒中危险因素

在线全文

学校读者我要写书评

暂无评论

中华神经医学杂志 2016年第2期15卷 183-187页

作者：张清秀刘佰龙付家亮吕尤刘腾飞魏秀娥荣良群徐州医学院第二附属医院神经内科徐州221116 徐州矿业大学计算机科学与技术学院徐州221116

目的运用数据挖掘方法relieff算法，在脑卒中注册数据库的基础上评估与徐州地区脑卒中发生相关的因素。方法回顾性分析徐卅l医学院第二附属医院神经内科脑卒中注册数据库中自2013年6月至2014年6月收录的546例急性脑梗死患者（脑卒中组... 详细信息

目的运用数据挖掘方法relieff算法，在脑卒中注册数据库的基础上评估与徐州地区脑卒中发生相关的因素。方法回顾性分析徐卅l医学院第二附属医院神经内科脑卒中注册数据库中自2013年6月至2014年6月收录的546例急性脑梗死患者（脑卒中组）的临床资料，同时对本地区同期体检的546例健康体检人群（健康对照组）进行相关资料的收集及整理，并录入epidata数据库。首先进行数据的归一化，将其转化为1-10之间的数。应用relieff算法进行数据分析，采用Matlab软件进行编程计算，将主程序运行20次，然后将结果汇总求出每种权重的平均值，得到既往病史及血液学指标在健康对照组与脑卒中组中的权重值。结果relieff算法数据分析结果显示，在危险因素方面，相对于健康人群，脑梗死病史在脑卒中发生中占的权重值最大（0．0353125），其次为饮酒（0．01175），而高血压、糖尿病、吸烟、短暂性脑缺血发作史在区分健康人群与脑卒中人群所占的权重值并不大；在实验室检查方面，血尿素氮水平（权重值0．0072）、血尿酸水平（权重值0．0071）、胆固醇水平（权重值0．0067）及血同型半胱氨酸水平（权重值0．0064）在区分脑卒中人群与健康人群所占的权重值较大，其次是高密度脂蛋白（权重值0．0062）、低密度脂蛋白（权重值O．0041）及甘油三酯（权重值0．0039）。结论应用relieff算法可以挖掘脑卒中注册数据库中与脑卒中发毕密切相美的潜存侍盼因素．

关键词： relieff算法脑卒中注册数据库数据挖掘脑卒中危险因素

在线全文

学校读者我要写书评

暂无评论

基于relieff算法和粗糙集的特征选择

基于ReliefF算法和粗糙集的特征选择

作者：王志宁西北师范大学

学位级别：硕士

信息量呈现爆炸式增长的大数据和互联网飞速发展时代,分类问题在数据挖掘、模式识别等研究领域中受到广泛关注。特征选择作为数据预处理中不可或缺的重要步骤,通过剔除冗余和不相关的特征,从而达到提升分类器运行效率、增加分类精确度... 详细信息

信息量呈现爆炸式增长的大数据和互联网飞速发展时代,分类问题在数据挖掘、模式识别等研究领域中受到广泛关注。特征选择作为数据预处理中不可或缺的重要步骤,通过剔除冗余和不相关的特征,从而达到提升分类器运行效率、增加分类精确度、减少特征的目的。但事实证明,寻找最优特征子集是一个NP问题,除穷举搜索外都不能保证得到最优解,因此常用启发式算法寻找次优解。relieff算法是一种过滤式特征选择算法,运行效率高,可处理多分类数据集,但是,在实际应用中只考虑了特征权重导致去除冗余特征的能力较差,且在不平衡数据集中表现不佳。粗糙集作为一种处理模糊和不确定知识的数学工具,不需要任何先验知识,只基于数据本身信息利用等价关系形式化定义知识,在决策表的属性约简有很好的表现,能有效去除决策表中的冗余属性。本文结合relieff算法、粗糙集和互信息进行研究,使用朴素贝叶斯分类器和支持向量机分析特征子集的分类效果,主要研究成果如下:(1)针对relieff算法在不平衡数据集中表现不佳的缺点,提出了分层抽样relieff算法。该算法改进了relieff算法的抽样方式,用分类别抽样代替随机抽样,保证算法在每个样本类别中抽取样本数量的一致性,使算法计算的特征权重不会向样本数量较多的类别倾斜,增加了算法的稳定性。实验表明,分层抽样relieff算法选择的特征子集较relieff算法在不平衡数据集上有更高的分类精度。(2)针对分层抽样relieff算法无法去除冗余特征的缺点,提出了基于分层抽样relieff算法和粗糙集的特征选择方法。该方法在分层抽样relieff算法的基础上引入了经典粗糙集的属性约简算法,使用分层抽样relieff算法为搜索策略,粗糙集属性约简算法为评价准则的结构去除冗余特征。实验表明该方法在保证分类精度不低于分层抽样relieff算法的情况下,不仅能筛选特征数量更少的特征子集,而且能使得分类精度更高。(3)在基于分层抽样relieff算法和粗糙集的特征选择方法中,阈值的选取是一个繁琐的问题,阈值的好坏会直接影响该方法的性能。基于经验选取会导致特征子集分类性能下降,基于分类器的分类精度选取会使时间成本增大。引入特征与特征之间的互信息计算,提出了基于分层抽样relieff算法和互信息的特征选择方法。该方法首先选取特征权重较大的特征加入特征子集,然后计算与其互信息最小的特征加入特征子集,最后使用粗糙集作为评价准则去除冗余特征。该方法在计算过程中无需设定阈值。实验结果表明,该方法选出的特征子集在数据集上的分类精度更高且稳定性更好。

关键词： relieff算法粗糙集属性约简互信息特征选择