基于互信息的特征子集选择

通过互信息的思想提出一个新的评价函数来评价属性之间的相关性,并结合LV算法进行特征子集选择.结果表明,该方法对分类问题效果明显.     

管理报表系统用户自定义函数解析器算法实现

针对目前通用报表系统不能实现用户自定义函数的问题,提出了一个基于F1BOOK的表达式解析器算法,通过该表达式解析器可以实现用户自定义函数.解析器实现步骤包括变量的识别与替换、内部函数的识别与替换,及自定义函数的识别与替换等.介绍了数据库中获取用户自定义函数结果值的算法,以及算法实现实例分析和部分函数实现的关键技术.通过该解析器大大提高了通用报表系统的灵活性,使其适应面更广.     

基于Catboost的特征选择算法

应用Catboost构建树模型的分割指标作为特征选择度量标准,在原始前向搜索策略的基础上,结合两种度量标准计算综合加权值进行特征搜索.在UCI数据库中选择7个不同维度的标准数据集进行了测试,并与其他6种算法进行了对比分析.     

基于划分子集的属性约简算法

Pawlak提出的基于属性重要度的约简算法是常用的算法之一,它通过计算等价关系对论域划分的粒度来度量属性的重要度。但用该算法计算每一个属性的重要度时,都要计算不同等价关系对整个论域的划分,计算复杂度非常高。受决策树划分子集思想的启发,对基于属性重要度的属性约简算法进行了改进,提出了一种基于划分子集的属性约简算法。在核属性集形成划分的基础上,通过在核属性中添加非核属性从而形成更细的划分,如此反复。在保持正域不变的框架下,形成最细化分的属性集就是一个约简。理论分析显示该算法减少了求属性约简的计算时间复杂度,提高了求属性约简的效率。     

异构网络中基于分组的用户选择算法

针对在无线异构网络中,跨阶层干扰影响其性能提升的瓶颈问题,本文提出了一种基于分组的用户选择算法。该算法在宏基站选定基准用户之前,先将微小区内用户所受干扰信号信道向量的方向信息作为基准,利用分组向量将所受干扰信号信道向量方向相近的用户分为一组,完成用户分组;再从各组中分别进行用户选择,使被选用户所受跨层干扰信号信道向量的方向相近,最后确定使系统性能最好的一组用户作为服务用户。复杂度分析和系统仿真比较表明,相比已有算法,算法在牺牲有限复杂度的同时,有效提升了系统性能,在复杂度与系统性能间取得了很好的折中,适用于用户分布不均匀的场景。     

基于区块链的用户自定义位置共享方案

针对移动社交网络位置共享服务存在的隐私泄漏问题,提出基于区块链的用户自定义位置共享（BUDLS）方案.基于区块链实现位置信息分布式管理,防止中央服务器收集大量用户隐私,增强用户位置信息的可控性.设计基于公钥数字签名和同态加密相结合的加密机制,防止位置信息被攻击者非法获取.定义灵活的访问控制策略,根据用户需要提供可靠的服务.安全分析验证结果显示,BUDLS方案满足隐私安全目标.仿真实验结果表明,相比传统方案,BUDLS方案降低了时间成本,提高了位置查询的准确性,有效保护了移动社交网络平台用户的位置隐私.     

基于随机森林的特征选择算法

提出了一种基于随机森林的封装式特征选择算法RFFS,以随机森林算法为基本工具,以分类精度作为准则函数,采用序列后向选择和广义序列后向选择方法进行特征选择。在UCI数据集上的对比实验结果表明,RFFS算法在分类性能和特征子集选择两方面具有较好的性能。     

基于Levy flight的特征选择算法

为了提高特征选择方法的计算速度,提出基于Levy flight随机过程的特征选择方法.该方法在寻优过程中定义基于启发式的分阶段搜索策略,在局部搜索行为中引入Levy flight随机过程,将Levy flight距离与搜索行为进行映射.在不同的搜索阶段,利用不同的映射区间改变搜索行为出现的概率,以该映射来控制局部搜索行为的方向和速度,从而避免了陷入局部最优的问题.实验结果表明,采用LevyFS算法克服了启发式特征选择方法的局限性,平均耗时仅为SFFS算法的1/3左右.     

基于冗余分析的特征选择算法

针对冗余特征判定难题,分析了特征和特征之间的相关性以及特征和目标值之间相关性的联系,给出了判定冗余特征的准则,在此基础上给出了近似冗余特征的定义,并提出了一种基于冗余分析的特征选择算法.算法分2步去除无关特征和冗余特征.实验结果表明,所提出的特征选择算法能有效降低特征维数,提高预测准确率.     

基于用户项目特征分组的隐私保护算法

针对互联网推荐系统中存在严重的隐私保护问题,在传统推荐系统算法的基础上,引入项目属性相似度的概念,并提出了一种具备保护用户隐私功能的新型推荐系统.系统利用用户的历史评价和推荐系统中项目的属性信息,使用不采集用户个人信息的协同过滤推荐算法,计算出用户对未评价项目的评分预测,形成了一种能够保护个人隐私的推荐算法.结果表明,与其他推荐算法相比,本文算法在推荐准确度和用户隐私保护程度上取得一个较好的平衡,具有较高的实用价值.     

基于改进的蜻蜓算法的特征选择

蜻蜓算法是一种近年提出的元启发式优化算法,它主要是模拟自然界中蜻蜓的捕食和迁徙行为。原始的蜻蜓算法跟其他许多群体智能优化算法一样,存在着自身的缺陷,容易陷入局部最优,并且收敛速度较慢。为了提高蜻蜓优化算法的性能,在算法种群初始化阶段引入混沌映射策略,提高了初代种群的质量,并且将原蜻蜓算法的线性惯性权重做了非线性改进,提高了算法的收敛速度,最后运用于特征选择来检验其实际效果。实验结果表明,改进后的蜻蜓算法比原算法的效果更好。     

基于三维模型网格子集属性的数字水印算法

提出了一种基于三维模型网格子集的新型盲水印算法.算法以三维模型网格中的网格子集为载体,提取三维模型的三角形面片数据,根据三角形相似四元组（TSQ）法计出边长比和宽高比,通过阈值控制定位嵌入基元,最后根据水印信息值修改网格子属性ID嵌入水印.水印提取过程则通过对嵌入基元定位后,查询属性ID值计算完成.实验结果表明：该算法对于几何变换和剪切、噪声攻击等都具有较好的鲁棒性.     

基于特征选择算法的ECG信号分类

为了提高不同类别心电图(Electrocardiogram, ECG)信号的识别精度,使用小波分析提取心电信号特征,并使用分段距离的特征筛选方法对特征进行筛选排序,去除冗余和干扰特征,挑选出关键特征。通过缩减特征数量,提高分类的精度和效率。结合机器学习分类器对特征进行分类,比较分类效果。结果显示,在MIT-BIH数据集上,本方法的分类精度比不使用特征选择分类精度高0.22%,分类精度最高达到99.67%。试验证明本研究提出的模型能够区分4种常见的ECG信号,较传统方法优势明显。     

基于用户特征和时间权重的协同过滤算法

为了解决传统算法中寻找最近邻居不准确和用户兴趣随时间变化而迁移的问题,提出一种基于用户特征和时间权重的协同过滤算法。文中首先把Movie Lens数据集中用户特征信息数字化,求出用户特征相似性,将其加入到修正的余弦公式中,得到一种新的用户相似度,以找到更加准确的最近邻居集;然后通过引入时间函数来反应用户的兴趣迁移,再根据预测评分公式来获得更加准确的预测评分;最后给用户生成一个较可靠的推荐结果。实验结果表明,该方法取得了较好的效果且平均绝对误差(MAE)值达到72.57%。     

无线异构网络中基于能源代价的用户选择算法

针对多源供电的无线异构网络,综合考虑可再生能源的产能速率、传统能源的分时电价和用户间的公平性对于用户选择的影响,提出了2个基于能源代价的用户选择算法,将用户选择分为边缘用户分配和确定服务用户2个阶段,得到了更加均衡的负载分布.根据能量损耗、能源代价与公平性之间的关系,构造了直接法和间接法中2种指数型效用函数.仿真结果表明,直接法和间接法均可明显降低基站系统能量损耗和能源代价,而直接法相当于在间接法的指数型效用函数的底数前增加了一个随传统能源电价和可再生能源速率自适应变化的价格因子,因而可以在降低能源代价的条件下减少基站系统能量损耗.     

基于Delphi和Asp．net用户自定义报表的实现

介绍了在Delphi环境下如何生成Excel报表模板,以及在Asp．net环境下如何根据所定义Excel报表模板动态地生成报表的方法。该方法灵活、简单,特别适于用户自定义报表模板的场合。     

基于样本对选择的分层分类特征选择算法研究

在大数据时代,数据的标签数量急剧增加,且标签集之间往往存在层次结构,利用层次结构进行大规模分类学习可有效解决维数灾难、类别不均衡问题,是近年来的研究热点.模糊粗糙集作为处理不确定性信息的有效工具,对于层次结构的描述有着特别的优势,本文给出了一种基于样本对选择的分层特征选择方法.通过将层次结构融入到目标概念的上、下近似之中,给出了一种新的模糊粗糙集模型,并研究了其详细性质,基于此,设计了一种基于样本对选择的特征选择算法,实验结果表明,本文所提出的算法在效率和准确性方面优于平面算法,从而为基于粒计算的分层特征选择提供了一种可能的框架.     

可拓子集运算的范数系统

本文把三角范数的定义推广为广义三角范数。建立了广义三角范数下的范数系统结构,初步讨论了各范数系统之间的关系。 本文利用范数系统概念,提出了一系列可拓子集的生成方法,并初步讨论了它们的性质。     

基于可变有序子集的惩罚最小二乘算法

传统算法不能有效的抑制噪声且收敛速度慢.为了解决这些问题,在最小二乘算法中引入中值先验,并结合可变有序子集(MOD)技术用于PET图像重建,形成了基于可变有序子集的惩罚最小二乘算法(MOS-PLS-Median).仿真结果表明,MOS-PLS算法相对于最小二乘(LS)等传统算法,不仅能够有效的抑制噪声,重建出质量更好的图像,而且较大地提高了收敛速度.     

基于颜色特征的火焰检测新算法

针对当前计算机视觉火焰检测算法无法实现高准确率和低误报率的问题,提出了一种基于颜色模型的候选火焰图像元素分类算法。该算法首先对RGB模型各通道求均值获得新的图像样本,再利用YCbCr颜色空间建立火焰图像元素分类模型,通过设计YCbCr颜色模型新规则来减少由于图像亮度发生变化而产生的干扰,火焰像素检测率得到显著提高,能够较为准确地识别火焰,有较高的实用价值。