两种基于条件独立性测试的高维数据因果关系推断算法的比较

机器直觉推理与因果模型的研究是AI基础理论体系的重要组成部分之一。针对目前因果关系推断在高维数据情况下,传统的基于条件独立性测试出现消耗时间多和准确率差等现象。本文对两种基于条件独立性测试的高维数据因果关系推断算法进行比较:一种是通过降低条件集维度的方法、另外一种是构建粗糙网络及分裂-合并策略方法,每个算法都有其优缺点。通过分析总结,在今后的工作中,可以根据实际情况选择合适的方法来解决高维数据因果关系推断问题。     

面向高维数据的随机森林算法优化探讨

面向高位数据的随机森林算法属于数据挖掘领域中的一部分内容,做好随机森林算法的优化工作,对于高维数据的分析及处理效率的提高有着极大的促进作用。文章主要论述的便是有关这方面的内容。首先,文章针对随机森林算法的定义及其泛化误差进行了简要的概述,继而在此基础上分析了高维数据的可视化及基于随机森林的有监督降维技术,最后,文章对整个实验的结果进行了分析,得出了最终优化结论,希望能够为数据挖掘领域提供具有参考价值的意见,同时也为面向高维数据的随机森林算法优化奠定坚实的基础。     

基于深度学习的SPD人脸识别算法

本文提出一种自商图像法(SQI)、主成分分析法(PCA)和深度信念网络(DBN)相结合的SPD人脸识别算法。首先将人脸图像经过自商图像处理,勾勒其边缘特征。然后使用主成分分析法将高维自商图像降维至低维子空间。接着将训练集低维子空间的数据作为深度信念网络的输入,并对网络逐层进行训练。最后使用训练好的深度信念网络对测试集低维子空间的数据进行识别。对于遮挡性识别,采用遮挡分割法,减弱局部遮挡对整个图像的影响因子。经过反复实验验证,本文提出的算法在小样本中对脸部识别效果较好。     

基于样式生成对抗网络的风景园林方案生成及设计特征识别

【目的】人工智能算法能否有效习得风景园林设计特征是一个值得探讨的问题。【方法】采用样式生成对抗网络2代（style generative adversarial network2, StyleGAN2）算法,通过算法训练生成风景园林设计方案;之后拆解StyleGAN2算法中的w向量,采用主成分分析（principal component analysis, PCA）降维方法和无监督学习K均值聚类方法可视化w向量特征;最后根据w向量的数据特征和生成结果的关联,分析算法对设计方案特征的提取能力。【结果】StyleGAN2可以为不同类型的场地生成高质量和多样化的设计方案,并且可以识别和提取一些高维抽象设计特征,如植被密度、水域面积、铺装面积、道路网络结构等。【结论】神经网络不仅可以识别图像形态特征,还可以在没有人类指导的情况下,无监督学习识别部分抽象的高维设计特征。但目前大部分设计特征耦合性较高,这是风景园林工作的复杂性和算法低可解释性共同导致的,需要未来进一步探索。     

主成分分析在人脸识别中的应用

综述了主成分分析(Principal Component Analysis,PCA)算法的基本原理,并详细阐述了PCA算法在人脸识别中的应用,包括:分块PCA、基于类内平均脸的PCA算法改进、PCA和ICA的组合算法。最后,本文提出:未来的研究应着眼于扩大算法的比较范围和寻找最优分块方式。     

无监督特征选择算法的分析与总结

高维无标记数据的出现不仅使数据处理的时间和空间复杂度增加,同时还会使训练模型出现过拟合,因此对高维无标记数据降维变得越来越必要。特征选择是数据降维的有效方法,本文给出了几种具有代表性的无监督特征选择方法,并指出了这些算法的优缺点,为进一步研究基于无监督的特征选择提供了理论基础。     

基于动态结构保持主元分析的故障检测方法

为充分利用表征过程运行工况的数据特征信息,提高化工过程的故障检测性能,提出一种基于动态结构保持主元分析(DSPPCA)的过程故障检测方法。首先对原始数据采用变量相关性分析建立自回归模型,构建包含动态特征的数据集,进一步综合考虑主元分析法(PCA)和局部线性嵌入(LLE)流形学习算法中数据点之间的近邻关系,融合得出新的目标函数,同时,运用局部线性回归的方法获得高维样本的嵌入映射,特征提取后在特征空间和残差空间分别构造监控统计量进行故障检测。Swiss-roll数据集的降维结果及TE过程的仿真研究结果表明,DSPPCA算法可以取得较好的特征提取效果,具有较高的故障检测性能。     

基于机器学习算法的建筑能耗监测数据预处理技术研究

本文分析总结了建筑能耗监测大数据的特点,基于数据挖掘理论和机器学习算法,提出了建筑能耗监测大数据预处理体系与方法。阐明了基于k NN算法的缺失数据填充、基于K-Means算法的异常数据识别与清洗、基于PCA算法的多维度数据降维的原理,应用提出的数据预处理体系和方法,对实际项目的整个制冷季节35 380组数据进行了数据预处理,实现了缺失数据的填充、异常数据的识别与清洗、数据的降维,为后续的数据挖掘应用奠定数据基础。     

改进Retinex算子融合特征搜索的图像识别算法研究

针对人脸图像识别系统易受光照干扰,在复杂背景下,易识别出伪目标,使其识别精度不高等难题,综合考虑高斯核函数的x,y方向,设计新的Retinex识别算子;并调用Open CV函数库中训练好的Hear分类器来进行模式匹配,形成了基于Open CV的人脸检测机制;再引入PCA特征搜索方法,搜索人脸信息;最终提出了人脸识别耦合特征搜索的安防系统解决方案。并测试该系统的性能,结果表明:与当前基于Retinex与PCA的识别算法相比,该算法具有更高的识别精度;且识别效率更高,能满足实时性要求。     

基于PCA算法的机载LiDAR点云平面分割算法研究

屋顶面提取是建筑物三维重建的关键部分,目前常用的屋顶面分割算法均有一定的局限性,如计算量大,效率低下等。本文结合PCA算法和区域增长算法,利用PCA计算点云法向量,可有效降低噪声对点云法向量的影响,改善区域增长的结果,同时也有效提高平面拟合时的效率。本文方法结果优于RANSAC算法和传统的区域增长算法。