搜索结果: 1-15 共查到“计算机科学技术 特征选择”相关记录94条 . 查询时间(0.174 秒)
基于ReliefF特征选择算法和BP神经网络的窃电检测（图）
窃电检测 ReliefF 多元特征选择 BP神经网络
2023/3/30
为了提高窃电特征建立和窃电检测的准确性，分析了常用窃电方法的原理，采用ReliefF多元特征选择算法对窃电特征进行优化。本文建立了基于BP神经网络的窃电检测模型，并将优化后的特征作为模型的输入。实验结果表明，利用优化后的特征进行窃电检测的模型具有较好的窃电识别精度。
南昌大学软件学院举办“面向多义性数据的特征选择与知识发现”讲座（图）
南昌大学软件学院 多义性数据 特征 讲座
2021/9/12
2021年9月11日，江西农业大学钱文彬教授来到南昌大学软件学院，在软件楼401教室开展夏季学期“面向多义性数据的特征选择与知识发现”学术报告。南昌大学软件工程系主任徐健锋教授主持了报告会，软件学院研究生、本科生共百余人参加。
融合杜鹃搜索的灰狼优化算法在网络入侵检测特征选择中的应用
网络入侵检测 特征选择 灰狼优化算法 杜鹃搜索算法
2018/9/20
针对当前网络入侵检测技术由于特征冗余引起的检测效率低和准确率低等问题，将一种融合杜鹃搜索的灰狼优化算法应用于网络入侵检测的特征选择中，旨在减少特征冗余，进而提高网络入侵检测的性能。首先，在每次迭代过程中采用杜鹃搜索算法中的莱维飞行机制对适应度值最好的3只灰狼的位置进行扰动，避免在搜索最优解的过程中陷入局部最优。然后，采用灰狼优化算法的更新机制来更新灰狼的位置信息，使狼群朝着猎物的方向聚集。最后，根...
网络流量特征选择方法中的分治投票策略研究
分治 投票 流量分类 特征选择
2013/11/5
特征选择作为机器学习过程中的预处理步骤,是影响分类性能的关键因素.网络流量具有数据量大,特征维度高的特点,如何快速提取特征子集,并提高分类效率对于基于机器学习的流量分类方法具有重要意义.本文提出基于分治与投票策略的特征提取方法,将数据集分裂为多个子集,分别执行特征提取算法,利用投票方法获得最后的特征子集.实验表明可有效提高特征提取的时间效率,同时使分类器取得良好的分类准确率.
针对高维数据的特点，即数据中变量个数往往大于样本观测数目，并且数据往往具有异质性特点，基于众数回归分析和变量选择降维技术，提出了一种稳健有效的特征选择方法，利用局部二次逼近算法(LQA)和最大期望(EM)算法，给出估计算法和最优调节参数的选取方法。通过实验的模拟数据分析表明，所提出的特征提取选择方法整体优于基于最小二乘和中位数的正则化估计方法，特别当误差是非正态分布时，与已有方法相比具有较高的预测...
一种基于SVM的快速特征选择方法
特征选择 SVM 粒子群优化
2010/5/11
针对现有特征选择方法计算量大、速度慢的缺点,提出了一种基于SVM的快速特征选择算法。该算法使用SVM作为分类器,并利用粒子群优化算法进行搜索。通过利用SVM线性核与多项式核函数的特性,减少了在特征选择中训练分类器的次数,降低了计算复杂度。实验结果表明在不损失分类精度的情况下,能显著提高特征选择的速度。
基于空间覆盖的半监督特征选择方法
空间覆盖 半监督 特征选择
2010/3/11
提出一种新颖的基于空间覆盖的半监督特征选择方法。该算法同时利用已标签数据与未标签数据进行特征选择，各特征的相关性大小由其在不同簇中的覆盖程度衡量。在公共数据集和毒性数据集上的实验表明，该方法在改善学习精度上有很好的应用前景。
在线特征选择的目标跟踪
在线学习 最优颜色特征 均值向量平移 卡尔曼滤波
2010/3/1
为提高目标与背景对比度低、相似物体干扰等复杂环境下目标跟踪的效果，提出将在线学习选择最优颜色特征嵌入跟踪算法中，以改善跟踪的稳定性。以当前时刻目标的区域为目标区域，利用卡尔曼滤波预测目标的下一时刻位置，在卡尔曼滤波预测的位置为中心取某一区域作为背景区域进行在线特征选择作为下一时刻的跟踪特征，以卡尔曼滤波预测的位置为初始位置利用Mean-shift搜索目标位置，此位置作为量测进行卡尔曼滤波校正。通过...
基于特征选择和SVMs的图像分类
特征选择 MI贪婪最优算法 支持向量机（SVMs）
2010/2/8
重点论述了基于MI图像特征选择方法[1]，简要地讲述了支持向量机的SVMs分类器原理和设计[2]。提出了MI贪婪最优算法，将高维数据处理转化为一维数据处理，简化了运算难度，同时提高了分类速度和准确性。实验结果表明，通过对8个分类、上千张图片进行分类处理，效果好于传统的分类算法。
一种不良文本识别特征选择方法
特殊词 有限自动机 特征选择 不良文本识别
2010/1/20
针对不良文本的特殊性，提出一种两步特征选择方法。首先对训练文本用有限自动机识别其中的特殊词作为特征加入特征集，同时将原文还原为不含特殊词的文本。对还原后文本用“组合特征选择方法”选择特征加入特征集。实验结果表明利用两步特征选择方法能有效提高非法文本识别精度。
基于PSO的LS-SVM特征选择与参数优化算法
最小二乘支持向量机 特征选择 参数优化 粒子群算法
2010/1/7
针对最小二乘支持向量机特征选择及参数优化问题，提出了一种基于PSO的LS-SVM特征选择与参数同步优化算法。首先产生若干种群（特征子集），然后用PSO算法对特征及参数进行优化。在UCI标准数据集上进行的仿真实验表明，该算法可有效地找出合适的特征子集及LS-SVM参数，且与基于遗传算法的最小二乘支持向量机算法（GALS-SVM）和传统的LS-SVM算法相比具有较好的分类效果。
特征空间的高维特点限制了分类算法的选择，影响了分类器的设计和准确度，降低了分类器的泛化能力，从而出现分类器过拟合的现象，因此需要进行特征选择以避免维数灾难。首先简单分析了几种经典特征选择方法，总结了它们的不足；然后给出了一个优化的文档频方法，并用它过滤掉一些词条以降低文本矩阵的稀疏性；最后应用模式聚合(PA)理论建立文本集的向量空间模型，从分类贡献的角度强化词条的作用，消减原词条矩阵中包含的冗余模...
一种改进的文本分类特征选择方法
文本分类 特征选择 信息增益
2009/12/30
文本分类中特征空间的高维问题是文本分类的主要障碍之一。特征选择（Feature Selection）是一种有效的特征降维方法。现有的特征选择函数主要有文档频率（DF），信息增益（IG），互信息（MI）等。基于特征的基本约束条件以及高性能特征选择方法的设计步骤，提出了一种改进的特征选择方法SIG。该特征选择方法在保证分类效果的同时，提高了对中低频特征的偏向。在语料集Reuters-21578上的实验...
基于粗糙集和灰色关联度的综合性特征选择
粗糙集 灰色关联度 属性约简
2009/12/28
在文本特征空间中，特征维数通常高达几万，这大大限制了分类算法的选择，降低了分类算法的性能，影响了分类器的设计，为此需要进行特征选择以避免“维数灾难”。提出了一个综合性的特征选择方法，该方法首先利用一个优化的文档频进行特征初选以过滤掉一些词条来降低特征空间的稀疏性，然后利用一个基于粗糙集和灰色关联度的属性约简算法来消除冗余，从而获得较具代表性的特征子集。实验结果表明该综合性方法效果良好。
...