检索结果-内蒙古大学图书馆

计算机研究与发展 2020年第8期57卷 1581-1593页

作者：王婕婷钱宇华李飞江刘郭庆山西大学大数据科学与产业研究院太原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 山西大学计算机与信息技术学院太原030006

在人类自身的学习过程中,对学习结果进行科学客观的评价与反馈是关键环节.通常,由于学习者的知识缺陷或证据不足使得学习过程存在随机性,进一步可能导致学习结果与实际情况产生随机一致性.对此结果的直接反馈将严重影响学习性能的提升.... 详细信息

在人类自身的学习过程中,对学习结果进行科学客观的评价与反馈是关键环节.通常,由于学习者的知识缺陷或证据不足使得学习过程存在随机性,进一步可能导致学习结果与实际情况产生随机一致性.对此结果的直接反馈将严重影响学习性能的提升.同样,机器学习是以数据为驱动、以目标为导向的学习系统.由于经验历史数据有限、不平衡、含噪音等特质导致学习结果具有随机一致性.然而,以准确度为反馈准则的机器学习系统无法辨识随机一致性,这会影响学习系统的泛化能力.首先给出随机准确度和纯准确度的定义,并且进一步分析消除随机准确度的意义及必要性.然后,基于纯准确度指标,提出消除随机一致性的支持向量机分类方法PASVM,并在KEEL数据集的10种不同领域的基准测试集上验证其有效性.实验结果表明:相比于SVM、SVMperf以及其他可用于优化纯准确度指标的学习方法,PASVM泛化性能有明显提高.

关键词：随机一致性纯准确度支持向量机分类泛化能力

来源：评论

学校读者我要写书评

暂无评论

三角模糊不完备三支群决策及其在糖尿病诊断中的应用

引用

福建师范大学学报（自然科学版） 2024年第5期40卷 1-16页

作者：王安娜张超王丽茵程钰婷范雪晴林铭炜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 福建师范大学计算机与网络空间安全学院福建福州 350117

为同时应对不确定信息表示与风险信息融合对群决策带来的挑战,构建一种三角模糊不完备三支群决策方法,并将其应用于糖尿病诊断决策.首先,针对信息不确定性蕴含的模糊性和不完备性,分别引入三角模糊集和不完备信息系统的概念.通过与多粒... 详细信息

为同时应对不确定信息表示与风险信息融合对群决策带来的挑战,构建一种三角模糊不完备三支群决策方法,并将其应用于糖尿病诊断决策.首先,针对信息不确定性蕴含的模糊性和不完备性,分别引入三角模糊集和不完备信息系统的概念.通过与多粒度三支决策结合,构建了可调多粒度三角模糊概率粗糙集模型.然后,根据离差最大化法计算属性权重与专家权重,结合ELECTRE(elimination et choice translating reality)方法建立了三角模糊多属性群决策方法.最后,通过对糖尿病患者数据的案例分析和评估,验证了所提方法的可行性和有效性.该方法不仅从不确定信息表示、风险信息融合和最优粒度选择的视角丰富了多粒度三支群决策理论,而且推动了糖尿病智能诊断方面的应用.

关键词：多粒度三支群决策三角模糊集概率粗糙集不完备信息系统糖尿病诊断

来源：评论

学校读者我要写书评

暂无评论

概率语言环境下基于多粒度决策粗糙集和MABAC法的光伏发电效能评价

引用

模糊系统与数学 2024年第6期 168-183页

作者：温琦菲张超李德玉刘东航王日中山西大学计算机与信息技术学院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省信息产业技术研究院有限公司

本文为应对概率语言环境下多粒度决策粗糙集在信息融合方面的局限，结合MABAC(Multi-Attributive Border Approximation Area Comparison)法建立了多粒度概率语言三支群决策方法.首先，本文将概率语言术语集与多粒度决策粗糙集相结合，... 详细信息

本文为应对概率语言环境下多粒度决策粗糙集在信息融合方面的局限，结合MABAC(Multi-Attributive Border Approximation Area Comparison)法建立了多粒度概率语言三支群决策方法.首先，本文将概率语言术语集与多粒度决策粗糙集相结合，提出多粒度概率语言决策粗糙集模型；其次，本文利用FUCOM(Full Consistency Method)求解属性权重，在三支决策的框架下计算阈值，将MABAC法与多粒度三支群决策模型进行融合，对计算出的各个阈值进行最优粒度选择来获得最终阈值；再次，本文建立多粒度概率语言三支群决策方法，通过此模型求解出最优方案；最后，本文通过光伏发电效能评价的实例验证所建立方法的可行性.

关键词：多粒度决策粗糙集概率语言术语集 MABAC 效能评价

来源：评论

学校读者我要写书评

暂无评论

自适应稀疏表示引导的无监督降维

引用

深圳大学学报（理工版） 2020年第4期37卷 425-432页

作者：岳琴魏巍冯凯崔军彪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

挖掘并保持数据分布信息是无监督降维的核心问题,为解决传统无监督降维方法大多数只考虑数据分布的局部信息或者全局信息,数据分布信息在低维空间难以保持的缺点,提出一种同时考虑数据分布的全局和局部信息的自适应稀疏表示引导的无监... 详细信息

挖掘并保持数据分布信息是无监督降维的核心问题,为解决传统无监督降维方法大多数只考虑数据分布的局部信息或者全局信息,数据分布信息在低维空间难以保持的缺点,提出一种同时考虑数据分布的全局和局部信息的自适应稀疏表示引导的无监督降维(adaptive sparse representation guided unsupervised dimensionality reduction,ASR_UDR)方法.用稀疏表示挖掘高维空间数据分布的全局信息,通过约束投影后的数据保持图上的平滑性,挖掘数据分布的局部信息,并将这两个过程统一到一个框架中,使之相辅相成,实现数据分布信息的自适应挖掘和数据降维.在WarpAR10P、USPS、MultiB、DLBCLA和DLBCLB数据集上的实验结果表明,与已有的同类无监督降维方法相比,所提方法在显著减少数据维数的同时,可更好地提升后续学习算法的性能.

关键词：人工智能稀疏表示无监督学习维度约简机器学习数据挖掘

来源：评论

学校读者我要写书评

暂无评论

面向回归任务的数值型标签噪声过滤算法

面向回归任务的数值型标签噪声过滤算法

引用

第九届中国数据挖掘会议

作者：姜高霞王文剑山西大学计算机与信息技术学院太原 030006 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

回归任务中的数值型标签噪声可能误导模型训练,进而弱化模型泛化能力。作为一种常用的标签噪声处理技术,噪声过滤通过去除误标记样本来降低噪声水平,但无法保证过滤后模型能够获得更好的泛化表现。一些过滤算法过于关注噪声水平,以至于... 详细信息

回归任务中的数值型标签噪声可能误导模型训练,进而弱化模型泛化能力。作为一种常用的标签噪声处理技术,噪声过滤通过去除误标记样本来降低噪声水平,但无法保证过滤后模型能够获得更好的泛化表现。一些过滤算法过于关注噪声水平,以至于大量无噪样本也被去除。尽管已有样本过滤框架能够平衡样本去除量和噪声水平,但其形式过于复杂不利于直观理解和实际应用。根据无噪回归任务中的学习理论提出了面向数值型标签噪声数据的泛化误差界,从而明确了影响模型泛化能力的关键数据因素(数据量和噪声水平)。在此基础上提出一种可解释的噪声过滤框架,其目标是以较小的样本去除代价最大程度地降低噪声水平。针对噪声估计问题,从理论上分析了噪声与覆盖区间关键指标(中心和半径)之间的变化趋势,进而构建了相对噪声估计方法。此方法与所提框架结合形成了相对噪声过滤(relative noise filtering,RNF)算法。在标准数据集和年龄估计数据上均验证了算法的有效性。实验结果表明：该算法能够适应各类噪声数据,显著提升模型泛化能力。在年龄估计数据上RNF算法检测出一些标签噪声数据,有效提升了数据质量和模型预测性能。

关键词：数值型标签噪声回归噪声过滤泛化误差界相对噪声

来源：评论

学校读者我要写书评

暂无评论

一种分类型矩阵数据的初始聚类中心选择算法

引用

计算机工程 2020年第5期46卷 115-121页

作者：田璐曹付元余丽琴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

现有面向矩阵数据集的算法多数通过随机选取初始类中心得到聚类结果。为克服不同初始类中心对聚类结果的影响,针对分类型矩阵数据,提出一种新的初始聚类中心选择算法。根据属性值的频率定义矩阵对象的密度和矩阵对象间的距离,扩展最大... 详细信息

现有面向矩阵数据集的算法多数通过随机选取初始类中心得到聚类结果。为克服不同初始类中心对聚类结果的影响,针对分类型矩阵数据,提出一种新的初始聚类中心选择算法。根据属性值的频率定义矩阵对象的密度和矩阵对象间的距离,扩展最大最小距离算法,从而实现初始类中心的选择。在7个真实数据集上的实验结果表明,与初始类中心选择算法CAOICACD和BAIICACD相比,该算法均具有较优的聚类效果。

关键词：分类型矩阵矩阵对象初始聚类中心密度数据集

来源：评论

学校读者我要写书评

暂无评论

非对称的异质信息网络推荐算法

引用

计算机科学与探索 2020年第6期14卷 939-946页

作者：赵传张凯涵梁吉业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 山西大学智能信息处理研究所太原030006

异质信息网络作为一个新的研究方向,近年来在推荐系统领域引起了广泛的关注。目前基于异质信息网络的大部分相似度计算方法认为用户的相似关系是对称的,但是在实际中由于不同用户评分的物品数量不同,有时会导致相似关系出现非对称情况... 详细信息

异质信息网络作为一个新的研究方向,近年来在推荐系统领域引起了广泛的关注。目前基于异质信息网络的大部分相似度计算方法认为用户的相似关系是对称的,但是在实际中由于不同用户评分的物品数量不同,有时会导致相似关系出现非对称情况。为了能够更好地度量用户之间的相似关系,首先在均方差相似度公式的基础上,引入非对称系数刻画相似度的非对称性;然后根据元路径的特征赋予不同元路径权重,并将不同元路径的相似度结果进行加权以提高用户相似度的准确性;最后通过在矩阵分解模型中融合相似度信息与评分信息实现基于异质信息网络的评分预测推荐。在数据集上的实验结果表明,该算法在平均绝对误差和均方根误差两个评价指标上优于传统算法。

关键词：异质信息网络元路径相似度矩阵分解

来源：评论

学校读者我要写书评

暂无评论

基于近邻传输的粒度SVM算法

引用

计算机科学与探索 2020年第7期14卷 1194-1199页

作者：程凤伟王文剑太原学院计算机工程系太原030032 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

传统粒度支持向量机(GSVM)模型可以有效提高支持向量机(SVM)的学习效率,但因其对初始粒划参数比较敏感,粒中心的选取比较粗糙,会损失一定的泛化能力。提出一种基于近邻传输的粒度支持向量机学习算法(APG_SVM)。首先在训练数据上采用近... 详细信息

传统粒度支持向量机(GSVM)模型可以有效提高支持向量机(SVM)的学习效率,但因其对初始粒划参数比较敏感,粒中心的选取比较粗糙,会损失一定的泛化能力。提出一种基于近邻传输的粒度支持向量机学习算法(APG_SVM)。首先在训练数据上采用近邻传输思想选取一组高质量的更具有代表性的粒中心加入到训练集,再根据粒中样本的混合度及粒中心到超平面的距离对训练集进行优化,生成最终训练集,然后进行训练,这样可使GSVM具有更好的泛化能力。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,该算法分类效率有明显提高,在几个数据集上的正确率相对稳定,获得了较好的分类性能。

关键词：粒中心近邻传输混合度分类性能

来源：评论

学校读者我要写书评

暂无评论

基于多粒度概率粗糙集与MULTIMOORA的q-RO模糊多属性群决策

引用

重庆邮电大学学报（自然科学版） 2021年第5期33卷 769-779页

作者：白文慧张超陈炜哲李德玉上官学奎马瑾男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 山西省信息产业技术研究院有限公司太原030012

为了探索q-RO(q-rung orthopair)模糊信息系统中具备稳定决策结果的多属性群决策方法,依据多粒度概率粗糙集与MULTIMOORA(multi-objective optimization by ratio analysis plus the full MULTIplicative form)建立了一种新的q-RO模糊多粒度计算模型,并用于求解多属性群决策问题。结合q-RO模糊概率粗糙集与多粒度粗糙集,提出了多粒度q-RO模糊概率粗糙集模型。利用离差最大化法计算属性权重与决策者权重,进一步建立了基于多粒度概率粗糙集与MULTIMOORA的q-RO模糊多属性群决策方法,该方法考虑了决策风险与容错能力,可提供稳定的决策结果。通过2个实际算例验证了所建立方法的可行性与有效性。

关键词：多粒度概率粗糙集 q-RO模糊信息系统多属性群决策 MULTIMOORA

来源：评论

学校读者我要写书评

暂无评论

多标记特征选择算法的综述

引用

郑州大学学报（理学版） 2020年第4期52卷 16-27页

作者：姚二亮李德玉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

特征维度灾难是多标记学习重要挑战之一,为此已有大量多标记特征选择算法被提出。将已有方法进行归类,对研究现状和进展进行综合论述,对于多标记特征选择方法的进一步研究具有重要意义。首先,将多标记特征选择算法从4个角度进行归类,对... 详细信息

特征维度灾难是多标记学习重要挑战之一,为此已有大量多标记特征选择算法被提出。将已有方法进行归类,对研究现状和进展进行综合论述,对于多标记特征选择方法的进一步研究具有重要意义。首先,将多标记特征选择算法从4个角度进行归类,对一些代表方法和理论进行详细介绍;然后,分别阐述各类算法的优缺点及适用场景;最后对多标记特征选择的进一步研究方向进行总结。

关键词：多标记学习维度灾难降维特征选择

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：