检索结果-内蒙古大学图书馆

小型微型计算机系统 2017年第12期38卷 2678-2682页

作者：翟俊海郝璞王婷婷张明阳河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室河北保定071002 浙江师范大学数理与信息工程学院浙江金华321004

压缩近邻(CNN:Condensed Nearest Neighbors)是Hart针对K-近邻(K-NN:K-Nearest Neighbors)提出的样例选择算法,目的是为了降低K-NN算法的内存需求和计算负担.但在最坏情况下,CNN算法的计算时间复杂度为O(n3),n为训练集中包含的样例数.当... 详细信息

压缩近邻(CNN:Condensed Nearest Neighbors)是Hart针对K-近邻(K-NN:K-Nearest Neighbors)提出的样例选择算法,目的是为了降低K-NN算法的内存需求和计算负担.但在最坏情况下,CNN算法的计算时间复杂度为O(n3),n为训练集中包含的样例数.当CNN算法应用于大数据环境时,高计算时间复杂度会成为其应用的瓶颈.针对这一问题,本文提出了基于MapReduce并行化压缩近邻算法.在Hadoop环境下,编程实现了并行化的CNN,并与原始的CNN算法在6个数据集上进行了实验比较.实验结果显示,本文提出的算法是行之有效的,能解决上述问题.

关键词：压缩近邻 K-近邻样例选择 MapReduce

来源：评论

学校读者我要写书评

暂无评论

基于位平面分解的人脸识别集成方法研究

基于位平面分解的人脸识别集成方法研究

引用

第三届中国数据挖掘学术会议(CCDM2009)

作者：李凯王灵晓河北大学数学与计算机学院河北省机器学习与计算智能实验室保定071002

人脸识别已经成为模式识别和图像处理的最新研究问题之一，尽管人们提出了许多人脸识别算法并且取得了很大的成绩，但是由于人脸表情、位置、方向和灯光的变化，从而使得人脸识别率并没有较大的提高，为此，人们开始使用多分类器技术研... 详细信息

人脸识别已经成为模式识别和图像处理的最新研究问题之一，尽管人们提出了许多人脸识别算法并且取得了很大的成绩，但是由于人脸表情、位置、方向和灯光的变化，从而使得人脸识别率并没有较大的提高，为此，人们开始使用多分类器技术研究人脸识别方法。本文研究了基于集成技术的人脸识别，为了提高分类器成员间的差异性，通过位平面分解及移动窗口技术生成基分类器，然后对所分解模式的各层进行融合，以确定最后的决策，这些融合方法包括：乘法、加和、多数投票、最大、最小与中值原则。另外，针对ORL数据库，实验研究了多分类器融合的人脸识别算法的性能，并对不同的人脸识别方法的性能进行了比较。

关键词：人脸识别位平面分解集成方法移动窗口分类器

来源：评论

学校读者我要写书评

暂无评论

两种基于样本属性重要度的加权支持向量机方法

两种基于样本属性重要度的加权支持向量机方法

引用

中国人工智能学会第十三届学术年会

作者：马会敏王熙照翟俊海河北大学数学与计算机学院河北省机器学习与计算智能实验室保定071002

支持向量机(SVM)是一种新型的基于统计学习理论的机器学习方法,已经成功的应用于模式识别和函数估计等问题中.已有的加权支持向量机方法大都是从样本重要程度的角度来考虑问题,本文提出了两种基于样本属性重要度的加权SVM方法,包括基于... 详细信息

支持向量机(SVM)是一种新型的基于统计学习理论的机器学习方法,已经成功的应用于模式识别和函数估计等问题中.已有的加权支持向量机方法大都是从样本重要程度的角度来考虑问题,本文提出了两种基于样本属性重要度的加权SVM方法,包括基于增益比率和基于Gini指标的属性重要度加权SVM方法.这两种方法分别通过计算各个属性的增益比率和Gini指标来评估样本属性的重要度.并把这两种方法与已有的基于信息增益的属性重要度加权SVM方法作了比较,数值实验的结果表明,这两种方法在所选数据集上提高了分类器的分类能力.

关键词： Support vector machine Attribute importance Gain ratio Information gain Gini index

来源：评论

学校读者我要写书评

暂无评论

结合肺先验与协同深监督的肿瘤自动分割

引用

河北大学学报（自然科学版） 2024年第4期44卷 414-423页

作者：王兵巨梦仪杨颖张欣翟俊海河北省机器学习与计算智能重点实验室河北保定071002 河北大学数学与信息科学学院河北保定071002 河北大学附属医院放射科河北保定071000 河北大学电子信息工程学院河北保定071002

计算机断层扫描图像中复杂肺肿瘤(CLT)的自动分割面临2个挑战:1)肿瘤与邻近组织之间的类间不区分;2)肿瘤内的类内不一致性.为了解决这2个问题,提出将肺肿瘤与肺之间关系的语义上下文先验纳入分割模型中,以便于模型学习到语义上下文特征... 详细信息

计算机断层扫描图像中复杂肺肿瘤(CLT)的自动分割面临2个挑战:1)肿瘤与邻近组织之间的类间不区分;2)肿瘤内的类内不一致性.为了解决这2个问题,提出将肺肿瘤与肺之间关系的语义上下文先验纳入分割模型中,以便于模型学习到语义上下文特征,并从宏观角度重新思考CLT的分割.利用信息熵对肺形状的解剖先验进行建模.在三分类的U-Net网络中嵌入提出的新型注意模块,从而通过特定领域的知识来指导训练过程.另外,设计了一个可以获得肿瘤边界结构图以及保持肿瘤内部特征一致性的边界增强辅助网络.在此基础上,开发了一个协同深度监督网络框架(CLT-ASegNet),该框架利用混合多尺度语义特征融合进一步提高了模型的判别能力和收敛速度.CLT-ASegNet在CLTCTI分割数据集和Lung16数据集上进行了评估.实验结果表明,所提出的CLT-ASegNet可以有效分割肺肿瘤.

关键词：注意力机制复杂肺肿瘤分割语义上下文先验协同深度监督

来源：评论

学校读者我要写书评

暂无评论

基于哈希学习的投票样例选择算法

引用

计算机应用 2022年第2期42卷 389-394页

作者：黄雅婕翟俊海周翔李艳河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算智能重点实验室(河北大学) 河北保定071002 北京师范大学珠海校区应用数学与交叉科学研究中心广东珠海519087

随着数据的海量型增长,如何存储并利用数据成为目前学术研究和工业应用等方面的热门问题。样例选择是解决此类问题的方法之一,它在原始数据中依据既定规则选出代表性的样例,从而有效地降低后续工作的难度。基于此,提出一种基于哈希学习... 详细信息

随着数据的海量型增长,如何存储并利用数据成为目前学术研究和工业应用等方面的热门问题。样例选择是解决此类问题的方法之一,它在原始数据中依据既定规则选出代表性的样例,从而有效地降低后续工作的难度。基于此,提出一种基于哈希学习的投票样例选择算法。首先通过主成分分析(PCA)方法将高维数据映射到低维空间;然后利用k-means算法结合矢量量化方法进行迭代运算,并将数据用聚类中心的哈希码表示;接着将分类后的数据按比例进行随机选择,在多次独立运行算法后投票选择出最终的样例。与压缩近邻(CNN)算法和大数据线性复杂度样例选择算法LSH-IS-F相比,所提算法在压缩比方面平均提升了19%。所提算法思想简单容易实现,能够通过调节参数自主控制压缩比。在7个数据集上的实验结果显示所提算法在测试精度相似的情况下在压缩比和运行时间方面较随机哈希有较大优势。

关键词：样例选择哈希学习海明距离矢量量化投票方法

来源：评论

学校读者我要写书评

暂无评论

基于聚类粒化和簇间散度的属性约简算法

引用

计算机应用 2022年第9期42卷 2701-2712页

作者：李艳范斌郭劼河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算智能重点实验室(河北大学) 河北保定071002 北京师范大学珠海校区应用数学与交叉科学研究中心广东珠海519087

属性约简是粗糙集理论中的研究热点,对连续值数据进行属性约简的算法大多基于优势关系或邻域关系。然而连续值数据集的属性不一定具有优势关系;而基于邻域关系的属性约简算法虽然可以通过邻域半径调整粒化程度,不过由于各属性量纲不同... 详细信息

属性约简是粗糙集理论中的研究热点,对连续值数据进行属性约简的算法大多基于优势关系或邻域关系。然而连续值数据集的属性不一定具有优势关系;而基于邻域关系的属性约简算法虽然可以通过邻域半径调整粒化程度,不过由于各属性量纲不同且半径参数为连续值使半径难以统一,导致整个参数粒化过程计算量较大。为解决此问题,提出一种基于聚类粒化的多粒度属性约简策略。首先,利用聚类方法将相似样本归类,并提出了基于聚类的近似集、相对正域及正域约简概念;其次,根据JS(Jensen-Shannon)散度理论对簇间各属性数据分布进行差异性度量,并选择出具有代表性的特征用以区分不同类簇;最后,利用可辨识矩阵设计了属性约简算法。所提算法不要求属性具有序关系,且不同于邻域半径,聚类参数为离散值,调节此参数就能够对数据集形成不同粒化程度的划分。在UCI与Kent Ridge数据集上进行的实验结果表明,该属性约简算法可以直接处理连续值数据,且该算法在较小范围内离散地调节聚类参数便能在保持甚至提高分类精度的前提下去除数据集中的冗余特征。

关键词：连续值数据粗糙集属性约简聚类粒化 Jensen-Shannon散度

来源：评论

学校读者我要写书评

暂无评论

基于MapReduce的大数据主动学习

引用

计算机应用 2018年第10期38卷 2759-2763页

作者：翟俊海张素芳王聪沈矗刘晓萌河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算智能重点实验室(河北大学) 河北保定071002 中国气象局气象干部培训学院河北分院河北保定071002

针对传统的主动学习算法只能处理中小型数据集的问题,提出一种基于MapReduce的大数据主动学习算法。首先,在有类别标签的初始训练集上,用极限学习机(ELM)算法训练一个分类器,并将其输出用软最大化函数变换为一个后验概率分布。然后,将... 详细信息

针对传统的主动学习算法只能处理中小型数据集的问题,提出一种基于MapReduce的大数据主动学习算法。首先,在有类别标签的初始训练集上,用极限学习机(ELM)算法训练一个分类器,并将其输出用软最大化函数变换为一个后验概率分布。然后,将无类别标签的大数据集划分为l个子集,并部署到l个云计算节点上。在每一个节点,用训练出的分类器并行地计算各个子集中样例的信息熵,并选择信息熵大的前q个样例进行类别标注,将标注类别的l×q个样例添加到有类别标签的训练集中。重复以上步骤直到满足预定义的停止条件。在Artificial、Skin、Statlog和Poker 4个数据集上与基于ELM的主动学习算法进行了比较,结果显示,所提算法在4个数据集上均能完成主动样例选择,而基于ELM的主动学习算法只在规模最小的数据集上能完成主动样例选择。实验结果表明,所提算法优于基于极限学习机的主动学习算法。

关键词：大数据主动学习不确定性极限学习机样例选择

来源：评论

学校读者我要写书评

暂无评论

元学习的不确定性特征构建及初步分析

引用

计算机应用 2022年第2期42卷 343-348页

作者：李艳郭劼范斌河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算智能重点实验室(河北大学) 河北保定071002 北京师范大学珠海校区应用数学与交叉科学研究中心广东珠海519087

元学习即应用机器学习的方法(元算法)寻求问题的特征(元特征)与算法相对性能测度间的映射,从而形成元知识的学习过程,如何构建和提取元特征是其重要的研究内容。针对目前相关研究所用到的元特征大部分是数据的统计特征的问题,提出不确... 详细信息

元学习即应用机器学习的方法(元算法)寻求问题的特征(元特征)与算法相对性能测度间的映射,从而形成元知识的学习过程,如何构建和提取元特征是其重要的研究内容。针对目前相关研究所用到的元特征大部分是数据的统计特征的问题,提出不确定性建模并研究不确定性对于学习系统的影响。根据样本的不一致性、边界的复杂性、模型输出的不确定性、线性可分度、属性的重叠度以及特征空间的不确定性,建立了六种数据或模型的不确定性元特征;同时,从不同角度衡量学习问题本身的不确定性大小,并给出了具体的定义。在大量分类问题的人工数据和真实数据集上实验分析了这些元特征之间的相关性,并使用K最近邻(KNN)等多个分类算法对元特征与测试精度之间的相关度进行初步分析。结果表明相关度平均在0.8左右,可见这些元特征对学习性能具有显著影响。

关键词：元学习元特征不确定性度量相关性分析数据集特征

来源：评论

学校读者我要写书评

暂无评论

增量密度加权近似支持向量机

增量密度加权近似支持向量机

引用

第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及第六届中国粒计算学术研讨会联合学术会议

作者：鲁淑霞崔芳芳忽丽莎河北省机器学习重点实验室河北大学数学与计算机学院保定071002

近似支持向量机(PSVM)是一个正则化最小二乘问题,且具有解析解.但是它失去了支持向量机(SVM)的稀疏性,使得所有的训练样例都成为支持向量.为了有效地控制近似支持向量机的稀疏性,提出了增量密度加权近似支持向量机(IDWPSVM),它在训练集... 详细信息

近似支持向量机(PSVM)是一个正则化最小二乘问题,且具有解析解.但是它失去了支持向量机(SVM)的稀疏性,使得所有的训练样例都成为支持向量.为了有效地控制近似支持向量机的稀疏性,提出了增量密度加权近似支持向量机(IDWPSVM),它在训练集中选取最基本的支持向量.实验表明,IDWPSVM方法与SVM,PSVM和DWPSVM方法相比,精度相似,收敛速度快,IDWPSVM方法有效地控制了近似支持向量机的稀疏性.

关键词： Proximal support vector machine Density weight Increment Sparseness

来源：评论

学校读者我要写书评

暂无评论

农作物种植结构的模糊随机优化模型与方法

引用

安徽农业科学 2019年第18期47卷 243-246,250页

作者：张春琴河北省机器学习与计算智能重点实验室/河北大学数学与信息科学学院

指出了农业发展统筹规划中存在的最优化问题,运用多目标模糊随机优化模型对农作物种植结构的优化配置进行研究。模型同时考虑模糊性因素和随机性因素对优化问题的影响,并以经济效益、商品化程度、环境效益和成本需求最小为主要目标,寻... 详细信息

指出了农业发展统筹规划中存在的最优化问题,运用多目标模糊随机优化模型对农作物种植结构的优化配置进行研究。模型同时考虑模糊性因素和随机性因素对优化问题的影响,并以经济效益、商品化程度、环境效益和成本需求最小为主要目标,寻求农作物的最优种植模式。利用模糊定权的方法计算各个目标的权重,以便更加客观、合理地体现各个目标在优化过程中的重要程度。模型理论严谨、计算简易、操作方便,可实现农村人力资源、农业资金以及水-土-作物系统的最佳配置,使各种有限的资源得到充分、合理利用,为区域农业的可持续发展提供优化模型与数学方法,促使农业发展获得更高的综合效益。

关键词：种植结构模糊随机优化综合效益模糊数学相对优属度

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：