检索结果-内蒙古大学图书馆

计算机科学 2014年第2期41卷 153-156页

作者：翟俊海哈明光邵庆言王熙照河北大学数学与计算机学院保定071002 河北省机器学习与计算智能重点实验室保定0710022

提出了一种基于结点敏感度的单隐含层前馈神经网络结构选择方法。该方法从一个隐含层结点个数较多的网络开始,首先利用结点敏感度度量隐含层结点的重要性,然后按重要性对隐含层结点由大到小排序,最后逐个剪去不重要的隐含层结点,直到满... 详细信息

提出了一种基于结点敏感度的单隐含层前馈神经网络结构选择方法。该方法从一个隐含层结点个数较多的网络开始,首先利用结点敏感度度量隐含层结点的重要性,然后按重要性对隐含层结点由大到小排序,最后逐个剪去不重要的隐含层结点,直到满足预定义的停止条件。该算法的特点是不需要重复训练神经网络,得到的网络结构紧凑,具有较高的泛化能力。在实际数据集和UCI数据集上的实验结果显示,提出的算法是行之有效的。

关键词：前馈神经网络结构选择敏感度交叉熵

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

引用

计算机科学 2012年第11期39卷 194-196,207页

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,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... 详细信息

近似支持向量机(PSVM)是一个正则化最小二乘问题,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DWPS-VM方法相比,其精度相似,收敛速度快,可有效地控制近似支持向量机的稀疏性。

关键词：近似支持向量机密度加权增量稀疏性

来源：评论

学校读者我要写书评

暂无评论

基于小波变换和2DPCA的人脸识别

引用

河北大学学报（自然科学版） 2010年第5期30卷 574-579页

作者：翟俊海翟梦尧王华超河北大学数学与计算机学院河北省机器学习与计算智能重点实验室河北保定071002

主成分分析(principal component analysis:PCA)已成功用于人脸识别,但基于主成分分析的人脸识别方法需要将图像数据向量化,而向量化后的图像样本维数非常大,计算代价非常高.二维主成分分析(2 di mension principal component analysis:... 详细信息

主成分分析(principal component analysis:PCA)已成功用于人脸识别,但基于主成分分析的人脸识别方法需要将图像数据向量化,而向量化后的图像样本维数非常大,计算代价非常高.二维主成分分析(2 di mension principal component analysis:2DPCA)直接处理图像数据,不需要向量化的过程,2DPCA降低了计算复杂度,但是2DPCA与PCA相比,需要存储更多的系数,即要占用更多的存储空间.本文提出了一种基于小波变换和2DPCA的人脸识别方法,可以克服上述缺点,实验结果证明了该方法的有效性.

关键词：小波变换人脸识别主成分分析特征脸特征提取

来源：评论

学校读者我要写书评

暂无评论

基于核策略的半监督学习方法

引用

计算机工程 2009年第15期35卷 170-172页

作者：李凯陈新勇河北大学数学与计算机学院保定071002 河北省机器学习与计算智能重点实验室保定071002

通过扩展核一致性方法,提出基于核策略的半监督学习算法GCM,研究5种不同度量方法中参数与算法性能的关系,对使用不同度量的GCM算法的性能进行比较。实验结果表明,使用指数度量的GCM算法的性能最优,而使用欧几里得度量的GCM算法的性能最... 详细信息

通过扩展核一致性方法,提出基于核策略的半监督学习算法GCM,研究5种不同度量方法中参数与算法性能的关系,对使用不同度量的GCM算法的性能进行比较。实验结果表明,使用指数度量的GCM算法的性能最优,而使用欧几里得度量的GCM算法的性能最差。不同度量中的参数取值对算法的性能具有一定的影响。

关键词：半监督学习核度量分类

来源：评论

学校读者我要写书评

暂无评论

基于k-means聚类的神经网络分类器集成方法研究

引用

计算机工程与应用 2009年第22期45卷 120-122,149页

作者：李凯常圣领河北大学数学与计算机学院河北保定071002 河北省机器学习与计算智能重点实验室河北保定071002

针对差异性是集成学习的必要条件,研究了基于k-means聚类技术提高神经网络分类器集成差异性的方法。通过训练集并使用神经网络分类器学习算法训练许多分类器模型,在验证集中利用每个分类器的分类结果作为聚类的数据对象;然后应用k-mean... 详细信息

针对差异性是集成学习的必要条件,研究了基于k-means聚类技术提高神经网络分类器集成差异性的方法。通过训练集并使用神经网络分类器学习算法训练许多分类器模型,在验证集中利用每个分类器的分类结果作为聚类的数据对象;然后应用k-means聚类方法对这些数据聚类,在聚类结果的每个簇中选择一个分类器代表模型,以此构成集成学习的成员;最后应用投票方法实验研究了这种提高集成学习差异性方法的性能,并与常用的集成学习方法bagging、adaboost进行了比较。

关键词：差异性集成学习分类器聚类

来源：评论

学校读者我要写书评

暂无评论

代价敏感惩罚AdaBoost算法的非平衡数据分类

引用

南京航空航天大学学报 2023年第2期55卷 339-346页

作者：鲁淑霞张振莲翟俊海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

针对非平衡数据分类问题,提出了一种基于代价敏感的惩罚AdaBoost算法。在惩罚Adaboost算法中,引入一种新的自适应代价敏感函数,赋予少数类样本及分错的少数类样本更高的代价值,并通过引入惩罚机制增大了样本的平均间隔。选择加权支持向... 详细信息

针对非平衡数据分类问题,提出了一种基于代价敏感的惩罚AdaBoost算法。在惩罚Adaboost算法中,引入一种新的自适应代价敏感函数,赋予少数类样本及分错的少数类样本更高的代价值,并通过引入惩罚机制增大了样本的平均间隔。选择加权支持向量机(Support vector machine,SVM)优化模型作为基分类器,采用带有方差减小的随机梯度下降方法(Stochastic variance reduced gradient,SVRG)对优化模型进行求解。对比实验表明,本文提出的算法不但在几何均值(G-mean)和ROC曲线下的面积(Area under ROC curve,AUC)上明显优于其他算法,而且获得了较大的平均间隔,显示了本文算法在处理非平衡数据分类问题上的有效性。

关键词：非平衡数据惩罚AdaBoost 自适应代价敏感函数平均间隔随机梯度下降

来源：评论

学校读者我要写书评

暂无评论

一类具有时滞的云杉蚜虫种群模型的Hopf分岔分析

引用

应用数学和力学 2019年第3期40卷 332-342页

作者：曹建智谭军王培光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

研究了一类具有时滞的云杉蚜虫种群阶段结构模型的动力学行为.首先,讨论了模型正平衡点的存在唯一性,并分析了该平衡点的局部稳定性和出现Hopf分岔的充分条件;其次,利用中心流形定理和正规形理论,讨论了分岔周期解的稳定性及方向;最后,... 详细信息

研究了一类具有时滞的云杉蚜虫种群阶段结构模型的动力学行为.首先,讨论了模型正平衡点的存在唯一性,并分析了该平衡点的局部稳定性和出现Hopf分岔的充分条件;其次,利用中心流形定理和正规形理论,讨论了分岔周期解的稳定性及方向;最后,通过数值模拟验证了相关结论的正确性.该文所得结论具有广泛的实际应用价值.

关键词：云杉蚜虫种群模型平衡点稳定性 Hopf分岔

来源：评论

学校读者我要写书评

暂无评论

基于粗糙集技术的决策树归纳

引用

计算机工程与应用 2009年第18期45卷 45-47页

作者：翟俊海王熙照张沧生河北大学数学与计算机学院河北省机器学习与计算智能重点实验室河北保定071002 河北大学计算中心河北保定071002

ID3算法是一种典型的决策树归纳算法,它以信息增益作为选择扩展属性根结点的标准,并递归地生成决策树。但ID3算法倾向于选取属性取值较多的属性作为根结点,而且它假设训练集中各类别样例的比例应与实际问题领域里各类别样例的比例相同... 详细信息

ID3算法是一种典型的决策树归纳算法,它以信息增益作为选择扩展属性根结点的标准,并递归地生成决策树。但ID3算法倾向于选取属性取值较多的属性作为根结点,而且它假设训练集中各类别样例的比例应与实际问题领域里各类别样例的比例相同。提出一种新的基于粗糙集技术的决策树归纳算法,它是一种完全数据驱动的归纳算法,可以克服ID3算法的上述不足。

关键词：决策树 ID3算法粗糙集上近似下近似

来源：评论

学校读者我要写书评

暂无评论

选择性集成学习多判别器生成对抗网络

引用

计算机科学与探索 2022年第6期16卷 1429-1438页

作者：申瑞彩翟俊海侯璎真河北大学数学与信息科学学院河北保定071002 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

生成对抗网络(GAN)在图像生成方面具有广泛应用,但基于无监督方式与有监督方式的网络生成样本仍有较大差距。为解决生成对抗网络在无监督环境中生成样本多样性差、质量较低以及模型训练时间过长等问题,提出了具有选择性集成学习思想的... 详细信息

生成对抗网络(GAN)在图像生成方面具有广泛应用,但基于无监督方式与有监督方式的网络生成样本仍有较大差距。为解决生成对抗网络在无监督环境中生成样本多样性差、质量较低以及模型训练时间过长等问题,提出了具有选择性集成学习思想的生成对抗网络模型。将生成对抗网络中的判别网络采用集成判别系统的形式,有效减少了由单判别器判别性能不佳导致判别误差的情况;同时考虑到若集成判别网络均采用统一网络设置,则在模型训练中基判别网络将趋近于一种表现形式,为鼓励判别网络判别结果多样且避免网络陷入雷同,设置拥有不同网络结构的判别网络,并在集成判别网络中引入具有动态调整基判别网络投票权重的多数投票策略,对集成判别网络的判别结果进行投票,有效地促进了模型的收敛且较大减少了实验误差。最后将提出的模型与同方向的模型在不同数据集上使用不同评价指标进行评价,实验结果表明提出的模型无论在生成样本多样性、生成样本质量还是在模型收敛速度上均明显优于几种竞争模型。

关键词：生成对抗网络(GAN) 集成判别系统选择性集成学习多数投票策略

来源：评论

学校读者我要写书评

暂无评论

区间值属性的单调决策树算法

引用

模式识别与人工智能 2016年第1期29卷 47-53页

作者：陈建凯王鑫何强王熙照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 深圳大学计算机与软件学院深圳518060

目前存在的一些区间值属性决策树算法都是在无序情况下设计的,未考虑条件属性和决策属性之间的序关系.针对这些算法处理有序分类问题的不足,提出区间值属性的单调决策树算法,用于处理区间值属性的单调分类问题.该算法利用可能度确定区... 详细信息

目前存在的一些区间值属性决策树算法都是在无序情况下设计的,未考虑条件属性和决策属性之间的序关系.针对这些算法处理有序分类问题的不足,提出区间值属性的单调决策树算法,用于处理区间值属性的单调分类问题.该算法利用可能度确定区间值属性的序关系,使用排序互信息度量区间值属性的单调一致程度,通过排序互信息的最大化选取扩展属性.此外,将非平衡割点应用到区间值属性决策树构建过程中,减少排序互信息的计算次数,提高计算效率.实验表明文中算法提高了效率和测试精度.

关键词：区间值属性单调分类可能度单调决策树

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：