版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、特征提取是機(jī)器學(xué)習(xí)、模式識(shí)別和數(shù)據(jù)挖掘等領(lǐng)域中的一個(gè)關(guān)鍵問題,它是研究如何從高維特征數(shù)據(jù)中提取出那些對(duì)分類識(shí)別最有效的特征,從而實(shí)現(xiàn)對(duì)特征空間的降維,進(jìn)而實(shí)現(xiàn)更好地識(shí)別、分類。隨著計(jì)算機(jī)硬件快速而持續(xù)的發(fā)展,特別是伴隨著互聯(lián)網(wǎng)和通信技術(shù)的發(fā)展,數(shù)據(jù)量正以極高的速度增長(zhǎng)。近年來,一些高維特征領(lǐng)域的興起,比如基因檢測(cè)、文本檢索等,更使得數(shù)據(jù)呈現(xiàn)海量高維的態(tài)勢(shì)。面對(duì)海量高維的信息,當(dāng)務(wù)之急是撥冗見真,對(duì)之進(jìn)行有效的信息提取。因此廣泛應(yīng)用于計(jì)算
2、機(jī)各項(xiàng)自動(dòng)化處理的預(yù)處理操作一特征提取就顯得尤為重要。
關(guān)于特征提取方面的研究已有不少較為成熟的方法。從形式上可以分為特征選擇和特征抽取,基于這兩種形式的特征提取算法,在性能的改進(jìn)也是研究人員們所關(guān)注的熱點(diǎn)。目前已有的方法,都是以找到一組適合全體樣本的屬性子集為目標(biāo)的??紤]到樣本之間的差異性,多側(cè)面(Multi-side)特征提取方法把樣本集分成若干子集,對(duì)每個(gè)子集選取各自適合的特征子集的做法,是一種創(chuàng)新。
3、本文所做的主要工作和創(chuàng)新點(diǎn)如下:
1、本文首先對(duì)特征提取的相關(guān)特性進(jìn)行研究。
2、重點(diǎn)分析了一種主要的特征選擇技術(shù)粗糙集(RoughSets)屬性約簡(jiǎn),和一種特征抽取技術(shù)主成分分析PCA(Principal Component Analysis)。詳細(xì)分析二者的適用性和局限性以及它們的擴(kuò)展模型。
3、介紹基于多側(cè)面思想的特征提取方法,詳細(xì)分析了多側(cè)面方法的計(jì)算性能和特征提取過程,實(shí)例證實(shí)了多側(cè)面
4、方法的有效性。將多側(cè)面方法應(yīng)用在UCI數(shù)據(jù)集上。實(shí)驗(yàn)數(shù)據(jù)證明多側(cè)面特征提取方法的有效性。
4、從多側(cè)面特征提取方法的側(cè)面大小和側(cè)面多少兩方面,對(duì)多側(cè)面方法進(jìn)行性能分析。實(shí)驗(yàn)結(jié)果表明,選取合適的側(cè)面大小和分側(cè)面次數(shù)對(duì)多側(cè)面特征提取方的有效執(zhí)行具有重要作用。通過對(duì)實(shí)驗(yàn)結(jié)果的分析,給出了側(cè)面大小和側(cè)面多少選取的一般性規(guī)律。為多側(cè)面方法的有效運(yùn)行提供了實(shí)驗(yàn)數(shù)據(jù)支持。
本文對(duì)多側(cè)面特征提取方法的研究做了一些工作,在今后
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SDA和GSVD的多模態(tài)特征提取方法研究.pdf
- 基于多源數(shù)據(jù)的典型地貌形態(tài)特征提取方法研究.pdf
- 幾種特征提取方法的研究
- 基于特征提取的AUV導(dǎo)航定位方法研究.pdf
- 基于特征提取的快速行人檢測(cè)方法研究.pdf
- 基于Contourlet變換的虹膜特征提取方法研究.pdf
- 基于灰度圖像的指紋特征提取方法研究.pdf
- 基于PCANet的場(chǎng)景字符特征提取方法研究.pdf
- 基于圖像勢(shì)能理論的特征提取方法研究.pdf
- 基于Agent的多目視覺人臉特征提取.pdf
- 基于深度學(xué)習(xí)的多模態(tài)數(shù)據(jù)特征提取與選擇方法研究.pdf
- 基于多通道EEG信號(hào)的癲癇特征提取與識(shí)別方法研究.pdf
- 基于多穩(wěn)隨機(jī)共振的機(jī)械微弱故障信號(hào)特征提取方法研究.pdf
- 幾種特征提取方法的研究.pdf
- 圖像特征提取方法的研究.pdf
- 基于多源圖像的生豬體表溫度和步態(tài)特征提取方法的研究.pdf
- 基于混沌特征提取的多生理信息融合的情緒識(shí)別方法研究.pdf
- 基于字符多特征提取的車牌識(shí)別算法研究.pdf
- 基于LMD的軸承故障特征提取方法研究.pdf
- 人臉特征提取方法研究.pdf
評(píng)論
0/150
提交評(píng)論