期刊文献+
共找到214篇文章
< 1 2 11 >
每页显示 20 50 100
选择性卷积特征融合的花卉图像分类
1
作者 尹红 符祥 +2 位作者 曾接贤 段宾 陈英 《中国图象图形学报》 CSCD 北大核心 2019年第5期762-772,共11页
目的针对花卉图像标注样本缺乏、标注成本高、传统基于深度学习的细粒度图像分类方法无法较好地定位花卉目标区域等问题,提出一种基于选择性深度卷积特征融合的无监督花卉图像分类方法。方法构建基于选择性深度卷积特征融合的花卉图像... 目的针对花卉图像标注样本缺乏、标注成本高、传统基于深度学习的细粒度图像分类方法无法较好地定位花卉目标区域等问题,提出一种基于选择性深度卷积特征融合的无监督花卉图像分类方法。方法构建基于选择性深度卷积特征融合的花卉图像分类网络。首先运用保持长宽比的尺寸归一化方法对花卉图像进行预处理,使得图像的尺寸相同,且目标不变形、不丢失图像细节信息;之后运用由Image Net预训练好的深度卷积神经网络VGG-16模型对预处理的花卉图像进行特征学习,根据特征图的响应值分布选取有效的深度卷积特征,并将多层深度卷积特征进行融合;最后运用softmax分类层进行分类。结果在Oxford 102 Flowers数据集上做了对比实验,将本文方法与传统的基于深度学习模型的花卉图像分类方法进行对比,本文方法的分类准确率达85.55%,较深度学习模型Xception高27.67%。结论提出了基于选择性卷积特征融合的花卉图像分类方法,该方法采用无监督的方式定位花卉图像中的显著区域,去除了背景和噪声部分对花卉目标的干扰,提高了花卉图像分类的准确率,适用于处理缺乏带标注的样本时的花卉图像分类问题。 展开更多
关键词 花卉分类 深度学习 显著区域 特征选取 特征融合
改进的文本特征选取算法研究 预览
2
作者 朱世玲 郑彦 《计算机技术与发展》 2019年第5期66-69,共4页
特征选取的好坏决定了文本分类的准确度。文本特征选取通常有文档频率、互信息、信息增益、卡方统计量等方法。文中讨论了文档频率和互信息在特征选取时的缺点,基于这些缺点,提出了一种混合文档频率和互信息的改进算法。文档频率进行特... 特征选取的好坏决定了文本分类的准确度。文本特征选取通常有文档频率、互信息、信息增益、卡方统计量等方法。文中讨论了文档频率和互信息在特征选取时的缺点,基于这些缺点,提出了一种混合文档频率和互信息的改进算法。文档频率进行特征选取时会偏向选择高频词,而没有考虑到该词是否在类别间有区分度,所以提出通过计算词的文档频率的类别方差作为文档频率的权重来进行特征选取。互信息偏向选择低频词,也忽略了互信息值为负的那些特征作用,有些互信息为负的词反而包含更多的类别信息。所以对互信息的值取了绝对值来加强互信息为负的词的作用。通过对比DF、MI和改进的DFMI的实验结果,发现该算法在精度、召回率和F1度量上都有所提高,验证了该方法的有效性。 展开更多
关键词 特征选取 互信息 文档频率 文本分类 改进互信息 改进文档频率
在线阅读 下载PDF
基于改进人工蜂群算法的Android恶意应用检测 预览
3
作者 徐开勇 肖警续 +2 位作者 郭松 戴乐育 段佳良 《计算机科学》 CSCD 北大核心 2019年第S11期421-427,共7页
随着互联网和移动终端的飞速发展,手机中存储着很多重要的信息,要保证这些信息安全不被泄露的一个重要方法就是对手机中的恶意应用进行检测与处理。在对恶意应用进行检测前需要对样本进行特征提取,而如何在众多特征中进行有效的选取是... 随着互联网和移动终端的飞速发展,手机中存储着很多重要的信息,要保证这些信息安全不被泄露的一个重要方法就是对手机中的恶意应用进行检测与处理。在对恶意应用进行检测前需要对样本进行特征提取,而如何在众多特征中进行有效的选取是恶意应用检测中一个至关重要的过程。文中针对Android平台的应用,参考相关的Android恶意检测方法,建立了一个基于改进人工蜂群算法的Android恶意应用检测模型,通过对特征进行有效的选择,最终得到使分类结果最优的特征组合,从而提高对Android恶意应用检测的检测性能。在静态和动态条件下分别对Android应用特征进行提取,通过多种分类算法对恶意应用检测模型进行检验,结果证实提出的基于改进人工蜂群算法的Android恶意应用检测方法具有可行性与优越性。 展开更多
关键词 恶意应用检测 人工蜂群 特征选取 特征优化
在线阅读 免费下载
大数据处理警示性图像颜色纹理特征选取仿真 预览
4
作者 张子栋 张杰敏 茅剑 《计算机仿真》 北大核心 2019年第5期434-437,470共5页
警示性图像颜色纹理特征选取的有效性直接影响着多个领域的发展。针对当前方法存在的警示性图像颜色纹理特征选取准确率低的问题,提出了一种基于维纳滤波和增强矩阵的警示性图像颜色纹理特征选取方法,采用维纳滤波对警示性图像中的噪声... 警示性图像颜色纹理特征选取的有效性直接影响着多个领域的发展。针对当前方法存在的警示性图像颜色纹理特征选取准确率低的问题,提出了一种基于维纳滤波和增强矩阵的警示性图像颜色纹理特征选取方法,采用维纳滤波对警示性图像中的噪声进行消除,噪声消除后利用横向增量与纵向增量计算警示性图像中像素点的灰度值,求解每个像素点灰度值所对应的横纵坐标轴的二阶偏导数之和,根据这个偏导数推导出警示性图像的颜色纹理特征矩阵,利用该矩阵得到了一个警示性图像的颜色纹理特征模型,通过这个模型实现了对大数据处理下警示性图像颜色纹理特征的选取。仿真结果表明,所提方法对警示性图像的噪声具有很好的抑制效果,可以较好的保留警示性图像中的信息,并且所提方法能够准确的在大数据处理环境下对警示性图像颜色纹理特征的选取。 展开更多
关键词 大数据处理 警示性图像 颜色纹理 特征选取
在线阅读 下载PDF
打磨单元设备保护控制系统软件设计 预览
5
作者 单星 郭丹蕊 +2 位作者 高狄 尹文芳 梁宪峰 《智能制造》 2019年第3期39-42,共4页
一、引言在自动化铸件清理领域,由机器人抓取主轴,针对不同的清理特征选取相对应的刀具对铸件进行定点清理是打磨行业的发展趋势。考虑到清理过程中铸件的差异性及未知性,易造成清理不彻底或者过磨的情况,除此之外,由于机械误差、电气... 一、引言在自动化铸件清理领域,由机器人抓取主轴,针对不同的清理特征选取相对应的刀具对铸件进行定点清理是打磨行业的发展趋势。考虑到清理过程中铸件的差异性及未知性,易造成清理不彻底或者过磨的情况,除此之外,由于机械误差、电气故障等也可能造成清理不达标的情况,考虑到持续过磨时会有刀具、主轴和机器人等设备损坏的风险,从而影响到机器人的连续生产等后果。 展开更多
关键词 保护控制系统 软件设计 单元设备 打磨 铸件清理 机器人 发展趋势 特征选取
在线阅读 下载PDF
基于改进空间正则化相关滤波器的运动目标跟踪研究 预览
6
作者 郭克友 胡巍 暴启超 《机床与液压》 北大核心 2019年第2期124-129,共6页
为降低光照、遮挡、尺寸变化等因素对目标跟踪过程的影响,提出在经典空间正则化核相关滤波基础上,增加遮挡检测及处理机制,并分别采用相似度计算与空间距离计算作为遮挡评判标准。在模型更新之前先判断遮挡是否存在,如有遮挡,则不更新模... 为降低光照、遮挡、尺寸变化等因素对目标跟踪过程的影响,提出在经典空间正则化核相关滤波基础上,增加遮挡检测及处理机制,并分别采用相似度计算与空间距离计算作为遮挡评判标准。在模型更新之前先判断遮挡是否存在,如有遮挡,则不更新模型;否则更新模型。提出搜索半径择优处理,分别以6种搜索半径进行目标跟踪,寻找最优搜索半径;进而提出特征择优处理,分别提取HOG特征、PHOG特征、Haar-like特征、LBP特征以及FHOG特征与改进算法结合,选取最佳特征。采用两组实验进行验证:分别采用经典KCF算法、Mean Shift算法、Fragment算法、DSST算法、经典SRDCF算法和改进SRDCF算法对Bolt2和Basketball两个视频中运动目标进行跟踪对比。实验结果表明:FHOG特征与改进空间正则化核相关滤波相结合,且在搜索半径为8个像素点时的跟踪性能最佳,优于其他经典跟踪算法,处理速度可达3. 7 fps。 展开更多
关键词 视频目标跟踪 空间正则化核相关滤波器 遮挡检测 搜索半径 特征选取
在线阅读 下载PDF
基于特征选取与LSTM模型的股指预测方法研究 预览
7
作者 陈佳 刘冬雪 武大硕 《计算机工程与应用》 CSCD 北大核心 2019年第6期108-112,共5页
为了更好地研究股指预测问题,提出了基于特征选取与LSTM模型的股指预测方法,该方法从优化特征参数选取角度对模型预测能力进行提升,包含全面选取特征参数、应用系统聚类法进行特征分类、应用主成分分析对分类特征进行降维三个步骤。在... 为了更好地研究股指预测问题,提出了基于特征选取与LSTM模型的股指预测方法,该方法从优化特征参数选取角度对模型预测能力进行提升,包含全面选取特征参数、应用系统聚类法进行特征分类、应用主成分分析对分类特征进行降维三个步骤。在实证论证中,应用LSTM模型对纳斯达克股票指数数据和标普500指数数据进行预测,实验结果表明所提出的方法计算量小,预测结果在速度和准确度两方面分析均得到显著提升。 展开更多
关键词 股指预测 特征选取 系统聚类 主成分分析
在线阅读 下载PDF
基于Lasso回归模型的遗传性疾病与遗传位点关联分析 预览
8
作者 杨师华 《数学学习与研究:教研版》 2019年第1期145-146,共2页
致病位点的查找定位对研究遗传性疾病有非常重要的意义,其中对多性状标签组合关联分析问题的方法研究比较缺乏.本文构建的基于Lasso回归的遗传位点关联分析模型,不仅可以解决多标签关联分析问题,还兼顾了传统统计检验方法的准确性和机... 致病位点的查找定位对研究遗传性疾病有非常重要的意义,其中对多性状标签组合关联分析问题的方法研究比较缺乏.本文构建的基于Lasso回归的遗传位点关联分析模型,不仅可以解决多标签关联分析问题,还兼顾了传统统计检验方法的准确性和机器学习方法的高效性. 展开更多
关键词 关联分析 Lasso回归 特征选取 多标签 遗传位点
在线阅读 下载PDF
基于密度分类及组合特征的人数估计算法 预览
9
作者 李海丰 姜子政 +1 位作者 范龙飞 陈新伟 《计算机应用研究》 CSCD 北大核心 2018年第6期1891-1895,共5页
为了克服不同人群密度及所采用特征对人数估计的影响,提出了一种基于人群密度分类及组合特征的人数统计算法,该算法包括离线特征组合选取和在线实时估计两个阶段。在离线阶段,选取密度阈值将图像样本分为高、低密度两类,然后通过实验方... 为了克服不同人群密度及所采用特征对人数估计的影响,提出了一种基于人群密度分类及组合特征的人数统计算法,该算法包括离线特征组合选取和在线实时估计两个阶段。在离线阶段,选取密度阈值将图像样本分为高、低密度两类,然后通过实验方法选取最优的特征组合;在线估计阶段首先通过分类器将样本分为高、低密度两类,然后利用离线阶段选取的特征组合训练得到高斯模型,并分别对两类样本进行人数估计。实验结果表明,与不分高低密度相比,平均估计误差由10.6%降至8.1%;与目前主流的人数估计算法相比,该算法的平均估计误差也更小。 展开更多
关键词 人数估计 组合特征 特征选取 密度分类
在线阅读 下载PDF
利用主动深度学习提取极化SAR影像建筑区 预览
10
作者 邓鸿儒 徐佳 +1 位作者 单文龙 袁春琦 《测绘科学技术学报》 CSCD 北大核心 2018年第3期278-284,共7页
针对利用传统监督分类方法从极化SAR影像中提取建筑区存在标记样本数量不足、难以挖掘有效特征等问题,提出一种主动学习与深度学习相结合的极化SAR影像建筑区提取方法。首先通过自动编码器对训练样本训练得到初始分类器;接着利用主动... 针对利用传统监督分类方法从极化SAR影像中提取建筑区存在标记样本数量不足、难以挖掘有效特征等问题,提出一种主动学习与深度学习相结合的极化SAR影像建筑区提取方法。首先通过自动编码器对训练样本训练得到初始分类器;接着利用主动学习得到未标记样本中最富有信息量的样本进行人工标记;并将标记好的样本加入到训练样本中重新训练分类器。分别采用RADARSAT-2和ALOS-2极化SAR影像进行实验。结果表明传统的SVM方法和深度学习的方法加入主动学习后建筑区的提取精度都有所提高,而主动深度学习方法的提取效果优于主动SVM方法。 展开更多
关键词 极化SAR 特征选取 建筑区提取 主动学习 深度学习
在线阅读 免费下载
情绪相关脑电信号的特征选取与导联优化 预览
11
作者 李彤 王永宗 +3 位作者 张艺耀 彭宏 朱玲玲 赵永岐 《安徽医科大学学报》 北大核心 2018年第10期1517-1521,共5页
目的 探究与情绪密切相关的脑电特征,并藉此优化最少导联集合。方法 30名被试观看四类典型情绪图片(轻松、沮丧、愉悦、恐惧)并记录脑电信号。Fisher分数(F-score)算法筛选每导联脑电特征,使用支持向量机方法(SVM)分类四种情绪... 目的 探究与情绪密切相关的脑电特征,并藉此优化最少导联集合。方法 30名被试观看四类典型情绪图片(轻松、沮丧、愉悦、恐惧)并记录脑电信号。Fisher分数(F-score)算法筛选每导联脑电特征,使用支持向量机方法(SVM)分类四种情绪。结果 24名被试情绪诱发有效,四个特征组合(β频带、γ频带、信息熵、微分熵)的F-score均值作为情绪有效性评价指标,筛选出分类准确率高达81.15%的5个导联(FT7、T7、FC4、TP10、O1)。结论 利用校正后的F-score算法首次筛选出脑电信号的特征组合,获得与情绪密切相关的最优导联集合,极大地降低了运算时间,该结果对实现情绪的快速识别有重要价值。 展开更多
关键词 情绪 情绪识别 脑电信号 特征选取 F-score
在线阅读 下载PDF
基于IGA-IBP算法的高速公路逃费预测 预览
12
作者 李松江 周舟 +3 位作者 李岩芳 王艳春 宋小龙 王鹏 《计算机工程与设计》 北大核心 2018年第12期3840-3845,共6页
为解决现有高速公路逃费预测方法的准确率和稳定性低等问题,依据车辆收费数据提出一种基于IGA-IBP算法的预测模型。优化遗传算法中的变异算子和BP神经网络的隐含层和输出层之间的学习率,减小传统算法的误差并提高收敛速度,通过ReliefF... 为解决现有高速公路逃费预测方法的准确率和稳定性低等问题,依据车辆收费数据提出一种基于IGA-IBP算法的预测模型。优化遗传算法中的变异算子和BP神经网络的隐含层和输出层之间的学习率,减小传统算法的误差并提高收敛速度,通过ReliefF算法选取车辆逃费行为共有的关键特征,动态调整车辆行驶时间特征,归一化特征属性建立IGA-IBP算法预测模型。实验结果表明,与传统算法相比,该算法在各项评价指标中均具有优越性,可为高速公路管理局的决策提供重要支持。 展开更多
关键词 高速公路 IGA-IBP算法 神经网络 特征选取 动态行驶时间 逃费预测
在线阅读 下载PDF
基于多宽度高斯核的支持向量机特征选取算法研究 预览
13
作者 罗浪 汪静 《软件导刊》 2018年第2期80-85,共6页
支持向量机(SVM)作为一种机器学习分类算法应用广泛,但在处理高维度数据集时往往会由于特征维数较多遇到算法分类速度慢且容易陷入局部最优等问题。为了提高支持向量机的性能,提出一种基于多宽度高斯核(GKMW)的支持向量机特征选取算... 支持向量机(SVM)作为一种机器学习分类算法应用广泛,但在处理高维度数据集时往往会由于特征维数较多遇到算法分类速度慢且容易陷入局部最优等问题。为了提高支持向量机的性能,提出一种基于多宽度高斯核(GKMW)的支持向量机特征选取算法FSG。FSG算法将泛化能力更强的多宽度高斯核函数引入支持向量机中代替传统的高斯核函数,利用多宽度高斯核函数能体现各个特征对分类贡献程度不同且能区分样本中各个特征重要性的特点,以多宽度高斯核函数的参数优化结果为基础进行特征选取。利用特征选取后的特征子集在多组标准UCI数据集上分类实验,实验结果表明所提算法性能优于有代表性的特征选取法。 展开更多
关键词 多宽度高斯核 支持向量机 特征选取 基因表达式编程
在线阅读 免费下载
基于RSS特征选取的RTI定位方法 预览
14
作者 朱春华 陈岳 《现代电子技术》 北大核心 2018年第15期31-33,38共4页
接收信号强度(RSS)特征选取是影响无线层析成像(RTI)定位性能的关键因素之一。将现有RTI技术采用的RSS特征分为RSS衰减特征、RSS移动方差特征和RSS直方图分布核距离特征三类。分析结果表明,三类RSS特征在多径干扰抑制、目标运动状态、... 接收信号强度(RSS)特征选取是影响无线层析成像(RTI)定位性能的关键因素之一。将现有RTI技术采用的RSS特征分为RSS衰减特征、RSS移动方差特征和RSS直方图分布核距离特征三类。分析结果表明,三类RSS特征在多径干扰抑制、目标运动状态、系统要求以及定位精度上有明显不同。所得结论是进一步研究RSS特征优化的基础。 展开更多
关键词 无线层析成像 定位算法 RSS 特征选取 衰减特征 核距离
在线阅读 下载PDF
自适应特征选取的鲁棒模糊聚类分割算法
15
作者 吴成茂 白鹭 《小型微型计算机系统》 CSCD 北大核心 2018年第8期1842-1848,共7页
面对模糊C-均值聚类仅适合单峰特征数据集且噪声敏感问题,将马尔科夫随机场与特征选取高斯混合模型结合,提出一种基于马尔可夫随机场特征选取模糊聚类算法.在特征选取高斯混合模型聚类目标函数基础上,利用聚类像素所对应邻域内所有... 面对模糊C-均值聚类仅适合单峰特征数据集且噪声敏感问题,将马尔科夫随机场与特征选取高斯混合模型结合,提出一种基于马尔可夫随机场特征选取模糊聚类算法.在特征选取高斯混合模型聚类目标函数基础上,利用聚类像素所对应邻域内所有像素的分类先验信息并结合马尔可夫随机场理论,确定像素分类先验概率,并通过KL散度将其作为尺度参数引入到特征选取高斯混合模型聚类目标函数,采用最优化方法获取迭代求解的隶属度、聚类中心等表达式,并以此给出相应的图像分割算法.通过对噪声干扰标准灰度图像与脑部CT图像等的分割测试结果表明,本文所建议的算法是有效且具有良好的抗噪鲁棒性. 展开更多
关键词 模糊C均值聚类 高斯混合模型 特征选取 空间邻域信息
基于BP和Adaboost-BP神经网络的羊肉新鲜度高光谱定性分析 预览 被引量:1
16
作者 范中建 朱荣光 +3 位作者 张凡凡 姚雪东 邱园园 阎聪 《新疆农业科学》 CSCD 北大核心 2018年第1期183-188,共6页
【目的】实现对羊肉新鲜度的快速准确鉴别。【方法】研究通过对460~1 000 nm的羊肉高光谱图像纯肌肉部分提取光谱数据,以挥发性盐基氮(TVB-N)值对新鲜度等级进行划分,对预处理后的光谱数据分别采用连续投影算法(SPA)、主成分分析(... 【目的】实现对羊肉新鲜度的快速准确鉴别。【方法】研究通过对460~1 000 nm的羊肉高光谱图像纯肌肉部分提取光谱数据,以挥发性盐基氮(TVB-N)值对新鲜度等级进行划分,对预处理后的光谱数据分别采用连续投影算法(SPA)、主成分分析(PCA)两种压缩降维方法和反向传播(BP)神经网络、自适应提升BP(Adaboost-BP)神经网络两种建模方法开展羊肉新鲜度的分类比较。【结果】其中采用SPA、PCA建立的BP模型校正集与预测集准确率均为100%、8333%,建立的Adaboost-BP模型校正集与预测集准确率均为100%、9444%,两种压缩降维方法下Adaboost-BP模型效果均优于BP模型。【结论】利用高光谱图像技术结合Adaboost-BP方法对羊肉新鲜度等级进行分类判别是可行的。 展开更多
关键词 高光谱 羊肉新鲜度 特征选取 BP神经网络 ADABOOST算法
在线阅读 下载PDF
基于影像信息的人工神经网络的脑胶质瘤分级 预览
17
作者 毛弈韬 廖伟华 +6 位作者 曹冬 赵璐晴 吴训华 孔令煜 周高峰 赵跃龙 王冬翠 《中南大学学报:医学版》 CSCD 北大核心 2018年第12期1315-1322,共8页
目的:探讨利用人工神经网络对脑胶质瘤进行分级的可行性和有效性。方法:回顾性纳入2012至2017年经病理证实的130例脑胶质瘤患者,基于磁共振增强T1加权相二维图像提取的共41个影像学特征。建立人工神经网络并进行特征选择以得到最优化的... 目的:探讨利用人工神经网络对脑胶质瘤进行分级的可行性和有效性。方法:回顾性纳入2012至2017年经病理证实的130例脑胶质瘤患者,基于磁共振增强T1加权相二维图像提取的共41个影像学特征。建立人工神经网络并进行特征选择以得到最优化的神经网络模型,随机抽取一半病例的影像学特征数据对神经网络进行训练,并用另一半特征数据对训练完成后的神经网络进行胶质瘤分级效果验证。对神经网络重复进行100次训练和验证,将结果进行平均。结果:经过特征选择后的神经网络模型共选取5个特征作为输入特征,神经网络对脑胶质瘤分级的平均准确率为90.32%,平均敏感度为87.86%,平均特异度为92.49%,受试者操作曲线的曲线下面积为0.9486。结论:人工神经网络作为一种人工智能方法,对脑胶质瘤分级具有较高的准确性,为脑胶质瘤的无创性术前分级提供了可行的辅助手段。 展开更多
关键词 脑胶质瘤 特征选取 人工神经网络
在线阅读 下载PDF
语音情感分析与仿真 预览
18
作者 曹维祥 《宿州学院学报》 2018年第4期107-111,共5页
对中文情感语音进行特征参数提取,选取了CASIA语料库中angry、fear、happy、sad四种情感语句,提取发音持续时间、平均发音速率、基音周期的最大值、平均值、短时过零率、共振峰的第一共振峰频率最大值和短时能量平均值、最大值等8个特... 对中文情感语音进行特征参数提取,选取了CASIA语料库中angry、fear、happy、sad四种情感语句,提取发音持续时间、平均发音速率、基音周期的最大值、平均值、短时过零率、共振峰的第一共振峰频率最大值和短时能量平均值、最大值等8个特征参数,再通过标准分数法把各维元素归一化为均值为0、方差为1的标准正态分布参数。最后利用主分量分析(PCA)方法对各个特征参数转化的特征向量进行特征降维,从而完成对语音情感的分析与仿真。仿真实验结果表明,该方法切实有效。 展开更多
关键词 情感语音 人机交互 特征选取 主分量分析
在线阅读 免费下载
大数据下最优教学方式选取模型设计 预览 被引量:1
19
作者 许健松 游晓东 《沈阳工业大学学报》 北大核心 2018年第6期664-669,共6页
为了获取关联性较强、数据融合精度较高的最优教学模式,提出依据数据估计量变化的最优教学方式选取模型设计方法.对不同服务器大数据信息进行分段,利用前半段数据进行曲线拟合,后半段数据进行直线拟合.预测高噪声干扰数据,分析干扰数据... 为了获取关联性较强、数据融合精度较高的最优教学模式,提出依据数据估计量变化的最优教学方式选取模型设计方法.对不同服务器大数据信息进行分段,利用前半段数据进行曲线拟合,后半段数据进行直线拟合.预测高噪声干扰数据,分析干扰数据点滤除前后统计量的变化,构建由数据源整合、数据拟合、滤除干扰三方面相结合的最优教学方式选取模型并进行相关性计算.利用调整系数进一步提高了模型精度.结果表明,所设计模型的表达能力较强,复杂度不高,可精准、快速地实现最优教学方式的选取. 展开更多
关键词 大数据 数据拟合 滤除干扰 模型设计 数据挖掘 分段处理 特征选取 教学方式
在线阅读 下载PDF
基于稀疏正则化的高维数据可视化分析技术 预览
20
作者 陈海辉 周向东 施伯乐 《计算机应用与软件》 2017年第6期22-26,119共6页
高维数据可视化分析是数据分析与可视化领域的研究热点,传统的降维方法得到的低维空间往往难以解释,不利于人们对高维数据的可视化分析与探索。提出一种新的可视化解释器(Explainer)方法,将L1稀疏正则化特征选取引入到高维数据的可视... 高维数据可视化分析是数据分析与可视化领域的研究热点,传统的降维方法得到的低维空间往往难以解释,不利于人们对高维数据的可视化分析与探索。提出一种新的可视化解释器(Explainer)方法,将L1稀疏正则化特征选取引入到高维数据的可视化处理过程中,建立起高层语义标签与少量的关键特征之间的联系。通过可视化设计与实验验证了该方法可以有效改善高维数据的可视化分析性能。 展开更多
关键词 高维数据 特征选取 稀疏学习 可视化分析 降维 投影
在线阅读 下载PDF
上一页 1 2 11 下一页 到第
使用帮助 返回顶部 意见反馈