基于矩阵分解填充的无监督特征选择方法

无监督特征选择(Unsupervised Feature Selection,UFS)是一种应用广泛的大数据降维技术,然而传统的无监督特征选择算法并不适用于不完整数据集.近年来研究不完整数据下无监督特征选择的关键是如何依靠不完整数据中的信息以获得特征的紧凑筛选.针对不完整数据集的信息利用不够完全以及现有方法填充不够准确...     

建筑智能化技术在物联网时代的新发展

介绍了智能建筑的现有技术及物联网技术对建筑智能化技术的影响,分析了物联网在智能建筑中的具体应用,并对建筑智能化技术在物联网时代的发展趋势作了展望。     

一种基于遗传算法的通信网拓扑优化方法

研究通信网可靠性问题,以对等结构的通信网为研究对象,从拓扑结构角度出发,构建了通信网可靠性优化模型,提出了基于改进的遗传算法来求解该模型.针对基于自然连通度的目标函数,设计了变量编码,改进了选择操作,定义了交叉操作和变异操作.实验表明,随着迭代次数的增加,自然连通度值呈上升趋势,网络拓扑结构由"分散外围"至"较密核心-...     

基于概率矩阵分解的不完整数据集特征选择方法

在机器学习理论与应用中,特征选择是降低高维数据特征维度的常用方法之一。传统的特征选择方法多数基于完整数据集,对实际应用中普遍存在缺失数据的情形研究较少。针对不完整数据中含有未被观察信息和存在异常值的特点,提出一种基于概率矩阵分解技术的鲁棒特征选择方法。使用基于分簇的概率矩阵分解模型对数据集中的缺失值进行近似估计,以有效测量相邻簇之间数据的相似性,缩小问题规模,同时降低填充误差。依据缺失数据值存在少量异常值的情形,利用基于l_2,1损失函数的方法进行特征选择,在此基础上给出不完整数据集的特征选择方法流程,并对其收敛性进行理论分析。该方法利用不完整数据集中的所有信息,有效应对不完整数据集中异常值带来的影响。实验结果表明,相比传统特征选择方法,该方法在合成数据集上选择更少的无关特征,可降低异常值带来的影响,在真实数据集上获得了较高的分类准确率,能够选择出更为准确的特征。     

物联网在智能建筑领域的应用及发展趋势

分析了物联网时代智能建筑的技术特征,以及物联网对智能建筑技术发展的影响。通过智能建筑与物联网技术结合的案例,分析了智能建筑与物联网技术结合的必然性和利用物联网技术的优势。     

求不相交QoS路由的一种整数线性规划方法

提出求解不相交QoS路由问题的一种整数线性规划方法.首先,利用一个0-1变量集合来表示不相交路由和路由的QoS需求;然后,通过拉格朗日乘子将集合中的复杂约束引入所导出的整数线性规划问题的目标函数中.因为约束系数矩阵是全幺模矩阵,所以这类整数线性规划问题能用单纯形法容易地求解,从而可在求解线性规划问题的迭代过程中求出不相交QoS路由.数值实验结果表明了所提出方法的有效性.