【摘 要】
：
日常生活中每天都有大量的数据信息产生,有些是有用的数据,有些则为无效数据,要对这些数据进行处理,提取所需要的数据,特征选择是一个最为关键的方法。特征选择在机器学习中有着至关重要的作用,其主要目标是最大化分类性能和最小化特征数量,目的是从给定的一组特征中去除不相关或者冗余特征,从而找到最重要的信息并降低数据维数。特征选择是一个NP问题,寻找最优子集是特征选择中的一个关键问题。为了解决特征选择问题,主
论文部分内容阅读
日常生活中每天都有大量的数据信息产生,有些是有用的数据,有些则为无效数据,要对这些数据进行处理,提取所需要的数据,特征选择是一个最为关键的方法。特征选择在机器学习中有着至关重要的作用,其主要目标是最大化分类性能和最小化特征数量,目的是从给定的一组特征中去除不相关或者冗余特征,从而找到最重要的信息并降低数据维数。特征选择是一个NP问题,寻找最优子集是特征选择中的一个关键问题。为了解决特征选择问题,主要研究工作如下:（1）针对种群多样性问题,提出了二进制蝙蝠粒子群算法,该算法将二进制粒子群算法引入到二进制蝙蝠算法的局部搜索中,并比较原始蝙蝠与随机生成的蝙蝠,以此优化种群,提高搜索性能。（2）提出了混合二进制蝙蝠粒子群算法,该算法将二进制蝙蝠算法（BBA）与它探索空间的回声定位的特点相结合,将二进制粒子群算法（BPSO）中的每个粒子当作蝙蝠算法中的蝙蝠来处理,使算法能够在搜索空间中收敛到全局最优解。仿真实验分析,结果表明所提两种算法比传统优化算法有更好的搜索能力。提出的两种算法对特征选择的性能进行研究,用UCI数据集作评估,将新算法与常用特征选择的优化算法比较分析,通过KNN分类器得到的结果证明本文所提出的两种算法在特征选择中都具有搜索到最优特征组合的能力。
其他文献
在无线传感器网络（Wireless Sensor Networks,WSNs）中,节点定位技术是关键技术之一,分为基于测距（range-based）的定位算法和基于非测距（range-free）的定位算法。本文在分析WSNs定位技术现状的基础上,针对基于测距和非测距的定位算法以及其基本原理,分析评估算法性能指标及面对的挑战。重点研究基于非测距的加权质心定位算法,并对现有算法进行改进。主要工作以及创
猪繁殖与呼吸综合征（Porcine Reproductive and Respiratory Syndrome,PRRS）是由猪繁殖与呼吸综合征病毒（Porcine Reproductive and Respiratory Syndrome Virus,PRRSV）引起猪的一种急性、高度传染性疫病。2014年,我国南方地区分离到NADC30-like PRRSV毒株,随后几年该毒株流行率迅速攀升。
毒害艾美耳球虫（Eimeria necatrix）是引起鸡小肠球虫病的主要致病性种类之一,可造成鸡营养吸收障碍、饲料转化率降低、血痢,甚至是大批死亡。E.necatrix感染还常继发产气荚膜梭菌（Clostridium perfringens）感染,引起坏死性肠炎。对E.necatrix感染的诊断一般根据寄生部位、致病性、肠道病变、卵囊形态等,需要专业技术人员,且难于鉴别混合感染。随着分子生物学技
流产衣原体（Chlamydia abortus,C.abortus）是引起绵羊地方性流产（Enzootic abortion of ewes,EAE）的主要病原体,在世界各地的流行范围极其广泛,主要可引起反刍动物的大规模流产。感染的动物会成为感染源,妊娠期妇女长期与感染源接触,可能会产生严重的腹痛、炎症或呼吸系统问题,从而导致流产、早产或死胎。流产衣原体病作为一种比较严重的人畜共患病,给全球畜牧业
全世界皮肤病变发病率逐年增长,对人类生命健康造成巨大威胁,以黑色素瘤为例等皮肤疾病如果能尽早的得到诊断和治疗,可以很大程度上提高患者的存活率。然而,仅通过临床医生进行人工诊断无法满足大众对诊病及时性和便利性的要求。应用计算机辅助诊断方法对皮肤病变边界的准确分割对于辅助医生诊断治疗具有重要意义。大多数现有的皮肤病变分割模型由于获取感受野小、缺乏全局上下文联系,造成特征信息提取不充分、无法精准分割皮肤
犬吉氏巴贝斯虫病作为一种犬类临床常见寄生虫病,可造成患犬的红细胞破裂,引发贫血、黄疸、肝脾肿大等一系列临床症状,严重时可危及患犬生命,对犬类的健康造成了极大的威胁。近年来,随着犬类饲养数量的增加,该病的发病数量也越来越多。在临床中,犬吉氏巴贝斯虫病的主要治疗方案为驱虫治疗结合输血治疗与并发症治疗,治疗效果较好,但复发率较高。本研究拟通过对西安某动物医院犬吉氏巴贝斯虫病病例的患犬个体情况与临床诊断特
在网络趋于超密集化的6G时代,严重的站间干扰和复杂的网络优化是6G面临的一大难题。此外,6G通信网络的结构也将会更庞大和异构,业务的类型以及应用的场景也将会更复杂多变。由于利用人工智能技术对网络资源和用户进行智能化管理和调动是提高网络效率的一种有效方法,因此,本文基于深度强化学习（Deep Reinforcement Learning,DRL）对6G多层蜂窝网络中的资源分配问题进行研究。具体的工作
肺结核是一种常见的由结核分枝杆菌引发的肺部感染性疾病,严重危害着人类生命健康。随着人工智能技术的迅猛发展,基于人工智能的疾病辅助诊断系统已经在国内外大型医院广泛使用。人工智能技术已成为胸部X光片等医学图像处理的重要手段。因此,研究基于人工智能技术的肺结核疾病辅助诊断十分必要,在减轻医生诊断压力、提高医院应急响应能力等方面具有重要意义。深度卷积神经网络具有强大的图像模式分类能力,已成为图像识别与分类
对野生动物的识别是保护野生动物的必要环节,而快速准确的识别方法会使识别效果事半功倍。目前,深度学习技术的引入已经解决了人工识别效率低和识别成本过高的问题,但依然存在着“目标特征不明显”、“目标自身及背景复杂多变”、“目标发生尺度形变”等难题,进而影响了野生动物识别的效果。本文旨在对野生动物的识别方法进行研究,主要分为在单一角度下和不同角度下对野生动物的识别。单一角度下对野生动物的识别主要应用在野外
极端降水事件是我国乃至全球范围内影响最广泛、危害程度最大的自然气象灾害之一。未来气候变化将会导致全球水文循环变化更剧烈,由此引发部分地区发生频率更高、强度更大以及持续时间更长的极端降水事件。我国是受极端降水事件影响最显著的国家之一,每年因极端降水事件所造成经济和财产损失约占国内生产总值的3%～6%。因此,掌握极端降水事件的变化规律及驱动机制能为相关部门预警起到至关重要的作用。论文利用1961～20