检索结果-内蒙古大学图书馆

计算机科学 2016年第12期43卷 71-78页

作者：李艳靳永飞吴婷婷郭娜娜于群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

在优势关系粗糙集方法(DRSA)的框架下,优势关系可用于处理带有序关系属性(准则)的数据,并且已经被广泛用于处理多准则决策问题。然而在实际应用中,当属性集和对象集发生变化时,信息系统会随之不断更新。在这种动态环境下,DRSA中用于属... 详细信息

在优势关系粗糙集方法(DRSA)的框架下,优势关系可用于处理带有序关系属性(准则)的数据,并且已经被广泛用于处理多准则决策问题。然而在实际应用中,当属性集和对象集发生变化时,信息系统会随之不断更新。在这种动态环境下,DRSA中用于属性约简、规则提取以及决策制定的近似集需要得到相应的更新。针对对象集发生变化时(增加或删除一个对象)的多准则分类问题,采用增量方法来更新近似集并提出两种相应的更新算法DRSA1和DRSA2。同时,对不同情况下的更新原则进行了讨论并给出了相关的理论结果与详细的证明。最后给出算例,并在UCI数据集上进行大量的实验,与非增量的方法(传统的DRSA)进行对比,结果充分体现了所提增量方法的有效性与可扩展性。

关键词：优势关系粗糙集多准则分类信息系统近似集增量更新

来源：评论

学校读者我要写书评

暂无评论

一种基于Choquet积分的不精确推理方法

引用

河北大学学报（自然科学版） 2016年第6期36卷 561-565,613页

作者：陈爱霞梁智勇冯慧敏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 河北省信息工程学校财务科河北保定071000

模糊规则是模糊推理中的重要工具之一,它表示了模糊知识的因果关系.在一个模糊规则集中,当模糊命题间存在交互作用时,将参数权重用模糊测度取代,得到了一种基于模糊规则矩阵变换和Choquet模糊积分的模糊推理方法.该方法主要应用在不完... 详细信息

模糊规则是模糊推理中的重要工具之一,它表示了模糊知识的因果关系.在一个模糊规则集中,当模糊命题间存在交互作用时,将参数权重用模糊测度取代,得到了一种基于模糊规则矩阵变换和Choquet模糊积分的模糊推理方法.该方法主要应用在不完全归纳推理中.

关键词：模糊测度 Choquet模糊积分模糊规则矩阵变换

来源：评论

学校读者我要写书评

暂无评论

基于相关熵和距离方差的支持向量数据描述选择性集成

引用

计算机科学 2016年第5期43卷 252-256,264页

作者：邢红杰魏勇乐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 河北大学计算机科学与技术学院保定071002

提出基于信息理论学习中相关熵和距离方差的支持向量数据描述选择性集成。利用相关熵代替均方误差来度量集成的紧致性,构造出更为紧致的分类边界;利用距离方差集成度量集成中基分类器间的差异性,以提高集成模型的差异性;在目标函数中增... 详细信息

提出基于信息理论学习中相关熵和距离方差的支持向量数据描述选择性集成。利用相关熵代替均方误差来度量集成的紧致性,构造出更为紧致的分类边界;利用距离方差集成度量集成中基分类器间的差异性,以提高集成模型的差异性;在目标函数中增加基于L_1范数的正则化项,实现选择性集成。此外,利用半二次优化技术对所提选择性集成模型进行求解。与单个支持向量数据描述、基于Bagging的支持向量数据描述集成以及基于AdaBoost的支持向量数据描述集成相比,所提方法取得了更优的分类性能。

关键词：单类分类支持向量数据描述相关熵选择性集成

来源：评论

学校读者我要写书评

暂无评论

基于样本选取和加权KPCA-L1的异常检测

引用

计算机应用研究 2016年第5期33卷 1354-1358页

作者：安磊磊邢红杰河北大学计算机科学与技术学院河北保定071002 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

为了提高基于一范数的核主成分分析算法(KPCA-L1)处理异常检测问题的速度,提出了基于样本选取和加权KPCA-L1的异常检测方法。该方法从训练集中选取具有代表性的特征子集,然后为所得特征子集中的样本赋予权重,用带有权重的特征子集训练模... 详细信息

为了提高基于一范数的核主成分分析算法(KPCA-L1)处理异常检测问题的速度,提出了基于样本选取和加权KPCA-L1的异常检测方法。该方法从训练集中选取具有代表性的特征子集,然后为所得特征子集中的样本赋予权重,用带有权重的特征子集训练模型,构造加权KPCA-L1。与KPCA-L1相比,该方法能够有效地减小训练集的规模,同时改善了KPCA-L1算法的更新方法。在人工数据集和标准数据集上的实验结果表明,在保证异常检测准确率的前提下,该方法比KPCA-L1具有更快的建模速度。

关键词：核主成分分析一范数样本选取异常检测

来源：评论

学校读者我要写书评

暂无评论

随机权分布对极限学习机性能影响的实验研究

引用

计算机科学 2016年第12期43卷 125-129,145页

作者：翟俊海臧立光张素芳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保定071002 河北大学计算机科学与技术学院保定071002 中国气象局气象干部培训学院河北分院保定071000

极限学习机是一种训练单隐含层前馈神经网络的算法,它随机初始化输入层的权值和隐含层结点的偏置,用分析的方法确定输出层的权值。极限学习机具有学习速度快、泛化能力强的特点。很多研究都用服从[-1,1]区间均匀分布的随机数初始化输入... 详细信息

极限学习机是一种训练单隐含层前馈神经网络的算法,它随机初始化输入层的权值和隐含层结点的偏置,用分析的方法确定输出层的权值。极限学习机具有学习速度快、泛化能力强的特点。很多研究都用服从[-1,1]区间均匀分布的随机数初始化输入层权值和隐含层结点的偏置,但没有对这种随机初始化合理性的研究。用实验的方法对这一问题进行了研究,分别研究了随机权服从均匀分布、高斯分布和指数分布对极限学习机性能的影响。研究发现随机权的分布对极限学习机的性能的确有影响,对于不同的问题或不同的数据集,服从[-1,1]区间均匀分布的随机权不一定是最优的选择。研究结论对从事极限学习机研究的人员具有一定的借鉴作用。

关键词：随机权分布极限学习机均匀分布高斯分布指数发布

来源：评论

学校读者我要写书评

暂无评论

一种异构直推式迁移学习算法

引用

软件学报 2015年第11期26卷 2762-2780页

作者：杨柳景丽萍于剑交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京100044 河北大学数学与信息科学学院河北保定071000 河北省机器学习与计算智能重点实验室(河北大学) 河北保定071000

目标领域已有类别标注的数据较少时会影响学习性能,而与之相关的其他源领域中存在一些已标注数据.迁移学习针对这一情况,提出将与目标领域不同但相关的源领域上学习到的知识应用到目标领域.在实际应用中,例如文本-图像、跨语言迁移学习... 详细信息

目标领域已有类别标注的数据较少时会影响学习性能,而与之相关的其他源领域中存在一些已标注数据.迁移学习针对这一情况,提出将与目标领域不同但相关的源领域上学习到的知识应用到目标领域.在实际应用中,例如文本-图像、跨语言迁移学习等,源领域和目标领域的特征空间是不相同的,这就是异构迁移学习.关注的重点是利用源领域中已标注的数据来提高目标领域中未标注数据的学习性能,这种情况是异构直推式迁移学习.因为源领域和目标领域的特征空间不同,异构迁移学习的一个关键问题是学习从源领域到目标领域的映射函数.提出采用无监督匹配源领域和目标领域的特征空间的方法来学习映射函数.学到的映射函数可以把源领域中的数据在目标领域中重新表示.这样,重表示之后的已标注源领域数据可以被迁移到目标领域中.因此,可以采用标准的机器学习方法(例如支持向量机方法)来训练分类器,以对目标领域中未标注的数据进行类别预测.给出一个概率解释以说明其对数据中的一些噪声是具有鲁棒性的.同时还推导了一个样本复杂度的边界,也就是寻找映射函数时需要的样本数.在4个实际的数据库上的实验结果,展示了该方法的有效性.

关键词：异构迁移学习直推式迁移学习异构特征空间映射函数

来源：评论

学校读者我要写书评

暂无评论

基于共轭梯度的极速学习机

引用

计算机应用 2015年第10期35卷 2757-2760,2765页

作者：张沛洲王熙照顾迪赵士欣河北大学数学与信息科学学院河北保定071002 河北省机器学习重点实验室(河北大学) 河北保定071000 河北大学计算机科学与技术学院河北保定071002 河北大学管理学院河北保定071002 石家庄铁道大学数理系石家庄050043

极速学习机(ELM)由于具有较快的训练速度和较好的泛化能力而被广泛的应用到很多的领域,然而在计算数据样例个数较大的情况下,它的训练速度就会下降,甚至会出现程序报错,因此提出在ELM模型中用改进的共轭梯度算法代替广义逆的计算方法。... 详细信息

极速学习机(ELM)由于具有较快的训练速度和较好的泛化能力而被广泛的应用到很多的领域,然而在计算数据样例个数较大的情况下,它的训练速度就会下降,甚至会出现程序报错,因此提出在ELM模型中用改进的共轭梯度算法代替广义逆的计算方法。实验结果表明,与求逆矩阵的ELM算法相比,在同等泛化精度的条件下,共轭梯度ELM有着更快的训练速度。通过研究发现:基于共轭梯度的极速学习机算法不需要计算一个大型矩阵的广义逆,而大部分广义逆的计算依赖于矩阵的奇异值分解(SVD),但这种奇异值分解对于阶数很高的矩阵具有很低的效率;因为已经证明共轭梯度算法可通过有限步迭代找到其解,所以基于共轭剃度的极速学习机有着较高的训练速度,而且也比较适用于处理大数据。

关键词：极速学习机广义逆共轭梯度法奇异值分解

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：