公共文化服务平台

搜索到142篇“ SVM-RFE“的相关文章

基于SVM-RFE的动力下肢假肢运动模式识别被引量：1: 2023年; 下肢运动模式识别是动力型假肢控制系统最重要的一部分,为了充分利用截肢者大腿残肢运动信息和地形坡度信息,通过安装在残肢接受腔和足面的IMU以及足底压力传感器构成识别信号源,从中提取时域特征值用于运动模式识别。通过构建层次SVM识别模型,并采用RFE算法对子分类器选择合适特征,最终完成对于平地行走、上楼梯、下楼梯、上斜坡、下斜坡五种步态模式的识别。实验结果表明,该方法的识别准确率达到了99.5%,因此基于SVM-RFE的动力下肢假肢运动模式识别方法是有效可行的。; 韩松均王志明寇旭魏纪宗; 关键词：支持向量机

基于SVM-RFE和粒子群优化算法的恶意域名检测模型被引量：1: 2023年; 本研究利用机器学习和随机搜索算法,提出一种基于SVM-RFE和粒子群优化算法的恶意域名检测模型.分析域名字符特征、解析特征和相关特征,使用SVM-RFE算法进行特征权重排序,通过优化的粒子群算法确定最佳SVM参数和特征选择.实验证明该检测模型具有较好的效率和准确度.; 赵正利姜鹏仲国强吴建新; 关键词：支持向量机粒子群算法

一种基于PSO-SVM-RFE的机器人铣边颤振多元特征融合方法: 本发明公开了一种基于PSO‑SVM‑RFE的机器人铣边颤振多元特征融合方法。首先，对加速度信号进行预处理，通过消除齿频及其倍频凸显颤振初期频率；其次，将预处理后的加速度信号进行时域、频域以及时频域变换，得到由波形因子、重...; 郑侃孟丹廖文和王涛张磊

一种基于SVM-RFE-MRMR算法的阿兹海默症MRI图像分类方法: 本发明公开了一种基于SVM‑RFE‑MRMR算法的阿兹海默症MRI图像分类方法。按下述步骤进行：a.采用VBM方法确定MRI图像中的病灶区，计算病灶区的灰质体积作为形态学特征，提取包括灰度共生矩阵和灰度‑梯度共生矩阵的纹...; 李晖施若冯刚

基于WGCNA和SVM-RFE算法的减重手术后肝组织中生物标志物的筛选: 蒋毅成

基于GFCC-SVM-RFE的电力设备声音特征提取方法被引量：2: 2022年; 火电厂电力设备声音包含了丰富的有效信息,但受限于复杂环境噪声,使得有效特征提取极其困难。为解决这一问题,文章提出一种基于GFCC-SVM-REF的特征提取方法,并在现场采集的6种设备运行声音、加入ESC-50公共数据集中的环境干扰音以及对原始设备声音加入不同分贝的高斯白噪声这3类数据上对2种经典语音识别领域的特征提取方法进行抗噪性和准确性的对比。仿真结果表明,针对所研究的数据集,GFCC-SVM-RFE方法在10 dB和20 dB的高斯白噪声下分别达到了81.04%和96.88%的准确率。; 王赵国韦存海彭雅妮武明路李军彬翟永杰; 关键词：电力设备环境噪音

基于WGCNA和SVM-RFE算法挖掘肺腺癌诊断和预后基因标志物被引量：1: 2022年; 目的肺癌是世界上最常见的癌症之一,在众多肺癌患者中,肺腺癌(lung adenocarcinoma,LUAD)的死亡率最高。基因表达谱的变化与肿瘤的发生和发展过程有关,通过识别与LUAD患者相关的诊断和预后基因标志物,可以为肺腺癌的预防和治疗提供理论依据。方法本研究以肿瘤基因组图谱(The Cancer Gene Atlas,TCGA)数据库为基础,采用加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)、差异基因分析、cox回归分析、蛋白质互作网络(protein-protein interaction,PPI)分析等方法筛选与LUAD形成过程高度相关的hub基因。将TCGA和基因型组织表达(GTEx genotype tissue expression,GTEx)数据库中的RNA数据合并划分为训练集和内部验证集,利用基于支持向量机的递归特征消除算法(support vector machine recursive feature elimination feature,SVM-RFE)构建诊断模型并进行验证。GSE32863和GSE31210数据集分别用于验证诊断模型的准确性和基因标志物的预后价值。结果SVM-RFE算法得到的5个基因标志物(anln、cenpa、plk1、tpx2、cdca3)模型在LUAD患者分类中具有显著的诊断能力。功能富集分析表明,这5个基因与肿瘤发生发展的生物学过程密切相关。此外,这5个基因高表达的LUAD患者的预后表现不良,死亡率显著高于低表达的患者。结论我们的研究为LUAD的诊断和预后提供了具有5个基因特征的模型,这对于开发用于精确治疗的新靶点具有重要意义。; 王美王可心谭建军王京京; 关键词：肺腺癌基因标志物

一种基于SVM-RFE的客户风险特征筛选方法及其应用: 本发明公开了一种基于SVM‑RFE的客户风险特征筛选方法及其应用，方法包括：获取包括多个客户特征的客户风险特征数据；针对客户风险特征X<Sub>j</Sub>，基于基尼系数、信息增益、信息增益比、互信息及SVM分类器最优...; 王国强罗康洋张怡谢晓金施兴森李金姚兵李梦颖

基于SVM-RFE特征选择的规则提取方法被引量：6: 2021年; 针对支持向量机的可解释性,提出了一种基于SVM-RFE特征选择的规则提取方法。这一方法在预处理阶段采用优化的SVM-RFE来获取重要属性集,并设计和实现一种变型的顺序覆盖规则算法进行规则生成和裁剪,以兼顾可理解性与准确率和忠实度之间的平衡。仿真实验表明,这一方法准确率较高,产生的规则数量和条件项数也比较少。; 吴璐; 关键词：可理解性 SVM-RFE

基于Logistic-SVM-RFE的二胎生育影响因素研究被引量：1: 2021年; 针对二胎生育的影响因素,构造了Logistic-SVM-RFE模型,采用“初筛—精筛—细筛”的思路,深度挖掘影响二胎生育的关键因素并对其进行详细分析。首先,通过卡方检验对影响因素进行初步筛选;其次,基于初步筛选后的结果建立二元Logistic回归模型,基于模型建模结果再次筛选剩余的自变量;然后,考虑到Logistic回归模型容易过拟合且模型本身针对非线性问题的局限性,进一步建立支持向量机递归特征消除(SVM-RFE)模型得到各影响因素的重要性,并给出特征的重要性排序。最后,基于影响因素的重要性排序给出针对性的政策建议。; 李翼李晓; 关键词：卡方检验 LOGISTIC回归模型

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈