摘要：提出了一种支撑向量机(SVM)的特征提取方法,该方法使得所提取的特征向量能最小化SVM推广性的界,同时设计了一种有效的遗传算法来实现该方法。模拟数据和心电信号等识别问题的实验结果验证了该方法的有效性。

摘要：情感特征的提取是进行文本情感分析的一个非常重要的步骤,也是影响其结果好坏的主要因素。在该文中,作者提出一种新的特征提取方法来解决新闻评论的情感分析问题。在该方法中,首先根据评论和新闻的对比分析获得候选情感特征,然后经过相关的扩充和验证操作得到通用的情感特征,并将其用于新闻评论的情感分析。对新闻进行话题划分后进行更细粒度的情感分析:根据新闻话题信息,设计相应的话题相关的特征对比和验证过程,选取出面向话题的情感特征,最后用面向话题的情感特征对相应话题进行情感分析。实验证明,这种情感特征提取方法,对于新闻评论这种语句短、评论对象相对分散的评论,情感分析效果有较大的改进。

摘要：图像融合在遥感等许多领域具有重要作用。简要分析了预处理和像素级别融合的技术,着重探讨了用于特征级和决策级融合的关键技术,包括特征提取与选择、分类器设计及决策等。针对几种典型的有监督及无监督分类算法,进行了深入的分析和比较。最后指出了在分类决策方面图像融合技术发展的方向。

摘要：语音识别普遍存在识别不准确、不全面的问题,影响电子会议汉语记录的质量。面对这种情况,为提高语音识别性能,提出一种改进遗传算法的电子会议汉语语音识别方法。该方法通过预加重、分帧加窗以及去噪,预处理语音信号。利用改进遗传算法选取最优语音特征,语音特征包括梅尔频率倒谱系数、短时平均能量以及频谱均值。以三个特征对应数值的标准化数值为输入,利用构建的基于改进神经网络的识别模型将语音转换为对应的汉语文字,实现语音识别。结果表明,在基于改进遗传算法的识别方法应用下,误识率最高仅为2.122%,识全率最低为95.621%,由此说明所研究识别方法的识别更为准确和全面,识别效果更好。

摘要：为研究用户用电行为数据挖掘问题,提出一种基于深度学习和改进蝗虫优化算法的用户电力数据挖掘方法。利用皮尔逊相关系数法选取用电行为特征集合,最大限度地降低数据处理维度。设计线性加权KFCM算法,采用改进蝗虫优化算法初始化聚类中心和聚类个数以提升聚类效果。利用改进的KFCM对用户用电行为进行数据挖掘,为电网企业网决策提供数据支撑。仿真实验结果表明,所提方法在聚类效果上有较好的表现。

摘要：为了解决小样本多特征数据进行分析和处理的复杂性问题,改善数据挖掘和分析的复杂度,提高挖掘算法处理速度,提出了一种基于信息熵理论的动态规划特征提取算法。该方法利用动态规划算法,并通过基于信息熵概念的可分性判据函数来衡量所选特征空间的性能,从而进行特征提取和选择,对特征空间进行降维处理。最后采用UCI标准数据库中部分数据对算法进行检验并与其它算法进行比较,比较结果表明,对于小样本多特征的数据采用该算法进行降维处理可以有效降低维度,并且与其它全局最优解的搜索算法相比较能节省计算的开销。

摘要：在入侵检测系统中,对大量数据进行特征选取是影响检测系统整体性能的一个主要因素。本文提出了一种结合应用环境进行的特征选取算法,可以在一定程度上减少原始数据处理工作量,改善检测系统性能。文章最后给出并分析了实验结果。

摘要：探讨基于体裁的中文网页分类的特征项选取问题。词汇特征方面,结合自动抽取和人工归纳的方式来获得．通过改进PAT树存储结构,进行序列挖掘来获得频繁字符串特征,使得文本分类系统摆脱对切词处理和词典的依赖,并提出了模糊字符串模式的特征表达方式。此外,特征集中融入了文本的形式特征,并根据网页的特点,引入链接信息特征。实现了基于体裁的中文网页分类系统,结果表明分类效果得到了有效的改善。

摘要：针对分类问题提出了一种特征选择的新算法.算法在初始化时首先任意产生几个特征集,然后被迭代多次执行,在每一次迭代过程中,用性能评估函数对所有的特征集进行评价,按照评价结果选取当前性能最优的特征集,其它所有的特征集朝着类似当前最优特征集的方向发生变化,直至完成预定的次数为止.

摘要：针对电站锅炉效率难以准确测定问题,依据机器学习理论,采用数据驱动建模方法建立锅炉效率预测模型。分类回归树(CART)算法通过数据分析选取对锅炉效率影响显著的相关变量。然后,K最近邻(KNN)分类器对相关变量的样本进行分类,区分不同工况生产数据。根据不同工况数据,设计了一种基于差分进化算法(DE)的最小二乘支持向量机(LSSVM)建立数据驱动模型(DDMMF),DE动态优化LSSVM的参数以提高模型精度。最后,对预测模型进行动态修正进一步提高预测精度。基于实际生产数据的实验结果表明,该模型能够准确预测锅炉燃烧效率,满足锅炉燃烧过程控制和优化的需求。