稳定的特征选择研究

特征选择是机器学习和数据挖掘领域的关键问题之一,而特征选择的稳定性也是目前的一个研究热点。主要对特征选择的稳定性因素和稳定性度量进行分析,并详细介绍了目前比较经典的两种提高特征选择稳定性的方法。     

医学图像的混合模型成份数估计

混合模型成份数估计是医学图像聚类分析和密度估计的关键。针对基于信息准则的佑计方法存在过拟合问题,提出了一种新的基于高斯混合模型特征函数的估计方法。首先定义医学图像高斯混合模型的特征函数,然后构造了一个基于特征函数的混合模型成份佑计准则,最后设计了该准则的实现算法。新的估计方法通过选择合适的参数调控对数特征函数,让惩罚函数起到平衡作用。模拟数据和真实数据实验表明,此方法确定的混合模型的成份数K比其他经典的信息准则方法确定的更合理,避免了医学图像的过拟合问题。     

相关信息加权的自适应多标签分类算法

在文本分类中,传统单标签分类问题的解决方法无法简单地应用于多标签文本分类,现有的方法通常会通过单标签问题转化思想或者多标签自身算法改进实现对多标签的文本分类。提出一种相关信息加权的自适应多标签分类算法,该算法具有相关信息加权、自适应阈值调整、权重投票相结合的特点。实验结果表明,该算法的某些性能指标优于现有一些常用的多标签分类方法。     

一种基于类别区分互补性的特征选择

特征选择是机器学习和数据挖掘领域中实现数据降维和数据清理的有效方法之一.针对现有相关性度量方法不能直接度量混合特征(连续特征与离散特征)之间相关性的问题,将连续特征的特征值按照离散特征取值相同的原则进行分组,通过分组前后的数据变异性来度量混合特征之间的相关性.在度量连续特征与类别之间相关性的基础上结合类别区分互补性方法进行特征选择.在UCI数据集上的实验结果表明,提出的混合特征相关性度量方法是有效的、可行的.相比于几种经典的特征选择方法,提出的特征选择方法在特征约减效果及分类性能上都具有优势.     

一种新的区域图像插值算法

针对传统的3种图像插值算法在插值后分别存在灰度不连续、轮廓模糊、计算量大等问题,提出了一种新的区域插值算法。该算法先对图像依据纹理平坦或复杂进行区域的相对划分,然后根据待插值点在源图像中所属的区域对应地使用不同的插值算法。与一些典型插值算法进行仿真比较,验证了该算法在基本不改变插值精度的前提下,可以有效地降低运算时间。     

基于AES改进算法的企业级数据库安全策略

随着企业信息化的不断发展,企业数据存储和信息安全问题越发突出,企业级数据库的信息安全问题成为新的热门研究方向。本文针对企业级数据信息的数据篡改和伪造等数据库安全问题,改进了AES的加密算法,提出了用于提高企业级数据库安全性的数据库加密策略。并针对实际的数据库系统对该改进算法进行了实验,加密效果显著。     

RBAC中条件周期特性角色激活约束研究*

对RBAC中的角色激活特性进行研究,提出了带条件周期角色激活特性的CP-RBAC模型。分析了模型的一致性状态,讨论了一致性状态维护问题;并针对条件周期约束问题给出了相应算法来解决会话的状态转变问题。CP-RBAC模型能够使系统更加安全有效,降低大规模网络应用的复杂性和安全管理的费用,为网络安全防护产生更大的经济和技术效益。     

自适应人工蜂群算法的盲源分离

盲源分离(BSS)是传感器信号处理领域研究热点,针对传统盲源分离算法大多存在收敛速度慢、分离精度低、适用场合窄的缺点,提出了一种基于自适应人工蜂群算法的盲源分离.利用Givens旋转变换降低计算量,搜索策略引入自适应全局指导项动态调节最优解导向作用,选择策略采用自适应Boltz-mann轮盘赌作改进平衡迭代各阶段选择压力集中程度.实验表明:基于自适应人工蜂群算法的盲源分离,能够加快收敛速度并显著提高分离精度至约3个数量级.     

LSB嵌入方法的载体图像区域选择

针对在密写术中的LSB（最低有效位）嵌入方法会对载体图像的平滑区域造成破坏,导致载体图像的不可感知性下降和不可检测性降低的问题,提出了一种区域选择方法,避免载体图像的脆弱区域在LSB嵌入操作中被破坏。通过实验证明了,该方法可以有效改善视觉不可感知性,提高对LSB嵌入操作的不可检测性。     

基于改进PSO方法的保障性住房选址策略模型

保障性住房选址是目前城市规划中的一个重要问题。将保障性住房选址抽象为最优化问题并建立相应数学模型,基于粒子群优化算法提出有限最优值法的改进PSO方法,以克服可行解空间离散的问题。实验结果表明,改进的PSO方法适合于保障性住房选址问题的数学模型,能够正确求解该数学模型意义下的最优选址点。