Search | Engineering

订阅投稿

首页工程期刊工程焦点工程成就工程前沿关于我们 English

资源类型

期刊论文 2137

会议视频 243

会议信息 100

会议专题 3

年份

2024 7

2023 215

2022 267

2021 303

2020 233

2019 175

2018 116

2017 140

2016 64

2015 63

2014 49

2013 58

2012 58

2011 82

2010 89

2009 73

2008 57

2007 48

2006 37

2005 48

展开︾

关键词

信息技术 41

2020 34

人工智能 32

颠覆性技术 31

大数据 29

智能制造 27

机器学习 27

农业科学 22

关键技术 21

技术创新 21

仿真技术 18

增材制造 15

三峡工程 14

发展 13

技术 13

发展趋势 12

2019 11

深度学习 11

能源 11

展开︾

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

摘要：

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

HTML PDF 收藏

基于流形学习的离群点检测方法

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

摘要：

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。

关键词：流形学习离群点检测高维数据维数约减离群数据

HTML PDF 收藏

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

摘要：近十年，特征选择备受关注。通过挑选特征子集，可有效提升学习算法效率。由于难以获取标签信息，无监督特征选择算法相较于有监督特征选择算法应用更为广泛，其关键在于找出更能反映数据分布的特征集合。由于数据集中存在冗余和噪声，使用全部特征并不能很好展现数据的真实分布。为解决这一问题，本文提出联合局部学习和组稀疏回归的无监督特征选择算法。将基于局部学习聚类方法与组稀疏回归算法有机整合，选出有效反映数据流形分布同时保持组稀疏结构的特征。通过迭代算法，回归系数汇聚到重要特征上，选出能得到更优聚类效果的特征。对多个实际数据集（图像、声音和网页）的实验证明了该算法的有效性。

关键词：无监督；局部学习；组稀疏回归；特征选择

HTML PDF 收藏

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

摘要：特征选择是文本分类领域一种重要降维方法。针对传统特征选择方法所选特征集常包含冗余信息的问题，提出一种能够有效去除冗余信息的特征选择新方法。首先，为衡量两个词之间的关系，引入基于词频的相关性和相对冗余词集的概念；接着，选择一种最优特征选择方法并用其获得一个临时特征子集；最后，为提高算法执行效率，结合预设阈值去除临时特征子集中的冗余特征，并将结果存储在链表结构中实验以支持向量机和朴素贝叶斯作为分类器，并以WebKB、20-Newsgroups和Reuters-21578作为测试数据集。实验结果表明，该方法分类精度高于传统特征选择方法；相对于基于互信息的方法而言，该方法能够在保证分类精度的同时，有效提高运行效率。

关键词：特征选择；降维；文本分类；冗余特征；支持向量机；朴素贝叶斯；互信息

HTML PDF 收藏

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

摘要：目前，利用眼动数据探究视觉注意机制的研究仍限于二维场景。研究者尚未能从时间和空间的角度出发，在三维虚拟场景里研究这一问题。为此，我们构建了第一个用于虚拟博物馆视觉注意建模的三维眼动数据集，命名为EDVAM。我们还建立了一个深度学习模型，通过历史眼动轨迹预测用户未来的视觉注意区域，用于测试EDVAM。

关键词：视觉注意；虚拟博物馆；眼动数据集；注视检测；深度学习

HTML PDF 收藏

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

摘要：跨项目软件缺陷预测解决了传统缺陷预测中训练数据不足的问题，克服了将多个不同源项目中学习的模型应用于目标项目的挑战。与此同时，出现两个新问题：（1）模型训练过程中过多无关和冗余特征影响训练效率，降低了模型预测精度；（2）由于开发环境等因素，度量值的分布因项目而异，当模型用于跨项目预测时，预测精度较低。本文引入皮尔逊特征选择方法解决数据冗余问题，采用基于迁移学习的度量补偿技术解决源项目和目标项目之间数据分布差异较大的问题。提出一种基于特征选择和迁移学习的度量补偿软件缺陷预测方法。

关键词：缺陷预测；特征选择；迁移学习；度量补偿

HTML PDF 收藏

基于模糊集理论的二维线性鉴别分析新方法

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

摘要：

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

HTML PDF 收藏

基于Laplacian特征映射的被动毫米波目标识别

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

摘要：

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

HTML PDF 收藏

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

摘要：软件缺陷预测旨在通过历史数据和能反映软件模块特性的软件特征来发现潜在缺陷。然而，有的特征可能与类别（有缺陷或无缺陷）的相关性较高，有的特征可能是冗余的或无关的。针对软件缺陷预测中不同特征与类别的相关性差异，本文提出一种基于相似性度量（similarity measure, SM）的特征选择方法。首先，根据不同类样本间的相似性来更新特征权重；然后，按照特征权重值降序排列生成特征排序列表，并依次选取特征排序列表中的所有特征子集；最后，在KNN（k-nearest neighbor）模型上验证所有特征子集的分类性能在11个美国航空航天局（NASA）数据集上进行实验验证，结果表明，与其它四种特征选择方法相比，本文方法具有与之相当甚至更高的分类性能。

关键词：软件缺陷预测；特征选择；相似性度量；特征权重；特征排序列表

HTML PDF 收藏

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

摘要：现有水下目标检测方法多基于物体的几何形状从声呐数据中识别物体，这些方法几乎忽略数据采集和数据表征过程所产生的形状畸变问题。为此，本文对声呐数据的不同表示形式进行了对比分析，在此基础上，提出了一个特征融合框架，以充分利用从极坐标图像中提取的强度特征和从点云表示形式中学习的几何特征。该框架中设计了三种特征融合策略，以分析特征融合对检测器不同模块的影响。同时，这些融合策略可以直接集成到其他检测器中，如YOLO系列。通过公开水下实景声呐数据集上的一系列对比实验，验证了所提框架和特征融合策略的有效性。实验结果表明，所提特征融合方法对检测器中候选区域模块和分类模块的结果都有所增益。

关键词：水下目标检测；声呐数据表示形式；特征融合

HTML PDF 收藏

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

摘要：学习同一视觉概念下所有物体的三维形状空间是实现视觉概念计算表达的一个关键步骤。本文提出三维形状空间学习中面临的关键技术挑战，并围绕这些技术挑战回顾了这一领域的研究进展，最后讨论了三维形状空间学习领域的研究趋势和未来发展方向。

关键词：视觉概念；视觉知识；三维几何学习；三维形状空间；三维结构

HTML PDF 收藏

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

摘要：问答技术的重要挑战之一就是解决问题与答案之间的语义空白。机器翻译模型已经被证明能有效的提升解决问题与答案之间的语义空白的效果。本文提出了一种基于注意机制的深度神经网络模型来解决问答系统中的答案选择任务。该模型采用了基于双向LSTM的编码解码模型，编码解码模型是一个被证明再机器翻译领域取得了突出的成绩。本文在一个公开数据集上验证我们实验的有效性，同时通过结合该模型显著提高了我们的问答系统的性能在TREC liveQA 2015的任务中。

关键词：问答技术、答案选择、注意机制、深度学习

HTML PDF 收藏

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

摘要：这些领域中的序列数据在数据流上通常是多维的。设计同时满足检测精度和速度的数据流上多维序列异常检测方法是一个挑战。因为：（1）序列数据和庞大状态空间的维度冗余导致序列建模能力较差；（2）异常检测无法适应数据流的高速性，尤其是概念漂移会降低检测率。一方面，大多数现有序列异常检测方法集中在单维序列。另一方面，多维序列研究主要集中在静态数据集而非数据流。为提高数据流上多维序列异常检测性能，提出一种新型无监督快速和准确异常检测（fast and accurate anomaly detection，FAAD）方法，该方法包括3种算法。在流平台Storm上实施FAAD检测多维日志审计数据。与现有异常检测方法相比，FAAD在检测精度和速度方面不受概念漂移影响，具有良好性能。

关键词：数据流；多维序列；异常检测；概念漂移；特征选择

HTML PDF 收藏

作物表型组大数据技术及装备发展研究

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

摘要：、生理、生化性状，实质上是作物基因图谱的时序三维表达、地域分异特征、代际演进规律^[50]；基于三维全自动高通量表型分析平台，通过提取图像性状（i-traits）结合全基因组关联研究（GWAS），解析玉米株高形成的动态遗传基础和调控网络^{[（2）在可控开源的基础上，融入小样本学习、预训练大模型、知识图谱等人工智能技术，突破多源数据融合、系列作物多维表型性状智能解析、时序表型解析等关键技术，形成自主化的表型解析技术体系；构建作物表型组大数据解析（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}

关键词：作物表型组学；表型大数据；表型技术及装备；多组学

HTML PDF 收藏

基于带约束最大间隔的贝叶斯分类器判别学习方法 None

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

摘要：提出一种新的面向贝叶斯模式分类的判别学习方法，称作“带约束的最大间隔（CMM）方法”。通过计算正样本最小决策值和负样本最大决策值的差异，定义类别之间的类别间隔。基于该类别间隔和正确分类的约束，将间隔函数学习问题转化为最大化类别间隔问题。利用序列无约束最小化技术解决该非线性规划问题。运用CMM方法得到基于高斯混合模型的贝叶斯分类器，并在10个UCI数据集上进行实验。结果表明，利用CMM方法得到的分类器分类性能，明显优于代表性的生成式学习方法期望最大化（EM）和判别式学习方法支持向量机（SVM），并且在多个数据集上取得了相比之前最优结果更好的效果。

关键词：判别学习；统计建模；贝叶斯分类器；高斯混合模型；UCI数据集