检索结果-内蒙古大学图书馆

小型微型计算机系统 2015年第8期36卷 1799-1802页

作者：程凤伟王文剑山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

支持向量机(Support Vector Machine,SVM)拥有简洁的数学函数,能够非常有效地处理分类和回归问题,SVM具有两大优点:边界最大化和利用核函数解决线性不可分问题.但是由于SVM的训练复杂度依赖于数据集的规模,所以SVM处理大规模数据时能力... 详细信息

支持向量机(Support Vector Machine,SVM)拥有简洁的数学函数,能够非常有效地处理分类和回归问题,SVM具有两大优点:边界最大化和利用核函数解决线性不可分问题.但是由于SVM的训练复杂度依赖于数据集的规模,所以SVM处理大规模数据时能力非常有限.粒度支持向量机(Granular Support Vector Machine,GSVM)模型可以有效提高SVM的学习效率,但会损失一定的泛化能力.提出一种新的粒度支持向量机学习算法,称为层次粒度支持向量机(Hierarchical Granular Support Vector M achine,HGSVM),通过定义一个新的数据置信度挑选对分类贡献较大的重要信息粒,并在每次的迭代训练中根据粒的重要性进行自动粒划,以获得更好的泛化能力.在UCI标准数据集上的实验结果表明,与传统的粒度支持向量机相比,本文的算法可获得较好的分类性能.

关键词：层次粒度支持向量机置信度自动粒划分布

来源：评论

学校读者我要写书评

暂无评论

基于稳健模糊粗糙集模型的多标记文本分类

引用

计算机科学 2015年第7期42卷 270-275页

作者：张晶李德玉王素格李华山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

针对多标记数据的不确定性以及噪声数据的存在,提出了一种新的多标记稳健模糊粗糙分类模型。该模型是处理单标记分类问题的k-mean稳健统计量模糊粗糙分类模型的扩展应用。对于每个待分类数据,首先根据相似性计算方法,得到它们相对于各... 详细信息

针对多标记数据的不确定性以及噪声数据的存在,提出了一种新的多标记稳健模糊粗糙分类模型。该模型是处理单标记分类问题的k-mean稳健统计量模糊粗糙分类模型的扩展应用。对于每个待分类数据,首先根据相似性计算方法,得到它们相对于各标记的隶属度;然后根据隶属度定义待分类数据与各标记的相关度;最后为每一组相关度赋予合适的阈值,得到相关的标记集合。在3个标准多标记数据集和1个真实多标记文本数据集上的实验结果表明,对于多标记文本分类问题,所提模型在6个常用的多标记评测指标上较常用的ML-kNN和rank-SVM多标记学习方法具有更高的准确率。

关键词：模糊粗糙集 k-mean稳健统计量隶属度多标记学习

来源：评论

学校读者我要写书评

暂无评论

以准核为起点的启发式属性约简

引用

计算机工程与应用 2015年第10期51卷 137-141页

作者：陈红星魏巍山西大学计算机与信息技术学院计算智能与中文信息处理教育部重点实验室太原030006

核是属性约简中的必不可少的部分。通过对核中属性重要程度的差异进行分析,可以发现一些核属性相对于决策的重要度很小,这些属性一定程度上影响了基于约简结果构造的分类器的分类精度。通过将核中一些对决策贡献很小的属性去除,提出了... 详细信息

核是属性约简中的必不可少的部分。通过对核中属性重要程度的差异进行分析,可以发现一些核属性相对于决策的重要度很小,这些属性一定程度上影响了基于约简结果构造的分类器的分类精度。通过将核中一些对决策贡献很小的属性去除,提出了准核的定义,并基于准核构造了一种新的启发式属性约简算法,利用该算法获得的约简中属性数量更少,基于这种约简构造的分类器分类精度更高,实验结果表明了算法的有效性。

关键词：粗糙集核属性约简正域

来源：评论

学校读者我要写书评

暂无评论

传播过程中信号缺失的层次聚类社区发现算法

引用

计算机工程与应用 2015年第9期51卷 201-206,216页

作者：康茜李德玉王素格冀庆斌山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

社区发现是社会网络分析的一个基本任务,而社区结构探测是社区发现的一个关键问题。将社区结构中的结点看作信号源,针对信号传递过程中存在信号缺失情况,提出了一种层次聚类社区发现算法。该算法通过度中心性来度量节点接收信号的概率,... 详细信息

社区发现是社会网络分析的一个基本任务,而社区结构探测是社区发现的一个关键问题。将社区结构中的结点看作信号源,针对信号传递过程中存在信号缺失情况,提出了一种层次聚类社区发现算法。该算法通过度中心性来度量节点接收信号的概率,用于量化节点接受信号过程中的缺失值。经过信号传递,使网络的拓扑结构转化为向量间的几何关系,在此基础上,使用层次聚类算法用于发现社区。为了验证SMHC算法的有效性,通过在三个数据集上与SHC算法、CNM算法、GN算法、Similar算法进行比较,实验结果表明,SMHC算法在一定程度上提高了社区发现的正确率。

关键词：社区发现信号传播信号缺失度中心性层次聚类

来源：评论

学校读者我要写书评

暂无评论

面向文本情感聚类的维度判别方法

引用

计算机工程与应用 2015年第7期51卷 124-130页

作者：李欣王素格李德玉山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

在文本情感分析时,使用有监督的机器学习方法的不足是需要大量的带标签的文本数据,而无监督的文本聚类方法可以克服这一问题。对于文本情感聚类,在节省数据资源的同时,也存在聚类结果的不确定性问题。给出了情感维度的形式化描述,并将... 详细信息

在文本情感分析时,使用有监督的机器学习方法的不足是需要大量的带标签的文本数据,而无监督的文本聚类方法可以克服这一问题。对于文本情感聚类,在节省数据资源的同时,也存在聚类结果的不确定性问题。给出了情感维度的形式化描述,并将观点词识别技术应用于情感维度的判别中。在此基础上,利用获得的情感维度,对评论文本进行情感聚类,有效地解决情感聚类结果的不确定性问题。在4个领域的英文产品评论数据上进行实验,结果表明该方法在自动识别情感聚类维度中是有效的,并得到了满意的情感聚类结果。

关键词：观点词识别维度判别文本情感聚类

来源：评论

学校读者我要写书评

暂无评论

基于BoC-BoF特征的图像检索方法研究

引用

计算机科学 2015年第4期42卷 297-301页

作者：冯进丽杨红菊山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

为了优化基于内容的图像检索方法,提出了一种融合特征来表征图像内容。首先,提取基于RootSift描述子的特征词袋(Bag-of-Features,BoF)表示向量,获得图像的边缘和形状信息;其次,采用基于HSV的颜色词袋(Bag-ofColors,BoC)表示向量来代替... 详细信息

为了优化基于内容的图像检索方法,提出了一种融合特征来表征图像内容。首先,提取基于RootSift描述子的特征词袋(Bag-of-Features,BoF)表示向量,获得图像的边缘和形状信息;其次,采用基于HSV的颜色词袋(Bag-ofColors,BoC)表示向量来代替传统颜色直方图方法,获取图像的颜色信息;最后,将BoF表示向量和BoC表示向量相融合,形成BoC-BoF特征向量。BoC-BoF特征有效地实现了全局特征和局部特征的融合。两个数据集检索的实验结果表明,该方法比其它方法更加有效。

关键词：颜色词袋特征词袋图像检索 RootSift

来源：评论

学校读者我要写书评

暂无评论

改进最大Lyapunov指数的多变量瓦斯浓度预测研究

引用

计算机应用与软件 2016年第2期33卷 66-68,132页

作者：张欣雨李茹高俊杰王浩王晋宇赵红燕山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006 山西煤炭进出口集团科技发展有限公司技术管理处山西太原030006 太原科技大学计算机科学与技术学院山西太原030024

煤矿井下瓦斯浓度受到多个环境参数的影响。首先对煤矿井下同一时间段的瓦斯浓度、风速、压力、温度、CO2、O2的时间序列数据进行统计学相关性分析,选择出对瓦斯浓度影响大的几种因素,并作为基于最大Lyapunov指数改进预测模型的输入参... 详细信息

煤矿井下瓦斯浓度受到多个环境参数的影响。首先对煤矿井下同一时间段的瓦斯浓度、风速、压力、温度、CO2、O2的时间序列数据进行统计学相关性分析,选择出对瓦斯浓度影响大的几种因素,并作为基于最大Lyapunov指数改进预测模型的输入参数来预测未来一段时间的瓦斯浓度。改进算法为:在用C-C方法重构多变量时间序列的相空间和Wolf方法计算最大Lyapunov指数的基础上,同时考虑夹角余弦和欧氏距离求取预测中心点的相近点。结果表明,改进预测算法提高了预测精度,平均绝对误差和标准差分别为2.11%和2.15%。

关键词：相关性分析最大Lyapunov指数C-C方法 Wolf方法夹角余弦

来源：评论

学校读者我要写书评

暂无评论

基于粗糙集的非监督快速属性选择算法

引用

计算机应用 2015年第8期35卷 2355-2359页

作者：白鹤翔王健李德玉陈千山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

针对"大数据"中常见的大规模无监督数据集中特征选择速度难以满足实际应用要求的问题,在经典粗糙集绝对约简增量式算法的基础上提出了一种快速的属性选择算法。首先,将大规模数据集看作一个随机到来的对象序列,并初始化候选... 详细信息

针对"大数据"中常见的大规模无监督数据集中特征选择速度难以满足实际应用要求的问题,在经典粗糙集绝对约简增量式算法的基础上提出了一种快速的属性选择算法。首先,将大规模数据集看作一个随机到来的对象序列,并初始化候选约简为空集;然后每次都从大规模数据集中无放回地随机抽取一个对象,并且每次都判断使用当前候选约简能否区分这一对象和当前对象集中所有应当区分的对象,并将该对象放入到当前对象集中,如果不能区分则向候选约简中添加合适的属性;最后,如果连续I次都没有发现无法区分的对象,那么将候选约简作为大规模数据集的约简。在5个非监督大规模数据集上的实验表明,所求得的约简能够区分95%以上的对象对,并且求取该约简所需的时间不到基于区分矩阵的算法和增量式约简算法的1%;在文本主题挖掘的实验中,使用约简后的数据集挖掘出的文本主题同原始数据集挖掘出的主题基本一致。两组实验结果表明该方法能够有效快速对大规模数据集进行属性选择。

关键词：海量数据绝对约简增量式算法粗糙集属性选择

来源：评论

学校读者我要写书评

暂无评论

一种符号型增量数据标签算法

引用

计算机科学 2015年第6期42卷 223-227页

作者：李艳红李德玉王素格山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室太原030006

数据标签是一种提高增量数据聚类效率的简单而有效的方法。数据标签就是分配每个新增数据点到与之最相似的簇的过程。符号数据分析的难点之一在于缺少一种恰当的方法来定义数据点与数据簇之间的相似性。为此,将簇代表定义为簇中所有属... 详细信息

数据标签是一种提高增量数据聚类效率的简单而有效的方法。数据标签就是分配每个新增数据点到与之最相似的簇的过程。符号数据分析的难点之一在于缺少一种恰当的方法来定义数据点与数据簇之间的相似性。为此,将簇代表定义为簇中所有属性的属性值及其在簇中的频率构成的列表,用信息熵的变化来定义"点-簇"不相似性。基于此不相似性度量,设计了一个符号型增量数据标签算法来分配无标记数据到恰当的簇。在公开数据集和文本语料上的对比实验表明,该数据标签算法不但数据标记精度高、时间开销小,而且有较好的可伸缩性。

关键词：聚类数据标签增量数据符号数据信息熵

来源：评论

学校读者我要写书评

暂无评论

大数据挖掘的粒计算理论与方法

引用

中国科学：信息科学 2015年第11期45卷 1355-1369页

作者：梁吉业钱宇华李德玉胡清华山西大学计静智能与中文信息处理教育部重点实验室太原030006 山西大学计算机与信息技术学院太原030006 天津大学计算机科学与技术学院天津300072

大数据往往呈现出大规模性、多模态性以及快速增长性等特征.粒计算是智能信息处理领域中大规模复杂问题求解的有效范式.从推动大数据挖掘研究角度,本文首先概要地讨论了大数据的特征对可计算性、有效性与高效性提出的3大挑战;其次,结合... 详细信息

大数据往往呈现出大规模性、多模态性以及快速增长性等特征.粒计算是智能信息处理领域中大规模复杂问题求解的有效范式.从推动大数据挖掘研究角度,本文首先概要地讨论了大数据的特征对可计算性、有效性与高效性提出的3大挑战;其次,结合粒计算的思维模式特点,概述了已有研究成果,分析论述了以粒计算应对大数据挖掘挑战的可行性,认为粒计算有望为大数据挖掘提供一条极具前途的崭新途径;最后,对大数据挖掘的粒计算理论与方法中的若干科学问题进行了梳理与展望,以期抛引这一领域的学术思考与研究工作.

关键词：大数据数据挖掘模式发现粒计算信息粒化多粒度

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：