论文研究基于超图的多模态特征选择算法及其应用 .pdf

针对线性红外光谱建模方法会导致模型的泛化能力受限,而非线性方法随着光谱特征数目增多会导致模型预测准确度下降的问题,对随机森林(RF)标准算法的特征选择方法进行改进。根据红外光谱与待测组分的相关性对光谱

基于多模态信息融合的语音意图理解方法，郑彬彬，贾珈，为从语音中获取包括字面含义和说话人情绪状态在内的全面意图信息，提出了一种基于多模态信息融合的语音意图理解方法，并对其中的

新闻视频中的独白镜头具有较大的信息量，在视频检索和挖掘中具有较高的应用价值。提出了一种融合音频、视频、时域以及上下文信息等多模态特征进行独白场景检测的方法。首先利用规则移除广告和“其他”镜头，然后应用

基于轮廓的多模态医学图像配准方法，钱鹰，李孟，针对基于灰度互信息的多模态医学图像配准中稳定性差且配准精度不高的问题，本文利用同一器官在不同模态中轮廓具备相似性这一空间

基于多模态联合稀疏表示的视频目标跟踪，段喜萍，刘家锋，复杂场景下的目标跟踪过程中，单模态特征往往不能很好地区分目标与背景，从而影响跟踪精度。针对这一问题，本文提出使用多模态进

从海量文本集中选择较优秀的特征子集是文本分类中的一个NP-难问题。而对于NP-问题，遗传算法往往能够有效地加以解决。为了克服传统遗传算法的“漂移”和“早敛”问题，首先引入了粗糙集并在此基础上详细设计了

特征选择是数据挖掘和机器学习领域中一种常用的数据预处理技术。在无监督学习环境下，定义了一种特征平均相关度的度量方法，并在此基础上提出了一种基于特征聚类的特征选择方法FSFC。该方法利用聚类算法在不同子

时间序列线性模式查询在实际中具有广泛的应用，也是时间序列挖掘的基础。利用Voronoi图的基本原理，提出了一种新的线性模式KL相似性度量，给出了实现线性模式查询的最优算法。

针对传统的k-means聚类算法在处理大数据时算法时间复杂度极高和聚类效果不佳的问题，提出了LSHBMRPK-means算法，即基于局部敏感哈希函数的MapReduce并行化的k-means聚类算法；

基于遗传算法的特征提取与选择在全局运动估计的应用，万静，胡贵超，对于全局运动估计来说，提取和选择好的特征进行跟踪是至关重要的。针对这个问题经典的方法是首次提取真实点，基于结构标准如图像