针对传统的特征选择算法只专注于特征间的相关性和冗余性而没有考虑特征之间交互作用的问题,提出一种基于交互信息的混合特征选择(hybrid feature selection based on mutual information,MIHFS)算法,该算法以K-最近邻算法的分类准确率...针对传统的特征选择算法只专注于特征间的相关性和冗余性而没有考虑特征之间交互作用的问题,提出一种基于交互信息的混合特征选择(hybrid feature selection based on mutual information,MIHFS)算法,该算法以K-最近邻算法的分类准确率作为衡量所选特征分类性能的评价指标,有效地去除了冗余和不相关的特征,保留了具有交互作用的特征。为了评估该算法的性能,从分类准确率、所选特征数量以及算法稳定性三方面,与最大相关最小冗余、联合互信息等7种特征选择算法在8个数据集上进行了实验比较和分析。实验结果表明:MIHFS算法具有较强的稳定性,不仅有效降低了特征空间的维数,而且在所选特征的分类性能方面明显优于其他特征选择算法。最后将MIHFS算法与灰色关联分析法-逼近理想解的排序技术法相结合并应用到高邮凹陷永安地区戴一段地质评价中,其评价结果准确率为80%,与实际钻探结果基本吻合,具有较高的可靠性,能够有效指导油气地质评价。展开更多
提出一种新型线圈拓扑结构--双层反向倾斜线圈,并进行电机结构参数优化以提升永磁同步直线电机(permanent magnet synchronous linear motor,PMSLM)的推力品质。首先,设计双层反向倾斜线圈PMSLM的拓扑结构,采用等效磁化强度法定性分析...提出一种新型线圈拓扑结构--双层反向倾斜线圈,并进行电机结构参数优化以提升永磁同步直线电机(permanent magnet synchronous linear motor,PMSLM)的推力品质。首先,设计双层反向倾斜线圈PMSLM的拓扑结构,采用等效磁化强度法定性分析影响电机推力品质(推力和推力波动率)的主要结构参数。其次,引入机器学习回归建模方法--K-最近邻算法(K-nearest neighbor,KNN),对有限元计算产生的样本数据进行回归拟合,建立电机高精度快速计算模型。最后,采用粒子群算法以平均推力提高、推力波动率降低为优化目标对拟合模型进行迭代寻优,得到最优的电机结构参数。实验证明了所提电机结构设计与优化方法对推力品质提升的有效性。展开更多
文摘针对传统的特征选择算法只专注于特征间的相关性和冗余性而没有考虑特征之间交互作用的问题,提出一种基于交互信息的混合特征选择(hybrid feature selection based on mutual information,MIHFS)算法,该算法以K-最近邻算法的分类准确率作为衡量所选特征分类性能的评价指标,有效地去除了冗余和不相关的特征,保留了具有交互作用的特征。为了评估该算法的性能,从分类准确率、所选特征数量以及算法稳定性三方面,与最大相关最小冗余、联合互信息等7种特征选择算法在8个数据集上进行了实验比较和分析。实验结果表明:MIHFS算法具有较强的稳定性,不仅有效降低了特征空间的维数,而且在所选特征的分类性能方面明显优于其他特征选择算法。最后将MIHFS算法与灰色关联分析法-逼近理想解的排序技术法相结合并应用到高邮凹陷永安地区戴一段地质评价中,其评价结果准确率为80%,与实际钻探结果基本吻合,具有较高的可靠性,能够有效指导油气地质评价。
