特征优化

摘要： 针对高速公路前车检测中单一特征易受光照、天气等环境因素影响的问题,提出一种基于多特征融合和信息熵优化的检测算法。首先,利用自适应大津算法对路面进行阈值分割,生成若干车辆假设区域;其次在方向梯度直方图(histogram of gradient,HOG)特征的基础上,引入几何特征、纹理特征和幅值特征构造特征向量,并根据信息熵对特征向量进行优化;最后,训练支持向量机(support vector machine,SVM)验证假设区域。实验结果表明,该算法提高了前车检测的准确率,扩大了前车检测的适用范围。

摘要： 为进一步提高光纤振动信号模式识别的实时性及准确性,提出一种基于补偿距离估计技术的信号特征提取算法。算法借鉴人类听觉感知机理,对光纤传感振动信号提取Mel频率倒谱系数特征向量,采用补偿距离估计技术制定特征筛选策略实现特征评估与优化。实验结果表明,基于补偿距离估计技术的振动信号特征提取算法可以有效减少光纤传感系统中影响分类精度的冗余向量,解决振动信号特征表征及运算复杂等问题,进一步提高光纤传感振动信号模式识别的有效性和实时性,并且具有一定的抗噪性能。

摘要： 根据社会经济和人口变化,基于云平台实现中高分辨率遥感影像城市建设用地的快速提取,可以高效准确地对长时间序列大范围城市建设用地扩张情况进行动态变化监测,为城市的管理和规划提供借鉴和参考。本文基于Google Earth Engine(GEE)云平台,利用NPP/VIIRS(suomi national polar-orbiting partnership/visible infrared imaging radiometer suite)年度平均夜间灯光数据和阈值分割法提取城市区域,获得3 142景覆盖东北三省城市的Landsat影像;在原始光谱波段的基础上构建指数、纹理和地形特征,利用SEaTH算法进行特征优化,根据J-M距离的取值将特征数量从20个精简到12个;在城市区域中利用随机森林(random forest,RF)算法结合最优特征对Landsat月度合成影像进行再次分类,更加精确地提取建设用地。研究结果表明,东北三省城市建设用地提取平均总体精度和Kappa系数分别为96.19%、0.92,有较高的效率和可靠性;1989—2019年东北三省城市建设用地总面积扩张49.07%,省会城市中沈阳扩张速率较快,长春次之,哈尔滨最慢;人口因素和经济因素是推动城市建设用地扩张的主要因素。

摘要： 针对Android恶意软件检测中特征数量庞大、检测精度低下的问题,提出一种基于离散二进制鲸鱼优化算法(Binary Whale Optimization Algorithm,BWOA)进行特征优化的Android恶意软件检测方法。该方法获取Android软件的权限、组件和API信息构建特征向量,采用信息增益(IG)过滤去除冗余特征和不相干特征,降低BWOA的搜索空间;利用BWOA选择最优特征子集,并同步优化SVM分类器的关键参数,提出一种基于分类准确率、特征子集长度、支持向量个数的新适应度函数作为优化算法的评判标准。实验结果表明,该方法能够有效获取最优特征子集并同步优化SVM关键参数,具有很好的自适应性和较高的检测精度。

摘要： 针对全极化SAR图像在监督分类中存在的人工标注样本费时费力以及大量未标记样本未有效利用等问题,提出一种顾及特征优化的半监督自训练分类方法。该方法以支持向量机作为半监督学习的基分类器。首先,引入混合编码遗传算法对多类极化特征进行有效选择和分类器参数优化。在此基础上,利用核模糊聚类算法从大量未标注样本中预选取出信息量较大的样本点作为候选点,并借助半监督自训练学习进一步标注候选样本,实现同时利用无标注和有标注样本进行分类。在AIRSAR和ALOS PALSAR影像上的实验表明,该方法能自适应地优选分类特征集,且在较少人工标注的样本下能获得较高的分类精度。

摘要： 城市扩张的研究对促进土地资源配置的高效率和合理化有着重要的意义。以南昌市为研究区,基于Google Earth Engine(GEE)平台,利用NPP/VIIRS夜光数据和阈值分割法提取城市建成区后,采用随机森林(random forest,RF)算法解译城市土地信息,分析了建成区范围内2000—2020年20年的土地利用变化。结果表明,基于GEE和随机森林算法得到的分类结果精度较高,平均精度和Kappa系数分别为96.81%和94.56%,且相较于传统遥感分析技术模式效率更高;南昌市20年的城市扩张速率经历了从低速到缓慢的扩张过程。土地利用类型的转移以植被转为建筑用最多,裸地次之,水体最少。社会经济的发展和人口的迁移和增长在一定程度上影响了城市扩长的速率和方向,是城市化的重要影响因素。

摘要： 相比于基于像素的建筑物提取方法,面向对象方法能减少“异物同谱”和“同物异谱”现象,提高提取精度;针对遥感影像特征繁多,造成特征维数灾难的问题,本文提出了一种面向对象的特征优化方法进行建筑物提取.首先将最小误差自动阈值分割方法和多尺度分割相结合,优化分割技术;然后基于Relief算法和fast correlation-based filter (FCBF)算法进行特征选择,构建最优特征子集;最后使用随机森林方法进行建筑物提取并用最小外接矩形方法优化建筑物边界.结果显示,特征重要性差异较大,基于最优特征子集建筑物提取的总体精度达到0.93, Kappa系数为0.91,明显高于原始特征集和优化特征集提取结果.

摘要： 小样本学习任务旨在仅提供少量训练样本的情况下完成对测试样本的正确分类.基于度量学习的小样本学习方法通过将样本映射到嵌入空间中,计算样本间距离得到相似性度量以预测类别,但仅对样本特征进行独立映射,而忽略了对整个任务的观察,同时在小样本场景下通过传统方法计算的原型与期望原型存在偏差,导致在查询集上泛化性较低.针对上述问题,提出了特征关系依赖网络(FRDN).特征关系依赖网络包含两个模块:首先使用关系挖掘模块充分挖掘任务中样本的类内与类间关系,将其作为自注意力值对类簇进行调整,以获得判别性更高的任务自适应嵌入空间,计算初始原型;随后使用偏差抑制模块对初始原型进行校正,得到在查询集上泛化性更高的优化原型,进一步提高模型的分类准确率.在MiniImagenet数据集上,该方法1-shot分类准确率59.17%,5-shot准确率74.11%,分别超过传统度量学习方法6.13%与2.83%;在CUB数据集上分别提升9.3%和2.74%.

摘要： 本文针对传统犯罪预测模型中数据处理方法不适用于犯罪近重复性分析,以及犯罪数据高度不平衡特性导致的犯罪预测结果分散的问题,提出了一种基于Mnd-Knox算法以及时空交互网格结构改进的犯罪预测模型.该模型框架由确定时空阈值、建立时空网格结构、扩充数据集、数据挖掘4部分组成.首先采用Mnd-Knox算法确定犯罪近重复性显著的时空域值;其次采用网格化地理信息管理方法建立网格结构,并确定各因子间影响权重;然后在基础数据集上融合附加地理环境特征;最后采用深度神经网络算法进行数据挖掘.针对2016年芝加哥地区4类频发型犯罪数据进行实验.结果表明,与传统犯罪预测模型相比,本文所提出的模型构建方法有更好的预测效果,模型平均绝对误差值降低了88.56%.

摘要： 目标跟踪是视频分析领域中的重要分支,其中核相关滤波(Kernel Correlation Filter,KCF)算法在跟踪精确率、成功率和跟踪性能方面具有不错的表现。但是,在某些场景里,光照变化和形态变化较多会存在目标丢失、耗时长的问题。针对此问题,设计了基于特征优化的稳定目标跟踪方法。考虑目标运动过程的尺寸变化,利用局部二值模式(Local Binary Patterns,LBP)特征替换FHOG特征和初始框动态更新策略,解决了跟踪目标尺寸骤变导致的目标丢失和跟踪耗时长等问题。经过对比数据集OTB100和VOT2018,结果表明本文提出的算法在精确率和稳定性等方面都优于经典KCF算法,且在各种复杂场景下更加准确和稳定,跟踪速度达到180 fps。

摘要： 基于红外图象的目标识别技术在星载和机载成像侦察中占有举足轻重的地位，而快速、高效、准确进行目标识别的基础是建立一套合理的特征集，面对从目标图像中提取出的大量特征，需要进行特征优化，才能确保较高的识别准确率。本文分别对PCA法进行改进并提出了方差-相关系数法来用于特征优化分析，同时也分析了基于BP神经网络法的特征优化。通过对四类目标的总体区别类特征和个体识别类特征的优化，在决策树分类器中验证了BP神经网络法和方差-相关系数法要优于PCA法。

摘要： 数字多媒体的普及和视频编辑软件的简易操作方便了人们的生活,与此同时,也使人们对视频的真实性产生怀疑.本文提出了一种不同量化参数下HEVC视频双压缩检测方法,该方法通过正负样本之间均值差和各自标准差来选取部分Markov特征,并利用LIBSVM进行训练分类检测.实验结果表明,该方法不仅特征维数相对较少,而且检测率也优于之前的算法.

摘要： 本文采用多类支持向量机(SVM)对磁共振(MR)脑图像进行分割,根据不同特征对分割精度的影响,进行了特征选择及优化实验研究,并最终给出了应用SVM分割MR脑图像的特征优化选择方案。实验结果显示,应用SVM分割MR脑图像,采用本文的特征优化选择方案时,不仅明显提高分割精度,还降低了SVM的算法复杂度。最后关于不同文献中分割错误率的对比进一步验证了本文特征选择及优化方法的有效性。

摘要： 在目标自动识别过程中,特征优化起着承上启下的作用,良好的特征优化能为后续的目标识别打下一个扎实的基础.基于对红外图像特征的分析,提出了方差与相关系数综合算法,该方法主要是对类内特征进行优选,较传统的特征优选方法如主成分分析与Fisher判决分析法简单,计算量较小,同时实验结果验证了该算法确定的特征能较好地应用于红外目标识别.

摘要： 当前,对典型目标遥感图像的特征提取、优化及分类识别研究越来越深入。论文首先研究目标的类特征提取,采用Fisher比例法求解目标的类特征,实现了对目标原始特征集的优化,提高特征的表征能力和降低特征数目。同时,基于总体区别性类特征,采用粗集理论实现对典型目标的分类。在20个测试的目标样本中,目标分类准确率达到85％。

摘要： 当前,对典型目标遥感图像的特征提取、优化及分类识别研究越来越深入。论文首先研究目标的类特征提取,采用Fisher比例法求解目标的类特征,实现了对目标原始特征集的优化,提高特征的表征能力和降低特征数目。同时,基于总体区别性类特征,采用粗集理论实现对典型目标的分类。在20个测试的目标样本中,目标分类准确率达到85％。

摘要： 当前,对典型目标遥感图像的特征提取、优化及分类识别研究越来越深入。论文首先研究目标的类特征提取,采用Fisher比例法求解目标的类特征,实现了对目标原始特征集的优化,提高特征的表征能力和降低特征数目。同时,基于总体区别性类特征,采用粗集理论实现对典型目标的分类。在20个测试的目标样本中,目标分类准确率达到85％。

摘要： 当前,对典型目标遥感图像的特征提取、优化及分类识别研究越来越深入。论文首先研究目标的类特征提取,采用Fisher比例法求解目标的类特征,实现了对目标原始特征集的优化,提高特征的表征能力和降低特征数目。同时,基于总体区别性类特征,采用粗集理论实现对典型目标的分类。在20个测试的目标样本中,目标分类准确率达到85％。

摘要： 当前,对典型目标遥感图像的特征提取、优化及分类识别研究越来越深入。论文首先研究目标的类特征提取,采用Fisher比例法求解目标的类特征,实现了对目标原始特征集的优化,提高特征的表征能力和降低特征数目。同时,基于总体区别性类特征,采用粗集理论实现对典型目标的分类。在20个测试的目标样本中,目标分类准确率达到85％。

摘要： 本发明提出了基于深度特征分类与邻域优化的点云尖锐特征法向量估算方法，包括：生成锥形点云数据；对锥形点云数据进行随机采样生成样本点；对样本点的邻域数据进行姿态调整；对调整后的邻域数据进行Hough投影生成灰度图像从而构造样本特征；将连续的标准法向量离散化后映射成类别从而构造样本标签；构建轻量化特征映射网络SharpNet；用得到的样本特征和类别标签训练SharpNet；根据网络输出的离散类别计算出初始法向量；通过阈值设置，筛选邻域点，并使用筛选后的邻域点对初始法向量进行修正。本发明能够实现尖锐特征法向量的准确估算，且对噪声和离群点具有很强的鲁棒性，与已有的深度学习方法相比具有明显的效率优势。

摘要： 本发明公开了一种基于特征组组合的传感器阵列优化及特征选择方法，依次包括以下步骤：A：选择本传感器阵列特征提取方法及原始特征，建立特征集L0；B：得到特征组列表L1；C：按照特征组列表L1的顺序进行2元特征组选择；D：在2元特征组的基础上，依次得到4元特征组，8元特征组，……，及对应的4元特征组列表L4、8元特征组列表L8，……；E：假设当前应用场景需要8元特征组，则将8元特征组列表L8中第一个8元特征组L8(1)作为初始重要特征组I，其评分记为SI；然后对初始重要特征组I进行后向顺序去除操作，得到的最优特征组K。本发明能够有效选择出最佳特征及传感器组合，提高传感器阵列检测性能，降低传感器阵列使用成本。

摘要： 本发明提出的一种基于特征模理论优化的小型超表面可穿戴微带天线，基于特征模理论优化超表面结构单元贴片阵列排布，实现天线的结构优化，具有结构简单，辐射特性好，成本低，应用前景广阔等优点，满足在可穿戴无线通信领域的应用要求。包括微带天线层和超表面层；所述超表面层包括介质层5和位于介质层5上表面的通过特征模理论优化的超表面结构单元贴片阵列6；所述微带天线层包括介质基层1和位于介质基层1的上表面的导电贴片2，所述超表面层位于微带天线层的上表面，所述超表面层的介质层5与微带天线层的导电贴片2贴合，所述导电贴片2的边沿上伸出条状馈电微带线3。

摘要： 本发明提出了基于深度特征分类与邻域优化的点云尖锐特征法向量估算方法，包括：生成锥形点云数据；对锥形点云数据进行随机采样生成样本点；对样本点的邻域数据进行姿态调整；对调整后的邻域数据进行Hough投影生成灰度图像从而构造样本特征；将连续的标准法向量离散化后映射成类别从而构造样本标签；构建轻量化特征映射网络SharpNet；用得到的样本特征和类别标签训练SharpNet；根据网络输出的离散类别计算出初始法向量；通过阈值设置，筛选邻域点，并使用筛选后的邻域点对初始法向量进行修正。本发明能够实现尖锐特征法向量的准确估算，且对噪声和离群点具有很强的鲁棒性，与已有的深度学习方法相比具有明显的效率优势。

摘要： 本发明公开了一种基于特征组组合的传感器阵列优化及特征选择方法，依次包括以下步骤：A：选择本传感器阵列特征提取方法及原始特征，建立特征集L0；B：得到特征组列表L1；C：按照特征组列表L1的顺序进行2元特征组选择；D：在2元特征组的基础上，依次得到4元特征组，8元特征组，……，及对应的4元特征组列表L4、8元特征组列表L8，……；E：假设当前应用场景需要8元特征组，则将8元特征组列表L8中第一个8元特征组L8(1)作为初始重要特征组I，其评分记为S

摘要： 本发明提供一种计及区域特征的煤改电项目优化方法及优化系统，包括以下步骤，对与煤改电项目相关的多方主体利益进行分析，构建煤改电项目综合评价指标体系；根据所述指标体系确定评价指标的效益函数或将评价指标定量化；基于所述指标体系并以综合效益最大化为目标，建立煤改电项目的决策模型；根据所述决策模型、电网项目的约束条件和各个评价指标的权重，获得煤改电项目改造模式的综合得分；对所述煤改电项目改造模式的综合得分进行优化处理以确定最优决策方案，并应用所述最优决策方案实施所述煤改电项目的改造工程。本发明可以通过这种优化方法及系统科学地改造相应地区的煤改电项目，从而为项目决策和实际推广提供理论支撑。

摘要： 本发明提出的一种基于特征模理论优化的小型超表面可穿戴微带天线，基于特征模理论优化超表面结构单元贴片阵列排布，实现天线的结构优化，具有结构简单，辐射特性好，成本低，应用前景广阔等优点，满足在可穿戴无线通信领域的应用要求。包括微带天线层和超表面层；所述超表面层包括介质层5和位于介质层5上表面的通过特征模理论优化的超表面结构单元贴片阵列6；所述微带天线层包括介质基层1和位于介质基层1的上表面的导电贴片2，所述超表面层位于微带天线层的上表面，所述超表面层的介质层5与微带天线层的导电贴片2贴合，所述导电贴片2的边沿上伸出条状馈电微带线3。

摘要： 本发明公开了一种时序特征的优化方法和优化装置。该优化方法包括：将多个时序特征进行组合，以形成多个特征组合，其中每个特征组合中均具有预定数量的时序特征；计算每个特征组合的重要度向量；根据每个特征组合的重要度向量，对所述多个特征组合进行聚类，以形成多个类；以及在所述多个类中选取所述多个时序特征中的一部分时序特征。该优化方法通过将时序特征进行组合并计算组合的重要度向量，并且以此为依据对特征组合进行聚类，从而将相关的特征聚为同一类，在每个类中可适当地选取时序特征，以用于机器学习。如此，可优化用于机器学习的时序特征，使得所选取的时序特征更加有利于机器学习的效果。

摘要： 本发明涉及一种轴承故障分类方法，特别是一种故障特征选择的蛇优化支持向量机的轴承故障分类方法。该方法能够在输入少量的故障特征下，快速准确，高效的完成轴承的故障分类。该方法包括数据处理模块、特征选择模块、模型参数优化模快以及故障分类模块。数据处理模块将采集的原始数据进行划分，然后将每组数据通过计算转换成时域信号指标，作为模型的故障特征输入输入数据。特征选择模块采用决策树进行最优故障特征，决策树基于划分属性对根节点进行划分，将划分属性作为模型的最优故障特征。模型参数优化模快将蛇优化算法和支持向量机相结合，提高模型的分类准确率以及分类时间。故障分类模块将轴承故障划分四种形式，并精准定位故障状态。

摘要： 本发明专利涉及一种基于优选特征和狮群优化SVM的刀具磨损状态评估方法，包括以下步骤：S1、数据预处理；S2、特征提取；S3、特征过滤，得出相关性最高、冗余度最小的优选特征子集；S4、构建刀具磨损评估模型；S5、刀具磨损状态评估。该方法所得到的特征子集相关度更高、冗余度最小，经过狮群算法优化后的SVM分类器时间复杂度低，寻优能力更强，迭代更快，分类错误率更低，识别率也达到了97.125％，即可以提高刀具磨损状态评估速度和稳定性，提高生产效率，降低生产成本。