一种基于新的特征选择的海量网络文本挖掘算法研究

为了提高文本自动分类准确率,提出一种改进的蜂群优化神经网络的选择特征的文本数据挖掘算法.该算法将文本特征选择转换成一个多目标优化问题,以特征维数最少、分类正确率最高为选择标准,采用蚁群算法找到最优特征子集,最后神经网络建立文本自动分类器,进行仿真实验测试算法性能.仿真实验结果表明,提出的方法从高维文本最优文本特征,提高了文本自动分类的正确率和识别效率,是一种有效的网络文本挖掘算法.     

多距离分类器组合试验在人脸识别中的应用

先通过PCA特征脸或插值降维，并利用Fisher鉴别矢量集，获得人脸鉴别特征；然后采用常见距离分类器及其组合形式进行识别分析，分类器组合使用多数投票规则和最大值规则等；最后对计算结果进行分析。该文研究思路和方法简洁，结果令人满意，对基于生物特征鉴别分析的工程应用具有较大价值。     

特征选择和分类器优化耦合的网络入侵检测

针对网络入侵中特征选择与分类器参数不匹配问题,提出一种特征选择和分类器优化耦合的网络入侵检测模型（F-SVM）。通过径向基核函数将网络特征的评估标准映射至高维空间进行计算,建立网络特征评估和后续网络入侵分类器之间的联系,在特征选择阶段解决了分类器的参数设计问题,建立网络入侵检测模型,并采用KDD 99数据集对F-SVM的性能进行测试。结果表明,F-SVM不仅可以消除无用、冗余特征,网络特征的维数显著降低,而且获得了网络入侵分类器的最优参数,从而提高了网络入侵检测的正确率和检测效率。     

粒子群优化支持向量机的入侵检测算法

为了提高网络入侵的检测正确率,针对网络入侵检测中特征选择问题,将二值粒子群优化算法(BPSO)用于网络入侵特征选择,结合支持向量机(SVM)提出了一种基于BPSO-SVM的网络入侵检测算法。该算法将网络入侵检测转化为多分类问题,采用wrapper特征选择模型,以SVM为分类器,通过样本训练分类器,根据分类结果,利用BPSO算法在特征空间中进行全局搜索,选择最优特征集进行分类。实验结果表明,BPSO-SVM有效降低了特征维数,显著提高了网络入侵的检测正确率,还大大缩短了检测时间。     

特征自适应的三维模型最优视点提取

针对目前采用不同几何特征度量的视点优化算法在普适性方面的局限性,提出一种与三维模型特征相适应的视点优化算法.首先提取三维模型混合特征,采用AdaBoost分类器对三维模型混合特征与相适应的视点计算算法进行匹配关系训练学习,构造最优视点分类器以提取最优视点,即将最优视点提取问题转化为分类问题;对于查询模型,通过训练后的最优视点分类器获得适应模型特征的视点优化算法,并计算模型的最优视点.实验结果表明:该算法有效反映三维模型的结构特征和细节,结果优于单一度量视点提取算法.     

具有统计不相关性的最佳鉴别特征空间的维数定理

提出并严格证明了具有统计不相关性的最佳鉴别特征空间的维数定理：对含有L个类别的模式识别问题，具有统计不相关性的最佳鉴别特征空间的维数为（L－1）：说明了具有统计不相关性的最佳鉴别变的与Wilks所提出的经典的模式特征抽取方法的关系。在一定的条件下，具有统计不相害性的最佳鉴别矢量集等价于Wilks所提出的经典鉴别矢量集。经典的模式特征抽取方法可以用来在不损失任何Fisher鉴别信息的意义下，对含有L个类别的模式识别问题。抽取（L－1）个具有统计不相关性的最佳鉴别特征。     

特征维数和分类器参数统一优化选择的掌纹识别

为了进一步提高掌纹识别系统性能,充分利用主成分分析特征维数和支持向量机参数之间的联系,提出了一种特征维数和分类器参数统一选择的掌纹识别模型（Features-Classifier）。对掌纹图像进行预处理,将主成分分析图像特征维数和支持向量机参数作为一个粒子,在统一的目标函数下通过粒子之间的信息交流和相互协作,找到最优掌纹特征和分类器参数,根据最优掌纹特征和分类器参数建立掌纹图像识别模型,并采用Po1yU掌纹数据库对模型性能进行仿真实验。结果表明,Features-Classifier的掌纹平均识别率达到94%以上,识别结果明显优于独立、分开选择特征维数和分类器参数的掌纹识别模型。     

基于IPSO算法的特征选择与目标识别

为了提高相似目标的分类识别率,实现降维,提出了一种基于改进的粒子群优化(IPSO)的特征选择与目标识别方法。IPSO利用二进制位串来计算位置和速度,并在速度更新公式中增加约束项,权衡识别率与特征维数的比重选择适应度函数。结合距离分类器,用IPSO在自建的相似目标特征库上进行最优特征子集选择及分类实验。实验结果表明了该算法的有效性,在UCI数据集上的对比实验结果表明了IPSO的改进效果。     

基于内容图像检索中的优化鉴别特征

为了提高基于内容图像检索系统的检索速度和准确率,提出一种融合两类线性鉴别分析的方法来提取低维的优化鉴别特征.首先把多类问题转换为多个两类问题,对每个两类问题进行线性鉴别分析,得到鉴别向量;所有的鉴别向量组成鉴别变换矩阵,对图像特征进行投影变换得到鉴别特征;最后用变换后的鉴别特征进行图像检索或分类,得到准确率更高的结果.该方法中鉴别特征空间的维数与类别数相等.与多种特征优化方法进行比较的实验结果表明,采用文中方法可以显著地提高图像检索和图像分类的性能.     

基于分形维数和多目标遗传算法的特征选择

在文本分类系统中,特征的优劣往往极大地影响着分类器的设计和性能。提出一种利用分形维数和带精英策略的非劣支配排序遗传算法进行特征选择的方法。在该方法中分形维数作为特征选择的一个评价机制,利用NSGA-II算法将特征子集选择问题视为多目标优化问题来处理。为了分析结果的有效性,利用SVM分类算法对复旦大学语料库进行测试。实验结果表明该方法具有较好的性能,它可以有效去除无效特征并提高分类准确性。     

一种改进的基于ICA特征子空间的目标识别方法

介绍了独立分量分析（ICA）的基本原理和算法，并提出了基于独立分量分析的特征子空间的目标识别方法。该方法首先利用快速独立分量分析（FastICA）算法对训练集目标图像进行ICA分解，据此建立特征子空间，然后根据待识别图像在特征子空间的投影系数进行判别。本文的改进在于根据类内类间距离比值最小化准则进行最有利于分类的特征的优化选择。实验结果显示，和传统方法相比，改进的方法能有效提高识别的准确率和效率。     

Short-Term Mosques Load Forecast Using Machine Learning and Meteorological Data

The tendency toward achieving more sustainable and green buildings turned several passive buildings into more dynamic ones. Mosques are the type of buildings that have a unique energy usage pattern. Nevertheless, these types of buildings have minimal consideration in the ongoing energy efficiency applications. This is due to the unpredictability in the electrical consumption of the mosques affecting the stability of the distribution networks. Therefore, this study addresses this issue by developing a framework for a short-term electricity load forecast for a mosque load located in Riyadh, Saudi Arabia. In this study, and by harvesting the load consumption of the mosque and meteorological datasets, the performance of four forecasting algorithms is investigated, namely Artificial Neural Network and Support Vector Regression (SVR) based on three kernel functions: Radial Basis (RB), Polynomial, and Linear. In addition, this research work examines the impact of 13 different combinations of input attributes since selecting the optimal features has a major influence on yielding precise forecasting outcomes. For the mosque load, the (SVR-RB) with eleven features appeared to be the best forecasting model with the lowest forecasting errors metrics giving RMSE, nRMSE, MAE, and nMAE values of 4.207 kW, 2.522%, 2.938 kW, and 1.761%, respectively     

基于视觉特征的网页最优分割算法

网页分割技术是实现网页自适应呈现的关键。针对经典的基于视觉的网页分割算法VIPS(Vision-based Page Segmentation Algorithm)分割过碎和半自动的问题,基于图最优划分思想提出了一种新颖的基于视觉的网页最优分割算法VWOS(Vision-based Web Optimal Segmentation)。考虑到视觉特征和网页结构,将网页构造为加权无向连通图,网页分割转化为图的最优划分,基于Kruskal算法并结合网页分割的过程,设计网页分割算法VWOS。实验证明,与VIPS相比,采用VWOS算法分割网页的语义完整性更好,且不需要人工参与。     

结合多方向特征与最优匹配的幻觉脸技术

研究了基于多分辨率塔式结构的幻觉脸算法。在Baker方法水平和垂直一、二阶灰度特征的基础上,增加了两个斜方向的一、二阶导数灰度特征,弥补了Baker方法建立的金字塔提取的高频信息不够丰富的缺点,提取了更全面的图像特征信息,使匹配更为准确。提出了一种自适应最优匹配方法,使匹配复原结果获得了更全面和准确的高频信息,消除了噪声干扰。对IMDB人脸库进行了实验对比,结果显示,新方法得到了33.5889dB的平均峰值信噪比,高于Baker方法和传统的插值算法,显示出了更好的视觉效果。     

基于智能选择多维特征的肺部CT图像检索

单一特征检索图像和手工设置多维加权系数特征检索图像越来越不能满足基于内容图像检索精度的需要,为此提出一种基于训练样本集聚类的多维特征向量加权算法。该算法需要手工建立训练样本集,提取出每个图像的颜色、纹理和形状等多维特征,使用遗传算法寻找特征向量集的最优加权系数序列,最后使用该加权序列计算测试集的特征值进行图像检索。实验证明,该算法相对于单一特征检索和手工设置多维特征加权在检索的准确度上有一定的提高,并且在相似度比较高的两个聚类检索时,有很高的准确性。     

面向情感语音识别的非线性几何特征提取算法

针对现有时域、频域属性特征在区分情感状态上存在的局限性,提出一种基于相空间重构理论的非线性几何特征提取方法。首先,通过分析情感语音信号的最小延迟时间和嵌入维数来实现相空间重构;其次,在重构相空间下分析并提取基于轨迹描述轮廓的五种非线性几何特征;最后,结合韵律特征、MFCC特征和混沌特征,设计实验方案验证所提特征区分情感状态的能力并通过特征选择获得情感信息完整的最优特征集合。选用德语柏林语音库中的五种情感（高兴、悲伤、中性、愤怒、害怕）作为实验数据来源,支持向量机作为识别网络。实验结果表明：与韵律特征、MFCC特征和混沌特征相比,所提特征不仅可以有效地表征语音信号中的情感差异性,也能够弥补现有特征在刻画情感状态上的不足。     

动态交通分配与信号控制的组合模型及算法研究

This paper presents a generalized bi-level programming model of combined dynamic traffic assignment and traffic signal control, and especially analyzes a procedure for determining the equilibrium queuing delays on saturated links for dynamic network signal control satisfying the FIFO (first-in-first-out) rule. The chaotic optimal algorithm proposed in this paper can not only present the optimal signal settings, but also calculate, at each interval, the link inflow rates and outflow rates for the dynamic user optimal problem, and provide real-time information for the travelers. Finally, a numerical example is given to illustrate the application of the proposed model and solution algorithm, and comparison shows that this model has better system performance.     

利用语音与文本特征融合改善语音情感识别

情感识别在人机交互中具有重要意义,为了提高情感识别准确率,将语音与文本特征融合。语音特征采用了声学特征和韵律特征,文本特征采用了基于情感词典的词袋特征（Bag-of-words,BoW）和N-gram模型。将语音与文本特征分别进行特征层融合与决策层融合,比较它们在IEMOCAP四类情感识别的效果。实验表明,语音与文本特征融合比单一特征在情感识别中表现更好;决策层融合比在特征层融合识别效果好。且基于卷积神经网络（Convolutional neural network,CNN）分类器,语音与文本特征在决策层融合中不加权平均召回率（Unweighted average recall,UAR)达到了68.98%,超过了此前在IEMOCAP数据集上的最好结果。     

Research on Combined Dynamic Traffic Assignment and Signal Control

This paper presents a generalized bi-level programming model of combined dynamic traffic assignment and traffic signal control,and especially analyzes a procedure for determining the equilibrium queuing delays on saturated links for dynamic network signal control satisfying the FIFO (first-in-first-out)rule.The chaotic optimal algorithm proposed in this paper can not only present the optimal signal settings,but also calculate,at each interval,the link inflow rates and outflow rates for the dynamic user optimal problem,and provide real-time information for the travelers.Finally,a numerical example is given to illustrate the application of the proposed model and solution algorithm, and comparison shows that this model has better system performance.     

地域特色在新疆织毯装饰上的表现

织毯为人们的日常生活增添了一抹绚丽、浪漫的色彩。新疆拥有广阔的天然草地面积,畜牧业发达,因而产生了大量的优质毛料,为织毯的发展奠定了基础。同时众多少数民族、游牧民族聚居于此,不同的民俗、不同的宗教影响于织毯的装饰风格,使新疆地毯极具地域特点。随着社会的发展,织毯的社会功能逐渐高于它的使用功能。织毯除了满足人们生理需求与视觉享受之余,更多的是对其地域思想、地域文化的体现,并对其进行推广与传播。