结合拉普拉斯特征映射的权重朴素贝叶斯高光谱分类算法 被引量：4

1

作者 李响 吕勇 《分析测试学报》 CAS CSCD 北大核心 2020年第10期1293-1298,共6页

高光谱遥感可以得到更精确与丰富的遥感信息,因此涵盖了各国家的航空、航天以及小范围的地面观测的多个层级与环节,在对地观测遥感领域占有不可取代的地位。但高光谱数据集往往非常庞大,且包含冗余信息,为后续处理带来了不便。该研究选... 高光谱遥感可以得到更精确与丰富的遥感信息,因此涵盖了各国家的航空、航天以及小范围的地面观测的多个层级与环节,在对地观测遥感领域占有不可取代的地位。但高光谱数据集往往非常庞大,且包含冗余信息,为后续处理带来了不便。该研究选用拉普拉斯特征映射对高光谱数据降维与特征提取,并提出了一种权重朴素贝叶斯分类算法。通过奖励权重的方法对经典朴素贝叶斯分类器进行了改进,利用公开数据对算法进行验证,判别地物信息准确率达到92.7%,相比于传统方法有了大幅度的提高。 展开更多

关键词 高光谱 特征提取 目标识别 朴素贝叶斯分类算法 拉普拉斯特征映射

在线阅读 下载PDF 职称材料

半监督拉普拉斯特征映射算法 被引量：4

2

作者 刘海红 周聪辉 《计算机工程与设计》 CSCD 北大核心 2012年第2期601-606,共6页

为了使流形学习方法具有半监督的特点,利用流形上某些已知低维信息的数据去学习推测出其它数据的低维信息,扩大流形学习算法的应用范围,把拉普拉斯特征映射算法(Laplacian Eigenmap,LE)与半监督的机器学习相结合,提出一种半监督的拉普... 为了使流形学习方法具有半监督的特点,利用流形上某些已知低维信息的数据去学习推测出其它数据的低维信息,扩大流形学习算法的应用范围,把拉普拉斯特征映射算法(Laplacian Eigenmap,LE)与半监督的机器学习相结合,提出一种半监督的拉普拉斯特征映射算法(semi-supervised Laplacian Eigenmap,SSLE),这种半监督的流形学习算法在分类识别等问题上,具有很好的效果。模拟实验和实际例子都表明了SSLE算法的有效性。 展开更多

关键词 拉普拉斯特征映射算法 半监督机器学习 流形学习 低维信息 模式识别

在线阅读 下载PDF 职称材料

新的流形学习方法统一框架及改进的拉普拉斯特征映射方法 被引量：15

3

作者 侯臣平 吴翊 易东云 《计算机研究与发展》 EI CSCD 北大核心 2009年第4期676-682,共7页

流形学习是多个领域的重要研究课题.通过考察各种流形学习方法,提出了一种新的流形学习方法的统一框架,并在此框架下对拉普拉斯特征映射方法(Laplacian eigenmap,LE)进行了分析.进一步,基于此框架,提出了一种改进拉普拉斯特征映射方法(i... 流形学习是多个领域的重要研究课题.通过考察各种流形学习方法,提出了一种新的流形学习方法的统一框架,并在此框架下对拉普拉斯特征映射方法(Laplacian eigenmap,LE)进行了分析.进一步,基于此框架,提出了一种改进拉普拉斯特征映射方法(improved Laplacian eigenmap,ILE).它建立在LE方法和最大差异延展算法(maximum variance unfolding,MVU)的基础上,在保持流形谱图拉普拉斯特征的同时,以最大化任意两点之间的差异为目标.ILE有效地解决了拉普拉斯特征映射方法对邻域选择敏感以及MVU方法大计算量、局部限制过强等问题,且能够保持数据聚类性质,挖掘数据内蕴特征.通过实验说明了ILE的有效性. 展开更多

关键词 维数约简 流形学习 统一框架 拉普拉斯特征映射方法 最大差异延展算法

在线阅读 下载PDF 职称材料

基于拉普拉斯特征映射的仿射传播聚类 被引量：1

4

作者 张亮 杜子平 +1 位作者 张俊 李杨 《计算机工程》 CAS CSCD 北大核心 2011年第9期216-217,220,共3页

仿射传播方法难以处理具有流形结构的数据集。为此,提出一种基于拉普拉斯特征映射的仿射传播聚类算法(APPLE),在标准仿射传播的基础上增强流形学习的能力。使用测地距离计算数据点间相似度,采用拉普拉斯特征映射对数据集进行降维及特征... 仿射传播方法难以处理具有流形结构的数据集。为此,提出一种基于拉普拉斯特征映射的仿射传播聚类算法(APPLE),在标准仿射传播的基础上增强流形学习的能力。使用测地距离计算数据点间相似度,采用拉普拉斯特征映射对数据集进行降维及特征提取。对图像聚类应用的实验结果证明了APPLE的聚类效果优于标准仿射传播方法。 展开更多

关键词 拉普拉斯特征映射 仿射传播 DIJKSTRA算法 归一化互信息

在线阅读 下载PDF 职称材料

多函数激活的拉普拉斯深度回声状态网络

5

作者 廖永波 李红梅 《计算机应用研究》 CSCD 北大核心 2020年第9期2591-2594,2624,共5页

结合可变激活函数、降维算法和深度回声状态网络,针对新的神经网络模型进行了研究。其中可变激活函数是多函数的线性组合,可以通过调整系数来改变激活函数的非饱和区;拉普拉斯特征映射降维算法通过降低储层状态矩阵的维度来改善原网络... 结合可变激活函数、降维算法和深度回声状态网络,针对新的神经网络模型进行了研究。其中可变激活函数是多函数的线性组合,可以通过调整系数来改变激活函数的非饱和区;拉普拉斯特征映射降维算法通过降低储层状态矩阵的维度来改善原网络面临的病态、不适定问题;还使用了遗传算法来寻找最佳目标子空间维度。仿真分析从扰动影响、转换稳定性、时序预测和记忆容量四个方面进行,从仿真结果(新模型的记忆容量是深度回声状态网络的两倍,均方根误差比回声状态网络小42%)来看,新模型的记忆容量、预测精度都得到了显著改善。 展开更多

关键词 深度回声状态网络 激活函数 拉普拉斯特征映射 遗传算法

在线阅读 下载PDF 职称材料

基于改进测地距离的等度规映射及其在声目标特征提取中的应用 被引量：2

6

作者 刘辉 杨俊安 +1 位作者 王一 蔡学良 《兵工学报》 EI CAS CSCD 北大核心 2012年第10期1178-1184,共7页

经典等度规映射(ISOMAP)算法由于其固有的拓扑不稳定性,容易受噪声影响出现"短路边",导致其在声目标特征提取的应用中性能不佳。提出了一种基于改进测地距离的ISOMAP算法,将近邻图的构造看作是建立一个电路模型,以电路中各节... 经典等度规映射(ISOMAP)算法由于其固有的拓扑不稳定性,容易受噪声影响出现"短路边",导致其在声目标特征提取的应用中性能不佳。提出了一种基于改进测地距离的ISOMAP算法,将近邻图的构造看作是建立一个电路模型,以电路中各节点电容从初始阶段到一定的状态所需要的时间为测地距离的量度,将保持局部结构的鲁棒性与保持全局几何结构的准确性结合在一起,克服了噪声短路点对算法的影响,提高了算法性能。在SensIT实验数据和外场实际采集数据上的实验结果表明,基于改进测地距离的ISOMAP算法的准确性和鲁棒性都有了较大提高。 展开更多

关键词 信息处理技术 目标识别 流形学习 等度规映射算法 拉普拉斯特征映射算法

在线阅读 下载PDF 职称材料

基于PSO-ELM特征映射的KNN分类算法 被引量：1

7

作者 丁建立 刘涛 +1 位作者 王家亮 曹卫东 《现代电子技术》 北大核心 2019年第5期152-156,共5页

针对传统极端学习机算法(ELM)和K近邻分类算法(KNN)在处理分类问题中存在的问题,提出一种基于PSOELM特征映射的KNN分类算法。该算法利用ELM的输入层权值和隐层神经元对输入样本进行非线性映射,并利用粒子群算法(PSO)寻找一组最优的ELM... 针对传统极端学习机算法(ELM)和K近邻分类算法(KNN)在处理分类问题中存在的问题,提出一种基于PSOELM特征映射的KNN分类算法。该算法利用ELM的输入层权值和隐层神经元对输入样本进行非线性映射,并利用粒子群算法(PSO)寻找一组最优的ELM映射参数,再将映射后的特征样本输入到KNN算法中,提高处理线性不可分问题的能力。在多个数据集上的实验结果表明,文中算法比KNN改进算法以及ELM改进算法有更高的分类正确率。 展开更多

关键词 K近邻分类算法 极端学习机 特征映射 粒子群算法 混合算法 线性不可分

在线阅读 下载PDF 职称材料

基于多策略融合斑马优化算法的特征选择方法 被引量：2

8

作者 王震 王新春 +2 位作者 杨培宏 费鹏宇 郑学奎 《现代电子技术》 北大核心 2024年第18期149-155,共7页

针对传统斑马优化算法在求解复杂优化问题时精度低、收敛速度慢和易陷入局部最优的不足,提出一种多策略融合的改进斑马优化算法(IZOA)。首先,为解决斑马个体初始位置分布不均匀的问题,引入混沌映射来增加探索过程的种群多样性;其次,受... 针对传统斑马优化算法在求解复杂优化问题时精度低、收敛速度慢和易陷入局部最优的不足,提出一种多策略融合的改进斑马优化算法(IZOA)。首先,为解决斑马个体初始位置分布不均匀的问题,引入混沌映射来增加探索过程的种群多样性;其次,受自适应权重和黄金正弦算法思想启发,提出一种基于自适应递减权重和黄金正弦更新机制的位置更新策略,用于改进斑马算法的局部寻优与全局探索能力;然后,进行标准测试函数实验,验证了IZOA能够有效提升寻优精度和收敛速度;最后,将K近邻分类器作为待优化目标,选取UCI库的12个标准数据集进行特征选择实验,并利用改进后的算法在特征选择模型中进行最优特征子集搜寻。实验结果表明,相比传统算法,所提算法的平均分类准确率提升4.47%,平均适应度值降低2.5%,验证了该算法在特征选择领域的优越性。 展开更多

关键词 斑马优化算法 多策略融合 特征选择 混沌映射 自适应权重 黄金正弦算法 K近邻分类器

在线阅读 下载PDF 职称材料

基于流形子带特征映射的转子复合故障特征提取方法 被引量：6

9

作者 王广斌 李龙 +2 位作者 罗军 杜晓阳 李学军 《振动与冲击》 EI CSCD 北大核心 2017年第16期56-62,共7页

针对复合故障特征易被噪声信号淹没,传统时频分析和流形学习方法不能完整有效的挖掘故障潜在信息和进一步实现故障特征提取。在流形学习的基础上提出了一种流形子带思想并将其应用到转子复合故障特征提取研究中,进而得出了一种基于流形... 针对复合故障特征易被噪声信号淹没,传统时频分析和流形学习方法不能完整有效的挖掘故障潜在信息和进一步实现故障特征提取。在流形学习的基础上提出了一种流形子带思想并将其应用到转子复合故障特征提取研究中,进而得出了一种基于流形子带特征映射的转子复合故障特征提取方法。对故障原始信号序列进行相空间重构,结合小波包对噪声的强烈抑制性和对信号分辨率高的特点,将重构信号分解成不同频带即子带。将同故障多种工况下的同一频带融合成频带矩阵并估计其本征维数,并通过拉普拉斯特征映射算法以本征维数为依据将子带降维获取低维特征向量并提取信息熵,进一步实现故障特征提取。实验表明,相对于经典的局部线性嵌入和拉普拉斯特征映射等算法,流形子带特征映射算法不仅对单故障而且对复合故障特征进行了更完整有效的挖掘和提取。 展开更多

关键词 转子系统 流形子带 拉普拉斯特征映射算法 特征提取

在线阅读 下载PDF 职称材料

基于改进樽海鞘群算法的特征选择方法 被引量：4

10

作者 申晋祥 鲍美英 +1 位作者 张景安 周建慧 《计算机工程与设计》 北大核心 2023年第9期2714-2721,共8页

针对樽海鞘群算法求解精度不高、收敛速度慢、容易陷入局部最优等问题,提出融合多种策略的改进樽海鞘群算法CESSA。在初始化种群时引入无限折叠混沌映射,增加初始种群的多样性;在领导者位置更新处融入非线性收敛算子,提高算法全局勘探... 针对樽海鞘群算法求解精度不高、收敛速度慢、容易陷入局部最优等问题,提出融合多种策略的改进樽海鞘群算法CESSA。在初始化种群时引入无限折叠混沌映射,增加初始种群的多样性;在领导者位置更新处融入非线性收敛算子,提高算法全局勘探收敛速度,增强解的精度;根据适应度值的优劣对追随者位置分别采用收敛算子和随机数扰动方式进行更新。改进算法CESSA与K近邻分类器结合构成特征选择模型CESSAFS并用于数据分类。在8个基准函数和10个UCI数据集上分别对CESSA和CESSAFS算法进行测试,其结果表明,改进算法性能更优。 展开更多

关键词 特征选择 樽海鞘群算法 无限折叠混沌映射 全局优化 K近邻 基准函数 收敛

在线阅读 下载PDF 职称材料

基于流行-IMF奇异值熵的转子故障特征提取方法 被引量：1

11

作者 孙泽金 赵荣珍 《振动．测试与诊断》 EI CSCD 北大核心 2020年第6期1204-1211,1238,共9页

针对转子振动信号的非平稳性以及微弱故障特征难以提取的问题,提出一种基于集合经验模式分解(ensemble empirical mode decomposition,简称EEMD)的奇异值熵和流形学习算法相结合的故障特征提取方法。首先,对原始振动信号进行EEMD分解,... 针对转子振动信号的非平稳性以及微弱故障特征难以提取的问题,提出一种基于集合经验模式分解(ensemble empirical mode decomposition,简称EEMD)的奇异值熵和流形学习算法相结合的故障特征提取方法。首先,对原始振动信号进行EEMD分解,得到若干本征模态函数(intrinsic mode function,简称IMF)分量,根据峭度-欧式距离评价指标选取故障信息丰富的敏感分量,组成初始特征向量,求其奇异值熵;其次,利用近邻概率距离拉普拉斯特征映射算法(nearby probability distance Laplacian eigenmap,简称NPDLE)对奇异值熵组成的特征矩阵进行降维处理;最后,将得到的低维特征子集输入到K-近邻(K-nearest neighbor,简称KNN)中进行模式辨识。用一个双跨度转子实验台数据集和Iris仿真数据集对所提方法进行了验证,结果表明,IMF奇异值熵和NPDLE相结合的方法可以有效地实现转子故障特征提取,提高了故障辨识的准确性。 展开更多

关键词 特征提取 集合经验模态分解 本征模态函数 奇异值熵 近邻概率距离拉普拉斯特征映射算法

在线阅读 下载PDF 职称材料

一种考虑风电场并网的电力系统在线同调识别策略 被引量：7

12

作者 刘扬 唐飞 +4 位作者 施浩波 刘涤尘 张立波 刘佳乐 王飞飞 《电网技术》 EI CSCD 北大核心 2019年第4期1236-1244,共9页

现有的大电网同调机组分群策略,大都仅针对功角轨迹之间的距离进行研究,忽略了风电场并网对电力系统固有振荡模式的影响。针对上述存在的同调分群不准确问题,提出了一种两阶段高风电渗透率下大电网受扰机群同调分群策略。在第1阶段,通... 现有的大电网同调机组分群策略,大都仅针对功角轨迹之间的距离进行研究,忽略了风电场并网对电力系统固有振荡模式的影响。针对上述存在的同调分群不准确问题,提出了一种两阶段高风电渗透率下大电网受扰机群同调分群策略。在第1阶段,通过修正系统的收缩导纳矩阵将风功率以电流的形式进行等值,并与其电气距离最近的同步机组进行联合分析,进而在不同潮流水平和典型工况下,离线计算其等效功角获得含风电场电力系统的改进发电机耦合程度拉普拉斯矩阵,求解其特征向量并得到离线的发电机耦合程度分类结果。在第2阶段,构建电力系统邻接图并将所得分类结果作为邻接图功角权值矩阵的约束,对高风电渗透率下大电网的改进功角拉普拉斯矩阵进行在线修正,通过特征映射算法提取其特征信息,进而通过修正的余弦相似度因子算法在线获得当前的同调分群结果。最后通过IEEE 39节点和118节点系统仿真,验证了所提策略的正确性和有效性。 展开更多

关键词 在线同调识别 含风电场电力系统 拉普拉斯特征映射 半监督算法 修正的余弦相似度因子

在线阅读 下载PDF 职称材料

基于LE与ICROA-RVM的瓦斯传感器故障诊断 被引量：5

13

作者 徐耀松 邱微 +2 位作者 王治国 王雨虹 阎馨 《传感技术学报》 CAS CSCD 北大核心 2019年第1期89-95,共7页

针对瓦斯传感器故障诊断速度慢、诊断精度不高的问题,以常见的冲击型、漂移型、偏置型和周期型传感器输出故障作为研究对象,提出一种基于拉普拉斯特征映射(LE)和改进化学反应优化算法(ICROA)优化的相关向量机(RVM)进行模式分类与辨识,... 针对瓦斯传感器故障诊断速度慢、诊断精度不高的问题,以常见的冲击型、漂移型、偏置型和周期型传感器输出故障作为研究对象,提出一种基于拉普拉斯特征映射(LE)和改进化学反应优化算法(ICROA)优化的相关向量机(RVM)进行模式分类与辨识,实现瓦斯传感器故障诊断。首先采用流形学习方法 LE对高维原始数据空间进行非线性降维特征提取,提取故障特征,该方法极大地保留了原始数据中的整体几何信息;然后将故障特征作为RVM模型训练输入,利用ICROA算法对RVM模型的核参数进行全局寻优,将训练好的ICROA-RVM模型对测试样本进行故障诊断。实验结果表明:该诊断方法具有训练速度快,故障辨识精度高的特点,故障诊断正确率在96%以上,能够有效地提高瓦斯传感器故障诊断的速度和准确性。 展开更多

关键词 瓦斯传感器故障诊断 拉普拉斯特征映射 改进化学反应优化算法 相关向量机

在线阅读 下载PDF 职称材料

瓦斯突出等级预测模型 被引量：3

14

作者 赵国强 王留洋 +2 位作者 刘雨竹 卢万杰 王志中 《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心 2023年第1期32-39,共8页

针对瓦斯突出等级评判方法预测准确度低的问题,提出一种基于拉普拉斯特征映射算法(LE)和改进的乌鸦搜索算法(ICSA)优化核极限学习机(KELM)的瓦斯突出预测模型。利用LE算法对瓦斯突出数据进行非线性降维,消除变量间的相互重叠;引入Tent... 针对瓦斯突出等级评判方法预测准确度低的问题,提出一种基于拉普拉斯特征映射算法(LE)和改进的乌鸦搜索算法(ICSA)优化核极限学习机(KELM)的瓦斯突出预测模型。利用LE算法对瓦斯突出数据进行非线性降维,消除变量间的相互重叠;引入Tent扰动序列、自适应步长和自适应感知概率改进传统的乌鸦搜索算法(CSA),有效避免算法陷入局部最优,提高算法的收敛性能;采用ICSA算法对KELM的相关参数进行寻优,建立基于LE和ICSA-KELM的瓦斯突出等级评判模型。经过对比试验表明,该模型能够有效提高预测准确率。 展开更多

关键词 瓦斯突出 等级评定 拉普拉斯特征映射算法 乌鸦搜索算法 Tent混沌序列 核极端学习机

在线阅读 下载PDF 职称材料

时空RPCA在复杂场景下的运动目标检测 被引量：5

15

作者 张超婕 余勤 《计算机工程与设计》 北大核心 2020年第1期197-202,共6页

在复杂动态背景下,鲁棒主成分分析模型(RPCA)容易将背景中动态背景误判为前景运动目标,导致运动目标检测精度不高。为解决该问题,提出一种基于非凸加权核范数的时空低秩RPCA算法。使用非凸加权核范数替代传统的核范数进行低秩约束,在观... 在复杂动态背景下,鲁棒主成分分析模型(RPCA)容易将背景中动态背景误判为前景运动目标,导致运动目标检测精度不高。为解决该问题,提出一种基于非凸加权核范数的时空低秩RPCA算法。使用非凸加权核范数替代传统的核范数进行低秩约束,在观测矩阵上通过拉普拉斯特征映射得到时空图拉普拉斯矩阵,将得到的时空图拉普拉斯矩阵嵌入低秩背景矩阵以保持背景对噪声和离群值的鲁棒性。实验结果表明,所提模型在复杂场景中能较准确检测出运动目标。 展开更多

关键词 鲁棒主成分分析 非凸加权核范数 时空低秩RPCA算法 拉普拉斯特征映射 运动目标检测

在线阅读 下载PDF 职称材料