摘要：为有效提升搜索广告的点击率预测效果,提出一种基于特征降维和深度置信网络的模型(KTDDBN)。针对传统方法还停留在探索广告特征间的线性关系的局限性,提出使用深度置信网络寻找广告特征间更加复杂的深层关联;提取广告特征后,采用K-means聚类以及张量分解对高维特征进行降维,利用深度置信网络挖掘高阶的特征组合,提高预测模型的效果。实验结果表明,该模型在一定程度上提升了广告点击率的预测效果。

摘要：车型识别是智能交通系统研究的关键技术之一,针对车型识别的过程中存在处理的信息量大,提取特征维数高,识别实时性较差等问题,设计了一种融入PCA的LBP特征降维车型识别算法。首先在视频序列中使用帧间差分法提取目标车辆;然后计算目标车辆的LBP特征并利用PCA方法将数据由像素维数降至训练数据维数,在增强识别算法对光线变化鲁棒性的同时,一定程度上降低了车型识别的计算量;最后利用最小距离分类器对目标车辆进行分类识别。实验结果表明,所设计的车型识别算法与常规PCA方法相比,所设计的算法在光照变化时识别准确率有所提高,算法的实时性得到了一定的提升。

摘要：针对现有图像隐写分析中,特征维数较高,冗余较大,影响分类结果的问题,提出一种基于双重特征选择降维的隐写分析方法。通过计算单维特征以及特征间互信息,定义互信息得分并删除冗余特征,用改进mRMR(最小冗余最大相关)算法,结合分类结果选择最优特征子集。对空域S-UNIWARD和频域nsF5隐写算法,在不同嵌入率下通过集成分类器进行实验,实验结果表明,该方法能保持分类效果,有效降低特征维数,减少检测时间,提高隐写分析效率。

摘要：面部表情对影视表演有着紧要的作用,表情相似度度量是评判面部表情是否表演到位的一种方式。现有的表情相似度度量方法存在微小表情变化度量不精确、局部细节描述能力弱等问题。因此,本文在Isomap (Isometric Feature Mapping)特征降维基础上提出了一种新的表情相似度评估方法,将其应用到了表演艺术课中。首先,使用基于梯度提高学习的回归树方法实现面部特征点定位以及追踪,得到特征点的运动信息。然后,将得到的高维特征点运动信息运用非线性降维算法Isomap降维,得到人脸表情曲线。最后,提出了基于时序的相似度匹配方法,通过对比表情序列中每一帧的强度得出表情相似度。实验结果表明,该方法是可行的,能够有效地评估表演者对影视片段中表情模仿的相似度。

摘要：随着室内定位需求的不断增加,基于指纹的定位方法由于低成本、易于实现、精度较高等优势被广泛使用。但指纹定位算法在离线阶段训练成本高,接收信号强度值易受环境和噪声的影响,对环境的动态变化缺乏灵活性。提出了一种基于特征降维的在线序列学习机算法(PCA-OS-ELM),PCA算法可以对原始的RSSI数据进降维,去除干扰信息,构造新的特征。OSELM的快速学习能力可以降低离线阶段的训练成本,适应环境的动态变化。在2种不同的环境下进行了对比实验,结果表明所提出的算法能适应环境的动态变化,提高定位精度。

摘要：针对一些缺少参考对齐的本体匹配任务,提出一种基于深度无监督学习的匹配技术,通过对文本的上下文信息进行学习,提取到抽象文本特征,以此找到对齐。由于高维度输入会影响计算的效率,针对本体的多种描述构建CNN(convolutional neural network)模块并且和不同的RNN(recurrent neural network)串行连接实现特征降维,提出一种改进的基于BiLSTM(bidirectional long and short term memory neural network)的注意力机制来提取较好的抽象特征。提出一种多主导的对齐集成策略将本体不同层次的对齐进行合并,提高匹配的质量。实验在OAEI(ontology alignment evaluation initiative)的benchmark测试集上进行,提出方法的评价指标较高,并且和其它匹配系统作比较,高质量的对齐验证了所提方法具有一定的先进性和创新性。

摘要：传统多生物特征融合识别方法中人工设计特征提取存在盲目性和差异性,特征融合存在空间不匹配或维度过高等问题,为此提出一种基于深度学习的多生物特征融合识别方法。通过卷积神经网络(convolutional neural networks,CNN)提取人脸和虹膜特征、参数化t-SNE算法特征降维和支持向量机(support vector machine,SVM)分类组合进行融合识别。实验结果表明,该融合识别方法与单一生物特征识别以及其它融合识别方法相比,鲁棒性增强,识别性能提升明显。

摘要：为了降低特征维数,提高分类效率,提出了一种新的基于概率密度距离的有监督的特征排序方法。首先依次对所有样本的某一维特征进行加权变换,然后对变换后的各类别样本进行概率密度估计,计算由该特征加权变换后所引起的各类别样本的类间概率密度距离,距离越大,则该特征对于区分各类别样本的作用越大,以此来对特征进行排序。实验结果表明,该方法是有效的,而且表现出了比经典的Relief-F特征排序方法更好的性能。

摘要：目的:研究法医学同一认定中腭皱特征的提取和识别方法,建立腭皱自动识别的全数字化系统,并对同一认定效果进行评价。方法:采集二维腭皱数字图像建立样本库,对腭皱样本进行图像预处理,采用Gabor变换提取腭皱图像特征,对所提取的特征进行分块降维以避免维度灾难,采用最近邻分类算法对所提取的腭皱特征进行分类识别,在MATLAB软件平台上设计基于腭皱图像识别的法医学同一认定数字化系统,用样本库中的二维腭皱图像作为实验数据进行实验,采用平均正确匹配率和平均错误匹配率两个指标进行同一认定性能评估。结果:选取不同分块方案,对所提取的腭皱Gabor特征进行降维,可以发现,分块越密集识别效果越好,最高平均正确匹配率可以达到97.8%。结论:该算法可以达到快速准确腭皱图像自动识别,可作为法医学同一认定的备选方案。

摘要：为有效提取中药材图像的特征,提高中药材图像分类准确率并提升检索性能,对中药材图像的梯度方向直方图形状特征和局部二元模式纹理特征进行研究,对2种特征进行维数改进,提出一种基于形状特征和纹理特征的中药材检索方法。使用改进的图像梯度方向直方图和分块局部二元模式进行形状及纹理的特征提取;对提取得到的特征向量进行线性组合;采用一对一方式构造多分类器,使用支持向量机进行分类检索。实验结果表明,组合降维特征提取算法能在中药材图像数据集中取得较好的识别效果。