检索结果-内蒙古大学图书馆

自动化学报 2011年第8期37卷 973-983页

作者：付忠良中国科学院成都舟算机应用研究所成都610041

针对目前多分类代价敏感分类问题在转换成二分类代价敏感分类问题存在的代价合并问题,研究并构造出了可直接应用于多分类问题的代价敏感AdaBoost算法.算法具有与连续AdaBoost算法类似的流程和误差估计.当代价完全相等时,该算法就变成了... 详细信息

针对目前多分类代价敏感分类问题在转换成二分类代价敏感分类问题存在的代价合并问题,研究并构造出了可直接应用于多分类问题的代价敏感AdaBoost算法.算法具有与连续AdaBoost算法类似的流程和误差估计.当代价完全相等时,该算法就变成了一种新的多分类的连续AdaBoost算法,算法能够确保训练错误率随着训练的分类器的个数增加而降低,但不直接要求各个分类器相互独立条件,或者说独立性条件可以通过算法规则来保证,但现有多分类连续AdaBoost算法的推导必须要求各个分类器相互独立.实验数据表明,算法可以真正实现分类结果偏向错分代价较小的类,特别当每一类被错分成其他类的代价不平衡但平均代价相等时,目前已有的多分类代价敏感学习算法会失效,但新方法仍然能实现最小的错分代价.研究方法为进一步研究集成学习算法提供了一种新的思路,得到了一种易操作并近似满足分类错误率最小的多标签分类问题的AdaBoost算法.

关键词：代价敏感学习多分类问题多标签分类问题连续AdaBoost 代价敏感分类

来源：评论

学校读者我要写书评

暂无评论

多分类问题的投影双子支持向量机及其应用

多分类问题的投影双子支持向量机及其应用

引用

作者：吴和吉浙江工业大学

学位级别：硕士

分类是数据挖掘领域研究的核心内容，它是通过对有标签的训练样本进行学习，从而为未知标签的测试样本预测标签的过程。作为一种有监督学习的热门技术,分类已广泛应用于各个领域。投影双子支持向量机（简称PTSVM）是一个针对二分类问题... 详细信息

分类是数据挖掘领域研究的核心内容，它是通过对有标签的训练样本进行学习，从而为未知标签的测试样本预测标签的过程。作为一种有监督学习的热门技术,分类已广泛应用于各个领域。投影双子支持向量机（简称PTSVM）是一个针对二分类问题的分类方法，它具有良好的推广性和较高的分类精确度，也受到了学术界的广泛研究。然而，随着数据形态的日益复杂，多分类问题已成为分类技术中研究的重点。因此，针对多分类问题，本文在PTSVM的基础上，做出了如下三个方面的工作：\n 第一，提出了一种新颖的多分类投影双子支持向量机算法（简称MPTSVM）。与PTSVM类似，MPTSVM通过求解多个二次规划问题得到多个投影轴。不同于PTSVM，MPTSVM有如下优点：\n （1）通过引入正则项以及递归优化过程，大大提升了MPTSVM的泛化能力。\n （2）通过引入逐次超松弛求解方法，提升了求解二次规划问题的效率。\n （3）通过引入核函数，MPTSVM被推广到非线性的情况。\n 第二，为了减轻MPTSVM的训练负担，提出了新颖的多分类最小二乘投影双子支持向量机（简称MLSPTSVM）。它是MPTSVM的最小二乘形式，它具有以下特点：\n （1）MLSPTSVM的训练过程仅需求解一系列线性方程组，从而使得该算法能够处理大规模的数据。\n （2）MLSPTSVM能够为每个类别产生多个相互正交的投影轴，从而能提升算法的性能。\n （3）通过引入Sherman-Morrison-Woodbury公式和降核技术，降低非线性MLSPTSVM的计算复杂度。\n 第三，通过在大量的人工数据集和基准数据集上的实验对比，可以得出以下结果：\n （1）MPTSVM与MLSPTSVM能够获得比其他几个多分类支持向量机类型方法更好的分类精确度。\n （2）MLSPTSVM在能够获得与MPTSVM相当的分类精度的同时，却花费明显更少的时间。\n （3）MLSPTSVM不仅能够有效地处理大规模数据，并能应用到文本分类领域上。

关键词：投影双子支持向量机多分类问题二次规划逐次超松弛求解核函数

来源：评论

学校读者我要写书评

暂无评论

用球结构的支持向量机解决多分类问题

引用

南京大学学报（自然科学版） 2003年第2期39卷 153-158页

作者：朱美琳刘向东陈世福南京大学计算机软件新技术国家重点实验室南京210093

　支持向量机是从统计学习理论中导出的,从研究二分类开始,发展至今,虽然提出了很多多类别分类的相关算法,但都各有不足之处.提出基于球结构的支持向量算法,适用于规模比较庞大的多类别问题,并对其性质进行了讨论.

关键词：球结构多分类问题支持向量机核函数球分类模式识别统计学习理论

来源：评论

学校读者我要写书评

暂无评论

用于多分类问题的最小二乘支持向量分类—回归机

引用

计算机应用 2013年第7期33卷 1894-1897,1911页

作者：翟嘉胡毅庆徐尔北京科技大学数理学院北京100083

基于支持向量机(SVM)的三分类方法是处理多分类问题的一类方法。提出了最小二乘支持向量分类回归机(LSSVCR)算法,通过最小二乘目标函数充分考虑所有样本点对分类的影响,使得训练集中即使有个别样本点被标错类别,对分类结果也不会产生太... 详细信息

基于支持向量机(SVM)的三分类方法是处理多分类问题的一类方法。提出了最小二乘支持向量分类回归机(LSSVCR)算法,通过最小二乘目标函数充分考虑所有样本点对分类的影响,使得训练集中即使有个别样本点被标错类别,对分类结果也不会产生太大的影响,从而提高分类的准确性。该方法能够提高分类的准确率和分类速度,同时算法对于不同类别间样本数目差异较大的情况也有很好的分类效果。数值实验结果表明所提算法是可行的,且与已有的三分类算法相比在分类准确性上平均提高了2.57%,在运算速度上也有了较大的提高。

关键词：多分类问题三分类问题最小二乘支持向量机分类-回归机一对一对多方法

来源：评论

学校读者我要写书评

暂无评论

ELMs和SVMs在多分类问题上的泛化性能比较

引用

计算机应用与软件 2019年第10期36卷 262-267,278页

作者：卢欣欣潘丽平周口师范学院计算机科学与技术学院河南周口466001 农产品质量安全追溯技术河南省工程实验室河南周口466001 周口科技职业学院河南周口466001

多分类问题是机器学习、数据挖掘领域的重要研究内容。在文本分类、语音识别、图像识别、基因检测等方面有广泛的应用。通过在UCI数据集对极限学习机算法ELMs(ELM,KELM)和支持向量机算法SVMs(SVM,LSSVM)在多分类问题上的表现进行详细比... 详细信息

多分类问题是机器学习、数据挖掘领域的重要研究内容。在文本分类、语音识别、图像识别、基因检测等方面有广泛的应用。通过在UCI数据集对极限学习机算法ELMs(ELM,KELM)和支持向量机算法SVMs(SVM,LSSVM)在多分类问题上的表现进行详细比较,得出以下结论:ELMs相较于SVM在多分类问题上有更高的分类准确率,而且随着分类数目的增加,ELMs的泛化能力相较于SVM提高越多,但是ELMs对于LSSVM并没有得到上述结论;ELMs相较于SVMs对数据的类别数目不敏感,分类准确率随类别数目增加下降不明显;ELMs相较于SVMs在多分类问题上所需计算代价更小,且拥有更快的学习和训练速度,适用于多分类问题。

关键词：极限学习机(ELM) 核极限学习机(KELM) 支持向量机(SVM) 最小二乘支持向量机(LSSVM) 多分类问题泛化能力

来源：评论

学校读者我要写书评

暂无评论

最小二乘支持向量回归算法鲁棒性研究及其在多分类问题中的应用

最小二乘支持向量回归算法鲁棒性研究及其在多分类问题中的应用

引用

作者：邵壮丰华南理工大学

学位级别：硕士

加权最小二乘支持向量机权重隶属模型设置的合理性将影响到加权最小二乘支持向量机的鲁棒性和算法的计算复杂度。论文提出了两种权重隶属函数模型：局部密度比模型和核K-近邻模型，并构造了基于这两种权重隶属函数模型的最小二乘支持向... 详细信息

加权最小二乘支持向量机权重隶属模型设置的合理性将影响到加权最小二乘支持向量机的鲁棒性和算法的计算复杂度。论文提出了两种权重隶属函数模型：局部密度比模型和核K-近邻模型，并构造了基于这两种权重隶属函数模型的最小二乘支持向量回归算法。\n 基于数据挖掘领域中局部异常因子的思想，提出了一种基于局部密度比率权重设置模型的加权最小二乘支持向量机：根据每个样本到它所在邻域里其他样本的密度比的关系给这个样本赋权重；并且采用了一种单参数选择策略，避免像其他权重设置算法一样必须确定两个阀值，从而简化参数选择。数值实验证明我们所提出的方法能有效地识别出大多数异常噪声数据，且实验得到的回归函数具有理想的鲁棒性。\n 传统权重隶属度的确定都是在原始空间进行的。当把原始空间中的点通过映射Ψ(s<,i>)映射到高维空间时，原始空间的点在高维空间里将重新分布。由于映射Ψ(s<,i>)的具体形式并不知道，即原始空间中非线性可分样本在高维空间中是如何重新排列成线性可分的也是不知道的，因此，论文提出在高维空间设置权重的思想，提出了一种基于核一K近邻权重隶属模型，并构造了对应的加权最小二乘支持向量机模型。\n 在多分类问题研究领域，当前国内外很多学者采取了各种手段来提高分类精度、和测试效率，但这些方法都是基于对多个分类器的组合优化，分类精度和效率有待进一步提高。论文提出了利用最小二乘支持向量回归求解多分类的思想，并把基于局部密度比率权重设置模型的加权最小二乘支持向量机算法应用于多分类问题，该方法先分别对 <\'k>类样本中每类样本利用一种基于局部密度比率权重设置模型求出权重隶属因子，然后运用加权最小二乘支持向量机回归算法一次性对所有样本进行训练。大量的数值实验证明此方法得到的唯一分类器，有良好抗噪声能力、具有鲁棒性，在测试识别有较好的速度优势。

关键词：回归模型支持向量机加权最小二乘多分类问题权重隶属函数数据挖掘

来源：评论

学校读者我要写书评

暂无评论

多分类问题的超球SVM求解与设计实现

引用

电子测试 2011年第4期22卷 28-33页

作者：熊俊成都理工大学信息工程学院四川成都610059

经典SVM( Support Vector Machines)在处理二分问题时具有良好表现,而当面临求解多分类问题时,往往采用构建O(n2)复杂度的多个二分类器,当分类数较多时计算性能受到较大影响。本文介绍了超球SVM的原理,首次将解二分问题的SMO(Sequential... 详细信息

经典SVM( Support Vector Machines)在处理二分问题时具有良好表现,而当面临求解多分类问题时,往往采用构建O(n2)复杂度的多个二分类器,当分类数较多时计算性能受到较大影响。本文介绍了超球SVM的原理,首次将解二分问题的SMO(Sequential Minimal Optimization)算法、及Lin-方法(林智仁等的Libsvm工具包相关论文成果)中关于停机准则与工作集选择的相关算法,应用于基于超球的多分类问题求解,进而提出了两种核矩阵的存储方式,并最终用程序设计语言实现该求解过程。程序的测试结果证明,使用基于超球的多分类解决方案,在预测精度上与其他同类工具包相比效果相当或略优于它们,并证实,O(n)复杂度的超球SVM多分类问题求解模型,在训练速度上明显占有优势。

关键词：多分类问题超球SVM SMO算法核矩阵 Cache

来源：评论

学校读者我要写书评

暂无评论

基于分解策略处理多分类不均衡问题的方法

引用

计算机应用研究 2020年第8期37卷 2404-2408页

作者：徐作宁雒兴刚张忠良杭州电子科技大学管理学院杭州310018

针对多分类不均衡问题,提出了一种新的基于一对一(one-versus-one,OVO)分解策略的方法。首先基于OVO分解策略将多分类不均衡问题分解成多个二值分类问题;再利用处理不均衡二值分类问题的算法建立二值分类器;接着利用SMOTE过抽样技术处... 详细信息

针对多分类不均衡问题,提出了一种新的基于一对一(one-versus-one,OVO)分解策略的方法。首先基于OVO分解策略将多分类不均衡问题分解成多个二值分类问题;再利用处理不均衡二值分类问题的算法建立二值分类器;接着利用SMOTE过抽样技术处理原始数据集;然后采用基于距离相对竞争力加权方法处理冗余分类器;最后通过加权投票法获得输出结果。在KEEL不均衡数据集上的大量实验结果表明,所提算法比其他经典方法具有显著的优势。

关键词：多分类问题不均衡数据集分解策略人工样本集成学习动态加权

来源：评论

学校读者我要写书评

暂无评论

科技文本分类问题的研究

科技文本分类问题的研究

引用

作者：姚力群中国科学院自动化研究所

学位级别：博士

文本分类问题作为机器学习的一个重要问题,其研究一直受到关注.然而,作为一类特殊的文本,科技文本的分类问题却没有得到足够的关注;与此同时,科技文本分类问题的需求却与日俱增.针对这一现实需求,该文以环境科学类科技文本为例,对科技... 详细信息

文本分类问题作为机器学习的一个重要问题,其研究一直受到关注.然而,作为一类特殊的文本,科技文本的分类问题却没有得到足够的关注;与此同时,科技文本分类问题的需求却与日俱增.针对这一现实需求,该文以环境科学类科技文本为例,对科技文本的分类问题进行了深入研究.论文的主要内容包括:以环境科学类科技文献为例,建立了科技文本的样本库和字典库.其中包括的文本样本均来自于真实的科技文献.分别从三个不同的角度对科技文本分类问题进行了研究工作,其中:将科技文本分类问题看作一个多分类问题来解决,在学习过程中使用了一种全局与局部统一的半监督学习算法,并针对科技文本的分类特点对算法提出了改进.将科技文本分类问题作为一个两类问题来解决,针对科技文本的特点首次提出了一种层次结构的文本分类模型.结果显示,该模型能够稳定并有效地提高分类的精度,将科技文本分类问题作为一个One-Class问题来解决,首次提出了一种将局部线性与One-Class相结合的文本分类算法,该算法利用局部线性的思想寻找文本样本的内在支撑流形,利用One-Class的思想确定正负样本的分界面.与标准SVM算法和One-Class问题的SVM算法相比,该方法具有分类精度高、参数估计简便、正负样本分类精度可控制、计算量低等优点,该算法为解决科技文献的分类问题提供了一条有效的途径.

关键词：科技文本文本分类样本库字典库多分类问题局部与全局统一二分类问题 SVM 层次结构 One-Class LLE 局部线性

来源：评论

学校读者我要写书评

暂无评论

健康大数据诊疗问题的集成学习算法研究与应用

健康大数据诊疗问题的集成学习算法研究与应用

引用

作者：刘帅吉林大学

学位级别：博士

随着信息技术的不断发展,信息化水平的不断提高,数字化医疗器械的普及,大量健康大数据随之产生,为了高效利用这些健康大数据,从中挖掘出大量的有用信息,机器学习及深度学习算法被广泛的应用。集成学习算法是一种被广泛应用的机器学习算... 详细信息

随着信息技术的不断发展,信息化水平的不断提高,数字化医疗器械的普及,大量健康大数据随之产生,为了高效利用这些健康大数据,从中挖掘出大量的有用信息,机器学习及深度学习算法被广泛的应用。集成学习算法是一种被广泛应用的机器学习算法,该算法首先训练出一组基模型,其次将基模型进行集成,将多个模型的集成结果作为最后模型的结果。在面向健康大数据诊疗问题中,集成算法被广泛的应用,利用该类算法,一般可以得到鲁棒性更强的结果,本文在不同的角度,研究不同的集成算法对健康大数据诊疗问题的解决方案,本论文对几个关键问题展开研究,包括:(1)深度学习基模型的集成剪枝问题:目的是为了去除冗余的深度学习基模型,一方面在实际应用中降低预测时间,另一方面去除冗余基模型带来的负面效果,提升算法性能;(2)自集成算法多epoch集成问题:目的是解决测试集,验证集数据分布不一致问题,并且通过集成及集成修剪策略,去除某些epoch所训练出的冗余模型,提升算法准确率;(3)多深度学习模型集成问题:在医疗诊断中,单模型预测会增加漏诊概率,通过集成异质深度学习模型,并集成其特性,则可以降低漏诊概率;(4)多源数据模型集成问题:多源数据具有不同视角特征,集成多源数据可以提高预测性能,不同源数据具有不同数据特点,组学数据具有高维度的特点,抽取图像特征具有特征数少的特点,如何集成多源数据会成为一个比较有意义的研究问题。针对以上问题,本文做出的贡献如下:(1)本研究提出一个基于集成算法和集成剪枝技术的青春痘分期算法,去除冗余基模型,降低计算资源的消耗,提升算法准确率。该方法通过两阶段进行集成剪枝过程,首先利用模型之间的丰富度和单模型的准确率对模型集进行排序,取前n个模型作为第一阶段所选择出来的模型子集,单模型的准确率越高,模型对之间的丰富度越高,其模型越重要。第二阶段,利用模型的预测结果进行特征的构造,每个特征代表一个模型,通过特征选择算法选择出最好的特征子集作为集成剪枝所选择出来的模型子集,最后通过分类器将多模型结果进行集成,相比于传统的投票法和加权平均法,该方式可以得到更好的预测性能。通过该模型,在青春痘分期问题上达到了state-of-the-art性能。(2)在上一章中训练多个基模型进行集成在训练过程中带来巨大计算资源消耗,为解决这个问题,本研究提出一种基于自集成的青春痘类型分类方法。集成多个模型epoch结果,解决利用验证集选择epoch不太完善的问题。首先,利用青春痘图像数据训练卷积神经网络,将多个epoch结果进行保存,相比于传统的选择出最好的epcoh,本研究集成所有的epoch,大大提升了算法的泛化性。其次,由于一些epoch没有训练特别完全,有可能会对最终集成结果起到负面作用,特征选择算法被用来去除冗余模型,提升算法性能。最后,在集成模型结果时,相比于利用投票法或加权平均法,本文利用可学习分类器对模型结果进行预测,实现集成目的。本研究的预测性能高于一些临床时间较短的皮肤科医生,同时,其性能也高于一些主流的深度学习算法和手工提取特征的经典机器学习算法。(3)上文中集成同质基模型结果,没有集成异质模型优势以实现更好的功能。本研究集成多深度学习模型对人体痣检测。当前黑色素瘤很多是由痣演变而来,两者很难区分,会导致患者没有及时到医院去诊断。利用手机拍摄传给医生远程诊断是一个很好的方法,但是由于痣很小,有时会导致医生漏诊误诊,为了更好的降低医生漏诊率,降低医生工作量,本研究集成多目标检测算法和分割算法。首先利用多目标检测算法对皮肤痣检测,利用NMS算法对多目标检测结果进行集成,结合不同目标检测算法特性,以达到降低漏诊率的效果。其次,利用图像分割方法,将痣边缘进行分割,并且形成一个可视化软件辅助医生诊断,并且可以形成诊断报告,大大降低了医生的工作量和降低了医生的漏诊概率。(4)上文中主要基于单一数据源进行预测,多数据源具有更加丰富的信息量,集成多源数据会带来进一步的性能提升。本研究集成转录组特征和图像特征对黑色素瘤转移进行预测。黑色素瘤转移会严重危害病人生命,相比于其他利用单源数据进行黑色素瘤转移预测,本文集成编码RNA,长非编码RNA和病理切片图像数据对其进行预测,不同源数据提供不同视角,集成多源数据可以得到更具有泛化性的预测结果。由于转录组特征具有维度高,冗余度高的特定,本研究利用特征选择算法去除冗余特征,抽取更具信息量的特征子集。对于病理切片图像,由于其数据量大,所占用内存多的特点,本研究利用软件抽取图像中各类细胞所占用总细胞的比例作为特征,并利用神经网络作为分类器。最后通过线性加权的方法,集成不同数据源模型结果,提升预测准确率。本文的研究工作致力于运用新颖的集成算法解决健康大数据自动化诊疗中的各种问题,从建模的角度,集成算法具有稳定的性能和较高的准确率,大大提升自动化

关键词：集成算法集成剪枝技术皮肤病预测图像识别健康大数据多分类问题

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：