基于随机森林的K最近邻算法

作为人工智能算法的经典算法之一,K最近邻(KNN)在非线性、低维数据时能够取得优越的效果。但是,当维数较高时,现有数据集往往会变得较为稀疏,此时KNN需要大量训练数据才能保证精度。因此,适当的数据降维方法是改进KNN方法的重要手段。先用随机森林对训练数据集的变量进行排序,从而建立一种有效的KNN算法,并采用Boston数据集验证了该模型的有效性。     

改进的偏最小二乘回归模型及应用

对样本量小于特征数量的高维数据进行拟合时,偏最小二乘回归模型(PLS)因自身优点对线性关系的拟合效果较好。为解决PLS模型对非线性关系拟合效果较差并控制模型计算量两方面问题,提出基于stacking集成非线性偏最小二乘模型(stacking-plsr)。从模型鲁棒性、敏感性和拟合精度三个方面对stacking-plsr模型进行实证检验。结果表明,stacking-plsr模型的拟合效果对训练集样本数量和超参数degree的取值并不敏感,在测试集上预测值的MSE和ARE两项指标相较于传统PLS模型分别降低68.26%和34.44%。     

应用高维Copula函数的月径流量联合概率分布研究

以长江支流罗田站月径流量资料为例,研究高维阿基米德Copula函数在月径流量联合概率分布中的应用。利用极大似然法估计每个月单变量分布的参数,以AIC准则选择最优单变量分布。采用4种常用阿基米德Copula函数构造以每个月为自变量的12维月径流量联合概率分布,有效保护了每个月的信息量。同样利用极大似然法估计其12维Copula函数的参数,以AIC准则选择最优Copula,运用Bootstrap法进行拟合优度检验。采用拟合效果最好的Clay-ton Copula得到年径流量的联合概率分布,并计算了该径流的联合概率、条件概率和重现期。再利用此数据建立一个ARIMA(2,1,4)×(1,1,1)12模型,根据Clayton Copula函数计算预测值的12维年径流量联合概率,同时对此模型的预测值进行了有效地判断与评价。     

基于Isomap的高维数据可视化研究

Isomap是一种新的非线性降维方法,应用它可以发现隐藏在高维数据内在的结构特性,可以将数据可视化.将Isomap应用到高维乳腺癌病理数据进行可视化实验,实验结果说明Isomap具有很强的降维能力并保持数据的内在结构不变的特性.     

复合高维果汁饮料稳定性研究

以野生刺梨汁和猕猴桃果浆为主要原料,添加一定量的稳定剂,经均质等工艺处理,使复合高维饮料具有良好的组织形态和稳定性.通过实验找出了最佳的工艺条件:在55℃的条件下,分别进行28 MPa、22 MPa两次均质;稳定剂的添加量为黄原胶0.12%、羧甲基纤维素钠0.12%、藻酸丙二醇酯0.08%.     

一种基于高维数据挖掘的入侵检测方案

介绍了数据挖掘及入侵检测系统的概念及关键技术,提出了一种基于高维数据挖掘的智能化入侵检测系统,通过数据挖掘的方法可从大量的攻击数据中提取有攻击行为的特征,并实现了一种具有自我学习、自我发展能力的入侵检测系统.     

一种基于近似EMD的DBSCAN改进算法

DBSCAN(density based spatial clustering of applications with noise)算法是基于密度的经典聚类算法,但是该算法应用于高维数据时,常用距离函数不能很好地反映出数据点之间的关系, 从而可能导致聚类簇不够精确。如果能在高维空间中采用合适的距离度量,将会改善聚类结果。针对上述问题,提出利用近似EMD(earth mover’s distance,堆土机距离)作为距离测度,通过迭代搜索的方法找出所有直接密度可达对象实现聚类。实验结果表明:在高维文本数据的聚类中,和原来算法相比,改进算法的正确率提高了6％,两者在时间上相差不大;而对低维的Iris数据,改进算法通过EMD改善了实体间的相似性度量,减少了划分为噪声点的数据点个数,平均正确率提高了10％。实验结果表明了改进算法对高维数据的有效性,并可以改善聚类性能。     

一种混合高维目标进化算法及其收敛性分析

现代多目标进化算法在高维目标空间中遭遇性能危机,提出一种混合高维目标进化算法(Hybrid Many-Ob-jective Evolutionary Algorithm,HMOEA)以改善算法的解题性能.新的算法使用了新定义的w-支配关系替代Pa-reto支配关系;其次,为使算法在收敛性与多样性之间保持适当均衡,下一代种群个体的构成随当前进化世代动态调整;最后,算法使用了改进的拥挤距离赋值机制评估解个体密度以实施多样性保持操作.新算法在DTLZ2问题上进行测试,结果表明该算法可以获得很好的性能,而且新算法在收敛性和多样性之间也取得了较好的均衡.最后,从一般意义上分析了HMOEA算法的收敛性,分析结果表明HMOEA算法能够以概率1收敛.     

高维调制系统的低复杂度迭代多用户检测

提出了一种可用于高维调制系统的低复杂度迭代接收机算法. 此算法分为2步,首先采用迫零（ZF）检测算法获得软符号信息;然后将此软符号信息,在软入软出(SISO)多用户检测器和SISO信道译码器之间迭代,逐步提高检测可靠性. 由于SISO多用户检测器基于线性最小均方误差（LMMSE）滤波实现了一种新的软干扰消除技术,使此检测器不限于检测二相移相键控（BPSK）符号,而复杂度只随检测的码字个数呈多项式关系增长. 仿真表明,所提迭代算法经2次迭代即可逼近单码最大似然检测（MLD）的性能.     

基于差分隐私下包外估计的随机森林算法

针对差分隐私随机森林算法在对高维数据进行分类时准确率不理想的问题,本文通过引入差分隐私下的包外估计来计算决策树权重以及特征权重,从而提出一种基于差分隐私下包外估计的随机森林算法(random forest under differential priva-cy based on the out-of-bag estim...     

基于概要数据结构的高维数据流聚类算法

为了在高维数据流中有效地形成聚类,针对经典算法CELL-Tree存在的问题,提出一种新的概要数据结构PL-Tree以及基于此数据结构的算法PLStream,并采取衰减窗口模式来适应数据流的变化,采用剪枝策略控制内存中聚类模型的规模．实验表明,PLStream算法能较好地适应高维数据流,比CELL／Tre算法具有更好的时...     

Birkhoff定理的推广

因Birkhoff定理是对不含宇宙项A的四维时空成立,本文将该定理推广到合宇宙项A的高维时空。     

空间分割微粒群算法

提出了一种适用于高维数值优化问题的空间分割微粒群算法。该算法通过将整个搜索空间分割成若干子空间,在这些子空间上利用嵌入零搜索算子的微粒群算法进行优化。实验结果表明该改进微粒群算法可以有效地解决高维数值优化问题。     

高维线性随机系统小波变换的平稳性

分析了一类高维线性随机系统的小波特征，得到解过程小波变换的平稳性条件。     

基于日志的异常软件使用模式检测

提出了使用日志的孤立点分析方法,对日志数据进行预处理,确立合适的挖掘粒度,刻画出正常模式。陇进的方法可对规模较大的数据集进行异常检测,在降低误报率的同时,大大提高检测率,并达到理想的时间效率;使系统定期分析用户日志,从中自动找到可疑的日志,及时预防或者处理非法操作的现象,提高检测系统的智能化、准确性和检测效率。     

生产与管理中的一类高维排序问题

从生产及管理实际中提出了一类高维排序问题，给出了其最大值最优解法及最小值最近妥的近似解法。这类问题在生产实践及管理决策中有着重要意义。     

一种新的用于三维检索的快速邻域搜索方法

在传统的层次聚类算法上,对孤立聚类进行特殊处理,并在此基础上提出了与传统内容检索方法不同的三维模型索引检索技术.首先提取三维模型的深度图像特征并将特征值存入数据库;其次利用改进的层次聚类算法对特征值进行聚类并计算聚类中心值;之后计算每个三维模型内容特征与其所在聚类中心的距离并保存到数据库中,查询时计算待查询模型特征与各个聚类中心的距离并排序;最后在每个聚类里面进行检索,与聚类中心的距离位于待检索模型与该聚类中心距离的邻域就是查询结果.在该方法中,将每个模型特征与其所在聚类中心的距离作为其索引.实验结果表明,该方法在保证检索质量的基础上大大提高了检索速度.     

基于模糊聚类的高维划分策略研究

数据集的划分策略是影响高维数据库索引性能的一个关键因素。金字塔技术是一种较好的高维索引方法，但它只对均匀分布的数据集具有良好的性能。为此，提出了一种改进的基于模糊聚类的金字塔技术，并将其用于高维划分策略，先对数据集进行模糊聚类处理，然后针对每个聚类进行金字塔划分，从而较好地实现了对非均匀分布数据的高维划分。     

基于虚警可控梯度提升树的海面小目标检测

高维特征检测是提升海面小目标探测性能的一种有效途径,其主要难点在于高维空间分类器设计.本文提出一种基于虚警可控梯度提升树(Gradient Boosting Decision Tree,GBDT)的特征检测方法.首先,从一维长时观测向量中,提取时域、频域、时频域等多个特征,构建高维特征向量,从而将检测问题转换为二分类问题.其次,通过仿真含目标回波,解决两类训练样本非均衡的问题.然后,引入GBDT算法,将高维特征向量凝聚为一维概率预测值,并以预测值作为检测统计量,解决二分类器难以控制虚警的问题.最后,采用IPIX实测数据验证,结果表明:本文所提的检测器充分利用了高维特征的全部信息,性能平均提升13％以上.     

高维正交小波基的构造

高维小波理论是分析和处理多维数字信号的有力工具，该文分别从张量积结构、非张量积结构及群结构３个方面详细地分析了Ｌ＾２。