李蒙蒙
- 作品数：11 被引量：40H指数：4
- 供职机构：郑州大学电气工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生理学电子电信更多>>
- 多目标优化在特征选择子集评价中的应用被引量：4
- 2020年
- 特征选择是处理高维大数据常用的降维手段,但其中牵涉到的多个彼此冲突的特征子集评价目标难以平衡。为综合考虑特征选择中多种子集评价方式间的折中,优化子集性能,提出一种基于子集评价多目标优化的特征选择框架,并重点对多目标粒子群优化(MOPSO)在特征子集评价中的应用进行了研究。该框架分别根据子集的稀疏度、分类能力和信息损失度设计多目标优化函数,继而基于多目标优化算法进行特征权值向量寻优,并通过权值向量Pareto解集膝点选取确定最优向量,最终实现基于权值向量排序的特征选择。设计实验对比了基于多目标粒子群优化算法的特征选择(FS_MOPSO)与四种经典方法的性能,多个数据集上的结果表明,FS_MOPSO在低维空间表现出更高的分类精度,并保证了更少的信息损失。
- 万红李蒙蒙李蒙蒙岳彩通王力尚志刚
- 关键词：多目标优化粒子群优化信息损失
- 结合投影与近邻操作的支持向量快速筛选方法
- 2017年
- 为减少支持向量机(SVM)的计算负担,提高运算效率,并保证分类精度,提出一种结合投影与近邻操作的支持向量快速筛选方法.该方法利用Fisher投影轴的全局特性将其作为SVM最优分类面的近似法方向,在该方向快速筛除大量非支持向量,将分类边界附近的样本集作为备选支持向量集,同时为解决投影操作未考虑样本局部结构信息造成的误删支持向量的问题,结合近邻操作回选样本空间中备选支持向量的近邻样本更新扩充备选支持向量集,以该子集中的样本作为SVM的输入.在多个UCI标准数据集上的实验结果表明,该方法在充分保证分类精度的前提下有效降低了SVM的计算负担,具有较好的推广性.
- 李蒙蒙尚志刚李志辉
- 关键词：支持向量机支持向量K-近邻
- 基于格兰杰因果的效应性连接分析方法综述被引量：2
- 2020年
- 基于格兰杰因果关系的效应性连接分析方法目前在多脑区神经信号分析中得到了越来越多的应用。首先系统介绍了此类方法中常用代表性算法的计算原理与功能特点,然后对实际应用该类方法时应注意的要点进行了总结,最后以广义偏定向相干的改进算法为例,展示了在实际脑电数据集上的应用效果。
- 尚志刚沈晓阳李蒙蒙万红
- 关键词：格兰杰因果神经信号信息流
- 磁共振图像的纹理分析在儿童常见后颅窝肿瘤鉴别诊断中的应用被引量：8
- 2016年
- 目的通过对3种儿童常见后颅窝肿瘤的磁共振图像进行纹理分析，并用支持向量机（SVM）评价纹理特征。方法回顾性分析2008年5月至2015年8月郑州大学第一附属医院经手术病理证实的76例儿童后颅窝肿瘤，对提取的三种肿瘤的感兴趣区进行纹理分析。结果利用灰度共生矩阵提取出的5个纹理参数中至少有3个参数在上述两种不同类别的数据集之间具有统计学意义（P〈0．05），对于所有不同类别的数据集，ROI区域灰度值的方差参数均有统计学意义。室管膜瘤与髓母细胞瘤、室管膜瘤与星形细胞瘤、髓母细胞瘤与星形细胞瘤具有统计学差异特征的SVM测试准确率分别为86．15％±4．16％、73．63％±5．82％、74．32％±5．85％。结论纹理特征的分析可以提供更多量化信息特征，为儿童后颅窝肿瘤影像学的鉴别诊断提供了新的思路和方法。
- 李娅李蒙蒙张勇程敬亮尚志刚卜春晓
- 关键词：颅窝脑肿瘤磁共振成像
- 家鸽不同状态下脑电节律特异性分析
- 2019年
- 人类大脑神经电活动的不同节律与不同的状态有关,而其他物种如鸟类不同状态下脑信号的节律特异性尚不明确。本文通过分析家鸽(Columba livia domestica)在麻醉昏迷、清醒安静、自由探索三种典型状态下的局部场电位(LFP)信号,研究家鸽不同意识状态下神经电活动的节律特异性。首先采集不同状态下的LFP信号,提取δ(1~4 Hz)、θ(4~8 Hz)、α(8~12 Hz)、β(15~30 Hz)、γ(30~60 Hz)五个节律;然后使用小波变换进行时频分析,通过统计时频图的定性观察和小波能量的统计分析,使用Friedman检验进行统计假设检验,研究各状态不同节律的特异性,并基于样本熵分析信号复杂度,探索产生这种节律特异性的可能原因。结果表明,随着意识越来越清晰,较低频的δ、θ、α节律受到明显抑制(P<0.001),而较高频的γ节律活动明显增强(P<0.001);样本熵的分析表明,这可能是由于节律频带越高,信号样本熵越大,对应了从麻醉、清醒到自由探索意识清晰程度的提高。家鸽不同状态下神经电活动节律特异性的研究,有助于增进对不同物种脑信号节律编码机制的理解。
- 胡一凡周怡君杨莉芳李蒙蒙尚志刚
- 关键词：时频分析
- 引入迷失探索与集群分裂机制的改进鸽群优化算法被引量：2
- 2019年
- 鸽群优化算法(pigeon-inspired optimization,PIO)作为一种新兴的优化技术,具有收敛速度快、精度高等优点,但其对于一些具有局部最优值的问题的求解效果并不理想.将自然界中鸽群飞行时的迷失探索和集群分裂机制引入原始鸽群优化算法,提出了一种迷失探索与集群分裂鸽群优化算法(lost and split pigeon-inspired optimization,LSPIO),迷失探索机制的引入加强了算法的全局搜索性能,而集群分裂机制增加了种群多样性.选取9个标准测试函数进行算法性能评估,并与标准鸽群算法和粒子群算法进行对比.结果表明,LSPIO算法在保持良好收敛性质的同时可以有效地避免早熟问题,且提高了种群多样性.
- 尚志刚王力李蒙蒙王力
- 关键词：全局搜索种群多样性
- 联合主成分分析-小波与整体平均经验模态分解的锋电位去噪方法被引量：1
- 2020年
- 多通道微电极阵列记录的锋电位(Spike)十分微弱,极易受干扰,其含噪的特性影响了Spike检出的准确率。针对Spike检测过程中通常存在的独立白噪声、相关噪声与有色噪声,本文结合主成分分析(PCA)、小波分析和自适应时频分析,提出PCA-小波(PCAW)与整体平均经验模态分解(EEMD)联合的去噪新方法(PCWE)。首先,利用PCA提取多通道神经信号通道间的主成分作为相关噪声去除;然后利用小波阈值法对独立白噪声进行去除;最后利用EEMD把噪声分解到各层本质模态函数中,对有色噪声进行去除。仿真结果表明,PCWE使信噪比约提高2.67 dB,标准差约减小0.4μV,显著提高了Spike的检出精确率;实测数据结果表明,PCWE能使信噪比约提高1.33 dB,标准差约减小18.33μV,表现出良好的去噪性能。本文研究结果表明,PCWE可以提高Spike信号的可靠性,或可为神经信号的编码解码提供一种新型有效的锋电位去噪方法。
- 周怡君胡一凡李蒙蒙杨莉芳尚志刚
- 关键词：主成分分析小波阈值去噪信噪比
- 基于偏最小二乘回归的鲁棒性特征选择与分类算法被引量：9
- 2017年
- 提出一种基于偏最小二乘回归的鲁棒性特征选择与分类算法(RFSC-PLSR)用于解决特征选择中特征之间的冗余和多重共线性问题。首先,定义一个基于邻域估计的样本类一致性系数;然后,根据不同k近邻(k NN)操作筛选出局部类分布结构稳定的保守样本,用其建立偏最小二乘回归模型,进行鲁棒性特征选择;最后,在全局结构角度上,用类一致性系数和所有样本的优选特征子集建立偏最小二乘分类模型。从UCI数据库中选择了5个不同维度的数据集进行数值实验,实验结果表明,与支持向量机(SVM)、朴素贝叶斯(NB)、BP神经网络(BPNN)和Logistic回归(LR)四种典型的分类器相比,RFSC-PLSR在低维、中维、高维等不同情况下,分类准确率、鲁棒性和计算效率三种性能上均表现出较强的竞争力。
- 尚志刚董永慧李蒙蒙李志辉
- 关键词：偏最小二乘回归K近邻鲁棒性
- 一种融合各类最小主成分子空间的特征变换方法被引量：1
- 2021年
- 针对主成分分析算法没有很好地利用数据的类别信息,且最大主成分方向容易导致各类数据重叠的问题,提出一种融合各类最小主成分子空间的特征变换方法。首先将各类数据分别进行主成分分析,由各类最小主成分方向张成各类投影子空间;然后将原始数据在各类子空间投影后的最小主成分子空间进行融合,构成新的特征空间;最后使用KEEL公共数据集对该方法进行测试。结果表明,与其他特征变换方法相比,该方法能够构造出更加利于分类的特征空间,有助于提升分类器的分类精度。
- 杨中良李蒙蒙徐若灏杨莉芳尚志刚
- 关键词：主成分分析子空间
- 基于生成模型的Q-learning二分类算法被引量：1
- 2020年
- 对于二分类问题,基于判别模型的分类器一般都是寻找一条最优判决边界,容易受到数据波动的影响。针对该问题提出一种基于生成模型的Q-learning二分类算法(BGQ-learning),将状态和动作分开编码,得到对应各类的判决函数,增加了决策空间的灵活性,同时在求解参数时,采用最小二乘时序差分(TD)算法和半梯度下降法的组合优化方法,加速了参数的收敛速度。设计实验对比了BGQ-learning算法与三种经典分类器以及一种新颖的分类器的分类性能,在UCI数据库七个数据集上的测试结果表明,该算法有着优良的稳定性以及良好的分类精确度。
- 尚志刚徐若灏乔康加杨莉芳李蒙蒙
- 关键词：Q-LEARNING
