检索结果-内蒙古大学图书馆

一类具有非局部竞争反应扩散方程的分岔

引用

河北大学学报（自然科学版） 2018年第5期38卷 454-459页

作者：李聪蕊曹建智鲍俊艳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

以具有非局部竞争的Fisher-KPP方程为研究对象,主要运用Lyapunov-Schmidt约化和奇异性理论讨论了在齐次Dirichlet边界条件下的分岔情况.

关键词：非局部影响反应扩散方程 Lyapunov-Schmidt约化分岔

来源：评论

学校读者我要写书评

暂无评论

基于HBase和SimHash的大数据K-近邻算法

引用

山东大学学报（工学版） 2018年第3期48卷 54-59页

作者：王婷婷翟俊海张明阳郝璞河北大学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

针对大数据K-近邻(K-nearest neighbors,K-NN)计算复杂度高的问题,提出一种基于HBase和Sim Hash的大数据K-近邻分类算法。利用Sim Hash算法将大数据集从原空间映射到Hamming空间,得到哈希签名值集合;将样例的行键与值的二元对存储到HBas... 详细信息

针对大数据K-近邻(K-nearest neighbors,K-NN)计算复杂度高的问题,提出一种基于HBase和Sim Hash的大数据K-近邻分类算法。利用Sim Hash算法将大数据集从原空间映射到Hamming空间,得到哈希签名值集合;将样例的行键与值的二元对存储到HBase数据库中,行健(rowkey)为样例的哈希签名值,值(value)为样例的类别;对于测试样例,以其哈希签名值作为健rowkey,从HBase数据库中获取所有样例的value,通过对这些values进行多数投票,即可以得到测试样例的类别。与基于MapReduce的K-NN和基于Spark的K-NN在运行时间和测试精度两方面进行试验比较。试验结果显示,在保持分类能力的前提下,提出的算法的运行时间远远低于其他两种方法。

关键词：大数据 K-近邻分类算法 HBase SimHash

来源：评论

学校读者我要写书评

暂无评论

无罚无滤子的修正非单调不可行QP-free方法及其全局收敛性（英文）

引用

应用数学 2018年第4期31卷 856-865页

作者：苏珂任乐乐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保定071002

本文提出一个解决不等式规划问题的无罚无滤子的修正非单调不可行QP-free算法.在每步迭代,只需要解两个或三个相同系数矩阵来获得搜索方向.我们利用修正的非单调技术松弛了试探点的判别准则,相比其他方法,不要求滤子结构也不涉及罚参数... 详细信息

本文提出一个解决不等式规划问题的无罚无滤子的修正非单调不可行QP-free算法.在每步迭代,只需要解两个或三个相同系数矩阵来获得搜索方向.我们利用修正的非单调技术松弛了试探点的判别准则,相比其他方法,不要求滤子结构也不涉及罚参数的选取,在一定程度上避免了Maratos效应.在合理的条件下,得到算法的全局收敛性.

关键词：不等式约束优化 QP-free方法积极集全局收敛非单调

来源：评论

学校读者我要写书评

暂无评论

基于自适应随机梯度下降方法的非平衡数据分类

引用

计算机科学 2018年第B06期45卷 487-492页

作者：陶秉墨鲁淑霞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保定071002

对于不平衡数据分类问题,传统的随机梯度下降方法在求解一般的支持向量机问题时会产生一定的偏差,导致效果较差。自适应随机梯度下降算法定义了一个分布p,在选择样例进行迭代更新时,其依据分布p而非依据均匀分布来选择样例,并且在优化... 详细信息

对于不平衡数据分类问题,传统的随机梯度下降方法在求解一般的支持向量机问题时会产生一定的偏差,导致效果较差。自适应随机梯度下降算法定义了一个分布p,在选择样例进行迭代更新时,其依据分布p而非依据均匀分布来选择样例,并且在优化问题中使用光滑绞链损失函数。对于不平衡的训练集,依据均匀分布选择样例时,数据的不平衡比率越大,多数类中的样例被选择的次数就越多,从而导致结果偏向少数类。分布p在很大程度上解决了这个问题。普通的随机梯度下降算法没有明确的停机准则,这导致何时停机成为一个很重要的问题,尤其是在大型数据集上进行训练时。以训练集或训练集的子集中的分类准确率为标准来设定停机准则,如果参数设定恰当,算法几乎可以在迭代的早期就停止,这种现象在大中型数据集上表现得尤为突出。在一些不平衡数据集上的实验证明了所提算法的有效性。

关键词：随机梯度下降非均匀分布停机准则支持向量机损失函数

来源：评论

学校读者我要写书评

暂无评论

基于启发式确定类数的NJW谱聚类算法

引用

计算机科学 2018年第B11期45卷 474-479页

作者：陈俊芬张明何强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保定071002 北京建筑大学理学院北京100044

基于图论理论的NJW谱聚类算法的核心思想是将数据点映射到特征空间后再利用K-means算法进行聚类,从而得到原始数据的聚类结果。NJW算法是K-means算法的推广,并且在任意形状的数据上都具有较好的聚类效果,从而有着广泛的应用。但是,类数... 详细信息

基于图论理论的NJW谱聚类算法的核心思想是将数据点映射到特征空间后再利用K-means算法进行聚类,从而得到原始数据的聚类结果。NJW算法是K-means算法的推广,并且在任意形状的数据上都具有较好的聚类效果,从而有着广泛的应用。但是,类数C和高斯核函数中的尺度参数σ较大程度地影响着NJW的聚类性能;另外,K-means对随机初始值的敏感性也影响着NJW的聚类结果。为此,一种基于启发式确定类数的谱聚类算法(记为DP-NJW)被提出。该算法先根据数据的密度分布确定类中心点和类数,这些类中心点作为特征空间中K-means聚类的初始类中心,然后用NJW进行聚类。文中通过实验将DP-NJW算法和经典聚类算法在7个公共数据集上进行测试和对比,其中DP-NJW算法在5个数据集上的聚类精度高于NJW的平均聚类精度,在另2个数据集上二者持平。对比DPC算法,所提算法在5个数据集上也有不俗的聚类精度,而且DP-NJW的计算消耗较小,在较大的数据集aggregation上表现更为突出。实验结果表明,文中所提的DP-NJW算法更具优势。

关键词：谱聚类 NJW聚类高斯核函数尺度参数聚类精度

来源：评论

学校读者我要写书评

暂无评论

大数据与大数据机器学习

引用

河北大学学报（自然科学版） 2018年第3期38卷 299-308,336页

作者：张素芳翟俊海王聪沈矗赵春玲中国气象局气象干部培训学院河北分院河北保定071000 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河北保定071002

大数据时代已经到来,大数据是指具有海量(Volume)、多样(Variety)、时效(Velocity)、不精确(Veracity)和价值(Value)这5种特征的数据,大数据研究是近几年信息处理领域最热门的研究方向,已经引起了工业界、学术界乃至政府部门的高度关注... 详细信息

大数据时代已经到来,大数据是指具有海量(Volume)、多样(Variety)、时效(Velocity)、不精确(Veracity)和价值(Value)这5种特征的数据,大数据研究是近几年信息处理领域最热门的研究方向,已经引起了工业界、学术界乃至政府部门的高度关注.大数据之所以备受关注,是因为大数据里面蕴藏着巨大的价值.如何把蕴藏在大数据中的价值挖掘出来,为企业或政府部门提供决策支持具有重要的意义.大数据给传统的机器学习带来了许多挑战,这些挑战可以从大数据的5个特征或从5个不同的角度进行分析.本文首先介绍大数据的概念,并详细剖析大数据5种特征的内涵;然后在此基础上,重点分析大数据给机器学习带来的挑战及可能的解决方法.本文对从事大数据研究的人员,特别是从事大数据机器学习研究的人员具有较高的参考价值.

关键词：大数据机器学习云计算决策支持

来源：评论

学校读者我要写书评

暂无评论

基于Spark的压缩近邻算法

引用

计算机科学 2018年第B06期45卷 406-410页

作者：张素芳翟俊海王婷婷郝璞王聪赵春玲中国气象局气象干部培训学院河北分院河北保定071000 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

K-近邻(K-Nearest Neighbors,K-NN)是一种懒惰学习算法,用K-NN对数据分类时,不需要训练分类模型。K-NN算法的优点是思想简单、易于实现;缺点是计算量大,原因是在对测试样例进行分类时,其需要计算测试样例与训练集中每一个训练样例之间... 详细信息

K-近邻(K-Nearest Neighbors,K-NN)是一种懒惰学习算法,用K-NN对数据分类时,不需要训练分类模型。K-NN算法的优点是思想简单、易于实现;缺点是计算量大,原因是在对测试样例进行分类时,其需要计算测试样例与训练集中每一个训练样例之间的距离。压缩近邻算法(Condensed Nearest Neighbors,CNN)可以克服K-NN算法的不足。但是,在面对大数据集时,由于自身的迭代计算特性,CNN的运算效率会变得非常低。针对这一问题,提出一种名为Spark CNN的压缩近邻算法。在大数据环境下,与基于MapReduce的CNN算法相比,Spark CNN的效率大幅提高,在5个大数据集上的实验证明了这一结论。

关键词：压缩近邻大数据样例选择迭代计算懒惰学习

来源：评论

学校读者我要写书评

暂无评论

用模糊积分集成重复训练极限学习机的数据分类方法

引用

小型微型计算机系统 2018年第6期39卷 1223-1227页

作者：翟俊海张素芳周昭一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 中国气象局气象干部培训学院河北分院河北保定071000

用极限学习机重复训练单隐含层前馈神经网络可得到不同的网络模型.受极限学习机这一特点的启发,提出了一种用模糊积分集成重复训练极限学习机的数据分类方法.该方法分为3步:第1步,用极限学习机重复训练单隐含层前馈神经网络.在训练时,... 详细信息

用极限学习机重复训练单隐含层前馈神经网络可得到不同的网络模型.受极限学习机这一特点的启发,提出了一种用模糊积分集成重复训练极限学习机的数据分类方法.该方法分为3步:第1步,用极限学习机重复训练单隐含层前馈神经网络.在训练时,不仅输入层权值和隐含层结点的偏置随机生成,隐含层结点的个数也随机生成.第2步,用软最大化函数将训练的单隐含层前馈神经网络的输出变换为后验概率分布.第3步,用模糊积分集成重复训练的单隐含层前馈神经网络,并用于数据分类.提出的方法具有2个优点:1)网络模型具有良好的多样性,理由是重复训练得到的单隐含层前馈神经网络具有不同的结构和不同的参数.2)具有良好的泛化能力,理由是模糊积分能很好地刻画基本分类器之间的交互作用.此外,提出的方法提供了一种网络结构选择的替代方案,利用提出的方法解决实际问题时,可以不用考虑网络结构选择问题.与其他2个算法在10个数据集上进行了实验比较,实验结果及对实验结果的统计分析显示提出的算法在分类精度上优于这2种算法.

关键词：数据分类极限学习机重复训练模糊积分集成

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

基于Matlab的图像增强算法研究

引用

电脑与信息技术 2018年第2期26卷 31-36页

作者：王鑫孔航崔雨航赵春玲赵大众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

在获取图像的过程中,由于多种因素的影响,导致图像质量会有所退化。为解决这样的问题,提高图像使用价值,图像增强处理技术应运而生。MATLAB作为国内外流行的数字计算软件,具有强大的图像处理功能,是图像处理系统的理想开发工具。作者在M... 详细信息

在获取图像的过程中,由于多种因素的影响,导致图像质量会有所退化。为解决这样的问题,提高图像使用价值,图像增强处理技术应运而生。MATLAB作为国内外流行的数字计算软件,具有强大的图像处理功能,是图像处理系统的理想开发工具。作者在MATLAB软件平台上,分别运用灰度均衡化、平滑滤波器、锐化滤波器、巴特沃斯低通滤波器、同态滤波器等图像处理方法进行程序处理,根据特定的需要,突出图像中的重要信息,同时减弱或去除不需要的信息,达到改善图像特征的目的。再对实验运行结果进行比较分析,发现MATLAB强大的运算和图形展示功能,以及简单、实用、可读性强的特点,使得这些图像增强算法变得更加的简单和直观,提高了图像处理的效率。

关键词：图像处理图像增强算法程序代码 MATLAB软件

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：