特征组合

摘要： 为研究光学遥感和微波遥感数据在城市森林信息提取中的互补性,该文采用Sentinel-1A雷达影像与Sentinel-2A光学影像,基于面向对象决策树的方法和不同的特征组合策略(①Sentinel-2A的7个可见光波段;②Sentinel-2A的7个可见光波段加入5、6、7红边波段;③方案2中10个波段加入Sentinel-1A的VV、VH后向散射系数;④方案3中所有波段加上纹理特征、植被指数等共34个波段)对浙江省丽水市莲都区进行土地利用分类和比较。结果发现,Sentinel-2A的红边波段引入后森林的用户精度提高了15.32%,雷达后向散射信息使总体精度提高4.55%,但对森林的提取并无影响;当融合红边指数、后向散射、纹理特征和植被指数进行分类时,研究区域总体分类精度与单个地类的分类精度均有明显提高,总体精度达到90.06%,Kappa系数达到0.8207。文中实验证明了融合Sentinel-1A与Sentinel-2A多源数据对森林覆盖度高的区域进行分类和信息提取是较为可靠的思路。

摘要： 随着北斗短报文在航空飞行器跟踪监视的应用中,通信成功率直接决定了飞行器的实时跟踪监视效果;由于飞行器在飞行过程中可能会遇到各种复杂电磁信号干扰,北斗短报文通信成功率会随着电磁环境的变化而变化;为了提高通信成功率,利用北斗短报文接收和兼收两种通道进行了数据接收效果对比,并比较了两者之间的内容差异;基于信息融合理论的Dasarathy模型中的融合概念,使用北斗短报文的数据接收和数据兼收两种数据,提出了基于数据和特征组合的数据处理融合算法;该算法针对短报文数据特征进行融合,有效提高了北斗短报文的通信成功率,试验效果显著。

摘要： 为提升短期电力负荷预测的精度,着眼于特征组合的构建,提出了一种基于Holt-Winters指数平滑的特征组合(FCHW),并结合时间卷积网络(TCN)构建了FCHW-TCN负荷预测框架。首先,应用Holt-Winters指数平滑进行负荷序列预测,得到与负荷序列相关的级别分量和季节性分量。通过将上述分量用作输入特征,并与常规特征(历史负荷、日期)构成特征组合,构建了FCHW;其次,选择TCN作为预测模型,以FCHW作为TCN输入,搭建了FCHW-TCN预测框架;最后,采用2个不同负荷数据集和多个预测模型对FCHW和FCHW-TCN进行验证。结果表明,FCHW有助于模型预测精度的提升;与其他预测模型相比,FCHW-TCN预测框架有着最高的预测精度,具有优越的预测能力。

摘要： 联合循环机组的燃气轮机燃烧是复杂的物理、化学过程,NO_(x)排放浓度作为燃气轮机运行的一个状态参数耦合其他多参数,导致构建的预测模型精度低。依据深度学习理论,提出了一种基于深度置信网络非线性组合多特征选择(multi-feature selection nonlinear combined deep belief network,MFNDBN)方法以实现NO_(x)浓度的准确预测。首先,对原始数据进行基于密度的噪声应用空间聚类(density-based spatial clustering of applications with noise,DBSCAN)异常值检测与Savitzky-Golay滤波方法的数据清洗。然后,结合偏互信息、决策树、LASSO特征选择算法分别构造基于深度置信网络的NO_(x)预测模型。最后,将3种特征选择方法的预测模型进行非线性组合得到最终的预测模型。基于验证数据的实验结果表明,所提方法能够对燃气轮机NO_(x)排放浓度进行准确的预测。

摘要： 针对皮革表面存在不均匀纹理的特性、缺陷分类难度大的问题,构造了一种多层感知器结合特征组合的分类方法。首先通过Gabor滤波方法强调皮革表面纹理特征,并获取皮革图像的5个灰度分布统计特征与8个灰度共生矩阵统计特征,以此描述皮革表面纹理和缺陷的特征;然后采用多层感知器结合特征组合的分类方法对皮革缺陷图像进行分类。实验验证结果表明,该方法对四类皮革样本的分类准确率可达98%以上。

摘要： 点击率(Click-Through Rate,CTR)预测是推荐系统中一项重要的任务,其目标是预测用户点击一个广告或者商品的概率。特征嵌入和特征组合是影响预测性能的关键,因此很多点击率预测模型的思路也是针对这两个方面进行优化。但目前大部分工作仅关注其中一个方面,并且几乎所有的模型在进行特征组合时都没有对特征进行区分,同一个特征与其他特征组合时都使用相同的嵌入和组合方法,阻碍了模型性能的提升。为解决该问题,提出了Auto-SEI(Automatic Super-field-aware Feature Embedding and Interacting)模型。该模型先将每个特征子域分配给一个特征超域,再根据分组得到特征的嵌入,然后为特征对选择合适的组合方法获取组合特征,最后进行预测。Auto-SEI模型中,特征子域的划分和组合方法的选择被参数化为架构搜索问题,利用神经架构搜索(Neural Architecture Search,NAS)算法压缩搜索空间并进行选择。在3个真实的大规模数据集上进行了大量实验,结果表明Auto-SEI模型在点击率预测任务上具有优秀的性能。

摘要： 目前主流的推荐系统模型需要在获取到足够多的数据时才有良好的表现,当获取的数据稀疏时推荐结果精确度较差;同时,把新加入推荐系统的项目推送给潜在用户以及获取新用户的兴趣点也都需要更好的解决方案.提出了一种基于对象特征组合联合知识图谱的推荐系统模型OCKG(Recommender System based on Object Feature Combination Embedded and Knowledge Graph).该模型以用户和项目为对立对象,通过用户和项目多维信息分别嵌入获取到相关性标签,加以训练得到同类共通性;同时,对嵌入后的的标签进行权重处理,将不同属性特征传播到知识图谱中以增强模型学习迁移能力,对推荐结果按照相关性紧密进行横向和纵向排位,从而实现推荐结果的预测.使用两个不同的公开数据集进行了对比实验,证明了该模型在稀疏数据和冷启动下推荐的有效性.实验结果表明,合理的特征组合以及控制知识图谱上的传播强度提升了模型的推荐性能,增强了模型鲁棒性.

摘要： 关系抽取旨在从文本中抽取实体与实体之间的语义关系。作为关系抽取的上层任务,实体识别所产生的错误将扩散至关系抽取,从而导致级联错误。与实体相比,实体边界粒度小且具有二义性,更易识别。因此,提出一种基于实体边界组合的关系抽取方法,通过跳过实体,对实体边界两两组合来进行关系抽取。由于边界性能高于实体性能,所以错误扩散的问题得到了缓解;并且通过特征组合的方法将实体类型特征和位置特征加入模型中,性能得到了进一步提高,再次减轻了错误扩散带来的影响。实验结果表明,所提方法在ACE 2005英文数据集的宏平均F1值优于表格-序列编码器方法8.61个百分点。

摘要： 采用GF-1 PMS影像Level 2级影像产品,以云贵高原喀斯特地貌中的灌丛为研究对象,通过提出FSSDM(Forest and Shrub Spectrum Discrimination Model)模型,并将该模型与专题指数特征、纹理特征进行特征组合,采用SVM分类器进行自动解译,以解决实际生产中灌丛与背景植被易混淆、识别正确率不高的问题。研究发现,FSSDM模型能够有效区分灌丛与林地、阴影,结合指数特征和纹理特征,可快速、高效地将灌丛从复杂背景中提取出来,且精度优于传统提取方法。

摘要： 语义分割网络被广泛应用在高分辨率遥感影像建筑物提取领域。但是语义分割网络中的连续下采样会损失特征中的细节信息,导致提取结果边缘模糊,不同深度特征的不充分利用导致传统网络难以识别尺度差异大的建筑物。针对以上问题,文章基于双线性插值上采样和多尺度特征组合提出一种多尺度建筑物提取网络(Multi-scale building extraction network,Msb-Net),该网络包括编码器、解码器以及多尺度特征组合三部分。首先,编码器基于双线性插值上采样丰富图像的细节信息,再通过特征编码提取深层抽象特征;其次,解码器恢复特征空间分辨率,获得深度不同的解码特征;最后,基于多尺度特征组合结构对不同深度的解码特征进行组合,获得最佳的检测结果。文章在马萨诸塞州数据集和武汉大学数据集上进行验证,结果表明,Msb-Net具有更高的识别精度,在两个数据集上交并比指标分别提高了1.71%和1.88%。通过结果对比可以得出结论:相比于传统语义分割网络,Msb-Net可以通过多感受野特征组合的方法更加准确地识别遥感影像中不同尺度的建筑物。

摘要： 每一类地理实体都有其特定的观测尺度,在其相应的尺度上进行测量和提取分析能得到更加精确的结果.基于以上认识,本文提出了一种新的基于多尺度分割和多特征组合的土地覆盖分类方法,即通过多尺度分割技术,寻求各类地物的最佳观测尺度,并结合它们的特征或特征组合,进行分类.采用北京市海淀区的TM遥感影像进行实验,并与传统像元尺度下的分类结果进行了比较.实验结果表明,基于多尺度分割和多特征组合得到的专题图的质量和精度都要明显优于像元尺度下的分类结果。

摘要： 本文探讨了一种说话人识别的特征组合方法,它综合考虑了实际语音的非线性特征以及传统线性处理方法的优越性,以提高识别率为目的,选取复杂度、LPCC、MFCC及MFCC的一阶微分量四种特征量进行加权组合.另外,在前端的端点检测中采用一种新的对数能量特征作为判别依据,以进一步改善识别效果.

摘要： 提取零件的输入特征信息,通过特征组合成组合特征单元,对组合特征单元进行编号,并根据工艺规则、工艺数据库和资源库对组合特征单元进一步进行分解成可作为加工工序的特征组合元.根据工艺规则、资源库、工艺数据库,对组合特征单元进行排序,即进行工艺决策.

摘要： 本文阐述了重新审视指纹鉴定基础理论及标准的必要性.整理并分析了世界范围内指纹鉴定基础理论及标准研究概况,并由此归纳出"指纹特征组合特定性概率模型"应当具备的特性.本文提出了新的概率计算模型,并分析得出5个具有实践指导意义的结论.首次以概率计算(而非经验总结)的方式得出了8个特征点的鉴定标准.首次论述了"特征点相互间距"对指纹鉴定结论可靠性的影响.

摘要： 自动文本摘要是文本挖掘技术中的一个重要的研究课题。现有的文本摘要系统大多是应用单一方法,基于特定领域提取摘要,不能够应用到各个领域中,所以将各种方法组合起来,将能够解决这个问题。在深入研究6种基本的浅层和实体层的自动摘要算法的基础上,实现多知识源融合的摘要系统,并应用基本的机器学习算法对上述的算法进行了特征组合的分类器的训练、交叉验证和测试,找到最佳的特征组合参数,形成摘要.采用内部评价方法对系统进行了分析评测实验.

摘要： 人脸表情可以被看作是由面部表情编码系统（FACS）定义的不同面部运动单元的组合。不同于人脸图像的灰度、纹理等表象特征，基于面部运动单元的表情混合特征能够更准确地描述表情，然而，面部运动单元很难精确定位，为了避免这个问题，在前人的工作中通过将图像分成许多子块，并从子块中提取面部运动单元信息来组成基于面部运动单元的表情成分特征。在此基础上，本文首先通过对人脸图像的眼睛和嘴巴作粗定位，接着根据眼睛和嘴巴的水平位置，提取眼睛区域、嘴巴区域和鼻子区域的图像子块，然后对每个子块提取Haar 特征，并采用错误率最小策略从这些子块中选出面部运动单元组合特征，最后使用组合特征进行学习得出弱分类器，并嵌入到Boost 学习结构中构造出强分类器。通过在Cohn-Kanada 数据库上的测试，证明本文的方法能够取得很好的表情分类效果。

摘要： 人脸表情可以被看作是由面部表情编码系统（FACS）定义的不同面部运动单元的组合。不同于人脸图像的灰度、纹理等表象特征，基于面部运动单元的表情混合特征能够更准确地描述表情，然而，面部运动单元很难精确定位，为了避免这个问题，在前人的工作中通过将图像分成许多子块，并从子块中提取面部运动单元信息来组成基于面部运动单元的表情成分特征。在此基础上，本文首先通过对人脸图像的眼睛和嘴巴作粗定位，接着根据眼睛和嘴巴的水平位置，提取眼睛区域、嘴巴区域和鼻子区域的图像子块，然后对每个子块提取Haar 特征，并采用错误率最小策略从这些子块中选出面部运动单元组合特征，最后使用组合特征进行学习得出弱分类器，并嵌入到Boost 学习结构中构造出强分类器。通过在Cohn-Kanada 数据库上的测试，证明本文的方法能够取得很好的表情分类效果。

摘要： 人脸表情可以被看作是由面部表情编码系统（FACS）定义的不同面部运动单元的组合。不同于人脸图像的灰度、纹理等表象特征，基于面部运动单元的表情混合特征能够更准确地描述表情，然而，面部运动单元很难精确定位，为了避免这个问题，在前人的工作中通过将图像分成许多子块，并从子块中提取面部运动单元信息来组成基于面部运动单元的表情成分特征。在此基础上，本文首先通过对人脸图像的眼睛和嘴巴作粗定位，接着根据眼睛和嘴巴的水平位置，提取眼睛区域、嘴巴区域和鼻子区域的图像子块，然后对每个子块提取Haar 特征，并采用错误率最小策略从这些子块中选出面部运动单元组合特征，最后使用组合特征进行学习得出弱分类器，并嵌入到Boost 学习结构中构造出强分类器。通过在Cohn-Kanada 数据库上的测试，证明本文的方法能够取得很好的表情分类效果。

摘要： 人脸表情可以被看作是由面部表情编码系统（FACS）定义的不同面部运动单元的组合。不同于人脸图像的灰度、纹理等表象特征，基于面部运动单元的表情混合特征能够更准确地描述表情，然而，面部运动单元很难精确定位，为了避免这个问题，在前人的工作中通过将图像分成许多子块，并从子块中提取面部运动单元信息来组成基于面部运动单元的表情成分特征。在此基础上，本文首先通过对人脸图像的眼睛和嘴巴作粗定位，接着根据眼睛和嘴巴的水平位置，提取眼睛区域、嘴巴区域和鼻子区域的图像子块，然后对每个子块提取Haar 特征，并采用错误率最小策略从这些子块中选出面部运动单元组合特征，最后使用组合特征进行学习得出弱分类器，并嵌入到Boost 学习结构中构造出强分类器。通过在Cohn-Kanada 数据库上的测试，证明本文的方法能够取得很好的表情分类效果。

摘要： 本发明公开了一种用于测量使吊钩扣件组件的样本脱离与套环组件的接合所需力的方法。该方法包括以下步骤：沿接合平面来接合吊钩材料和套环材料的相应样本；使它们在平行于接合平面的剪切方向上移位；在张力检验器上在正交于接合平面的方向上将它们拉开直到脱离；以及测量在拉伸步骤期间所施加的拉力。本发明还公开了一种可穿着制品，其具有吊钩扣件和套环材料着陆区的组合，其中吊钩扣件和套环材料是使用所述公开的方法来选择的。

摘要： 本发明公开了一种基于特征组组合的传感器阵列优化及特征选择方法，依次包括以下步骤：A：选择本传感器阵列特征提取方法及原始特征，建立特征集L0；B：得到特征组列表L1；C：按照特征组列表L1的顺序进行2元特征组选择；D：在2元特征组的基础上，依次得到4元特征组，8元特征组，……，及对应的4元特征组列表L4、8元特征组列表L8，……；E：假设当前应用场景需要8元特征组，则将8元特征组列表L8中第一个8元特征组L8(1)作为初始重要特征组I，其评分记为SI；然后对初始重要特征组I进行后向顺序去除操作，得到的最优特征组K。本发明能够有效选择出最佳特征及传感器组合，提高传感器阵列检测性能，降低传感器阵列使用成本。

摘要： 本发明公开了一种具有可延展扣紧构件的可穿着制品，所述扣紧构件具有邻近其端部的扣件。该扣紧构件可为高度可延展的，并且当扣件在使用时可具有影响力分量分配的结构特征和形状特征，并且可降低如下可能性：扣紧构件沿其边缘翘曲或翻转、以及扣件的边缘将被提离其所附接的表面。可选择在制品上形成伴随着陆区的扣件和材料以形成扣紧组合，所述扣紧组合具有在穿着条件下进一步抵抗非预期绷脱的性能属性。

摘要： 本发明公开了一种用于测量使吊钩扣件组件的样本脱离与套环组件的接合所需力的方法。该方法包括以下步骤：沿接合平面来接合吊钩材料和套环材料的相应样本；使它们在平行于接合平面的剪切方向上移位；在张力检验器上在正交于接合平面的方向上将它们拉开直到脱离；以及测量在拉伸步骤期间所施加的拉力。本发明还公开了一种可穿着制品，其具有吊钩扣件和套环材料着陆区的组合，其中吊钩扣件和套环材料是使用所述公开的方法来选择的。

摘要： 一种锁舌式锁(214),该锁舌式锁自动挡住伸出的锁闩(204)以防止外部施加的力将该锁闩( 204)推回到锁匣(100)中,并在该锁受到物体攻击的情况下,作出延长或者永久处于锁舌被阻挡状态的反应。一种推拉锁,该推拉锁的锁闩在两个方向上的运动都是根据检测到马达电流增加到高于某一值而停止:一个缓冲装置使得该电流限制停止实施而不会损坏马达(202)、齿轮齿或者其它驱动组件。一个重锁器装置包括一尖角凸缘,该尖角凸缘是马达支承支架(206)的一部分;当被外力压住时,该凸缘使塑料销(920)断裂,以释放该弹簧偏压的重锁器金属丝(950),从而阻挡该锁闩的缩回。该系统还提供位置传感器开关(692)、小键盘被撬检测和反应系统(646)、远程允许/禁止单元(5)、被逼迫检测和反应单元(7)、低电池能检测装置(600)以及锁闩伸出显示、锁闩行程调节和检查追踪特征。

摘要： 本发明属于非侵入式负荷用电监测技术领域，公开了一种基于V‑I轨迹特征图像重构的电器运行特征提取方法，包括基于电器稳态运行时的电压、电流采样数据计算电器的有功、无功功率特征；基于电器稳态运行时的电压、电流采样数据计算电器的稳态V‑I轨迹特征；以被监测区域内电器的有功、无功功率的最大值和最小值为基准，对第一步中所得的有功、无功功率特征值进行归一化，使其取值映射到区间[0,1]内；将电器稳态V‑I轨迹特征和映射后的有功、无功功率特征进行组合。该方法实现数值形式的有功、无功功率特征与图像形式的V‑I轨迹特征的融合，提升了方法的解算效率，同时仍保持了原NILM方法的电器辨识准确度。

摘要： 一些实施例包含一种集成组合件，其具有通过介入空间彼此隔开的一对大致上平行特征。导电管在所述特征之间且大致上平行于所述特征。所述导电管可形成于管路内。所述管路可通过以如下方式在所述特征之间沉积绝缘材料而产生：夹断所述绝缘材料的顶部区，以使所述管路作为所述经夹断顶部区下方的空隙区。

摘要： 本发明涉及用于预防和/或治疗以神经元可塑性下降为特征、特别是以突触可塑性下降为特征的中枢神经系统疾病的化合物和组合物，例如用于治疗影响认知过程如学习、感知、注意力、推理、语言和/或记忆的中枢神经系统疾病；用于治疗中枢神经系统疾病，如包括帕金森氏症、阿尔茨海默氏症和/或肌萎缩侧索硬化症在内的神经退行性疾病；用于治疗引起情绪失调、过度兴奋、多动症和/或焦虑的中枢神经系统疾病；以及用于治疗神经系统疾病，如癫痫，所述化合物是N‑乙酰牛磺酸镁。

摘要： 本发明公开了一种基于局部特征和全局HSV特征组合的目标特征描述方法，包括以下步骤：获取目标对象帧，在目标对象帧中选取背景区域、目标区域、并设定用于计算局部像素块似然度的扩展区域；利用超像素聚类方法将目标区域分割成若干局部块，对每一局部块分别提取边缘方向特征和亮度特征并组合成局部特征描述向量；分别计算背景区域和目标区域的HSV空间颜色特征，并组合成全局特征描述向量；利用局部特征描述向量计算目标区域局部块的似然，通过目标区域中每一个位置像素属于对象目标区域的概率计算全局似然；利用局部块似然和全局似然计算目标区域总体似然概率，根据目标区域的总体似然概率判断特征描述的准确度。本发明提高了目标表观描述的准确度。

摘要： 本发明公开了一种基于自动特征编码的多阶特征组合方法，包括步骤：1)对日志型数据的训练集进行预处理和数据采样；2)构建代理搜索模型对特征组进行搜索，得到评价指标最高的特征组；3)构建复合目标编码器对选中的特征组编码，得到多阶组合特征；4)对多阶组合特征进行内嵌式特征选择，保留有效特征；5)重复步骤2)‑4)，最终得到完整的有效组合特征编码表；6)参照有效组合特征编码表，使用复合目标编码器对训练集和测试集转化，获得多阶特征组合训练集和测试集。本发明方法能够自动完成预处理、特征工程等一系列步骤，有助于机器学习平台节省人工成本、降低特征工程时间开销和提升预测精度。