检索结果-维普期刊中文期刊服务平台

混合层次依赖度下的邻域粗糙集多目标特征选择算法: 1; 作者骆公志张尚蕾《数据采集与处理》北大核心 2025年第1期117-133,共17页; 精度和效率是评判特征选择算法性能的关键指标,分别对应邻域粗糙集的属性依赖度和约简规模,而已有的特征选择算法通常以属性约简的最大依赖度为导向进行寻优,忽略了约简规模的重要性。现实中,随着数据特征维度的增加和类别层次结构的出... 展开更多; 关键词多目标特征选择邻域粗糙集层次结构混合层次依赖度属性约简; 在线阅读下载PDF 职称材料

慢性肾病预测的多目标特征选择被引量：3: 2; 作者陈陆爽周晖《计算机工程与设计》北大核心 2022年第3期698-705,共8页; 针对慢性肾病(chronic kidney disease,CKD)致死率高、早期症状不明显的特征,结合互信息和皮尔逊相关系数两种评价准则提出一种慢性肾病预测的多目标特征选择模型。针对慢性肾病预测,提出多目标群集智能特征选择算法MCFS,所提算法在GWO... 展开更多; 关键词慢性肾病早期预测多目标特征选择帕累托沿新型群智能算法; 在线阅读下载PDF 职称材料

基于特征选择和机器学习的锂电池寿命早期预测被引量：1: 3; 作者史云峰韩晓明 +3 位作者王利红戴震涛任密蜂张文杰《现代电子技术》北大核心 2024年第22期90-98,共9页; 在早期预测锂电池剩余使用寿命时,因为电池初期循环时的性能衰退并不显著,面临着特征选取的问题。确保选取的特征集合在数量、相关性和冗余性上的相互平衡是降低测试成本、提升预测准确度的关键,目前的研究很难全面平衡这些方面,故提出... 展开更多; 关键词电池寿命预测锂离子电池多目标特征选择机器学习多目标粒子群优化算法特征提取; 在线阅读下载PDF 职称材料

基于自适应马氏空间与深度学习的滚动轴承退化趋势预测被引量：3: 4; 作者吴梦蝶程龙生陈闻鹤《系统工程与电子技术》 EI CSCD 北大核心 2023年第10期3338-3349,共12页; 滚动轴承退化趋势预测中,传统特征选择主要依赖人工经验和单一评价算法,容易造成特征的少选或错选,且单一深度学习网络无法充分挖掘数据中包含的性能退化信息,导致模型预测精度较低。针对上述问题,提出一种基于自适应马氏空间(adaptive ... 展开更多; 关键词滚动轴承自适应马氏空间多目标特征选择融合模型退化趋势预测; 在线阅读下载PDF 职称材料

题名混合层次依赖度下的邻域粗糙集多目标特征选择算法: 1; 作者骆公志张尚蕾; 机构南京邮电大学管理学院; 出处《数据采集与处理》北大核心 2025年第1期117-133,共17页; 基金国家自然科学基金(72171124) 江苏高校哲学社会科学研究重大项目(2021SJZDA129) 江苏省研究生科研创新计划项目(KYCX22_0884)。; 文摘精度和效率是评判特征选择算法性能的关键指标,分别对应邻域粗糙集的属性依赖度和约简规模,而已有的特征选择算法通常以属性约简的最大依赖度为导向进行寻优,忽略了约简规模的重要性。现实中,随着数据特征维度的增加和类别层次结构的出现,导致类别信息复杂且结构关系混乱,传统属性依赖度计算未有效利用类别层次结构信息,使得分类性能不佳。鉴于此,本文构造了一种综合考量属性重要度和类别层次结构关系的混合层次依赖度,将混合层次依赖度和约简规模作为两个独立的优化目标,引入多目标进化算法对其分别进行优化,从属性依赖度和属性规模两方面提升所得属性约简的性能,以得到满足目标约束的约简结果。数据实验分析结果表明,所提算法能够在目标约束内得到更高质量的约简结果,并且能够提高分类精度。; 关键词多目标特征选择邻域粗糙集层次结构混合层次依赖度属性约简; Keywords multi-objective feature selection neighborhood rough set hierarchical structure mixed hierarchical dependence attribute reduction; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名慢性肾病预测的多目标特征选择被引量：3: 2; 作者陈陆爽周晖; 机构南通大学信息科学技术学院; 出处《计算机工程与设计》北大核心 2022年第3期698-705,共8页; 基金国家自然科学基金项目(61501264)。; 文摘针对慢性肾病(chronic kidney disease,CKD)致死率高、早期症状不明显的特征,结合互信息和皮尔逊相关系数两种评价准则提出一种慢性肾病预测的多目标特征选择模型。针对慢性肾病预测,提出多目标群集智能特征选择算法MCFS,所提算法在GWO的基础上采用精英反向学习、非线性控制参数和联想记忆策略3个改进算子。仿真结果表明,所提算法对CKD的预测准确率高,筛选出与CKD紧密相关的特征子集能力强,明显优于现有的CKD预测方法和其它特征选择算法,能够为CKD早期患者提供准确可靠的辅助诊断。; 关键词慢性肾病早期预测多目标特征选择帕累托沿新型群智能算法; Keywords chronic kidney disease early prediction multi-objective feature selection Pareto front new swarm intelligence algorithm; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于特征选择和机器学习的锂电池寿命早期预测被引量：1: 3; 作者史云峰韩晓明王利红戴震涛任密蜂张文杰; 机构太原理工大学电气与动力工程学院; 出处《现代电子技术》北大核心 2024年第22期90-98,共9页; 基金国家自然科学基金项目(52307247) 山西省自然科学基金项目(20210302123189) 山西省自然科学基金项目(202203021222124)。; 文摘在早期预测锂电池剩余使用寿命时,因为电池初期循环时的性能衰退并不显著,面临着特征选取的问题。确保选取的特征集合在数量、相关性和冗余性上的相互平衡是降低测试成本、提升预测准确度的关键,目前的研究很难全面平衡这些方面,故提出一种结合多目标特征选择和机器学习的方法。从MIT数据集中提取前100周期的特征,利用Spearman相关系数法分析特征的相关性,得到相关度高的特征子集。采用多目标粒子群优化(MOPSO)算法,根据设定的三个目标进行迭代优化,从帕累托前沿集中选出最优特征组合,输入到多种机器学习模型中,极限梯度提升(XGBoost)模型显示出最好的预测性能。实验结果显示,Spearman-MOPSO-XGBoost方法在仅使用4个特征条件下,预测均方根误差(RMSE)最小,为80.65个循环,平均绝对百分比误差(MAPE)为8.68%。; 关键词电池寿命预测锂离子电池多目标特征选择机器学习多目标粒子群优化算法特征提取; Keywords battery life prediction lithium-ion battery multi-objective feature selection machine learning multi-objective particle swarm optimization algorithm feature extraction; 分类号 TN919-34 [电子电信—通信与信息系统] TM912 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名基于自适应马氏空间与深度学习的滚动轴承退化趋势预测被引量：3: 4; 作者吴梦蝶程龙生陈闻鹤; 机构南京理工大学经济管理学院兰卡斯特大学工程学院; 出处《系统工程与电子技术》 EI CSCD 北大核心 2023年第10期3338-3349,共12页; 基金国家留学基金(202206840062)资助课题。; 文摘滚动轴承退化趋势预测中,传统特征选择主要依赖人工经验和单一评价算法,容易造成特征的少选或错选,且单一深度学习网络无法充分挖掘数据中包含的性能退化信息,导致模型预测精度较低。针对上述问题,提出一种基于自适应马氏空间(adaptive Mahalanobis space,AMS)与融合深度学习网络的滚动轴承退化趋势预测方法。首先,分解原始信号并利用相关峭度系数准则筛选固有模态函数(intrinsic mode function,IMF)分量重构新信号,从多域视角提取特征;然后,构建基于AMS的多目标特征选择算法自动优选特征,减少人工依赖,加强自适应性和泛化性,并将马氏距离(Mahalanobis distance,MD)与指数加权移动平均(exponential weighted moving average,EWMA)方法进行结合,对轴承性能退化趋势进行良好表征;最后,利用稀疏自动编码器和门控循环单元(sparse auto encoder-gated recurrent unit,SAE-GRU)融合模型进行预测。实验结果表明,所提方法能够有效筛选最优特征,显著提高预测精度。; 关键词滚动轴承自适应马氏空间多目标特征选择融合模型退化趋势预测; Keywords rolling bearing adaptive Mahalanobis space(AMS) multi-objective feature selection fusion model degradation trend prediction; 分类号 TH17 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	混合层次依赖度下的邻域粗糙集多目标特征选择算法	骆公志张尚蕾	《数据采集与处理》北大核心	2025	0	在线阅读下载PDF 职称材料
2	慢性肾病预测的多目标特征选择	陈陆爽周晖	《计算机工程与设计》北大核心	2022	3	在线阅读下载PDF 职称材料
3	基于特征选择和机器学习的锂电池寿命早期预测	史云峰韩晓明王利红戴震涛任密蜂张文杰	《现代电子技术》北大核心	2024	1	在线阅读下载PDF 职称材料
4	基于自适应马氏空间与深度学习的滚动轴承退化趋势预测	吴梦蝶程龙生陈闻鹤	《系统工程与电子技术》 EI CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料