检索范围:
排序: 展示方式:
FAAD:一种无监督快速准确的数据流上多维序列异常检测方法 Regular Papers
Bin LI, Yi-jie WANG, Dong-sheng YANG, Yong-mou LI, Xing-kong MA
《信息与电子工程前沿(英文)》 2019年 第20卷 第3期 页码 388-404 doi: 10.1631/FITEE.1800038
一种面向软件缺陷预测的相似性度量特征选择方法 Article
Qiao YU, Shu-juan JIANG, Rong-cun WANG, Hong-yang WANG
《信息与电子工程前沿(英文)》 2017年 第18卷 第11期 页码 1744-1753 doi: 10.1631/FITEE.1601322
微阵列数据集的特征选择技术:综合评述、分类和未来方向 Review
Kulanthaivel BALAKRISHNAN, Ramasamy DHANALAKSHMI
《信息与电子工程前沿(英文)》 2022年 第23卷 第10期 页码 1451-1478 doi: 10.1631/FITEE.2100569
为获得最佳结果,从微阵列数据集中检索相关特征已成为特征选择(FS)技术的研究热点。本综述旨在全面阐述各种最新特征选择技术,同时介绍了基于微阵列数据集的处理多类分类问题的技术以及提高学习算法性能的不同方法。我们试图理解和解决数据集不平衡问题,以证实研究人员在微阵列数据集上的工作。对文献的分析为理解和强调在通过各种特征选择技术寻找最佳特征子集时存在的众多挑战和问题铺平了道路。同时提供了一个案例说明该方法的实施过程,该方法使用3个微阵列癌症数据集评估一些包装方法和混合方法的分类精度和收敛能力,以确认最优特征子集。
关键词: 特征选择;高维;学习技术;微阵列数据集
付昀,徐维朴
《中国工程科学》 2004年 第6卷 第12期 页码 56-61
基于光流计算方法统一框架理论,研究了一种利用高斯多维滤波器的渐进性和时空性提高光流估计性能的有效方法。在保持现有光流计算方法的前提下,通过调节时间维和空间维的方差参数,改变时空预滤波和光滑效果,突出时间混叠和光流主信息,从而提高重构视频序列的信噪比。试验中以标准的Flower Garden和Football序列的前50帧作为参考图像序列,以LK算法为参考光流算法。结果显示,滤波窗口为5×5时的最佳时间方差参数为0.4,最佳空间方差参数为[1.6,2.0];加入高斯多维预滤波前后利用光流场重构图像的平均峰值信噪比PSNR提高2.572dB,提高幅度为13.6%
数据驱动的加工过程异常诊断 Article
Y.C. Liang, S. Wang, W.D. Li, X. Lu
《工程(英文)》 2019年 第5卷 第4期 页码 646-652 doi: 10.1016/j.eng.2019.03.012
为了在计算机数控(CNC)加工过程中实现零缺陷生产,开发有效的异常检测诊断系统势在必行。为了解决这个问题,本文提出了一种全新的异常数据驱动的诊断系统。在该系统之中,我们持续收集随动态加工过程而产生的状态监测功率数据,并以此支持在线诊断分析。为了便于分析,我们设计了预处理机制对所监视的数据进行去噪、标准化以及校准。随后我们即从监控数据中提取关键特征,并定义阈值以识别异常。考虑到加工过程中机床和工装的动态条件,用于识别异常的阈值可以调整。我们还可以基于历史数据利用果蝇优化(FFO)算法优化阈值,以实现更准确的检测。通过实践验证,我们证明了该系统在工业应用中的有效性和巨大前景。
基于多表征声呐数据特征融合的水下目标检测方法 Research Article
王非1,李婉玉1,刘淼2,周景春1,张维石1
《信息与电子工程前沿(英文)》 2023年 第24卷 第6期 页码 828-843 doi: 10.1631/FITEE.2200429
关键词: 水下目标检测;声呐数据表示形式;特征融合
基于最小化重构误差的生成对抗网络异常检测 Article
Huan-gang WANG, Xin LI, Tao ZHANG
《信息与电子工程前沿(英文)》 2018年 第19卷 第1期 页码 116-125 doi: 10.1631/FITEE.1700786
AED-Net——异常事件检测网络 Article
王田, 苗子琛, 陈禹昕, 周毅, 单光存, Hichem Snoussi
《工程(英文)》 2019年 第5卷 第5期 页码 930-939 doi: 10.1016/j.eng.2019.02.008
长期以来,在拥挤场景中检测异常事件都是一项具有挑战性的任务。为解决这一问题,本文提出了一种名叫异常事件检测网络(AED-Net)的自监督框架,它由主成分分析网络(PCANet)和核主成分分析(kPCA)组成。该框架以不同场景的监控视频序列为原始数据,通过训练PCANet以提取人群情况的高级语义。kPCA可作为一种单类分类器,被用于识别场景中的异常事件。与目前流行的一些深度学习方法相比,该框架完全是自监督的,因为它只使用正常情况下的视频序列。通过对明尼苏达大学公共监测人类活动数据集(UMN数据集)和加州大学圣地亚哥分校监测异常数据集(UCSD数据集)进行全局和局部异常事件进行检测发现,与其他最先进的方法相比,该方法具有更好的等误差率(EER
一种用于文本分类的去冗余特征选择新方法 None
You-wei WANG, Li-zhou FENG
《信息与电子工程前沿(英文)》 2018年 第19卷 第2期 页码 221-234 doi: 10.1631/FITEE.1601761
联合局部学习和组稀疏回归的无监督特征选择 Regular Papers
Yue WU, Can WANG, Yue-qing ZHANG, Jia-jun BU
《信息与电子工程前沿(英文)》 2019年 第20卷 第4期 页码 538-553 doi: 10.1631/FITEE.1700804
关键词: 无监督;局部学习;组稀疏回归;特征选择
郭志波,杨静宇,刘华军,严云洋
《中国工程科学》 2008年 第10卷 第7期 页码 125-131
提出一种基于沃尔什特征的增强型AdaBoost 人脸快速检测算法,不仅具有很快的训练速度,而且利 用较少的非人脸样本进行训练就可以达到较好的检测效果首先,提出用较少的沃尔什特征来代替大量的 Harr-Like 特征可以较大幅度的降低特征之间的冗余。然后提出一种双阈值增强型AdaBoost 算法,其中双阈 值的快速搜索方法大大节约了训练时间,并且在训练Cascaded 检测器过程中,前层分类器的训练结果对后层 分类器的训练具有指导作用,加强了总体检测器的性能最后,使用该算法训练的检测器对MIT+CMU 人脸测试库进行了测试,结果表明 该方法在训练速度、测试精度、检测时间等方面都优于相应的方法。
黄采伦,余小华,陈安华,张剑
《中国工程科学》 2007年 第9卷 第7期 页码 61-64
列车轮对轴承故障是危及列车运行安全的重要因素之一,对其准确检测是高速重载列车需要解决的关键问题。当轮对轴承出现异常时,其振动信号中的幅值就会出现突变点,据此提出了利用频谱细化技术对轮对轴承的振动加速度信号进行分析的方法。实验结果表明,该方法实现了轮对轴承异常的高精度检测,说明这种方法比常规的方法能更有效地检测出轮对轴承的异常状态。
基于深度序列特征学习的临床感染性角膜炎图像分类 Article
许叶圣, 孔鸣, 谢文加, 段润平, 方钲清, 林宇萧, 朱强, 汤斯亮, 吴飞, 姚玉峰
《工程(英文)》 2021年 第7卷 第7期 页码 1002-1010 doi: 10.1016/j.eng.2020.04.012
标题 作者 时间 类型 操作