-
公开(公告)号：CN109002859B
公开(公告)日：2022-07-05
申请号：CN201810825762.3
申请日：2018-07-25
Applicant: 郑州轻工业学院
IPC: G06K9/62
Abstract: 本发明公开了一种基于主成分分析的传感器阵列重要特征选择方法，依次包括以下步骤：A：选择初始特征；B：构成初始特征数据集；C：计算标准化后的初始特征数据集中每一维特征的重要程度；D：对标准化后的初始特征进行排序得到排序列表L；E：按照排序列表L，选择对应的d个待定特征数据集；F：分别评估识别准确率，对应得到d个识别准确率判决结果；G：从步骤F中得到的d个识别准确率判决结果中，找到最高的准确率判决结果，即选定的重要特征。本发明能够进一步提高传感器阵列检测性能，降低传感器阵列的使用成本，对传感器阵列选择起到极大地优化作用。
-
公开(公告)号：CN110826640A
公开(公告)日：2020-02-21
申请号：CN201911101048.0
申请日：2019-11-12
Applicant: 郑州轻工业学院
IPC: G06K9/62
Abstract: 本发明公开了一种无监督式的传感器阵列干扰特征去除方法，包括以下步骤：A：对待选的传感器阵列特征提取方法进行识别性能评估并根据评估结果，确定若干种提取方法作为本传感器阵列特征提取方法及初始特征；B：根据步骤A中得到若干种初始特征，构成初始特征数据集；C：对初始特征数据集进行标准化、PCA变换、重要程度计算，然后根据重要程度进行降序排序并得到特征列表L1；D：基于特征列表L1计算特征间的相关性，去掉相关性的绝对值低于所设定阈值的特征得到最终的特征列表L2。本发明可以无监督的去除传感器阵列中被严重干扰的特征，提高系统检测性能。
-
公开(公告)号：CN109002859A
公开(公告)日：2018-12-14
申请号：CN201810825762.3
申请日：2018-07-25
Applicant: 郑州轻工业学院
Abstract: 本发明公开了一种基于主成分分析的传感器阵列重要特征选择方法，依次包括以下步骤：A：选择初始特征；B：构成初始特征数据集；C：计算标准化后的初始特征数据集中每一维特征的重要程度；D：对标准化后的初始特征进行排序得到排序列表L；E：按照排序列表L，选择对应的d个待定特征数据集；F：分别评估识别准确率，对应得到d个识别准确率判决结果；G：从步骤F中得到的d个识别准确率判决结果中，找到最高的准确率判决结果，即选定的重要特征。本发明能够进一步提高传感器阵列检测性能，降低传感器阵列的使用成本，对传感器阵列选择起到极大地优化作用。
-
公开(公告)号：CN110826640B
公开(公告)日：2022-07-05
申请号：CN201911101048.0
申请日：2019-11-12
Applicant: 郑州轻工业学院
IPC: G06K9/62
Abstract: 本发明公开了一种无监督式的传感器阵列干扰特征去除方法，包括以下步骤：A：对待选的传感器阵列特征提取方法进行识别性能评估并根据评估结果，确定若干种提取方法作为本传感器阵列特征提取方法及初始特征；B：根据步骤A中得到若干种初始特征，构成初始特征数据集；C：对初始特征数据集进行标准化、PCA变换、重要程度计算，然后根据重要程度进行降序排序并得到特征列表L1；D：基于特征列表L1计算特征间的相关性，去掉相关性的绝对值低于所设定阈值的特征得到最终的特征列表L2。本发明可以无监督的去除传感器阵列中被严重干扰的特征，提高系统检测性能。
-
-
-
Search Results
4
records
(took 0.02 seconds)
