特征选取

摘要： 在对实际工业场景中的旋转机械进行故障诊断时,旋转机械的变工况会导致测试样本与模型训练样本间存在分布差异,进而影响故障诊断模型的准确率,对此,提出了一种基于深度置信网络的旋转机械迁移故障诊断方法。首先,利用最大重叠离散小波包变换处理了原始振动信号,提取了统计特征构建原始特征集;其次,基于源域有标签特征数据和目标域正常状态下的特征数据,运用了基于Fisher Score与域间最大均值差异的特征选取方法(FSFM),选取了判别性能和域不变性好的特征,用于后续的模型训练;然后,采用预训练微调的迁移学习方法,构建适用于目标域数据故障识别与分类的迁移深度置信网络;最后,采用SQI-MFS机械故障模拟试验台的轴承和电机故障数据开展不同工况下的故障诊断实验。研究结果表明:选取判别性能和域不变性好的特征用于诊断模型训练,能够明显提高故障诊断准确率,轴承和电机在不同工况下的故障诊断精度最高分别可达90.83%和86.83%,可验证提出的迁移故障诊断框架的有效性;此外,一系列对比实验表明所提出框架的诊断性能明显优于文中的对比模型,进一步验证所提出的方法具有应用于实际工业场景下故障诊断的潜力。

摘要： 回顾了近年来部分基于人工智能的面瘫识别及评估研究。研究方法可分为基于人工选取患者面部图像特征值和基于神经网络和患者面部图像的面瘫评估研究两大类。分析表明,人工选取特征值的方法适合小样本量的情况,但对面瘫相邻评级的分类效果有待进一步优化。而神经网络的方法能够相对较好地区分面瘫邻级,但对样本量有较高要求。两种方法均有不错的前景,人工选取与评估量表相关性更强的特征,而共同的发展方向可能是提取时间域特征,从而达到提升面瘫评估准确率的目的。

摘要： 为了更有效地从水体中区分河流与湖泊,提出了基于云模型的水体目标识别特征选取方法。利用云模型实现水体概念与定量数值之间的不确定性转换,在采集大量水体样本的光谱、纹理、形状等特征基础上,利用训练样本结合逆向云发生器计算生成各项特征的河流与湖泊概念云模型;使用X条件云发生器计算每个输入样本对河流和湖泊模型的隶属度并判断该样本类型,根据大量检验样本来判断各项特征的正确率,以此为依据筛选最佳水体识别特征组合,其中密度、紧凑度、长宽比的正确率均达到80%以上。通过采用不同特征组合结合支持向量机和误差反向传播神经网络分类器进行分类实验,结果表明,依据本文云模型选取的特征组合能高精度地区分湖泊与河流,说明基于云模型的特征选取对水体识别具有非常重要的作用。

摘要： 为解决电力大数据中存在的冗余、异常等威胁电网安全稳定运行的问题,提出一种基于多域特征提取的电力数据异常检测算法。首先,从波动性、趋势性和变动性3个维度提取9维特征对电力数据时间序列进行表征。然后,利用相关向量机进行特征选择和降维,自动确定最优特征组合。最后,采用支持向量数据描述构造一类分类器,实现异常数据检测,同时,针对支持向量数据描述核参数和惩罚因子设置问题,利用磷虾算法进行优化,提升算法收敛精度。算例结果表明,所提方法能够有效实现异常检测,并且具有较强的噪声鲁棒性。

摘要： 为了建立一种能够准确预测汽油机NO_(x)排放的模型,通过台架试验和整车试验分别测得发动机稳态工况和瞬态工况下的NO_(x)排放量。提出一种融合集成算法和随机采样思想的新式神经网络模型,即组合神经网络模型,对比该模型与传统神经网络模型及随机森林模型的性能。同时,为了进一步优化模型,提出基于组合神经网络模型的特征选取方法。使用去除自相关性后的输入参数进行建模,并依次增加或减少输入参数建立起新的模型,通过前后模型精度的变化计算输入参数对整体模型的模型贡献度。根据各参数模型贡献度提取出建模所需的参数,对模型进行简化。研究结果表明:组合神经网络有着比随机森林和传统神经网络更好的拟合能力、泛化性及稳定性,对汽油机NO_(x)排放的预测准确度较高;特征选取可以有效简化模型,加快计算速度;通过其他机型的验证,模型具有普适性。

摘要： 针对目前机载快速存取记录器(quick access recorders,QAR)在日常监控和事故调查中使用阈值的方法难以根据每种情况设定阈值来检测异常,提出一种基于机器学习的航空着陆异常事件检测模型。在经过数据预处理后,设计一种针对航空高维数据的混合特征选取方法,在极限梯度提升树(extreme gradient boosting,XGBoost)模型中引入代价敏感学习函数和聚焦损失改进算法性能,使用贝叶斯优化训练出最佳异常检测模型。实验结果表明,与其它算法对比,该模型特征提取时间和训练时间短,准确率、F1分数、ROC和PR曲线面积表现出突出的性能。

摘要： 中文句子对相似性计算任务旨在利用模型对两个句子的相似性进行判别,在文本挖掘领域有广泛的应用。考虑到现有机器学习方法不能同时兼顾句子对的深层语义特征和显式特征的问题,该文提出融合深层语义和显式特征的中文句子对相似性判别方法。采用BERT和全连接网络来获取深层语义向量,再拼接显式特征构造新的特征向量,最后通过分类器完成句子对的相似性判别。实验结果表明,该方法在3个公开的中文句子对相似性评测数据集上的性能均优于基线方法。

摘要： 中央空调系统(heating, ventilation, air conditioning systems, HVACs)作为城市建筑中用能占比最大的负荷种类之一,具有较大的调节潜力,可参与需求响应,促进电力系统供需平衡。基于现有的HVACs建模基础,分析了各个子系统的物理模型结构,通过物理模型结构精准选取合适的特征值,并对数据驱动方法提供指导,结合多层感知器(multiple layer perception, MLP)网络结构,提出了知识与数据联合驱动的HVACs建模方法。然后,基于已建立的HVACs模型,建立HVACs能耗优化模型;将MLP网络结构显化,通过对激活函数的线性化,将HVACs能耗优化模型转化为混合整数线性规划问题。通过算例分析可知,所提出的建模方法的可快速精准选取特征值,有利于提高建模效率,此外,该方法大大降低了调控模型的求解难度,实际应用价值较高。

摘要： 为了提高年度台风频数预测准确率,利用中国气象局上海台风研究所提供的1951—2020年的台风样本数据和国家气候中心提供的142项环流特征量和海温指数资料,运用相关性分析方法筛选出高相关因子,再分别利用逐步回归方法和随机森林方法二次选取特征因子,确定最优特征子集,建立基于支持向量回归方法的年度台风频数预测模型,对比分析不同的特征选取方法对预测结果的影响。实验结果表明,融合智能方法选取特征的年度台风预测结果高于单一使用随机森林方法和逐步回归方法,支持向量回归方法平均绝对误差分别提高4.57%和4.90%。

摘要： 当前智能手机市场中,Android系统的智能手机市场比例较大,而在丰富的应用软件中混杂着一些不易察觉的异常软件,Android平台软件的安全问题引起很多学者的注意.该文从低能耗开销目的出发初步恶意软件的检测,设计了基于权限特征的异常软件智能检测方法,首先对样本的权限信息的进行提取,然后根据CFS算法进行权限属性选择,最后利用AODE分类器对属性过滤后的权限特征进行分类,实现了异常软件轻量级初步检测.

摘要： 基于传感器的行为识别是环境智能中的一个关键问题,但是“该使用哪些种类的传感器?”以及“每种传感器该使用多少个?”都还是有待解决且具有挑选性的问题.针对这些问题,本文将提出了一种基于特征选取的方法来选择传感器.实验结果显示,在OPPORTUNITY标准数据集上,1)相比于加速度传感器和陀螺仪传感器,磁性传感器的识别效果较好;2)只使用被选取的5个最好的磁性传感器特征也能达到和使用全部传感器特征类似的识别准确度.

摘要： 车辆自动检测是智能交通领域的关键问题.本文构造了一种车辆特征选取与降维的方法.首先采用偏最小二乘,而非经典的主成分分析算法,对包含了正、负样本的训练集图像进行分解;然后采用变量重要性分析方法,对各原始特征评价,并按评价得分排序,选用高分特征作为低维空间,对数据进行描述,从而实现了原始数据降维与特征选取操作.为了继承PCA对正本数据的融合功能,我们采用非负矩阵分解方法对正样本进行融合.实验在标准的车辆侧视图数据集上进行,证实了本文算法的有效性.

摘要： 农作物生长是依靠其生长环境的,生长环境不同,其生长状态也不同。当前,研究NPP从方法上来看,主要以建立NPP估测模型为主,大多数模型都以气候、土壤、水分为主要因子来构建模型,或者以植被指数结合温度、降水,土壤等非地形因子来构建模型进行估测;并且随着遥感和GIS技术的发展,利用遥感信息和GIS技术进行NPP的研究,已成为一种全新的手段,实现了区域尺度、多维时空NPP估算的可能。本文将借助遥感及GIS技术,利用已经在长江农场部署的农田作物环境采集系统,对局部区域下RS影像中农作物的生长状态特征选取与农田作物生长及环境关系进行研究,建立相应影像特征搜索算法。

摘要： 近几年,随着恶意代码数量的飞速增长,将聚类算法用于恶意代码新家族检测受到越来越多安全厂商的青睐.恶意代码聚类将具有相似行为或结构的样本划分到同一簇中,选取不同的特征将影响恶意代码的聚类质量.文章首先选取恶意代码聚类研究中常用的特征进行讨论比较.现有大部分研究均选取单一特征向量进行聚类,而任何单一特征向量均难以完整描述恶意代码的全部性质.针对该问题,文章接着提出利用多特征向量对的方法进行恶意代码聚类,并根据聚类结果定义特定的指标对选用的特征进行评价.最后,文章结合DBSCAN聚类算法对各种特征以及特征间的组合进行实验,结果表明,采用多特征向量对的聚类效果要优于单一特征向量.

摘要： 针对大规模数据中心网络中如何有效监控网络异常事件、发现网络性能瓶颈和潜在故障点等问题,在深入分析InfiniBand(IB)网络的特性,引入了特征选取策略和增量学习策略的基础土,提出了一种面向大规模IB网络增量学习的故障诊断方法IL-Bayes,该方法以贝叶斯分类方法为基础,加入增量学习机制,能够有效提高故障分类精度.在天河2真实的网络环境下,对算法的诊断精度和误诊率进行了验证,结果表明1L-Bayes算法具有较高的故障分类精度和较低的误诊率.

摘要： 互联网视频信息内容的管控已成为信息安全领域面临的新的挑战。视频镜头边界检测技术是实现对视频内容自动分类和理解的关键技术之一。本文介绍了镜头边界检测研究的应用背景，阐述了镜头边界检测问题及其难点，并将镜头边界检测技术分为画面特征选取、不连续度计算和类型判决3个处理步骤，详细介绍了各步骤中的技术实现。

摘要： 情感特征的提取是进行文本的情感分析的一个非常重要的步骤，也是影响其结果好坏的主要顺素。在本文中，作者提出一种新的特征提取的方法来解决新闻评论的情感分析问题。在该方法中，首先根据评论和新闻的对比分析获得的候选情感特征，然后经过相关的扩充和验证操作得到通用的情感特征，并将其用于新闻评论的情感分析。对新闻进行话题划分后可以进行更细粒度的情感分析：根据新闻话题信息，设计相应的话题相关的特征对比和验证过程，选取出面向话题的情感特征，最后用面向话题的情感特征对相应话题的进行情感分析。实验证明，这种情感特征提取的方法对于新闻评论这种语句短，评论对象相对分散的评论的情感分析效果有较大的改进。

摘要： 提出了一种基于模糊模式识别的运载火箭分离事件分析方法.通过一定量的训练样本的统计积累来构造隶属度函数,并采用多特征模式识别方法,建立基于模糊模式识别的识别模型.论文利用雷达实测数据,成功分析了运载火箭在发射过程中的分离过程.并对实测数据进行建模、分析、识别,验证,实验结果表明,模糊模式识别方法在运载火箭分离事件分析与识别中可以有效应用.

摘要： 提出了一种基于模糊模式识别的运载火箭分离事件分析方法.通过一定量的训练样本的统计积累来构造隶属度函数,并采用多特征模式识别方法,建立基于模糊模式识别的识别模型.论文利用雷达实测数据,成功分析了运载火箭在发射过程中的分离过程.并对实测数据进行建模、分析、识别,验证,实验结果表明,模糊模式识别方法在运载火箭分离事件分析与识别中可以有效应用.

摘要： 提出了一种基于模糊模式识别的运载火箭分离事件分析方法.通过一定量的训练样本的统计积累来构造隶属度函数,并采用多特征模式识别方法,建立基于模糊模式识别的识别模型.论文利用雷达实测数据,成功分析了运载火箭在发射过程中的分离过程.并对实测数据进行建模、分析、识别,验证,实验结果表明,模糊模式识别方法在运载火箭分离事件分析与识别中可以有效应用.

摘要： 本发明公开一种基于特征分布的视觉SLAM关键帧与特征点选取方法，涉及视觉同步定位与建图领域。具体来说，在视觉同步定位与建图时，本发明提供了一种关键帧与特征点的选取方法。当某帧图像的边缘部分有较多地图中未存储的范围时，将此帧定为关键帧。所选取的特征点应在某帧图像中尽量覆盖全图。本发明在不影响视觉同步定位与建图精度的同时，提高了跟踪稳定性，减少了关键帧、关键点数量，更符合工程应用需求。

摘要： 本发明涉及一种样本长度对混沌特征的影响及样本长度的选取方法，分析了样本长度对混沌特征的影响以及能取到的较短长度且特征处于稳定状态。首先将不同类型目标信号的实测数据作为样本；再对实测数据序列进行相空间重构；然后采用G‑P法来计算目标信号的关联维数；根据BBA算法计算目标信号的最大Lyapunov指数；采用最大似然估计法计算目标信号的Kolmogorov熵；完成关联维数、最大Lyapunov指数和Kolmogorov熵的提取之后，最后分析样本长度对混沌特征的影响以及能取到的较短长度且特征处于稳定状态，这样就可以减少估算实验数据的一个时间成本。

摘要： 本申请公开一种选取特征的方法、装置及电子设备，该方法包括在获取由目标图像组成的原始数据集后，提取原始数据集中每张目标图像的目标特征，得到由目标特征组成的特征集合，在未触发终止条件时，提取特征集合中的目标特征，生成包含M个目标特征的子特征集合，并得到根据所述特征集合生成的N个子特征集合，然后计算每个子特征集合的适应度值，得到N个子特征集合的N个适应度值，直到触发终止条件时，在所有适应度值中，选取最大的适应度值对应的子特征集合作为目标特征集合。基于上述方法可以选取特征，有效减少聚类过程所花费的时间或计算存储资源，提高聚类准确性，解决现有技术在聚类过程中比对耗时长、资源需求高、聚类效率低的问题。

摘要： 本发明提供一种基于小波变换的配电线路接地故障特征值选取方法及应用，其中特征值选取方法包括：采集配电线路的电压数据和电流数据，得到二次电压波形和电流波形；分别对二次电压波形和电流波形进行离散采样，得到离散采样信号；提取离散采样信号的偶数点数据，得到离散采样信号的近似序列和细节序列；分别计算频域特征值和时域特征值。本发明针对配电线路接地故障识别准确率较低的问题，利用小波变换对配电线路二次电压、电流进行分解，提高了配电线路接地故障的准确率。

摘要： 本申请公开了一种图像特征点选取方法及相关装置、设备和存储介质，其中，方法包括：获取图像帧中的若干特征点；基于若干特征点，预配置固定大小的节点存放空间；采用树形划分方式将若干特征点划分到至少一个节点，并将节点的第一信息存储至节点存放空间中，其中，节点的第一信息包括节点对应的特征点的特征相关信息；从最终划分得到的每个节点中选取特征点，以得到若干特征点的选取结果。通过该方法，可以提高特征点选择的执行效率。

摘要： 本发明给出了一种基于多特征的舰船辐射噪声样本长度选取方法与系统，包括以不同的样本长度对舰船辐射噪声进行分割，形成不同的舰船辐射噪声样本集；分别对每个所述舰船辐射噪声样本集进行特征提取，所述特征提取包括分别提取多种特征；针对每个所述舰船辐射噪声样本集，将提取出的每种特征分别输入到分类器中进行训练，计算出每种特征对应的识别率；针对每种特征根据其对应的识别率确定样本长度和识别率的关联信息，对每种特征所得到的所述关联信息进行综合判决，从而选取出所需的样本长度。本发明相较于传统的随机选取样本长度的方式，增加了样本携带的信息量，减少后续过程的处理时间。

摘要： 本发明提供了一种生猪体尺视觉测量的特征点选取及测量方法。包括以下步骤：对猪舍进行图像采集，并基于张正友相机标定法计算相机畸变参数，对图像的径向畸变进行校正；将图像输入YOLOv5得到猪只的检测框，并根据检测框从图像中对猪只进行切割提取，得到单只猪只的图像；对猪只特征点进行选取，建立新的猪只特征点数据集，融合注意力机制获取图像中的猪只特征点；设计基于深度神经网络的猪只特征点评估算法，根据识别出的特征点坐标对猪只体态进行判断并对体尺数据能否测量进行评估；采用仿射变换、结合采集设备安装位置的数据对猪只体尺进行测量。该方法提高了猪只体尺测量过程中的检测效率，对养猪生产过程的智能化实现，提升养殖水平具有重要意义。

摘要： 本发明提供一种基于特征分量相关性的Rich Model隐写检测特征选取方法。该方法包括：步骤1：将高维Rich Model隐写检测特征拆解为若干个Rich Model子模型；步骤2：针对每个Rich Model子模型，度量其各个特征分量的可分性，并根据可分性的度量值对各个特征分量进行降序排序；步骤3：针对每个RichModel子模型，计算其任意两个特征分量之间的相关性，根据相关性的强弱对特征分量进行特征选择；步骤4：将特征选择后的各个Rich Model子模型进行合并以作为最终的隐写检测特征。本发明应用于频域和空域的Rich Model特征时，在不影响隐写检测正确率的情况下，能够有效降低Rich Model特征维数，且在频域上的效果更为显著。

摘要： 本发明提出了基于录波数据最优特征选取的输电线路故障高效诊断方法，通过对录波数据故障特征进行挖掘和最优选取，在源端厂站侧根据数据的故障可信度直接过滤掉占比高达98％的海量干扰数据，减轻调度主站系统的运载负荷，提高其对2％故障数据的诊断能力，实现输电线路故障信息快速预警的目标。

摘要： 本发明属于隐写检测特征选取技术领域，特别涉及一种基于失真度和信息增益比的隐写检测特征选取方法及装置，该方法首先，利用失真度和信息增益比度量每个隐写检测特征分量在载体图像和载密图像之间的差异；然后，分别对每个隐写检测特征分量的失真度值和信息增益比值降序排列；接着，根据两个排列的列号，删除排列顺序差异较大的隐写检测特征分量；最后，将保留下来的隐写检测特征分量作为最终选取的隐写检测特征进行训练和检测。该方法在保持甚至提高载密图像检测精度的同时，能够有效地降低DCTR特征维数，从而降低检测载密图像的时空复杂度。