检索范围:
排序: 展示方式:
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
徐雪松,宋东明,张谞,许满武,刘凤玉
《中国工程科学》 2009年 第11卷 第2期 页码 82-87
为了提高高维数据集合离群数据挖掘效率,提出了一种基于流形学习的离群点检测算法。局部线性嵌入( locally linear embedding, LLE)算法是流形学习中有效的非线性降维方法,它的优势在于只定义唯一的 参数,即邻域数。根据LLE算法的思想寻找样本数据的内在嵌入分布,并通过邻域数选取和降维后数据点之 间的距离调整,提高了数据集中离群点发现效率,同时利用离群点权值判别式进行权值数据判定,根据权值 的大小标识出数据集中的离群点,仿真实验的结果表明了该方法能够有效地发现高维数据集中的离群点。与此同时,该算法具有参数估计简单、参数影响不大等优点,该算法为离群点检测问题的机器学习提供了一 条新的途径。
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
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
EDVAM:用于虚拟博物馆视觉注意建模的三维眼动数据集 Research Article
周赟湛1,冯天2,帅世辉3,厉向东4,孙凌云5,杜本麟2
《信息与电子工程前沿(英文)》 2022年 第23卷 第1期 页码 101-112 doi: 10.1631/FITEE.2000318
种基于特征选择与迁移学习的度量补偿软件缺陷预测方法 Research Article
陈锦富1,2,王小丽1,2,蔡赛华1,2,徐家平1,陈静怡1,陈海波1
《信息与电子工程前沿(英文)》 2022年 第23卷 第5期 页码 715-731 doi: 10.1631/FITEE.2100468
关键词: 缺陷预测;特征选择;迁移学习;度量补偿
郑宇杰,杨静宇,吴小俊,李勇智
《中国工程科学》 2007年 第9卷 第2期 页码 49-53
二维线性鉴别分析(2DLDA)是一种直接基于矩阵的特征提取方法,跳过传统的基于Fisher鉴别准则 的线性鉴别分析方法中必须先将二维矩阵转化成一维矢量的过程,有效地提高了特征提取速度且避免了小样本问题,其识别率优于传统的Fisherface方法。结合模糊集理论,提出了一种新的2DLDA算法——模糊2DLDA (F1DLDA)算法。首先采用FKNN算法得到相应的样本分布信息,并按其对最后得到的特征向量所作的贡献融入 到特征抽取过程中,得到有效的样本特征向量集。
关键词: 二维线性鉴别分析 模糊二维线性鉴别分析 模糊集理论 特征提取 模糊k近邻
罗磊,李跃华,栾英宏
《中国工程科学》 2010年 第12卷 第3期 页码 77-81
针对传统被动毫米波金属目标识别方法中特征提取、选择的缺点,采用Laplacian特征映射流形学习算法发现了金属目标回波信号短
关键词: 流形学习 Laplacian特征映射 非线性降维 低维流形 毫米波
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
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
面向视觉概念构建的三维形状空间学习:挑战与研究进展 Perspective
童欣
《信息与电子工程前沿(英文)》 2022年 第23卷 第9期 页码 1290-1297 doi: 10.1631/FITEE.2200318
基于注意机制编码解码模型的答案选择方法 Article
Yuan-ping NIE, Yi HAN, Jiu-ming HUANG, Bo JIAO, Ai-ping LI
《信息与电子工程前沿(英文)》 2017年 第18卷 第4期 页码 535-544 doi: 10.1631/FITEE.1601232
关键词: 问答技术、答案选择、注意机制、深度学习
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
温维亮,郭新宇 ,张颖,顾生浩,赵春江
《中国工程科学》 2023年 第25卷 第4期 页码 227-238 doi: 10.15302/J-SSCAE-2023.04.015
(5)建设作物表型组大数据技术及装备的人才队伍和协作网络,形成多学科交叉合作与协同创新机制,培育涵盖技术装备研发、表型软硬件产品应用、设备设施运维管理、数据与知识挖掘、作物育种与栽培应用环节的人才链条
Ke GUO, Xia-bi LIU, Lun-hao GUO, Zong-jie LI, Zeng-min GENG
《信息与电子工程前沿(英文)》 2018年 第19卷 第5期 页码 639-650 doi: 10.1631/FITEE.1700007
标题 作者 时间 类型 操作