一种高维不完整数据特征选择方法

    公开(公告)号:CN107220346B

    公开(公告)日:2021-04-30

    申请号:CN201710388939.3

    申请日:2017-05-27

    Abstract: 一种高维不完整数据特征选择方法,涉及如下步骤:(1)判断初始数据是否为完整数据;若为不完整数据,则转到步骤(2);若为完整数据,则转到步骤(3);步骤(2):假设现在有各个维度的数据,用1表示该数据项是完整的,用0表示该数据项是缺失的.计算每个维度的缺失率,接着计算缺失熵:依次算出每个维度的缺失熵;对结果进行加权平均;步骤(3):在高维数据中进行特征选择时,通过比较原始数据矩阵的相关矩阵和随机矩阵在奇异值上的差异,对相关矩阵进行去噪。得到去噪后的相关矩阵和选择特征的数量,再进行奇异值分解,通过分解矩阵获得特征与类的相关性,根据特征与类的相关性和特征之间冗余性完成特征选择。

    一种带有氨基的咪唑溴盐离子液体及其制备方法和应用

    公开(公告)号:CN105949129A

    公开(公告)日:2016-09-21

    申请号:CN201610399326.5

    申请日:2016-06-06

    Applicant: 辽宁大学

    CPC classification number: C07D233/61 B01J31/0281 B01J2231/341 C07D317/36

    Abstract: 本发明涉及一种带有氨基的咪唑溴盐离子液体及其制备方法和应用。所述的带有氨基的咪唑溴盐离子液体的结构式如(Ⅰ)所示。在氮气保护下,将3‑溴丙胺氢溴酸盐或2‑溴乙胺氢溴酸盐与咪唑混合后,溶于无水乙醇中,85‑95℃回流反应20‑25h,减压蒸馏除去乙醇,加入有机溶剂,搅拌,过滤,将滤液减压蒸馏除去有机溶剂,真空干燥后加入KOH水溶液使溶液pH为8‑9,过滤,固体物加入无水乙醇,搅拌,再过滤,滤液经真空干燥,得到目的产物。本发明的离子液体在催化环氧化合物合成环状碳酸酯中,具有产量高,活性强,无需助催化剂和其他溶剂,反应条件温和,稳定性高和多次循环利用等优点。

    稀散元素废气净化催化剂及制备方法

    公开(公告)号:CN1256181C

    公开(公告)日:2006-05-17

    申请号:CN200410021130.X

    申请日:2004-02-11

    Applicant: 辽宁大学

    Inventor: 臧树良 李俊 肖哲

    Abstract: 本发明是一种稀散元素废气净化催化剂,由稀散元素、过渡金属和稀土金属铈组成,该种催化剂对CO、NOX、HC有较高的活性,其平均转化率为CO可达98.5%,NOX82.5%,HC在贫氧条件下可达89%,在富氧条件下可达84%,其净化效果接近以铂-钯-铑为主体贵金属催化剂,本发明的稀散元素废气净化催化剂原料丰富,价格低,是一种代替贵金属催化剂的新型催化剂,可应用于工业、民用燃油,燃煤炉的污染气体的净化治理,也可用于汽车尾气的净化处理,是一种具有发展前景的废气净化催化剂。

    高铼酸银制备方法
    6.
    发明公开

    公开(公告)号:CN1762818A

    公开(公告)日:2006-04-26

    申请号:CN200510047116.1

    申请日:2005-09-01

    Applicant: 辽宁大学

    Abstract: 一种高铼酸银制备方法,是用硝酸双氧水混合液对铼粉进行氧化制取高铼酸,然后与硝酸银反应制成高铼酸银。本发明高铼酸银制备方法,采用硝酸双氧水混合液氧化铼粉,反应温度低,反应速度快,反应时间比过氧化氢法缩短7倍,并且由于对国产铼粉氧化完全,高铼酸银产率可由常规方法70%提高到95%以上,由于减少单独硝酸氧化法的硝酸用量,因此产生的氮氧化物很少,对环境污染较硝酸法有较大降低。

    一种基于互信息的实时特征提取方法

    公开(公告)号:CN108537288A

    公开(公告)日:2018-09-14

    申请号:CN201810351645.8

    申请日:2018-04-19

    Applicant: 辽宁大学

    Abstract: 一种基于互信息的实时特征提取方法,步骤为:1)判断当前窗口是否为第一个窗口;若是第一个窗口,则转到步骤2);否则跳转到步骤3);2)计算每两个维度之间的互信息并组成互信息矩阵;计算互信息矩阵的单位化矩阵,对互信息矩阵进行特征分解,将特征值和特征向量进行排序,计算每个特征向量的贡献率,并求出累计贡献率在85%-95%的前k个特征向量组成主成分决策矩阵,并将当前窗口内的数据映射到决策矩阵上。3)计算当前窗口内的互信息矩阵,并将其投影到前一窗口的互信息矩阵的单位化矩阵上,然后对该矩阵进行特征分解,然后取得累计贡献率在85%-95%的前k个特征向量组成主成分决策矩阵。将数据投影到决策矩阵上实现特征提取。

    一种高维不完整数据特征选择方法

    公开(公告)号:CN107220346A

    公开(公告)日:2017-09-29

    申请号:CN201710388939.3

    申请日:2017-05-27

    CPC classification number: G06F17/30592

    Abstract: 一种高维不完整数据特征选择方法,涉及如下步骤:(1)判断初始数据是否为完整数据;若为不完整数据,则转到步骤(2);若为完整数据,则转到步骤(3);步骤(2):假设现在有各个维度的数据,用1表示该数据项是完整的,用0表示该数据项是缺失的.计算每个维度的缺失率,接着计算缺失熵:依次算出每个维度的缺失熵;对结果进行加权平均;步骤(3):在高维数据中进行特征选择时,通过比较原始数据矩阵的相关矩阵和随机矩阵在奇异值上的差异,对相关矩阵进行去噪。得到去噪后的相关矩阵和选择特征的数量,再进行奇异值分解,通过分解矩阵获得特征与类的相关性,根据特征与类的相关性和特征之间冗余性完成特征选择。

Patent Agency Ranking