摘要：为了探究Landsat8 OLI影像和支持向量机算法在林分蓄积量估测中的潜力,以湖南省株洲市为研究区,以Landsat8 OLI卫星影像为遥感数据源,并结合同时期的湖南省森林资源二类调查数据,提取单波段特征、植被指数和纹理特征等遥感因子作为候选变量;利用最大信息系数对遥感变量进行筛选,并构建基于多项式核的PK-SVR模型、基于径向基核的RK-SVR模型、基于拉普拉斯核的LK-SVR模型和基于Sigmoid核的SK-SVR模型;以决定系数、相对均方根误差作为预测模型的评价指标,并与传统的线性回归模型进行对比,同时对研究区的森林蓄积量进行反演,得到株洲市森林蓄积量空间分布图。结果表明:支持向量机(SVR)模型的预测结果明显优于多元线性回归模型,RK-SVR模型的预测效果最好,其决定系数为0.61、均方根误差为69.26 m^(3)/hm^(-2)、相对均方根误差为31.2%。

摘要：针对三电平逆变器在特征提取时出现特征表达不一致和冗余问题,以提高三电平逆变器故障识别准确率为目的,提出一种基于Fisher Score与最大信息系数混合模型的三电平逆变器故障特征选择方法。该方法采用Fisher Score方法对原始特征集进行故障特征重要度排序,且利用最大信息系数对特征之间的相关性进行评价,进而对特征排序结果进行调整;以故障分类准确率为评判依据,基于随机森林算法对Fisher Score与最大信息系数混合模型进行修正,实现敏感故障特征筛选与分类;利用仿真和实验台的逆变器故障数据集进行实验,实验结果表明所提出的故障诊断模型准确率分别为93.3%和90.2%,与传统reliefF特征选择方法相比,所提出的特征选择方法筛选的敏感特征更有利于三电平逆变器故障诊断识别分类,故障识别准确率分别提高了2.1%和1.3%。

摘要：为了简化最大信息系数计算的复杂度,达到计算准确性与计算复杂度的最优平衡,通过基因与疾病相关性实验研究了最大信息系数阈值的合适取值区间及最优取值。结果表明:利用变量间强相关数据和不相关数据出现的频数,及其在不同阈值下的变化趋势,可以估计出阈值的合适取值区间;通过统计阈值取值区间上界集合的最小值,可以估计阈值的最优取值;对于不同变量,阈值的最优取值也不相同,并且随着采样数的增大,阈值的最优取值有减小的趋势。

摘要：为实现融合车辆运行状态的电池温度不一致性的精准评估诊断,设计并开展电动汽车自然驾驶试验,利用长周期、精细化的车辆运行数据,从微观运行片段的角度探究了电池温度一致性与驾驶行为的关联特性。通过驾驶人踩/松踏板的驾驶行为将车辆运行过程划分为A、B、C、D四类微观片段。分别针对4类片段,通过计算最大信息系数(Maximum Information Coefficient, MIC)得到了各驾驶行为参数与探针温度变异系数(Variation Coefficient of Probe Temperature, VCPT)的相关性,利用随机森林模型分析了驾驶行为参数对VCPT的重要性及影响机理,利用数据分组统计计算了驾驶行为参数对VCPT的量化影响效应。研究结果表明:驾驶行为参数与电池温度一致性具有弱相关性,且其对电池温度一致性的影响是非线性且非单调的;总体上车速类参数与电池温度一致性的相关性强于加速度和踏板类参数;对VCPT回归预测最重要的4项驾驶行为参数中,4类片段下均包含最大车速,B、C、D三类片段下均包含最大负向加速度;相比于高车速和高车速波动,高减速度驾驶行为引起的温度不一致性增幅是最显著的,4类片段下VCPT促进效应最显著的驾驶行为参数分别是最大负向加速度、平均负向加速度、最大负向加速度、车速标准差,其参数值85%分位点以上对应的VCPT均值比15%分位点以下的分别大9.44%、20.36%、13.05%、16.37%。研究结果可以支撑基于驾驶场景自适应阈值的电池温度不一致性评估诊断方法的提出,进而提高电动汽车电池安全预警准确率。

摘要：针对恒功率负荷(CPL)因负阻抗特性导致直流微电网母线电压失稳的问题,从限制CPL取值范围出发,引入深度学习算法分析系统的稳定性。首先,通过采用直流微电网机理模型仿真,建立初始数据库;然后,对数据库进行预处理,在此基础上,利用最大信息系数进行相关性分析,得到系统参数与CPL临界值之间的相关性强弱信息,并实现输入特征降维;接着,采用自定义损失函数与量化预测性能等方法设计适用于CPL临界值预测的深度学习策略。最后,针对不同场景的直流微电网进行仿真测试,并通过硬件在环实验验证所提深度学习策略的有效性和优越性。

摘要：为实现预可行性研究阶段山区高速铁路土建工程造价的快速准确估算,利用最大互信息系数(MIC)原理选取山区高速铁路土建工程造价预测关键指标,进而应用卷积神经网络(CNN)构建其造价预测模型,通过比较不同参数下的模型预测精度和稳定性确定模型最优参数,并对比分析MIC-CNN模型与CNN、BP、Adaboost-SVR模型预测效果。分析结果表明,MIC-CNN模型预测平均相对误差仅为5.476%,而CNN、BP和Adaboost-SVR模型预测的平均相对误差分别达到9.072%、12.626%和28.010%,说明造价预测关键指标及模型参数选取合理,MIC-CNN模型可以实现较高的预测精度;MIC-CNN模型预测值的波动幅度仅为1.045%,其在预测山区高速铁路土建工程造价时具有较好的稳定性。

摘要：心率变异性分析能够在情感识别中发挥重要作用,为了建立心电与情感类别之间的精准模型,提出了基于最大信息系数(maximal information coefficient,MIC)的特征选择方法。使用Aubt数据库和设计情感诱发实验进行研究,首先提取了心率变异性时域、频域、非线性及时频域40个特征参数,然后基于MIC方法结合支持向量机、随机森林、K近邻算法进行情感建模。结果显示,基于MIC特征选择方法,使用Aubt数据库针对唤醒度、效价、4类情感的分类准确度分别为90%、89%、84%,并进一步选用皮尔森相关系数、ANOVA特征选择方法与MIC进行对比;诱发实验数据中的多种一对一情感识别率均高于75%。结果表明基于MIC特征选择方法能够显著提高分类准确度,对基于心电信号进行情感识别具有重要意义。

摘要：抽水蓄能(抽蓄)机组设备实时监测能提供有效运行信息并指示运行人员做出相应措施,但发电电动机发热散热过程复杂,实时监测信息难以满足温度预警要求。为此,提出了一种基于时间卷积网络(Temporal Convolutional Network,TCN)温度实时动态预警模型。首先,利用最大信息系数(Maximal Information Coefficient,MIC)分析相关变量集;其次,选择合适输入维度,并建立以历史监测数据进行训练的TCN与注意力机制(Attention Mechanism)回归预测模型,通过测试与其他深度模型进行比较,验证了所提模型的实用性价值;最后,为增加实时预警有效性,采用统计学理论正态检验指标峰度与偏度分析残差序列集并设计了能适应于现场真实情况的实时预警策略。通过大型抽蓄电站机组的实时数据测试,所提出的方案能较好满足现场的实际需求。

摘要：页岩气初期产能直接影响单井最终采收率,分析页岩气初期产能主控因素,对页岩气开发方案的设计与优化有重要意义。基于文献调研,定性研究各种因素对页岩气初期产能的影响机理;运用皮尔逊-最大信息系数(Pearson-maximal information coefficient,Pearson-MIC)相关性综合分析方法,对各因素与页岩气初期产能之间的相关性进行定量计算;按照一定筛选原则,优选页岩气初期产能主控因素,对比传统相关性分析方法,证明本文方法的可靠性。研究表明:对页岩气初期产能有直接影响的因素主要包括地质因素8个,工程因素10个;页岩气初期产能主控因素包括优质页岩厚度、总有机碳含量、含气量、压力系数、脆性矿物含量、优质储层钻遇程度、压裂段数、射孔簇数、总液量、单段砂量、施工排量;相比传统相关性分析方法,"Pearson-MIC"相关性综合分析方法的评价结果要更可靠。

摘要：针对跳频电台细微特征集中存在冗余特征等导致电台识别时存在计算量大、识别准确率低等问题,提出了一种基于CMFS-MIC特征选择的跳频电台个体识别方法。首先计算采集到的各个跳频电台信号样本的细微特征集,然后采用关联信息熵度量特征子集的组合效应,兼顾考虑特征间的关联关系和冗余关系对各个特征进行降序排序。在此基础上,采用最大信息系数度量的近似马尔可夫毯方法删除冗余特征,实现对特征子集进行优化和降维。最后,设计了投票组合分类器实现对四部跳频电台信号的识别。仿真结果表明,本文算法具有更高的分选识别率。