融合自适应感受野的目标检测算法

1

作者 黄路 李泽平 +1 位作者 杨文帮 赵勇 《计算机工程与设计》 北大核心 2024年第9期2669-2675,共7页

针对不同尺度的目标容易造成模型的特征提取和尺度变化的适应性问题,提出一种融合自适应感受野的目标检测算法。通过对特征图采用拆分、卷积和融合的方式构造通道自适应感受野模块,以提取不同尺度的感受野,提高对尺度变化的适应能力;在... 针对不同尺度的目标容易造成模型的特征提取和尺度变化的适应性问题,提出一种融合自适应感受野的目标检测算法。通过对特征图采用拆分、卷积和融合的方式构造通道自适应感受野模块,以提取不同尺度的感受野,提高对尺度变化的适应能力;在网络结构中引入通道自适应感受野模块和RepVGG模块,采用FC模块(concatenate with convolutions)过滤冗余特征,强化模型的特征提取能力;采用Alpha-CIOU损失和知识蒸馏优化训练,提高算法的检测能力。在Pascal VOC和MS COCO数据集上的实验结果表明,该算法在尺度变化、精度和速度等方面取得了优秀的性能。 展开更多

关键词 特征提取 尺度变化 目标检测 通道自适应感受野 冗余特征 边框损失 知识蒸馏

下载PDF 职称材料

基于对抗机器学习的网络入侵特征选择研究

2

作者 张翼 程小曼 管冬平 《电子设计工程》 2024年第18期173-176,181,共5页

网络入侵特征选择过程中无法有效缩减特征规模,导致特征选择效果不理想,据此该文设计基于对抗机器学习的网络入侵特征选择方法。利用对抗机器学习以及Word2vec改变入侵特征规模,降低冗余特征量。选择对抗入侵节点位置,通过迭代更新获取... 网络入侵特征选择过程中无法有效缩减特征规模,导致特征选择效果不理想,据此该文设计基于对抗机器学习的网络入侵特征选择方法。利用对抗机器学习以及Word2vec改变入侵特征规模,降低冗余特征量。选择对抗入侵节点位置,通过迭代更新获取节点可信度和可用度值,形成入侵特征选择点集,从入侵特征分组中随机选择特征子集,获取网络入侵特征选择结果。由实验结果可知,该方法特征选择结果与理想结果一致,F1分数最高为95分,特征选择效果较好。 展开更多

关键词 对抗机器学习 网络入侵 特征选择 冗余特征 对抗入侵节点

下载PDF 职称材料

基于局部标记相关性的标记分布学习算法

3

作者 黄俊 田佳洪 《计算机工程与设计》 北大核心 2023年第2期541-547,共7页

针对大多数现有的标记分布学习算法从全局角度利用标记相关性,忽略了仅存于部分示例范围内的局部标记相关性,同时,算法性能会受到无关和冗余特征干扰的问题,提出一种基于局部标记相关性的标记分布学习算法(LDL-LLC)。通过对训练数据进... 针对大多数现有的标记分布学习算法从全局角度利用标记相关性,忽略了仅存于部分示例范围内的局部标记相关性,同时,算法性能会受到无关和冗余特征干扰的问题,提出一种基于局部标记相关性的标记分布学习算法(LDL-LLC)。通过对训练数据进行分组,将每组训练数据的标记相关性约束在标记输出上,探索和利用局部标记相关性,引入特征选择常用的范数约束,学习标记私有特征和共享特征。在多个真实标记分布数据集上的对比实验结果表明,LDL-LLC算法性能良好。 展开更多

关键词 标记分布学习 局部标记相关性 无关特征 冗余特征 特征选择 标记私有特征 共享特征

下载PDF 职称材料

区别性特征及多余特征 被引量：2

4

作者 习晓明 《贵州师范大学学报（社会科学版）》 2002年第6期111-113,共3页

区别性特征的创立是现代音系学开创性的发展 ,音位不再被看成是音系分析的最小单位 ,而是一系列区别性特征的集合。区别性特征被用于描写语音的自然类并对其规则进行概括。由于有些特征可以根据其它区别性特征预测 ,这些被称为多余特征... 区别性特征的创立是现代音系学开创性的发展 ,音位不再被看成是音系分析的最小单位 ,而是一系列区别性特征的集合。区别性特征被用于描写语音的自然类并对其规则进行概括。由于有些特征可以根据其它区别性特征预测 ,这些被称为多余特征的信息可以在描写语音时省掉。多余特征的值可以运用多余特征规则来赋予。 展开更多

关键词 区别性特征 分类功能 自然类 多余特性

下载PDF 职称材料

联合不相关回归和非负谱分析的无监督特征选择 被引量：1

5

作者 朱星宇 陈秀宏 《智能系统学报》 CSCD 北大核心 2022年第2期303-313,共11页

在无标签高维数据普遍存在的数据挖掘和模式识别任务中,无监督特征选择是必不可少的预处理步骤。然而现有的大多数特征选择方法忽略了数据特征之间的相关性,选择出具有高冗余、低判别性的特征。本文提出一种基于联合不相关回归和非负谱... 在无标签高维数据普遍存在的数据挖掘和模式识别任务中,无监督特征选择是必不可少的预处理步骤。然而现有的大多数特征选择方法忽略了数据特征之间的相关性,选择出具有高冗余、低判别性的特征。本文提出一种基于联合不相关回归和非负谱分析的无监督特征选择方法(joint uncorrelated regression and nonnegative spectral analysis for unsupervised feature selection),在选择不相关且具有判别性特征的同时,自适应动态确定数据之间的相似性关系,从而能获得更准确的数据结构和标签信息。而且,模型中广义不相关约束能够避免平凡解,所以此方法具有不相关回归和非负谱聚类两种特征选择方法的优点。本文还设计出一种求解模型的高效算法,并在多个数据集上进行了大量实验与分析,验证模型的优越性。 展开更多

关键词 不相关回归 非负谱分析 冗余特征 局部结构学习 无监督学习 自适应图 特征选择 判别性特征

下载PDF 职称材料

故障诊断系统中的冗余特征处理

6

作者 严建峰 刘明 李伟华 《计算机测量与控制》 CSCD 2008年第6期777-780,共4页

特征参数是故障诊断的基础和关键,然而特征参数中总是存在很多冗余特征,影响故障诊断的准确率;根据设备的结构特点提出了基于故障树分解的冗余特征处理方法;首先,采用基于分类的粗糙集算法对不同部件的冗余特征进行约简,根据故障树结构... 特征参数是故障诊断的基础和关键,然而特征参数中总是存在很多冗余特征,影响故障诊断的准确率;根据设备的结构特点提出了基于故障树分解的冗余特征处理方法;首先,采用基于分类的粗糙集算法对不同部件的冗余特征进行约简,根据故障树结构分层处理;进而采用Apriori算法挖掘隶属于同一父节点的部件的频繁特征,降低不同部件特征参数的相关性;仿真实验证明,对原始特征进行冗余处理后,故障诊断系统的性能有较大提高。 展开更多

关键词 冗余特征 故障树分解 约简 频繁特征

下载PDF 职称材料

基于多视图核鉴别分析的图像识别 被引量：1

7

作者 朱震宇 荆晓远 《计算机技术与发展》 2016年第12期92-95,共4页

近年来多视图学习引起了研究者的广泛关注。在多视图学习中,数据主要来自于多个视图(或特征集)。多视图数据的最大优点是可以从不同视图之间提取互补信息。传统多视图学习方法是在不同视图上单独地训练分类器。这些方法利用了视图之间... 近年来多视图学习引起了研究者的广泛关注。在多视图学习中,数据主要来自于多个视图(或特征集)。多视图数据的最大优点是可以从不同视图之间提取互补信息。传统多视图学习方法是在不同视图上单独地训练分类器。这些方法利用了视图之间的互补信息,但是忽略了去除不同视图之间的冗余信息。为了解决上述问题,提出一种基于多视图核鉴别分析的识别方法。该方法通过基于核判别分析从各个视图中提取出相互正交的投影矩阵,从而能够提取出兼具互补和无冗余的特征。在AR和Oxford Flowers17公共数据库上的实验结果验证了所提算法的有效性。 展开更多

关键词 多视图学习 互补信息 冗余信息 核鉴别分析

下载PDF 职称材料

基于互信息的游戏用户特征选取方法研究

8

作者 李淑琴 安萌萌 +1 位作者 孟坤 丁濛 《北京信息科技大学学报（自然科学版）》 2017年第5期13-16,23,共5页

数据特征的提取是构建预测模型的重要步骤之一。利用特征与特征间的互信息,以及特征与类别的互信息对二打一游戏数据特征进行筛选,随后采用朴素贝叶斯模型和决策树模型进行实验,实验表明其特征筛选方法可以去除冗余特征,实现降维效果的... 数据特征的提取是构建预测模型的重要步骤之一。利用特征与特征间的互信息,以及特征与类别的互信息对二打一游戏数据特征进行筛选,随后采用朴素贝叶斯模型和决策树模型进行实验,实验表明其特征筛选方法可以去除冗余特征,实现降维效果的同时并没有影响最终的预测效果。 展开更多

关键词 互信息 特征选择 冗余特征

下载PDF 职称材料

基于特征选择的数据流聚类

9

作者 龙鹏飞 唐军 王琳 《计算机工程与设计》 CSCD 北大核心 2010年第19期4235-4237,4241,共4页

在数据流聚类时,冗余特征会影响数据的聚类质量,移除冗余特征以提高聚类质量就显得尤为重要。为解决此问题,提出一种基于特征选择的数据流聚类算法(DSCFC)。该算法应用了特征排序、特征等级评定、探测冗余不重要的特征、移除冗余特征算... 在数据流聚类时,冗余特征会影响数据的聚类质量,移除冗余特征以提高聚类质量就显得尤为重要。为解决此问题,提出一种基于特征选择的数据流聚类算法(DSCFC)。该算法应用了特征排序、特征等级评定、探测冗余不重要的特征、移除冗余特征算法等。实验结果表明,DSCFC算法能探测出数据流中隐含的冗余特征并移除冗余特征,在对有冗余特征的数据流聚类时,比CluSteam算法更有效,聚类质量更好。 展开更多

关键词 数据流聚类 特征选择 冗余特征 代价矩阵 特征移除

下载PDF 职称材料

大数据集合冗余特征排除算法仿真

10

作者 王杨丽 《计算机仿真》 北大核心 2020年第9期295-298,381,共5页

采用当前方法去除大数据集合中存在的冗余特征时,去除冗余特征的系统运行时间较长,存在排除效率低和有效性差的问题,提出基于Multi-Agent的大数据集合冗余特征排除算法。将Multi-Agent系统应用在大数据集合冗余特征的排除过程中,通过She... 采用当前方法去除大数据集合中存在的冗余特征时,去除冗余特征的系统运行时间较长,存在排除效率低和有效性差的问题,提出基于Multi-Agent的大数据集合冗余特征排除算法。将Multi-Agent系统应用在大数据集合冗余特征的排除过程中,通过Shearlet变换去除大数据集合中存在的噪声信号,采用滑动窗口对大数据集合进行更新,过滤并检测大数据集合中存在的离群点,通过增量主成分分析法提取大数据集合的初步特征,在Fisher准则函数的基础上对各主元中存在的分类信息进行量化处理,通过熵值法获得对应的权重,根据计算结果筛选主元,构建特征空间,采用增量线性判别方法分析当前窗口高维数据的投影,完成大数据集合的二次特征提取,实现大数据集合冗余特征的排除。实验结果表明,所提算法的排除效率高、有效性好。 展开更多

关键词 大数据集合 冗余特征 排除算法

下载PDF 职称材料

基于多视图半监督学习的图像识别

11

作者 奚晓钰 吴飞 荆晓远 《计算机技术与发展》 2017年第12期48-51,共4页

近年来多视图学习在各个研究应用领域引起了学者们的广泛关注。传统有监督的多视图学习在学习过程中只是使用了训练样本中少数的有标签样本,传统无监督的多视图学习反之利用了其中大量的无标签样本。相比于这两种方法,多视图半监督学习... 近年来多视图学习在各个研究应用领域引起了学者们的广泛关注。传统有监督的多视图学习在学习过程中只是使用了训练样本中少数的有标签样本,传统无监督的多视图学习反之利用了其中大量的无标签样本。相比于这两种方法,多视图半监督学习方法能够同时利用训练集中的有标签样本以及无标签样本,其学习目的是在多个视图里面少数有标签样本以及大量无标签样本的情况下,在改善有监督学习的泛化性能的同时,提高非监督学习的高效性。因此文中主要以半监督学习为研究手段,以多视图子空间特征抽取为研究目标,实现了其在图像识别领域的应用。在AR和Oxford Flowers17公共数据库上进行的实验,验证了所提出算法的有效性。 展开更多

关键词 多视图学习 半监督学习 互补信息 冗余信息

下载PDF 职称材料

基于特征选择和随机森林的电力系统受扰后动态频率预测 被引量：21

12

作者 李冠争 李斌 +3 位作者 王帅 李超 刘昊 田杨阳 《电网技术》 EI CSCD 北大核心 2021年第7期2492-2502,共11页

基于机器学习的电网受扰后动态频率预测方法往往忽视系统拓扑变化,造成当电网拓扑改变后原训练模型可能不再适用。为此,提出一种基于随机森林(random forest,RF)的电网频率预测方法。考虑到随机森林算法的训练时间与特征数量成正比,提... 基于机器学习的电网受扰后动态频率预测方法往往忽视系统拓扑变化,造成当电网拓扑改变后原训练模型可能不再适用。为此,提出一种基于随机森林(random forest,RF)的电网频率预测方法。考虑到随机森林算法的训练时间与特征数量成正比,提出基于斯皮尔曼相关性和层次聚类凝聚的特征去冗余方法,降低输入特征数量。在此基础上,提取反映电网动态频率的关键特征,进一步降低训练时间。对输入特征去冗余前后以及提取关键特征后的不同情况进行对比分析,结果显示所提算法在保证高预测准确率的前提下,能大幅缩短训练时间。新英格兰39节点上的仿真测试验证了所提算法的快速性、容错性和准确性。 展开更多

关键词 动态频率预测 机器学习 随机森林 特征去冗余

下载PDF 职称材料

优化K均值聚类在冗余特征剔除中的应用研究 被引量：1

13

作者 李丽敏 温宗周 宋玉琴 《计算机与数字工程》 2019年第11期2836-2840,共5页

机械故障诊断中,为了提高诊断可靠性,往往采用多个特征共同决策,由此产生多维特征问题,维数过多会导致计算复杂度提高,不利于诊断的实时性。诊断所用的多个特征中,有些特征之间的耦合比较严重,有些特征之间互斥性比较强,得出的结论是特... 机械故障诊断中,为了提高诊断可靠性,往往采用多个特征共同决策,由此产生多维特征问题,维数过多会导致计算复杂度提高,不利于诊断的实时性。诊断所用的多个特征中,有些特征之间的耦合比较严重,有些特征之间互斥性比较强,得出的结论是特征冗余严重。为了剔除冗余特征,凸显其他特征对于诊断的重要作用,并提高计算速度,论文提出将K均值聚类方法应用于冗余故障特征的剔除中,K均值聚类能够将具有相似特性的特征聚类到一起,并以聚类中心的形式选择出最能代表该类的特征,其他相似特征直接剔除掉。采用凯斯西楚大学轴承实验室的部分故障数据作为测试数据,实验结果表明利用该方法进行冗余特征的剔除后,对比PCA,LPP和LLE特征选择方法,该方法诊断精度最高,而且由于剔除了冗余特征,使得实时性得到了改进。 展开更多

关键词 K均值聚类 冗余特征剔除 SVM多分类 机械故障诊断

下载PDF 职称材料

基于MapReduce的平均多项朴素贝叶斯文本分类 被引量：5

14

作者 何敏 武德安 吴磊 《计算机应用研究》 CSCD 北大核心 2016年第1期115-117,共3页

针对海量文本分类问题进行了研究,基于分布式计算框架MapReduce平台,实现了一种简单、有效的文本分类算法——平均多项朴素贝叶斯分类方法。实验中该方法分类准确率高于一般朴素贝叶斯方法,且具有较好的加速比。实验结果表明,由于减小... 针对海量文本分类问题进行了研究,基于分布式计算框架MapReduce平台,实现了一种简单、有效的文本分类算法——平均多项朴素贝叶斯分类方法。实验中该方法分类准确率高于一般朴素贝叶斯方法,且具有较好的加速比。实验结果表明,由于减小了文本冗余特征信息的影响与并行计算良好的扩展性,该方法更适用于海量文本数据分类。 展开更多

关键词 文本分类 朴素贝叶斯 并行计算 冗余特征 大数据

下载PDF 职称材料

基于改进相对判别准则的文本分类方法 被引量：1

15

作者 董园园 《网络新媒体技术》 2020年第2期29-36,共8页

在文本分类过程中,为了提升特征过滤法的性能,基于相对判别准则(RDC),提出一种采用多变量形式的改进方法。首先,使用RDC度量计算每个特征的相关值;然后,考虑多个特征变量之间的依赖关系,使用Pearson关联以计算特征之间的关联值。同时,... 在文本分类过程中,为了提升特征过滤法的性能,基于相对判别准则(RDC),提出一种采用多变量形式的改进方法。首先,使用RDC度量计算每个特征的相关值;然后,考虑多个特征变量之间的依赖关系,使用Pearson关联以计算特征之间的关联值。同时,利用最小冗余和最大相关的概念,对冗余特征进行约简。最后,选出特征子集,作为后续分类的要素。所提方法在3个数据集上进行实验评价。结果表明,在大部分情况下,所提方法在精度、召回率和F度量方面的分类性能优于其他方法,且复杂度适中。 展开更多

关键词 文本分类 相对判别准则 多变量 关联值 冗余特征 特征子集

下载PDF 职称材料

低冗余特征的轻量级物流包裹检测模型

16

作者 汤虎林 张国伟 +1 位作者 汤毓桐 王力 《佳木斯大学学报（自然科学版）》 CAS 2024年第3期98-102,共5页

鉴于目前物流包裹目标检测模型在设备资源、检测精度和速度方面存在限制问题,提出了一种名为GSYOLO的低冗余特征的轻量级目标检测网络模型,用于快速检测物流包裹类型。提出了称为GSBlock的轻量级特征提取模块作为骨干网络,从输入图像中... 鉴于目前物流包裹目标检测模型在设备资源、检测精度和速度方面存在限制问题,提出了一种名为GSYOLO的低冗余特征的轻量级目标检测网络模型,用于快速检测物流包裹类型。提出了称为GSBlock的轻量级特征提取模块作为骨干网络,从输入图像中提取代表性特征,在保持高精度的同时,对模型进行了相应的瘦身处理,加入多种轻量化模块和无参数注意力机制,显著减少了骨干网的参数和浮点运算量,从而实现了快速推理和低功耗。通过使用自建物流包裹数据集进行对比实验,结果显示,与先进的检测模型YOLOv8s相比,GSYOLO模型的平均精度(mAP)达到了98.6%,模型参数减少了94.75%,FLOPs减少了96%。GSYOLO模型参数和FLOPs显著减少,同时检测精度更高,尤其适用于计算资源受限的物流包裹检测场景。 展开更多

关键词 物流包裹检测 轻量化 YOLO 低冗余 特征提取 特征融合

下载PDF 职称材料

基于去冗余特征和语义关系约束的零样本属性识别 被引量：3

17

作者 张桂梅 龙邦耀 +1 位作者 曾接贤 黄军阳 《模式识别与人工智能》 CSCD 北大核心 2021年第9期809-823,共15页

基于生成式的零样本识别方法在生成特征时受冗余信息和域偏移的影响,识别精度不佳.针对此问题,文中提出基于去冗余特征和语义关系约束的零样本属性识别方法.首先,将视觉特征映射到一个新的特征空间,通过互相关信息对视觉特征进行去冗余... 基于生成式的零样本识别方法在生成特征时受冗余信息和域偏移的影响,识别精度不佳.针对此问题,文中提出基于去冗余特征和语义关系约束的零样本属性识别方法.首先,将视觉特征映射到一个新的特征空间,通过互相关信息对视觉特征进行去冗余处理,在去除冗余视觉特征的同时保留类别的相关性,由于在识别过程中减少冗余信息的干扰,从而提高零样本识别的精度.然后,利用可见类和不可见类之间的语义关系建立知识迁移模型,并引入语义关系约束损失,约束知识迁移的过程,使生成器生成的视觉特征更能反映可见类和不可见类之间语义关系,缓解两者之间的域偏移问题.最后,引入循环一致性结构,使生成的伪特征更接近真实特征.在数据集上的实验证实文中方法提高零样本识别任务的精度,并具有较优的泛化性能. 展开更多

关键词 去冗余特征 语义关系约束 零样本识别 域偏移 属性识别

下载PDF 职称材料