导读:本文包含了邻域特征论文开题报告文献综述及选题提纲参考文献，主要关键词:邻域判别指数,随机森林,图论聚类,混合式特征选择
邻域特征论文文献综述
李校林,吴腾,郭有庆[1]（2019）在《融合邻域判别指数的混合式特征选择算法》一文中研究指出特征选择是机器学习领域的重要课题,基于互信息的特征选择算法在多个领域得到了广泛应用.但是该类方法忽略了属性之间的相互作用对决策结果的影响,无法满足高维特征数据集的分类要求.针对这类问题,提出一种引入邻域判别指数的混合式特征选择算法NDI-RF.首先在特征过滤阶段,利用邻域判别指数作为判决指标,通过图论聚类思想去除冗余特征,获得相关联的代表特征集;然后通过改进随机森林封装器的特征分配机制,结合序列后项搜索策略评估各个特征子集的分类效果;最终通过逐次迭代选择最高分类准确率所对应的特征子集作为最优特征子集.在UCI数据集上的实验结果表明,NDI-RF算法相较于其他特征选择算法,能够有效地减少最优特征子集的大小,同时保证较高的分类准确率.(本文来源于《小型微型计算机系统》期刊2019年11期）
符伟,侯贺晟,张交东,刘财,冯晅[2]（2019）在《松科二井邻域沙河子组含油气地层结构特征——基于测井和地震数据的分析》一文中研究指出松辽盆地大陆深部科学钻探工程"松科二井"获得了最完整的沙河子组地层岩心,初步识别出深部页岩气气测异常43层,累计厚度102 m,显示出沙河子组地层具有良好的深部能源前景。为进一步分析松辽盆地沙河子组地层油气资源潜力,本文在前人研究的基础上,结合松科二井测井、岩心数据和地震数据,分析松科二井邻域沙河子组地层的层序特征和空间展布,同时以随钻录井记录到的气测异常为出发点,分析沙河子组地层的测井和地震响应。结果显示:松科二井邻域沙河子组地层具有厚度大、横向延续小的地层展布特点,根据测井、岩心及地震数据,将沙河子组地层分为4个叁级层序:SQ1、SQ2、SQ3和SQ4,其中顶部SQ4层序具有较好的油气前景,其岩性以泥岩为主,并具有相对较高孔隙度、低波阻抗的测井曲线特征,在地震剖面上表现为连续强振幅,阻抗反演剖面上存在局部低波阻抗特征,揭示了该区沙河子组深层天然气资源的赋存条件。(本文来源于《中国地质》期刊2019年05期）
师利中,蔡舒妤[3]（2019）在《基于结构张量特征邻域的机体损伤区域划分》一文中研究指出为实现机体损伤区域准确高效的划分,实现对机体损伤模型重构的数据支持,引入结构张量理论,对机体损伤图像进行特征表示。构建结构张量特征空间,通过分析特征分布,可知损伤特征点分布相对独立,与特征取值无显着关联;以此为依据,提出基于特征邻域的损伤区域划分方法。通过机体损伤图像实例验证,与K均值聚类划分方法对比,对比结果表明,该方法划分的损伤区域准确,边界连续,细节完整,能够消除小范围邻接区域对划分结果的干扰。(本文来源于《计算机工程与设计》期刊2019年10期）
陈祥焰,林耀进,王晨曦[4]（2019）在《基于邻域粗糙集的高维类不平衡数据在线流特征选择》一文中研究指出在许多实际应用中,数据经常呈现高维不平衡特征,特征还根据需求在不同时间段动态生成.基于此种情况,文中提出基于邻域粗糙集的高维类不平衡数据的在线流特征选择算法.算法设计基于小类重要度的粗糙依赖度计算公式,同时,提出在线相关性分析、在线冗余度分析、在线重要度分析叁种策略,用于选择在大类和小类之间具有高可分离性的特征.在7个高维类不平衡数据集上的实验表明,文中算法可以有效选择一个较好的特征子集,性能较优.(本文来源于《模式识别与人工智能》期刊2019年08期）
靳红伟,谢珺,续欣莹[5]（2019）在《基于邻域粗糙集的文本主题特征提取》一文中研究指出LDA主题模型是一种有效的文本语义信息提取工具,利用在文档层中实现词项的共现,将词项矩阵转化为主题矩阵,得到主题特征;然而在生成文档过程中会蕴含冗余主题。针对LDA主题模型提取主题特征时存在冗余的不足,提出一种基于邻域粗糙集的LDA主题模型约简算法NRS-LDA。利用邻域粗糙集构造主题决策系统,通过预先设定主题个数,计算出每个主题的重要度;根据重要度进行排序,将排序后重要度低的主题删除。将提出的NRS-LDA算法应用于K-means文本聚类问题上并与传统的文本特征提取算法及改进的算法进行比较,结果表明NRS-LDA方法可以得到更高的聚类精度。(本文来源于《科学技术与工程》期刊2019年22期）
沈林[6]（2019）在《基于随机抽样的变精度邻域粗糙集特征选择》一文中研究指出在变精度邻域粗糙集的特征选择中,改进后的区分矩阵相较于依赖度,具有时间复杂度较低的优点,但由于空间占用高,限制了其在大规模数据上的应用。减小数据规模虽然可以大幅降低空间消耗,但存在信息量丢失的风险,为此,通过随机抽取多个小规模数据子集以降低空间占用,在分别进行特征选择后,选择权重高的特征子集进行了测试。实验结果证明,可以将空间占用降低2-3个数量级,并保持精度和抽样前相当。(本文来源于《廊坊师范学院学报(自然科学版)》期刊2019年02期）
王艳军,李凯,路立娟[7]（2019）在《多尺度邻域特征下的机载LiDAR点云电力线分类》一文中研究指出利用机载激光雷达技术叁维测量精度高且获取快速的优点进行电力线自动分类提取已成为点云数据处理与电力应用的重要领域。针对电力线分类模型的自动化和高精度需求,本文提出了基于叁维多尺度邻域特征的机载LiDAR点云电力线分类提取模型框架,主要包括4个步骤:电力线候选点滤波、多尺度邻域类型选取、形状结构特征提取和支持向量机分类。通过对2个复杂城市区域的试验数据集和8种不同邻域类型的详细结果对比分析,发现基于多尺度圆球邻域形状结构特征的分类模型结果准确率、召回率和质量分别达到97%、94%和93%,同时整体处理时间在2个试验数据中分别从366、256s减少到274、160s。试验结果表明,该方法在多种复杂城市场景中能够实现机载LiDAR数据的电力线较高精度分类提取。(本文来源于《测绘通报》期刊2019年04期）
南天章,耿建君,陈旭,陈颖[8]（2019）在《基于邻域特征的红外低慢小目标检测》一文中研究指出红外搜索系统具有不发射电磁波、抗电磁干扰能力强、目标指示精度高等优势,在低慢小目标探测领域有很好的应用前景。目前国内外基于红外搜索系统的目标检测算法通常利用当前图像与背景图像配准、差分的手段提取疑似目标,往往需要较大的存储空间保存周视背景图像,高精度实时图像配准算法的工程化应用也有较大难度。针对以上问题,设计了一种基于邻域特征的红外低慢小目标检测方法。通过高通滤波、边缘检测法提取疑似目标、目标邻域特征值统计法剔除背景干扰、多帧图像目标信息相关等处理过程,可在有效排除地物、云层及飞鸟等多种干扰的同时,准确地检测图像中的无人机目标。试验结果表明,该方法相比传统LCM算法目标检测概率更高、虚警率更低,且不涉及图像差分,具有对硬件资源要求低、实时性好等优点,有较高的工程应用价值。(本文来源于《红外与激光工程》期刊2019年S1期）
董安勇,杜庆治,龙华,邵玉斌[9]（2019）在《卷积稀疏表示和邻域特征结合的多聚焦图像融合》一文中研究指出稀疏表示的分块处理破环了图像的连续性,导致多聚焦融合图像的清晰测度信息严重丢失。针对上述问题,提出了卷积稀疏表示和邻域特征结合的多聚焦图像融合算法。该算法将非下采样轮廓波变换(NSCT)域低频子图通过高斯滤波分解成基础层和细节层,然后选用交替方向乘子算法(ADMM)求解稀疏系数,完成细节层特征响应系数的融合。同时,根据聚焦程度测量函数设计了合理的邻域特征,完成了NSCT域高频子图的融合。实验结果表明:该算法边缘信息传递因子(Q~(AB/F))指标略低于对比算法,但空间频率(SF)、平均梯度(AG)、清晰度(SP)以及视觉信息保真度(VIFF)指标相比于对比算法分别提高了约16.31%、41.87%、19.2%以及12.07%,有效地提取了源图像更深层次的清晰测度信息,克服了稀疏表示的块效应缺陷。(本文来源于《光电子·激光》期刊2019年04期）
李颖桃,续欣莹,谢珺,刘建霞[10]（2019）在《一种基于邻域粗糙集特征选择的图像分类方法》一文中研究指出在图像分类中,单一特征提取容易造成图像信息的缺失,而多特征融合则会生成大量的冗余特征,使得图像分类的准确率降低。针对上述问题,通过改进邻域粗糙集特征选择算法,使其可以处理多维的图像特征,并将该算法应用于图像分类中。利用HOG和SURF结合空间金字塔匹配模型,得到最终的图像描述;利用线性SVM类性能和鲁棒性。(本文来源于《现代电子技术》期刊2019年08期）
邻域特征论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
松辽盆地大陆深部科学钻探工程"松科二井"获得了最完整的沙河子组地层岩心,初步识别出深部页岩气气测异常43层,累计厚度102 m,显示出沙河子组地层具有良好的深部能源前景。为进一步分析松辽盆地沙河子组地层油气资源潜力,本文在前人研究的基础上,结合松科二井测井、岩心数据和地震数据,分析松科二井邻域沙河子组地层的层序特征和空间展布,同时以随钻录井记录到的气测异常为出发点,分析沙河子组地层的测井和地震响应。结果显示:松科二井邻域沙河子组地层具有厚度大、横向延续小的地层展布特点,根据测井、岩心及地震数据,将沙河子组地层分为4个叁级层序:SQ1、SQ2、SQ3和SQ4,其中顶部SQ4层序具有较好的油气前景,其岩性以泥岩为主,并具有相对较高孔隙度、低波阻抗的测井曲线特征,在地震剖面上表现为连续强振幅,阻抗反演剖面上存在局部低波阻抗特征,揭示了该区沙河子组深层天然气资源的赋存条件。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
邻域特征论文参考文献
[1].李校林,吴腾,郭有庆.融合邻域判别指数的混合式特征选择算法[J].小型微型计算机系统.2019
[2].符伟,侯贺晟,张交东,刘财,冯晅.松科二井邻域沙河子组含油气地层结构特征——基于测井和地震数据的分析[J].中国地质.2019
[3].师利中,蔡舒妤.基于结构张量特征邻域的机体损伤区域划分[J].计算机工程与设计.2019
[4].陈祥焰,林耀进,王晨曦.基于邻域粗糙集的高维类不平衡数据在线流特征选择[J].模式识别与人工智能.2019
[5].靳红伟,谢珺,续欣莹.基于邻域粗糙集的文本主题特征提取[J].科学技术与工程.2019
[6].沈林.基于随机抽样的变精度邻域粗糙集特征选择[J].廊坊师范学院学报(自然科学版).2019
[7].王艳军,李凯,路立娟.多尺度邻域特征下的机载LiDAR点云电力线分类[J].测绘通报.2019
[8].南天章,耿建君,陈旭,陈颖.基于邻域特征的红外低慢小目标检测[J].红外与激光工程.2019
[9].董安勇,杜庆治,龙华,邵玉斌.卷积稀疏表示和邻域特征结合的多聚焦图像融合[J].光电子·激光.2019
[10].李颖桃,续欣莹,谢珺,刘建霞.一种基于邻域粗糙集特征选择的图像分类方法[J].现代电子技术.2019