利用邻域信息交互的在线流特征选择算法

开放动态环境下的机器学习任务面临着数据特征空间的高维性和动态性。目前已有在线流特征选择算法基本仅考虑特征的重要性和冗余性,忽略了特征的交互性。特征交互是指那些本身与标签单独统计时呈现无关或弱相关,但与其他特征结合时却能与标签呈强相关的特征。基于此,提出一种基于邻域信息交互的在线流特征选择算法,该算法分为在线交互特征选择和在线冗余特征剔除两个阶段,即直接计算新到特征与整个已选特征子集的交互强弱程度,以及利用成对比较机制剔除冗余特征。在10个数据集上的实验结果表明了所提算法的有效性。     

台钻改装的攻丝机组

看了《机床》1985年第11期“台钻改装成简易攻丝机”一文后,也来介绍我厂用台钻改成攻丝机组的做法。机组由龙门架、攻丝机、坐标滑动工作台三部分组成(图1)。 攻丝机由台钻改成。只要折除台钻原底坐、将圆立柱反转吊装在龙门架的横梁上,在钻架上加装一组控制行程的倒、顺开关即可(图2)。将原钻床的进刀深度标尺改为行程控制碰杯。碰杆碰上上开关时,钻杆顺转(攻丝),碰上下开关时钻杆反转(丝锥退出工件)。调节碰杯,即可控制攻丝深度。该结构简单,使用方便深受操作者欢迎。台钻改装的攻丝机组@卢舜$中兴机器厂     

缺失标记下基于类属属性的多标记特征选择

多标记特征选择已在图像分类、疾病诊断等领域得到广泛应用;然而,现实中数据的标记空间往往存在部分标记缺失的问题,这破坏了标记间的结构性和关联性,使得学习算法难以准确地选择重要特征。针对此问题,提出一种缺失标记下基于类属属性的多标记特征选择（MFSLML）算法。首先,通过利用稀疏学习方法获取每个类标记的类属属性;同时基于线性回归模型构建类属属性与标记的映射关系,以用于恢复缺失标记;最后,选取7组数据集以及4个评价指标进行实验。实验结果表明：相比基于最大依赖度和最小冗余度的多标记特征选择算法（MDMR）和基于特征交互的多标记特征选择算法（MFML）等一些先进的多标记特征选择算法,MFSLML在平均查准率指标上能够提升4.61~5.5个百分点,由此可见MFSLML具有更优的分类性能。