检索结果-内蒙古大学图书馆

模式识别与人工智能 2020年第9期33卷 820-829页

作者：林耀进陈祥焰白盛兴王晨曦闽南师范大学计算机学院漳州363000 闽南师范大学数据科学与智能应用福建省高等学校重点实验室漳州363000

数据的特征空间常随时间动态变化,而训练样本的数量固定不变,数据的特征空间在呈现超高维特点的同时通常伴随决策空间的类别不平衡问题.对此,文中提出基于最大决策边界的高维类不平衡数据在线流特征选择算法.借助邻域粗糙集模型,在充分... 详细信息

数据的特征空间常随时间动态变化,而训练样本的数量固定不变,数据的特征空间在呈现超高维特点的同时通常伴随决策空间的类别不平衡问题.对此,文中提出基于最大决策边界的高维类不平衡数据在线流特征选择算法.借助邻域粗糙集模型,在充分考虑边界样本影响的基础上,定义自适应邻域关系,设计基于最大决策边界的粗糙依赖度计算公式.同时,提出三种在线特征子集评估指标,用于选择在大类和小类之间具有强区分能力的特征.在11个高维类不平衡数据集上的实验表明,在相同的实验环境及特征数量下,文中算法综合性能较优.

关键词：在线特征选择高维类不平衡数据自适应邻域邻域粗糙集

来源：评论

学校读者我要写书评

暂无评论

区域损失函数的孪生网络目标跟踪

引用

智能系统学报 2020年第4期15卷 722-731页

作者：吴贵山林淑彬钟江华杨文元闽南师范大学计算机学院福建漳州363000 闽南师范大学福建省粒计算及其应用重点实验室福建漳州363000 闽南师范大学信息与网络中心福建漳州363000

针对预训练卷积神经网络提取的深度特征空间分辨率低,快速运动造成运动目标空间细节信息丢失等问题,提出用区域损失函数构建孪生网络的目标跟踪,进一步降低深度特征通道之间的冗余性,并减少高层信息丢失。利用线下预训练的VGG-16卷积神... 详细信息

针对预训练卷积神经网络提取的深度特征空间分辨率低,快速运动造成运动目标空间细节信息丢失等问题,提出用区域损失函数构建孪生网络的目标跟踪,进一步降低深度特征通道之间的冗余性,并减少高层信息丢失。利用线下预训练的VGG-16卷积神经网络提取深度特征,构成初始深度特征空间。通过区域损失函数构建特征和尺度选择网络,根据反向传播的梯度大小进行特征选择。对筛选后的特征进行拼接,融入到孪生网络中匹配跟踪。在OTB-2013、OTB-2015、VOT2016、TempleColor数据集上与其他算法对比。实验结果表明,该算法在快速运动、低分辨率等场景中表现出较好的跟踪精度和鲁棒性。

关键词：计算机视觉目标跟踪区域损失深度特征孪生网络卷积神经网络反向传播 VGG网络

来源：评论

学校读者我要写书评

暂无评论

多粒度相关滤波视频跟踪方法

引用

计算机工程 2020年第5期46卷 274-281页

作者：沈泽君丁飞飞杨文元闽南师范大学福建省粒计算及其应用重点实验室福建漳州363000 闽南师范大学计算机学院福建漳州363000

视频跟踪是计算机视觉领域的一个重要研究方向,跟踪算法往往通过融合多种类型的特征来实现较高的性能,但其中多数算法未能充分利用多个特征之间的粒度关系。为此,提出一种基于粒计算思维的多粒度相关滤波视频跟踪算法。对视频图像的特... 详细信息

视频跟踪是计算机视觉领域的一个重要研究方向,跟踪算法往往通过融合多种类型的特征来实现较高的性能,但其中多数算法未能充分利用多个特征之间的粒度关系。为此,提出一种基于粒计算思维的多粒度相关滤波视频跟踪算法。对视频图像的特征进行划分,构造出基于各个粒度的相关滤波器并进行独立跟踪,在每帧中根据稳健性评估得分的高低选择最优结果。在此基础上,汇总各帧下的跟踪结果并作为最终输出。在OTB-2013和OTB-20152个公开数据集上进行实验,结果表明,与视频跟踪算法DCFNet相比,该算法在空间鲁棒性与时间鲁棒性上的精准度较高,特别是在快速运动、平面内外旋转和尺度变化的情况下,其具有良好的视频处理能力。

关键词：计算机视觉目标跟踪粒度关系相关滤波鲁棒性评估

来源：评论

学校读者我要写书评

暂无评论

基于邻域决策误差率的层次分类在线流特征选择

引用

南京师范大学学报（工程技术版） 2022年第4期22卷 9-18页

作者：王晨曦刘园奎吕彦林耀进闽南师范大学计算机学院福建漳州363000 闽南师范大学数据科学与智能应用福建省高等学校重点实验室福建漳州363000

在实际应用领域中,存在许多特征空间无法预先给定的场景,数据以特征流的形式随时间动态流入特征空间,而样本数量是固定不变的.同时,数据的类别中往往存在丰富的层次化结构关系,传统的特征选择算法在性能上已无法满足需求.基于此,本文提... 详细信息

在实际应用领域中,存在许多特征空间无法预先给定的场景,数据以特征流的形式随时间动态流入特征空间,而样本数量是固定不变的.同时,数据的类别中往往存在丰富的层次化结构关系,传统的特征选择算法在性能上已无法满足需求.基于此,本文提出一种面向层次分类学习的在线流特征选择算法.首先,利用兄弟节点之间的关系设计了一种基于最大近邻的决策误差率计算公式.其次,设计在线重要性选择和在线冗余更新两种在线评估准则,用于选择决策误差最小的特征子集.最后,在6个层次数据集上的实验结果表明,所提算法优于一些现有的在线流特征选择算法.

关键词：在线流特征选择层次分类兄弟关系邻域决策误差率

来源：评论

学校读者我要写书评

暂无评论

多分知识结构的知识评价

引用

闽南师范大学学报（自然科学版） 2024年第2期37卷 118-132页

作者：何丽琴孙文李进金漳州职业技术学院通识教育学院福建漳州363000 闽南师范大学数学与统计学院福建漳州363000 福建省粒计算及其应用重点实验室福建漳州363000

在知识空间理论中,个体的知识状态代表被试在理想条件下能完全解决的问题子集.个体认知能力的差异使得不同被试对问题的解决是有区别的,多分知识状态可用来表示个体对问题的部分解决.在多分问题域Q^(β)上准确构建多分知识结构是对个体... 详细信息

在知识空间理论中,个体的知识状态代表被试在理想条件下能完全解决的问题子集.个体认知能力的差异使得不同被试对问题的解决是有区别的,多分知识状态可用来表示个体对问题的部分解决.在多分问题域Q^(β)上准确构建多分知识结构是对个体进行知识评价和学习指导的关键.在多分的情况下,由Q^(β)到Q^(β)的蕴含关系可诱导拟序多分知识空间,而由2Q^(β)∖Φ到Q^(β)的蕴含关系可诱导多分知识空间.这种多分问题上的Query方式为从表现水平上构建多分知识结构提供了一种有效的方法.当多分知识结构(Q^(β),K)确定后,基于多分知识结构的“基本评估程序”可以准确评价出个体的多分知识状态.

关键词：多分知识结构蕴含关系粒计算知识评价

来源：评论

学校读者我要写书评

暂无评论

集成学习在车险欺诈识别预测中的应用探讨

引用

科技视界 2024年第15期14卷 53-56页

作者：吴舒婕陈宇闽南师范大学数学与统计学院福建漳州363000 福建省粒计算及其应用重点实验室福建漳州363000 数字福建气象大数据研究所福建漳州363000 数据科学与统计重点实验室福建漳州363000

针对车险欺诈问题,文章提出了一种引入权重的Stacking融合模型对欺诈进行识别预测。对预处理后的车险欺诈数据集利用过滤法和嵌入法进行特征筛选,再采用SMOTE-Tomek Links相结合的采样方法平衡数据集。文章基于机器学习算法建立SVM、KN... 详细信息

针对车险欺诈问题,文章提出了一种引入权重的Stacking融合模型对欺诈进行识别预测。对预处理后的车险欺诈数据集利用过滤法和嵌入法进行特征筛选,再采用SMOTE-Tomek Links相结合的采样方法平衡数据集。文章基于机器学习算法建立SVM、KNN、随机森林和XGBoost模型,并以此为基模型,建立传统的Stacking融合模型、引入不同指标作为权重的Stacking融合模型。结果表明:以F_(1)加权的Stacking融合模型的Pre值为91.7300%,与其他指标进行加权的Stacking模型预测效果相比,以F_(1)加权的Stacking融合模型对车险欺诈行为具有较好的识别预测能力。

关键词：车险欺诈预测 SMOTE-Tomek Links采样 Stacking融合模型加权Stacking融合模型

来源：评论

学校读者我要写书评

暂无评论

小样本类不平衡数据的一致性分析流特征选择

引用

小型微型计算机系统 2021年第11期42卷 2252-2258页

作者：林培榕曾海亮王晨曦卢舜林耀进闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高等学校重点实验室福建漳州363000

在小样本分类学习任务中,数据存在着类别不平衡问题以及数据特征空间的动态演化性.基于此,构建小样本类不平衡数据的一致性分析流特征选择模型.首先,利用均值定义同类样本的类中心,然后通过样本在特征与标记的信息定义类中心的近邻;其次... 详细信息

在小样本分类学习任务中,数据存在着类别不平衡问题以及数据特征空间的动态演化性.基于此,构建小样本类不平衡数据的一致性分析流特征选择模型.首先,利用均值定义同类样本的类中心,然后通过样本在特征与标记的信息定义类中心的近邻;其次,通过融合类别信息来定义类中心在特征空间的一致性;再次,设计流特征环境下的在线特征选择算法;最后,选取七个数据集与七个算法进行对比分析,实验结果表明,该算法能显著提高小类预测精度.

关键词：高维小样本类别不平衡一致性分析流特征选择

来源：评论

学校读者我要写书评

暂无评论

面向对象变化的局部邻域粗糙集增量更新算法

引用

闽南师范大学学报（自然科学版） 2022年第3期35卷 30-37页

作者：时俊鹏张燕兰闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高校重点实验室福建漳州363000

局部邻域粗糙集降低了近似集计算的时间复杂度,为数值型数据的知识发现提供了一种高效的方法.现实环境下的数据通常是数值型并且会随着时间的变化而动态变化.为了对动态数值型数据进行有效的知识发现,提出一种局部邻域粗糙集模型的增量... 详细信息

局部邻域粗糙集降低了近似集计算的时间复杂度,为数值型数据的知识发现提供了一种高效的方法.现实环境下的数据通常是数值型并且会随着时间的变化而动态变化.为了对动态数值型数据进行有效的知识发现,提出一种局部邻域粗糙集模型的增量更新算法.分析对象集变化时局部近似集的更新公式,设计动态数值型数据的局部近似集的更新算法.实验结果表明,所提出的算法能够有效利用已有知识,比非增量算法具有更高的计算效率.

关键词：粗糙集局部邻域粗糙集对象变化近似集增量更新

来源：评论

学校读者我要写书评

暂无评论

基于密度峰值的标签传播算法

引用

计算机与数字工程 2024年第1期52卷 81-86页

作者：吴卫江王星豪潘雪玲郑艺峰郑猋中国石油大学(北京)石油数据挖掘北京市重点实验室北京102249 中国石油大学(北京)信息科学与信息工程学院北京102249 闽南师范大学数据科学与智能应用福建省高等学校重点实验室漳州363000 闽南师范大学计算机学院漳州363000

随着智能技术应用的推广,高质量社区的检测已成为社会网络研究的热点之一。由于具有线性时间复杂度,且无需预定义目标函数和社团数,标签传播算法(LPA)已得到广泛关注。然而,在标签传播过程中,LPA具有不确定性和随机性,进而影响检测社区... 详细信息

随着智能技术应用的推广,高质量社区的检测已成为社会网络研究的热点之一。由于具有线性时间复杂度,且无需预定义目标函数和社团数,标签传播算法(LPA)已得到广泛关注。然而,在标签传播过程中,LPA具有不确定性和随机性,进而影响检测社区结果的准确性和稳定性。为此,提出一种基于密度峰值的标签传播社区检测方法(DPC-RWL)。首先,采用密度峰值聚类算法查找出社区的核心节点集合,计算节点与核心节点集之间的权重,选取最大值为该节点赋予权值。最后,使用基于标签传播算法的归属度函数进行传播。真实网络和LFR人工基准网络的对比实验表明,所提算法能准确高效地识别出社区结构。

关键词：密度峰值聚类标签传播节点权重社交网络

来源：评论

学校读者我要写书评

暂无评论

利用邻域信息交互的在线流特征选择算法

引用

计算机工程与应用 2021年第21期57卷 102-108页

作者：李珑珠林耀进吕彦卢舜王晨曦闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高等学校重点实验室福建漳州363000

开放动态环境下的机器学习任务面临着数据特征空间的高维性和动态性。目前已有在线流特征选择算法基本仅考虑特征的重要性和冗余性,忽略了特征的交互性。特征交互是指那些本身与标签单独统计时呈现无关或弱相关,但与其他特征结合时却能... 详细信息

开放动态环境下的机器学习任务面临着数据特征空间的高维性和动态性。目前已有在线流特征选择算法基本仅考虑特征的重要性和冗余性,忽略了特征的交互性。特征交互是指那些本身与标签单独统计时呈现无关或弱相关,但与其他特征结合时却能与标签呈强相关的特征。基于此,提出一种基于邻域信息交互的在线流特征选择算法,该算法分为在线交互特征选择和在线冗余特征剔除两个阶段,即直接计算新到特征与整个已选特征子集的交互强弱程度,以及利用成对比较机制剔除冗余特征。在10个数据集上的实验结果表明了所提算法的有效性。

关键词：特征选择流特征特征交互邻域互信息

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：