基于智能计算的无人机遥感图像分类
这是一篇关于特征选择,特征构建,高维数据,松枯死木早期侵染检测的论文, 主要内容为随着高维数据处理需求越来越多,大量冗余不相关特征会严重影响分类性能,迫切需要高效的特征选择和构建方法过滤不相关特征并构建新特征。智能算法中,人工蜂群算法已被证明是有效的特征选择方法,遗传规划算法则是有效的特征构建方法。利用无人机拍摄的高光谱松树林分遥感影像是检测松材线虫病早期侵染松树的有效方法。但这种影像数据属于高维数据,如何对其进行有效的特征选择和构建提高检测的准确性,对松材线虫病防治至关重要。本研究对人工蜂群算法进行了改进,并将改进的算法应用在由无人机获取的松枯死木林分高光谱遥感影像数据上进行特征选择。同时,考虑到人工设计植被指数难度大,利用遗传规划算法自动设计植被指数用于松枯死木早期侵染检测。本文主要的研究内容及创新点如下:(1)针对人工蜂群算法的探索能力强,收敛速度慢,开发能力弱的特点,本文提出了一个使探索开发能力趋于平衡的人工蜂群框架。首先,各解由雇佣蜂进行更新,保留原始人工蜂群算法的部分探索能力以广泛探寻搜索空间。然后,在观察蜂阶段引入具有强开发能力的算子,以增强算法的开发能力使算法开发探索能力达到平衡。最后,由于侦查蜂会影响算法寻优效率且消耗计算资源,因此被移除。在此框架的基础上,本文进一步提出了BABCGWO和BABCWOA两个算法,与CSO、VSCCPSO、ALO＿GWO和ACABC 4个优秀的特征选择算法在12个广泛使用的数据集上进行比较。实验结果表明,本文提出的框架成功平衡了探索和开发能力,改进的两个算法在分类精度、特征子集大小和运行速度方面均表现出显著的优越性。(2)针对高光谱图像数据中冗余信息量大的问题,本文将改进的算法用于马尾松高光谱遥感图像数据的特征选择。实验结果显示,BABCGWO与BABCWOA两个算法分别从176个特征中仅提取23与29个有效特征,而分类错误率降到了8.3%与9.2%。与CSO、VSCCPSO、ALO＿GWO和ACABC算法相比,本文算法也以较少的特征数取得了较低的错误率。可以看出,本文提出算法能够精准找出有效表征早期侵染马尾松重要图像波段,提高分类识别性能。(3)针对以往研究植被指数进行目标特征表征需人工设计,难度大,且需要丰富专业知识的问题,本文将一种基于改进的遗传规划算法植被指数自动构建方法用于马尾松高光谱遥感图像分析。该算法在原有遗传规划算法的基础上,增加了剪枝操作并改进了变异的方式。实验结果表明,利用构建的新指数能够获得更高的早期侵染的松枯死木分类精度,在马氏距离分类器与决策树分类器上识别精度分别达到了87.58%与87.47%。
秃鹰搜索优化算法研究及其应用
这是一篇关于秃鹰搜索优化算法,球面坐标变换,特征选择,虚拟粒子,光伏模型参数估计,异质综合学习,机器人路径规划的论文, 主要内容为最优化旨在决策空间按照某种方法搜索变量的取值,使得目标函数取得最优值,设计合理、快速且易于执行的搜索策略一直是优化研究者追求的目标。秃鹰搜索优化算法(BES)模拟秃鹰的生存狩猎行为,是一种收敛速度快、优化能力强的随机优化算法,但存在缺乏种群多样性、易塌陷在局部最优、难以平衡探索与开发性能等缺陷。为此本文提出了三种改进的BES算法,并分别将其用于特征选择和工程优化、光伏模型参数估计、实例约束优化问题以及移动机器人的路径规划,提高BES算法性能的同时推动群智能算法应用的研究。具体研究内容如下:(1)提出了融合球面随机收缩机制的秃鹰搜索优化算法(INMBES)。利用表面积一定时,球所包含的范围最大以及球面坐标具有更加准确的测距原理,使用球面坐标变换更新BES参数,扩大秃鹰群体搜索猎物范围的同时提高秃鹰瞄准猎物的精度,提高算法的全局探索能力和算法的收敛速度;在秃鹰捕获猎物阶段,对种群进行排序并分组,对精英个体组采用精英混沌策略进行更新,增强算法的开发性能;对非精英个体组再次分组,利用单纯形策略使得秃鹰向优秀个体学习,从而修正各组中的最差个体,兼顾算法的探索与开发性能。CEC2017测试集中30个测试函数的实验结果表明,INMBES算法的性能优于9个有竞争力的对比算法;将INMBES用于求解汽车侧面碰撞设计、I形梁设计和光伏设计三个工程约束优化问题以及特征选择问题,验证了 INMBES算法的有效性。(2)提出了全局信息增强的自适应秃鹰搜索优化算法(VABES)。VABES算法利用整个种群信息的能量构造虚拟粒子,增加向虚拟粒子学习和对环状邻居列维飞行模式学习的策略,改善种群的多样性;融入新的自适应概率选择方案诱导种群在聚集和分散行为间恰当的转换;设计新的变步长变异与交叉策略增强算法的开发性能,提升算法寻找最优解的能力。在CEC2020上的单策略比较和CEC2017上的高维比较实验结果表明VABES算法具有良好的寻优性能;将VABES与其他几种代表性算法在三种光伏模型参数优化问题上进行比较的同时,将其用于求解57个真实世界问题。研究结果表明,VABES与其他算法相比具有更好实际寻优能力。(3)提出了融合异质综合学习与完全信息搜索机制的秃鹰搜索优化算法(HFSBES)。为了增强种群的多样性,利用λ-异质综合学习策略选出每个个体的样本群与样本点,优先选择质量较好的粒子,增强了种群的全局探索性能;设计时变参数,在迭代前期使种群扩大探索范围,在迭代后期增强种群局部开发的能力,平衡了算法的全局探索与局部开发性能;对最优个体进行完全信息搜索机制,避免种群陷入局部最优,增加了更高质量解产生的几率。将HFSBES算法在测试集CEC2019、CEC2020以及CEC2021的10维与20维问题上进行验证,实验结果表明与其他对比算法相比,HFSBES具有较强的求解优化问题的能力;将HFSBES算法用于CEC2020真实约束优化问题以及不同环境下的机器人路径规划问题进一步验证了其优越的实际寻优性能。
基于注意力机制的点击率预测模型研究
这是一篇关于注意力机制,神经网络,点击率预测,特征选择,演化算法的论文, 主要内容为随着移动互联网和云计算技术的迅猛发展,人们通过移动互联网对各种信息进行浏览的背后蕴含着巨大的商业价值,其中广告点击率预测在广告商业变现中占有十分重要的地位。广告投放取得的巨大成功的背后主要因素之一是点击率(Click Through Rate,CTR)预测技术,作为广告推荐系统和在线广告等商业应用的关键问题,点击率预测在整个移动互联网中发挥着重要的作用。特征选择是一种常用的降维方法,基于演化算法的特征选择方法在求解高维问题领域有着广泛的应用。点击率预测问题中的特征数据通常具有高维度、稀疏等特点,在一定程度上影响了点击概率的计算准确性。本文从数据预处理入手,针对离散数据的特征选择问题采用基于演化算法的特征选择方法(GACFS)进行特征选取。该方法采用分类器中的分类准确率作为目标函数,利用遗传算法对特征组合空间进行搜索,在选择算子中引入精英选择策略,从而确保在每一代的最优个体都能保留到下一代。为了验证GACFS方法的性能,选择了两种UCI数据集进行了比较实验,研究结果显示该方法与其他两种对比算法相比,有更出色的表现。在利用GACFS方法实现数据降维的基础上,针对点击率预测模型中难以有效地进行特征挖掘的问题,本文提出一种基于特征选择和改进的SENet的点击率预测模型(FSISC)。FSISC模型首先在特征选择层筛选出一个较好的特征子集;然后在嵌入层对特征子集进行嵌入表示;之后,在ISE模块中引入批归一化对SENet进行改进,使其快速地学到已分配好权重的新特征,同时在IDCN模块将交叉网络和神经网络串行结合实现任意高阶的特征组合。根据对比的结果表明,该模型具有很好的稳定性和预测准确率。
基于径向基情感神经网络的氨氮软测量模型设计及应用研究
这是一篇关于出水氨氮浓度软测量模型,径向基情感神经网络,特征选择,综合学习粒子群算法,自适应调整学习机制的论文, 主要内容为随着城镇文明和工业生产技术水平的提升,人类对水资源的需求量愈来愈大,随之产生的城市水环境污染问题将越来越严重。为了提高污水资源的利用率,使出水水质达标,需要加强城市污水处理厂对污水的治理,促进污水资源再生利用。在导致水污染的众多污染物中,氨氮是一个能使水体富营养化并产生水污染物的关键水质指标,若其超标排放会严重危害水域生态环境,威胁人们健康,因此减少氨氮的排放是城市污水处理厂的主要任务之一。然而,由于实际的城市污水处理过程除氮生化反应复杂,是一个具有时变性和不确定性的非线性系统,同时采样数据存在噪声,传统化学反应检测方法难以及时、便捷、准确的对其实现在线测量。目前,径向基情感神经网络(Radial Basis Emotional Neural Network,RBENN)因其在输入添加了高斯函数,通过将输入映射到高维空间可在一定程度上消除对干扰的影响,具有非线性逼近能力强,抗干扰性能较好的优势,在处理复杂非线性建模问题上得到了广泛的应用。因此,针对出水氨氮浓度难以在线检测的问题,本文提出了一种基于RBENN的出水氨氮软测量模型,实现了对出水氨氮浓度的准确在线预测。本论文的重点研究工作主要包含以下几点:1.基于NMI和SU的SBPSO氨氮特征变量选择方法针对城市污水处理过程出水水质指标种类繁多且关系复杂,存在较多冗余信息,导致难以选择辅助变量特征的问题,设计了一种基于归一化互信息(Normalized Mutual Information,NMI)和对称不确定性(Symmetrical Uncertainty,SU)的粘性二进制粒子群(Sticky Binary Particle Swarm Optimization,SBPSO)氨氮特征变量选择方法。首先,设计一种基于SU的粒子种群初始化机制得到了样本数据的内在特征信息,形成了更高质量的初始种群;其次,提出一种特征删除策略,减少了迭代搜索过程中的计算量;然后,构造了一种粒子适应度评价函数,引导粒子的搜索方向;最后,制定了一种粒子最优位置更新规则,得到了与出水氨氮指标相关性强且冗余度低的辅助变量特征子集。仿真实验结果证实了提出的特征选择方法能够自动筛选与出水氨氮关联性强的辅助变量。2.基于ADw-CLPSO算法的RBENN设计方法针对RBENN模型的权重参数确定困难,且难以根据实际任务确定网络规模,导致模型泛化性能低的问题,设计了一种带有自适应惯性权重调整策略的综合学习粒子群(Adaptive Inertia Weight Adjustment Strategy Based on Comprehensive Learning Particle Swarm Optimization,ADw-CLPSO)算法。首先,设计了一个粒子惯性权重自适应动态调整方法调节了每个粒子的飞行参数,从而平衡了算法中粒子的全局运动和局部搜索能力,提高了解的质量;其次,在该算法的基础上建立了一种粒子变维学习机制(Particle-variable Dimensional Learning Mechanism,PVDLM),使粒子能够在具有不同维度大小的搜索空间中学习并寻找最优解;然后,将设计的算法应用于RBENN,实现了网络参数寻优过程中模型结构的动态调整。仿真实验结果表明,与其他算法相比,RBENN能够在紧凑的网络结构下确定学习参数,提高了RBENN模型的预测精度。3.基于ADw-CLPSO-RBENN的氨氮软测量模型针对城市污水处理流程出水氨氮浓度不稳定,污染物来源分析复杂,建立精确模型困难,导致难以对出水氨氮浓度含量实现在线测量的问题,设计并构造了一种基于ADw-CLPSO-RBENN的出水氨氮软测量模型。首先,基于NMI和SU的SBPSO氨氮特征选择算法搜索用于输入模型的辅助变量特征子集;然后,利用ADw-CLPSO算法确定合适的RBENN模型结构,并同时对模型的学习参数进行调优,搭建了软测量模型;最后,通过利用真实的某城市污水处理厂的生产数据验证了该模型对出水氨氮浓度的预测性能。仿真结果表明,所建立的软测量模型结构更简单,对比其他软测量模型的实验结果而言,该模型的泛化水平更高,可以实现准确的出水氨氮浓度预测。4.城市污水处理过程氨氮监测系统APP开发设计为了实现将设计的软测量模型进行工程应用,依托于“十三五水体污染控制与治理重大科技专项子课题—京津冀区域水环境管理大数据平台开发研究”项目,设计开发了一款基于IOS平台的城市污水处理过程氨氮监测系统APP软件,主要功能包括用户身份管理系统、水质参数的历史和预测数据的可视化展示、相关区域的污染信息查询等。首先,在设计与编码过程中使用Swift编写软件的客户端界面,实现出水氨氮软测量系统的可视化应用;然后,利用Java编写服务端接口从My SQL数据库获取相关数据以便在客户端调用,实现了对数据的集成与管理。该系统APP集成度高且可视化效果好,有助于有关管理部门的工作人员及时了解关键水质参数的概况信息,并查看区域污染状况以便及时做出相应处理。
舆情系统中特征选择和情感分析的研究与实现
这是一篇关于舆情分析,文本分类,特征选择,情感倾向分析的论文, 主要内容为网络舆情是指互联网上网民对社会焦点、热点问题所持的带有较强影响力、倾向性的不同观点和言论。如今,越来越多的人们开始利用互联网表达自己的情绪和观点。网络已逐渐发展成为社会民意的集散地。由于网络环境相对宽松,缺乏相应的监管措施,一些人往往将网络视为自己发泄不满情绪的场所,肆无忌惮地发泄不满情绪,引导错误的舆情方向。再加上我国正处于社会转型阶段,各类矛盾集中,有些社会管理部门往往对于舆论习惯性隐瞒、回避,从而导致社会矛盾的集中爆发。在如今大数据的时代背景下,通过传统的人工方式对互联网上海量的社会舆论信息进行区分甄别,既效率低下,往往也不现实。因此,需要舆情分析系统针对网络上海量信息进行获取并快速处理分析,对误导性舆论及时发出预警,对我国社会各方面事业的发展至关重要。本文对网络舆情分析系统所涉及的一些技术进行了研究,其中主要工作以及创新点如下:1)本文从理论方面详细介绍了舆情分析系统各个模块的实现原理。并将特征选择算法和文本情感分析作为两个基本研究点进行了重点研究。2)详细分析了文档频度、信息增益、互信息以及卡方检验等四种传统特征选择算法各自的不足。并在此基础上,提出了一种基于特征项类内平均度、类间区分度的特征选择算法。最后,设计了实验方案并证明了改进后的算法的高效性与合理性。3)通过对文本情感倾向技术的重点研究,设计了一种基于语义的文本情感倾向分析方法。主观句中的情感词决定了句子情感的方向,其他一些修饰词决定了句子情感的程度。该方法以主观句-情感词为基础。通过筛选出文档中所有的主观句,分别对每一个主观句进行情感倾向评分,然后取其平均值,即为文本的情感评分。通过实验,证明了本文设计的文本情感分析方法对文本正向情感和负向情感的判定具有不错的效果。4)采用JAVA语言实现了一个基于B/S架构下的舆情分析系统。
基于4D-DIA质谱的心理压力疾病生物标志物发现研究
这是一篇关于心理压力疾病,质谱,生物标志物,特征选择,缺失值填充的论文, 主要内容为心理压力疾病是指由于一系列生理、心理和社会因素所引起的具有明显症状的疾病,通常伴随着强烈的焦虑、紧张、抑郁、愤怒、恐惧等情绪,严重影响患者正常的生产和生活。近年来,心理压力相关疾病的患病率逐年升高。当前对心理压力疾病的诊断多采用量表、问卷或访谈的形式,尚未发现能客观诊断心理压力疾病的外周血标志物,且量表具有明显的非特异性,精神科医生的熟练程度和严重的缺口也影响着疾病的诊断。因此迫切需要发现能对心理压力疾病进行及时预警的蛋白质生物标志物。随着蛋白质组学和质谱技术逐渐兴起,越来越多的研究人员通过质谱技术发现疾病的蛋白质生物标志物,但大多是基于统计学习方法,无法较好的分析高通量、高灵敏度的质谱数据,且对发现的生物标志物验证时不够客观。针对以上问题,本文基于上海市某精神卫生院的临床4D-DIA质谱数据,提出了新的心理压力疾病生物标志物发现方法。该方法通过深度学习方法进行谱库构建。并通过提出的两阶段筛选方法进行生物标志物的发现,利用提出的靶标相关性算法进行验证。最后基于本文的方法设计并搭建了心理压力疾病生物标志物发现及应用系统。研究内容主要包括以下三个方面:1)基于质谱数据的蛋白鉴定。质谱数据格式复杂、鉴定困难,本文选取了基于LSTM的谱库构建方法和基于max DIA的蛋白解析方法。为了给下游生物标志物发现服务提供质量高的蛋白定量数据,提出了基于图神经网络的蛋白缺失值填充算法。该算法基于欧氏距离构建样本相似性网络图,通过随机漫步进行图中样本节点的抽样,并根据学习到的特征向量进行图重构和边预测,对邻域计算得到缺失值。最后在抑郁症公开质谱数据集上进行实验,表明了本文的方法对质谱蛋白鉴定目标任务的有效性。2)基于两阶段筛选和可信度验证的差异蛋白分析。本文提出了基于两阶段筛选和可信度验证的差异蛋白分析方法。其中筛选部分包括基于融合方法的差异蛋白初筛和基于可解释SVM的差异蛋白二次筛选,以最大可能地发现能更好区分两类样本的生物标志物。同时,为了验证分析得到的生物标志物,本文提出了靶标相关性评分算法,通过对知识图谱中包含的大量先验知识的挖掘得到疾病与蛋白质的相关性评分。并在抑郁症公开数据集上进行实验,表明了所提出的方法优于目前的主流方法。3)心理压力疾病生物标志物发现及应用系统构建。本文首先对心理压力疾病量表数据进行数据分析,然后将本文所提出的方法应用到心理压力疾病4D-DIA质谱数据,发现肌动蛋白、血小板因子4、激肽原-1等蛋白质生物标志物。本文又基于质谱数据的生物标志物发现需求,设计并实现了心理压力疾病生物标志物发现与应用系统,有效地提升了基于质谱的生物标志物发现的效率。
信用卡逾期催收系统的设计与实现
这是一篇关于信用卡逾期,催收,特征选择,智能辅助的论文, 主要内容为消费已经成为拉动经济增长的主要动力,近年来各家银行纷纷提出“大零售”战略,而信用卡则是零售业务的排头兵,其业务发展情况直接关系到银行是否能成功实现零售业务转型。良好的信用卡业务发展必须建立在强健的风险体系之下,催收作为债务回收方式需要在信用卡业务发展“不良”时进行兜底,最大程度的挽回商业银行的资产损失。信用卡逾期催收从人工催收进而发展为使用专业系统的数字化催收,由全覆盖的无差别催收发展为特征化的分类催收,再由纯人力的催收外呼发展为智能辅助的催收触达。在此背景下,本论文采用不同特征选择的方法,挖掘有效的信用卡逾期特征,为风险控制以及业务发展提供依据,并且采用智能化的技术代替催收工作中繁琐的人工操作,以实现智能辅助业务开展的目标。信用卡逾期催收系统需支持高效的案件分类和流转逻辑,完整支持电话催收、外访、法催、委外等主流催收手段,并可集成语音外呼、短信及邮件系统,以及业务数据的挖掘能力。本文设计并实现的信用卡逾期催收系统由管理中心模块、履约跟踪模块、催收功能模块、业务透视分析模块四个模块组成,使用了SSM的开发架构,Maven作为项目构建工具,GIT作为版本控制工具,系统将数据从数据仓库中提取后进行加工,包括采用批处理的方式进行还款跟踪、利用规则引擎对逾期案件进行分类等数据处理,之后将结果存储于数据库中以组成各个业务的信息表,模块中的每个功能根据具体的业务规则会从对应的信息表中读取数据,依据这些数据使用催收功能开展对债务人的催收,此外,还开发了一个基于相关性过滤与随机森林相结合的特征选择模型,有效的引导了分案策略的制订和催收工作的开展。本文的工作有:管理中心模块中用户管理、角色管理、权限管理和业务审批功能的设计与实现;履约跟踪模块中还款状态跟踪和逾期案件分案的设计与实现;催收功能模块中电话催收等功能的设计与实现;业务透视分析模块中信用卡逾期特征选择模型的设计与实现,其中开发信用卡逾期特征选择的模型和催收功能的实现是本系统的重点工作。该系统建成后可以根据信用卡逾期催收业务的发展趋势以及政策方向,进行深度的业务挖掘、智能的案件分类、方便的工作管理、简捷的功能操作以及高效的催收触达。以科技助力金融发展,建立管理型、战略型的风险把控(精细管控、智能决策),尽可能的节约成本,真正实现可靠性、实用性和盈利性的信用卡逾期催收统一管理。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设货栈 ，原文地址：https://bishedaima.com/lunwen/46173.html
