简介：降维与分类一直是机器学习的研究热点，在很多领域有着成功的应用．针对基因数据分类存在特征维数过高、冗余数据和高噪声等问题，现提出一种基于ReliefF和自适应粒子群（APSO）优化的混合降维算法．即先通过ReliefF和APSO算法选择特征子集，然后使用超限学习机作为评价函数对基因数据进行分类，最后通过循环迭代得到最优的分类精度．实验证明，混合降维算法与已有的算法相比分类精度更高、更稳定，它适用于基因表达数据降维．
简介：提出了一种新型的二维码编码和译码方案,基于Turbo码的编码和软译码方法,对二维条码进行改进,使其具有更强的识读能力.使用（13,15）的Turbo码编码器和矩阵交织器对源信息流进行编码得到一组二进制流,对编码得到的二进制流进行图像生成得到新型的二维条码.对使用后的二维条码图片进行图像采集,然后进行灰度量化得到软比特信息流,对软比特信息流使用矩阵解交织器和Turbo码译码器进行译码得到源信息流.通过这样的方法可以提高二维条码图片的可识别性.运用这种新型的二维条码图片在工业零部件和军事零部件上,可减少因二维条码无法识别产生的经济损失.
ReliefF和APSO混合降维算法研究
一种新型二维条码的生成和识读
