一种基于最优集成随机森林的小样本数据特征提取方法

高维小样本数据作为数据挖掘的难点,用传统的随机森林算法进行特征选择时极易出现分类结果过拟合而导致的特征重要度排序稳定性差、精度低等问题。针对随机森林在小样本数据降维过程中出现的难点,提出了一种基于小样本数据特征提取算法OTE-GWRFFS。基于生成对抗网络GAN进行样本扩充,避免传统随机森林在小样本分类过程中的过拟合现象;在数据扩充的基础上采用基于权重的最优树集合算法,减小生成数据分布误差对特征提取精度的影响,提升决策树集合的整体稳定性;采用单棵决策树的权重与特征重要性度量值加权平均得到特征重要性排序,从而解决了小样本数据特征选择过程中精度低稳定性差的问题。通过UCI数据集将所提算法与传统随机森林以及基于权重的随机森林算法进行实验对比,OTE-GWRFFS算法在处理高维小样本数据时具有更高的稳定性和精度。     

一种改进的雷达信号小波包特征提取方法

针对低信噪比下雷达辐射源信号分类问题,提出一种基于小波包特征提取的改进方法。首先对信号进行小波包分解,然后在小波域采用阈值收缩降噪方法对小波包系数进行去噪处理,并提取去噪后小波包能量的统计特征,最后设计支持向量机分类器实现对雷达信号的自动分类。实验结果表明,采用去噪小波包的特征提取方法能有效降低噪声对信号识别效果的影响,当SNR=-3dB时,信号的平均识别率仍能到达93．3％,在较低信噪比下能够得到较为满意的识别效果。     

水下目标特征提取方法研究

目标特征提取目标识别和关键问题,良好的特征提取方法应该是用较少的特征存储量表达目标准确的物理意义,水下目标回波特性既可以由时间域的冲击响应描述,也可以由频率域上的系统函数描述,无论那种描述都是不全面的,本文通过对回波亮点谱特征的研究,提出了一种有效的特征提取方法－频域离散小波变换法（FDWT法）,其优点是能从复杂的目标回波中提取目标的弹性特征,并且特征维数低,将此方法用于三种目标的湖试数据,采用三层BP算法的前向神经网络对目标进行分类,得到了较高的识别率。     

一种新颖的QAR数据特征提取方法

针对快速存储器(QAR)数据特征提取问题,首先给出适用于一类分类的最大间隔判别分析方法,并通过增加正交约束,给出适用于一类分类的最大间隔特征提取算法;在此基础上,针对QAR数据大样本的特性,给出正交约束的一类分类问题的最大间隔判别分析问题的修改形式,并将该修改形式转化为闭包球问题,进而给出了基于正交约束闭包球的最大间隔QAR数据特征提取方法,通过实验表明该方法对某一机型的飞行纪录数据取得了良好的实验结果,有效解决了QAR数据大样本特征提取的问题.     

基于数学形态学腐蚀运算的人脸特征提取

采用基于数学形态学腐蚀运算来获得人脸图像的灰度距阵,然后用K-L变换来提取人脸图像的灰度特征,从而形成形态特征眼和形态特征脸.     

一种新的多标记特征提取方法

针对已有多标记特征提取方法并未充分利用特征信息的问题,提出了基于希尔伯特-施密特独立标准和主成分分析的多标记特征提取方法．该方法通过使标记与降维后特征之间希尔伯特-施密特范数达到最大,以充分利用标记知识;同时利用主成分分析,以尽量减少特征提取过程中的协方差信息损失．通过在Yahoo数据集上的实验表明,该算法的性能优于主成分分析和当前3种主要的多标记特征提取方法,验证了该算法的有效性．     

一种基于特征提取的二级文本分类方法

提出了一种改进的基于特征提取的二级文本分类方法.通过提取出文本的特征项并计算其权重值,将文本表示成由特征项和权重值组成的向量,利用向量的夹角余弦计算二级分类模型下文本之间的相似度,可以更准确快速地定位海量信息.实验结果表明本文提出的分类方法的准确率优于传统的类中心分类法,提高了系统的适应性和分类能力.     

一种广义的K-L变换与人脸识别

提出了一种直接基于图像矩阵的包含在类平均图像中判别信息的最优压缩方法。在ORL标准人脸库上的试验结果表明，提出的方法不仅识别性能优于传统的主分量分析和Fishr线性鉴别分析，而且特征抽取的速度得到了很大的提高。     

一种新的雷达全脉冲信号特征提取方法

提出一种基于结构函数和经验模态分解的雷达全脉冲信号特征提取方法.该方法将载波频率和到达时间构成二维特征信息,并且首次引入结构函数和经验模态分解对雷达全脉冲序列的特征进行分析.实验结果表明,该方法能够有效地提取出复杂脉冲环境中载频周期滑变信号的滑变频率,从而为多信号交叠的雷达脉冲序列的信号分选找到一个新的特征.     

一种适于高维小样本数据的线性判别分析方法

针对高维小样本数据的类（模式）内离散度矩阵常为奇异,提出了一种改进的线性判别分析方法ModLDA。它通过嵌入偏最小二乘算法,完成投影方向矢量的稳健估计,进而提取出若干个特征变量。而后基于特征变量张成的低维空间,构造样本类别的线性判别函数。在实证中,将ModLDA应用于药物光谱数据的化学模式识别,结果显示ModLDA方法判别能力明显优于其他方法。     

一种适于高维时间序列的特征提取方法

为了获得更多的信息，越来越多的数据利用多路传感器进行采集，由此产生了大量的超高维时间序列。特征的提取在处理和传输这些数据中起到至关重要的作用。为此，提出一种最优鉴别平面（ODP）技术以消除数据冗余。该平面由两个在Fisher准则基础上建立起来的相互垂直的矢量组成，将模式样本投影到ODP上可得到二维特征矢量。为了衡量特征的有效性，分别用二次判别函数分类器和阈值矢量分类器对特征进行分类测试。同时，以心电信号为例对ODP方法进行测试，结果表明，该方法应用于超高维数据的特征提取是行之有效的。     

一种新的纹理特征提取算法

为了提高纹理特征提取的效率,提出一种基于傅里叶变换的纹理特征提取算法。该算法先将图像进行傅里叶变换,然后把图像傅里叶域分割为12个扇形区域,提取扇形区域中的纹理特征,并使用Caneberra距离函数计算两幅图像的相似度。与现有算法相比,本算法对纹理特征提取具有较高的效率和准确率。     

一种新的高光谱遥感图像纹理特征提取方法研究

提出了一种新的基于自相关的高光谱遥感图像纹理特征提取算法,该算法通过引入核函数技术,将单波段纹理窗口的空间自相关函数,扩展到多波段遥感图像的纹理描述.然后对特征矢量进行无监督C均值聚类实验和有监督RBF神经网络分类实验,在分类实验中确定了最佳窗口尺寸.实验结果表明,该文提出的自相关特征可以有效地描述高光谱遥感图像的纹理.     

基于小波理论的故障特征提取

在对齿轮进行故障诊断时,采样信号不可避免地受到各种噪声和干扰的污染,所测信号属于典型的非平稳信号.信号的降噪和特征提取是齿轮状态监测和故障诊断的关键环节.小波理论对于非平稳信号的处理非常有效.在MATLAB环境下,利用小波理论对减速器齿轮箱的采样数据进行去噪实验和分析,提取齿轮大周期故障的特征指标,为进一步进行故障诊断奠定基础.     

一种红细胞特征提取与分类识别的研究

为解决血涂片细胞形态学检查中存在的一些问题,提高贫血检验的效率和准确率,运用图像特征提取与分类识别技术,对12类形态产生变异的红细胞进行图像特征提取研究,选择了5类几何特征和2类纹理特征,同时改进了圆形度的表达公式,并将多级SVM分类器结构应用到分类识别中.实验证明,改进的圆形度表达式能提高分类的准确率,树形结构的分类器预测分类效果理想,为计算机自动分析血细胞提供了理论和方法,对于贫血的诊断有着重要的意义.     

基于主元分析法的手写数字识别

特征提取是手写体数字识别研究中的重要问题。有效特征是提高识别率和识别精度的关键。作者使用的主元分析法能压缩特征的维数 ,满足特征提取的完备性原则和正交性原则 ,提高分类器性能。将经过主元分析法压缩后的特征用BP神经网络进行识别仿真 ,取得了较好的实验效果     

一种基于自适应子波神经网络的船舶噪声分类方法

基于自适应子波神经网络提出了一种船舶噪声分类方法，构造了一种用于船舶噪声分类的自适应子波神经网络分类器，并应用该分类器对前置处理后的三类船舶噪声进行了自动地提取识别特征，并分类。该方法所获得的特征空间与以ＡＲ建模方法获得的特征空间相比，类别之间的可分性好，特征数目少，分类结果令人满意，证明了该方法的优越性     

结合FFT和Gabor滤波器的织物纹理特征提取方法

针对织物表面纹理特征提取与表征的问题,提出一种结合FFT(傅里叶变换)和Gabor滤波器的织物纹理特征提取方法,通过傅里叶变换提取频谱楔特征(角向分布)和环特征(径向分布)作为特征角度和频率参数,设计2个最优Gabor滤波器,分别与织物纹理图像进行卷积,获得目标子图像,然后对子图像进行融合处理,达到提取纹理特征的目的。在线条图像纹理特征成功提取的前提下,应用到常见织物的纹理特征提取上,并与传统的Gabor滤波器提取方法进行对比。实验结果表明,结合FFT和Gabor滤波器的织物纹理特征提取方法是有效的,且提取结果优于传统方法。     

基于核主成分分析的特征提取方法

为了证实核主成分分析在特征提取中的优越性,利用支持向量机作为分类器,以主成分分析和核主成分分析作为特征提取的工具,以分类器的分类性能作为方案优劣的评判标准设计了六种实验方案进行实验分析。实验数据表明,对特征选择后的数据集利用主成分分析和核主成分分析进行特征提取,可将数据投影到一个更低维的特征空间,实现数据维数的约简和分类器性能的提高。同时还发现,在对数据进行特征提取的能力上,核主成分分析优于主成分分析。     

一种改进的文本特征提取算法

针对特征提取忽略特征项语义问题,提出一种基于潜在狄利克雷分配模型(LDA)改进的特征提取算法。该算法基于文档的潜在主题分布,将文档转换为隐含主题与主题下的单词分布按特定比例组成的集合,通过一定的概率选中某个主题,并从该主题下以一定的概率选中某个词语来生成一篇文档。同时,针对LDA算法"平等"对待所有特征项的情况,对LDA模型进行高斯加权。实验结果表明,该算法相比TF-IDF算法、信息增益法,能够提取更多的有效特征,使得分类准确率有所提高。