基于超图表示的低秩属性选择方法用于回归分析*

针对现有的回归模型未考虑特征之间的深层结构,而导致在回归问题上输出不稳定的模型,提出了一种新的属性选择方法。具体地,通过稀疏学习理论中的 L2,1-范数和 L2,p-范数在线性回归模型分别进行样本降噪和属性选择,然后,利用超图结构和低秩约束来分别考虑数据间的局部结构和不同数据间的全局结构,最后结合子空间学习方法来对模型进行微调。经实验证明,在回归分析中该算法较对比算法能取得更好的效果。     

基于VB.NET的AutoCAD二次开发实例

使用AutoCAD绘图在各行各业已经十分普遍,二次开发可以增强其功能并使其更加符合专业需求。首先介绍各种AutoCAD二次开发方式的优缺点,其后给出了使用VB.NET开发AutoCAD的一般过程,并通过一个实例在AutoCAD中绘制了一个正六边形。     

利用监控数据传输通道实现微波的远程管理

1 点对点微波的管理现状与配置 1.1 管理现状 目前爱立信MINI-LINK E点对点微波通信系统需要到现场进行安装,由本地维护终端连接MMU的O&M端口,通过MINI-LINK Service Manager软件来进行管理和配置,出现故障后也必须到现场查看才能明确故障告警原因,给安装维护带来很大的麻烦.     

基于超图稀疏的低秩属性选择算法用于多回归分析

针对已有的多回归算法未能更好地考虑不同列类别之间的关联性,提出了一种基于超图稀疏的属性选择方法。具体地,利用稀疏理论中的 L2p-范数来改进线性回归模型,然后,结合低秩结构和超图表示来分别考虑同一类别间的局部结构和不同类别间的全局结构,最后,模型通过子空间学习中的线性判别分析(LDA)来进一步调整重构系数矩阵的结果。经实验验证,提出的算法在六个公开数据集上相比四种对比算法,在多回归分析中均能取得更好的结果。     

一种基于SimRank得分的谱聚类算法

传统的谱聚类算法在建立相似度矩阵时仅考虑数据点与点的距离,忽略了数据点之间隐含的内在联系。针对这一问题,提出了一种基于SimRank的谱聚类算法。该算法首先用无向图数据建立邻接矩阵,并计算出基于SimRank的相似度矩阵;然后根据相似度矩阵建立拉普拉斯矩阵表达式,对其进行归一化后再进行谱分解;最后对分解得到的特征向量进行k-means聚类。在Zoo等UCI标准数据集上的实验结果表明,所提算法在聚类精确度、标准互信息和纯度3个评价指标上均优于现有的LRR(Low Rank Rrepresentation)等基于距离相似度的谱聚类算法。     

微构造识别技术在×油田的应用

×油田微构造广泛发育,对微构造的认识精度在一定程度上影响着该油田的开发水平。该油田为复杂断块油藏,断层多期发育,精细刻画微构造的难度较大。为解决上述问题,通过研究形成了以精细地震构造解释为基础、以井控变速构造成图为关键的微构造精细表征技术。研究成果提高了对该油田微构造的认识和刻画精度,促进该油田取得良好的生产效果,提高了该油田的产量。