一种基于监督降维和形状分析的基因选择方法

因为由主分量分析与形状分析相结合的基因选择方法没有有效利用样本的类别信息,所以提出了一种新的基因选择方法,将间隔最大化判别分析和形状分析相结合,在选择基因过程中不仅考虑了基因与基因之间的相互作用,也考虑了基因与类之间的相互关系,提高了所选基因集的分类性能.对4组微阵列基因表达数据的实验表明,该方法的性能优于主分量分析与形状分析相结合的方法,与当前两个流行的多变量F ilter方法相比,也具有一定的优势.     

一种基于SVM的快速特征选择方法

针对现有特征选择方法计算量大、速度慢的缺点,提出了一种基于SVM的快速特征选择算法。该算法使用SVM作为分类器,并利用粒子群优化算法进行搜索。通过利用SVM线性核与多项式核函数的特性,减少了在特征选择中训练分类器的次数,降低了计算复杂度。实验结果表明在不损失分类精度的情况下,能显著提高特征选择的速度。     

基于流形学习的基因微阵列数据分类方法

提出了一种结合流形学习方法与分类算法的基因微阵列数据分类模型,先用流形学习算法对基因微阵列数据进行降维处理,然后再对降维后的数据进行分类.在实验中将流形学习算法LLE、ISO-MAP、LE和LTSA与三种分类算法相结合,并与直接用高维数据进行分类的结果进行了比较,实验结果表明所提出的模型极大地提高了分类精度,同时也提高了分类算法的执行效率.     

基于DNA微阵列数据的特征子空间集成分类

针对DNA微阵列数据应用于临床诊断时分类准确率过低的问题,结合其高维小样本的特点提出了一种特征子空间集成分类方法。该方法首先通过层次聚类与信噪比特征选择策略将原始训练数据集映射到一个非冗余的特征基因空间,然后随机抽取一些特征子空间构成训练子集并应用支持向量机训练基分类器,最后采用多数投票的方式决定测试样本的类属。最后在4个标准的微阵列数据集上与其他方法进行了对比实验,结果证明了本文方法的有效性。     

一种Web使用挖掘数据清理方法

针对传统的Web使用挖掘数据清理方法不再适用于现有的网络环境的现状,提出了一种新的Web使用挖掘数据清理方法。该方法首次提出以网络流量作为Web使用挖掘的数据来源;将数据清理的问题转变为对用户显式操作产生的HTTP会话的识别问题;使用二进制粒子群算法（BPSO）选出最能精确识别用户显式HTTP会话的特征子集;利用选择出的特征子集,生成决策树用以对用户显式HTTP会话进行识别。实验结果表明：该方法能够准确有效地识别出用户显式HTTP会话,对日志记录数的压缩率达到98.7%,能够完成数据清理的任务,为之后的数据挖掘提供有力的支持。     

一种基于微阵列镜头的多目标的图像置换方法

本文提出了一种基于微阵列镜头的利用图像深度信息进行图像置换的算法.该算法利用基于马尔科夫随机场理论的图割算法构造能量函数,恢复所拍摄场景的深度图,再根据图像中目标物体所在深度层范围进行置换,从而在保留置换部分完整图像的同时,实现微阵列镜头的图像置换功能.实验结果证明,相较于局限在二维平面且交互复杂的传统图像置换技术,本文算法能够准确提取置换图像,并在置换后不损坏图像本身的内容,能有效地处理图像中物体的前后遮挡问题,减少繁琐的交互操作及对操作人员经验的依赖.     

基于人工神经网络集成的微阵列数据分类

基因数量远多于样本数量是基因表达微阵列数据进行疾病诊断所面临的主要挑战，为此提出了采用人工神经网络集成的组织分类方法．该方法使用Wilcoxon测试选择用于与分类相关性较高的重要基因，通过凸伪数据法产生神经网络集成中各个体的训练集，用简单平均法集成网络个体的测试结果．采用实际的微阵列实验数据集分别进行独立测试和交叉验证测试，结果表明，该方法性能优于单个神经网络、最近邻法和决策树．受试者特征曲线测试表明，神经网络集成性能优于单个神经网络．     

一种新的混合XML文档聚类方法

为了提高大规模半结构化文档集的聚类质量,提出了一种新的XML文档聚类方法.从XML文档中提取层次路径序列,以此为依据将XML文档表示为VSM中的向量,将欧氏空间对应于粒子群模型的问题空间,采用粒子群聚类方法进行文档聚类.为了加速算法的收敛性,在算法的后续部分采用C-means进行快速局部调优,提出两阶段混合聚类方法,优点是能够跳出局部极值,搜寻整个问题空间的同时又保证了合理的时间.实验结果表明提出的方法具有较高的聚类准确性和较好的收敛程度.     

一种新的网络攻击检测方法

为了有效判断网络数据包是否存在被攻击的可能性,在以往的研究基础上提出了一种新的检测算法DMPSO.该算法根据数据包属性的离散度定义了状态检测指标,并利用粒子群优化方法给出了标准差分布的计算流程,以此判断数据包的异常状况.最后,进行仿真实验,对比了与其它算法之间的性能状况,结果表明DMPSO具有较好的适应性.     

一种用UML对软件产品线建模的方法

采用UML Profile扩展机制实现了产品线的差异建模,并用UML的OCL约束在元模型层和模型层的模型实现了产品线的通用约束和特定产品线的特定约束,最后给出了从产品线模型生成产品库的算法.     

一种用UML对软件产品线建模的方法

采用UML Profile扩展机制实现了产品线的差异建模,并用UML的OCL约束在元模型层和模型层的模型实现了产品线的通用约束和特定产品线的特定约束,最后给出了从产品线模型生成产品库的算法。     

一种带克隆选择的粒子群动态聚类算法

针对聚类数不确定的高维、大规模数据聚类问题,提出以粒子群优化算法为基础、引入克隆选择算子的聚类分析算法。该算法利用粒子群的优化搜索机制搜索聚类中心向量,并根据适应度高低控制粒子的克隆数量和变异幅度,达到有效避免陷入局部最优的目的,并能克服传统聚类算法对初始值敏感的缺点,提高了算法的稳定性。仿真实验结果表明,该算法不仅能正确得出聚类簇数,而且聚类正确率较对比算法提高了至少7.0％。     

一种空中运动多目标形心跟踪方法

空中运动多目标识别与跟踪技术是武器电视跟踪系统中的关键技术．本文根据武器电视跟踪系统服务目标的特点，提出了一种基于形心的空中运动多目标跟踪方法、首先通过对图像进行分割、贴标签，前景区域面积和几何中心计算等处理，接着依据面积和几何中心这两个特征参数对目标进行粗识别和噪声滤除、选择跟踪对象，并以这两个特征为判别依据，实现了对空中运动多目标的选择跟踪、实验结果表明，该方法可以快速有效的对任意形状的运动多目标进行选择和跟踪，并能够准确的计算出系统所需要的数据．     

一种基于QPSO和WLS-SVM的智能方法

提出一种基于量子粒子群优化算法(QPSO)和加权最小二乘支持向量机(WLS-SVM)的智能方法,以克服常用方法存在需要较大样本数据量、建模速度较慢差等缺点.方法的具体改进是,将SVM中单一核函数构造成混合核函数,增加自适应权重,采用QPSO算法求解WLS-SVM训练模型中的线性方程组,这样能提高模型的性能.经过典型的二型糖尿病诊断实验,结果表明其建模速度快、诊断准确率高,其效果优于改进BP算法神经网络、LM算法神经网络和单核函数的SVM等方法.     

一种新的动态全景图表示方法

提出了一种新的动态全景图的生成方法。首先将一系列定点拍摄的照片采用基于粒子群优化(PSO)的多分辨率拼接算法拼接成静态全景图,然后用摄像机拍摄场景中做周期或随机运动的物体,实现视频纹理,最后将视频纹理对准到静态全景图中。自主开发了一种动态全景浏览器。该浏览器除了具有普通全景图浏览器的功能外,还实现了添加、对准以及播放视频纹理的功能,极大地增强了漫游的真实感。     

一种速度更快的粒子群优化算法

由于标准粒子群算法(SPSO)存在后期搜索效率太低的问题,提出了一种速度更快的粒子群优化算法(FPSO).FPSO保留了SPSO前期的全局搜索能力,但改变了SPSO算法后期的搜索策略,使其迭代次数随当前适应度值的变化而自适应改变,从而提高了SPSO算法后期的计算效率.通过实验对FPSO算法中适应度函数的设计进行了讨论,并分析了FPSO算法的应用前景.仿真结果表明,FPSO算法在单峰、多峰和带约束条件的测试函数中都有良好的效果.     

马氏田口系统的量子行为二进制粒子群特征选择优化方法

针对标准二进制粒子群用于马氏田口系统的特征选择优化时,存在迭代速度慢,容易陷入局部最优解等不足,提出一种改进的基于量子行为二进制粒子群的马氏田口系统变量选择优化方法。首先,为了规避可能存在的复共线性特性对距离度量结果的影响,本研究采用Gram-Schmidt正交化法计算马氏距离值,对系统进行标准化处理,对各属性向量进行正交化后计算各类别的马氏距离集合,通过ROC曲线确定系统分类的最佳阈值点,定义误分类率概念和被选择变量占比最小作为变量筛选标准,构建多目标的混合规划模型。运用改进的量子行为粒子群算法求解优化组合,为适应二值化的变量优化问题,算法基于概率对粒子进行二进制编码,求取目标函数的适应值,并完成粒子群的优化迭代过程。采用优化的变量组合,构建精简的马氏田口系统,建立度量预测模型,完成精确判别的任务。最后,以胎心分娩力造影术测量的胎儿健康诊断为例,对标准二进制粒子群算法和二进制量子粒子群优化算法进行对比验证,实验结果表明,本文方法可以有效地提升粒子的迭代速度和寻优精度,优化后的马氏田口系统的预测准确率明显提高。     

一种新的集群优化方法--粒子群优化算法

系统地介绍了粒子群优化算法、各种改进算法以及算法的应用情况。对粒子群优化算法的研究和应用进行了总结和展望,指出了其在机械系统优化设计中的应用前景。     

一种提高稀布线阵优化布阵效率的方法

对于给定阵列口径和单元数并有最小单元间距约束的稀布直线阵,仅需对阵列边缘部分的单元进行优化排布就可以达到优化整个直线阵的目的．通过运用统计的方法得出了稀布阵免于排布的单元数目的计算公式,减小了优化算法的计算量; 并通过加入间距约束向量改进了粒子群优化算法,不仅减小了布阵空间,而且消除了优化操作过程中的不合格个体,进一步降低了优化算法的计算量．在最小间距约束为0.5λ、阵列均匀排布、单元间距在0.8λ以下时,改进后的优化算法的计算量至少降至原来的28％．     

一种基于K2结构学习算法的石漠化数据特征选择方法

在石漠化信息的分类和提取过程中,冗余特征的存在影响分类器的性能,同时增加计算的复杂度。提出一种基于K2结构学习算法的石漠化数据特征选择方法,该方法通过BIC评分方法得到贝叶斯网络的结构,从中获得类节点的马尔可夫覆盖,继而进行特征选择。同时借用不同评分函数的等价性来确定结构学习时所需的样本数,并且给出了样本数的参考。实验表明,该方法由于结合了样本的分类信息,获得的特征子集是最优的,显著提高了分类精度,降低了计算复杂度。