集成网络异构模态数据特征提取数学建模仿真

发布时间：2021-12-01 23:50

　　针对现有的集成网络异构模态数据特征提取数学模型存在的特征提取速度较慢、准确性较差等问题,构建了基于矩阵分解的集成网络异构模态数据特征提取模型,该模型首先利用小波去噪函数逼近原理对集成网络异构模态数据进行去噪,然后采用统计学中贝叶斯分类方法对去噪后的数据进行分类,根据有限的标记样本,将其当作硬性约束加入到矩阵分解中并构建局部邻域,给出更新规则得到局部优化解,最后将约束矩阵引入到完成降维的数据矩阵中,实现对异构模态数据特征提取数学模型的构建。实验结果表明,当数据集中存在异常数据时,所构建模型的异常数据点检测率较高、误报率较低,其提取的数据特征具有代表性,且特征提取用时较低。 

【文章来源】：计算机仿真. 2020,37(09)北大核心

【文章页数】：5 页

【部分图文】：

特征提取实验流程图

实验结果如图2所示,其中横坐标是主成分数量,单位是个,纵坐标是时间,单位是毫秒(ms)。为了简化描述,在图2中,将基于Fisher准则的集成网络异构模态数据特征提取模型用模型A表示,基于RGB-D数据的集成网络异构模态数据特征提取模型用模型B表示,应用监督近邻重构分析的集成网络异构模态数据特征提取模型用模型C表示。

在数据集中添加十分之一的异常点数据,验证所构建模型的鲁棒性,对集成网络数据进行降维,所构建模型的实现流程如图3所示。窗口中样本数量对异常点的检测率的影响如图4所示,其中横坐标为窗口宽度,这里窗口宽度表示窗口中样本的数量;纵坐标y为数据异常点检测率;纵坐标z为数据异常点误报率。

【参考文献】：
期刊论文
[1]基于碱基组成和分布的DNA序列特征提取方法及应用[J]. 李玉双,魏东,吕艳芬.  燕山大学学报. 2018(01)
[2]物联网监控下农业温室湿度数据信号提取仿真[J]. 刘鹤,许荣泽,于合龙.  计算机仿真. 2017(10)
[3]一种基于时频分析的窄带雷达飞机目标分类特征提取方法[J]. 赵越,陈之纯,纠博,张磊,刘宏伟,李真芳.  电子与信息学报. 2017(09)
[4]基于Fisher准则的半监督特征提取方法[J]. 郝伟,刘忠宝.  计算机工程与设计. 2017(01)
[5]t分布随机近邻嵌入机械故障特征提取方法研究[J]. 谷玉海,韩秋实,徐小力,高鹏.  机械科学与技术. 2016(12)
[6]基于RGB-D数据的自适应局部时空特征提取方法[J]. 林佳,阮晓钢,于乃功,Ouattara Sie,朱晓庆.  北京工业大学学报. 2016(11)
[7]应用监督近邻重构分析的高光谱遥感数据特征提取[J]. 方敏,王君,王红艳,李天涯.  红外与激光工程. 2016(10)
[8]基于稀疏非负最小二乘编码的高光谱遥感数据分类方法[J]. 齐永锋,杨乐,火元莲.  农业机械学报. 2016(07)
[9]fMRI数据的有监督特征提取方法综述[J]. 李中林,童莉,王林元,卜海兵,闫镔.  信息工程大学学报. 2016(03)
[10]基于双向滑动平均的目标长度特征提取方法[J]. 周云,舒占军,李华琼,周洪宇,于雪莲.  现代雷达. 2016(04)



本文编号：3527293