检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

图表示下的知识约简

电子学报 2010年第8期38卷 1952-1957页

作者：苗夺谦陈玉明王睿智张红云同济大学计算机科学与技术系上海201804 厦门理工学院计算机科学与技术系福建厦门361024

知识约简主要有代数表示下的知识约简和信息表示下的知识约简.本文提出图表示下的知识约简,给出图表示下求最小约简的完备递归算法.借鉴人工智能理论中的图搜索技术,提出旋转剪枝和回溯剪枝两个搜索算子求最小约简,并证明了在这种表示... 详细信息

知识约简主要有代数表示下的知识约简和信息表示下的知识约简.本文提出图表示下的知识约简,给出图表示下求最小约简的完备递归算法.借鉴人工智能理论中的图搜索技术,提出旋转剪枝和回溯剪枝两个搜索算子求最小约简,并证明了在这种表示下求最小约简的完备性,理论分析和实验结果表明,在图表示下求最小约简是有效可行的.

关键词：粗糙集约简幂图图表示

在线全文

学校读者我要写书评

暂无评论

分体策略在差别矩阵优化中的应用

小型微型计算机系统 2007年第2期28卷 292-296页

作者：尹一麒苗夺谦李道国同济大学计算机科学与工程系国家高性能计算机工程中心同济分中心上海200092

在研究现有差别矩阵的基础上,提出了基于分体策略的差别矩阵算法,修正了Skowron差别矩阵方法的不足.与其它改进的差别矩阵算法相比,该算法更简洁、易懂,且在一定程度上降低了算法的复杂度,提高了算法的效率,在实际问题求解中有一定的应... 详细信息

在研究现有差别矩阵的基础上,提出了基于分体策略的差别矩阵算法,修正了Skowron差别矩阵方法的不足.与其它改进的差别矩阵算法相比,该算法更简洁、易懂,且在一定程度上降低了算法的复杂度,提高了算法的效率,在实际问题求解中有一定的应用价值.

关键词：粗糙集差别矩阵分体策略不相容决策表知识约简

在线全文

学校读者我要写书评

暂无评论

一种处理部分标记数据的粗糙集属性约简算法

计算机科学 2017年第1期44卷 25-31页

作者：张维苗夺谦高灿李峰同济大学电子与信息工程学院计算机科学与技术系上海201804 上海电力学院计算机科学与技术学院上海200090 同济大学嵌入式系统与服务计算教育部重点实验室上海201804 深圳大学计算机与软件学院广东518060 香港理工大学应用科学与纺织学院

属性约简是粗糙集理论中重要的研究内容之一,是数据挖掘中知识获取的关键步骤。Pawlak粗糙集约简的对象一般是有标记的决策表或者是无标记的信息表。而在很多现实问题中有标记数据很有限,更多的是无标记数据,即半监督数据。为此,结合半... 详细信息

属性约简是粗糙集理论中重要的研究内容之一,是数据挖掘中知识获取的关键步骤。Pawlak粗糙集约简的对象一般是有标记的决策表或者是无标记的信息表。而在很多现实问题中有标记数据很有限,更多的是无标记数据,即半监督数据。为此,结合半监督协同学习理论,提出了处理半监督数据的属性约简算法。该算法首先在有标记数据上构造两个差异性较大的约简来构造基分类器;然后在无标记数据上交互协同学习,扩大有标记数据集,获得质量更好的约简,构造性能更好的分类器,该过程迭代进行,从而实现利用无标记数据提高有标记数据的约简质量,最终获得质量较好的属性约简。UCI数据集上的实验分析表明,该算法是有效且可行的。

关键词：粗糙集增量式属性约简协同学习部分标记数据半监督学习

在线全文

学校读者我要写书评

暂无评论

基于人脸图像的二阶段性别分类算法

计算机科学与探索 2021年第3期15卷 524-532页

作者：杨晨旭蔡克参张红云苗夺谦同济大学计算机科学与技术系上海201804

许多现实场景要求准确的脸部性别识别。深度卷积神经网络在正常状况下取得好的准确率,适用于大规模分类任务,但存在模型可解释性差、易丢失细节信息等问题,并且光照、姿势、表情等因素带来的不确定性会导致分类准确率较低。提出一种基... 详细信息

许多现实场景要求准确的脸部性别识别。深度卷积神经网络在正常状况下取得好的准确率,适用于大规模分类任务,但存在模型可解释性差、易丢失细节信息等问题,并且光照、姿势、表情等因素带来的不确定性会导致分类准确率较低。提出一种基于阴影集的二级分类模型。采用深度卷积神经网络对大规模图像集进行一阶段分类;结合阴影集理论,将图像分类结果划分为接收域、拒绝域和不确定域,得到不确定的脸部图像集,用传统方法进行二阶段分类。在LFW数据集和Adience数据集下,与现有先进算法相比,所提方法能有效地提高总体分类的准确率。

关键词：性别识别卷积神经网络(CNN) 阴影集不确定域

在线全文

学校读者我要写书评

暂无评论

一种基于拆分的基因选择算法

计算机科学 2012年第1期39卷 228-233页

作者：王永全焦娜苗夺谦华东政法大学信息科学与技术系上海201620 同济大学计算机科学与技术系上海201804

基因表达数据是由成千上万个基因及几十个样本组成的,有效的基因选择算法是基因表达数据研究的重要内容。粗糙集是一个有效的去掉冗余特征的工具。然而,对于含有成千上万特征、几十个样本的基因表达数据,现有基于粗糙集的特征选择算法... 详细信息

基因表达数据是由成千上万个基因及几十个样本组成的,有效的基因选择算法是基因表达数据研究的重要内容。粗糙集是一个有效的去掉冗余特征的工具。然而,对于含有成千上万特征、几十个样本的基因表达数据,现有基于粗糙集的特征选择算法的计算效率会变得非常低。为此,将拆分方法应用于特征选择,提出了一种基于拆分的特征选择算法。该算法把一个复杂的表拆分成简单的、更容易处理的主表与子表形式,然后把它们的结果连接到一起解决初始表的问题。实验结果表明,该算法在保证分类精度的同时,能明显提高计算效率。

关键词：特征选择拆分主表子表粗糙集基因选择

在线全文

学校读者我要写书评

暂无评论

基于阴影集的粗糙聚类阈值选择

计算机科学 2011年第10期38卷 209-210,227页

作者：郭晋华苗夺谦周杰同济大学计算机科学与技术专业上海201804

粗糙聚类思想自提出以来,在软划分聚类方面取得了广泛应用,但其阈值参数常主观确定,未能考虑数据集本身的特性。基于阴影集(Shadowed Sets)的优化理论给出了一种客观的阈值选择方法,并将其应用于粗糙模糊C均值聚类算法。人工数据与UCI... 详细信息

粗糙聚类思想自提出以来,在软划分聚类方面取得了广泛应用,但其阈值参数常主观确定,未能考虑数据集本身的特性。基于阴影集(Shadowed Sets)的优化理论给出了一种客观的阈值选择方法,并将其应用于粗糙模糊C均值聚类算法。人工数据与UCI数据实验结果表明了所提方法的有效性。

关键词：阴影集粗糙聚类粗糙模糊聚类

在线全文

学校读者我要写书评

暂无评论

基于模糊粗糙集的肿瘤分类特征基因选取

计算机科学 2009年第3期36卷 196-200页

作者：徐菲菲苗夺谦魏莱同济大学计算机科学与技术系上海201804 同济大学嵌入式系统与服务计算教育部重点实验室上海201804

依据基因表达谱有效建立肿瘤分类模型的关键在于,准确找出决定样本类别的一组特征基因。粗糙集理论作为一种新的软计算方法能够保持在原数据集的分类能力不变的基础上,对属性极大约简,从大量基因中找到对分类有效的基因。由于基因表达... 详细信息

依据基因表达谱有效建立肿瘤分类模型的关键在于,准确找出决定样本类别的一组特征基因。粗糙集理论作为一种新的软计算方法能够保持在原数据集的分类能力不变的基础上,对属性极大约简,从大量基因中找到对分类有效的基因。由于基因表达谱数据集的连续性,为了避免运用粗糙集方法所必需的离散化过程带来的信息丢失,尝试将模糊粗糙集应用于特征基因的选取,提出了基于互信息的模糊粗糙集属性约简算法,运用于基因表达谱数据集的基因选取。然后分别采用KNN和C5.0分类器进行特征基因分类性能进行检验。以急性白血病亚型(leukemia Microarray)和直肠癌(colon Microarray)分类特征基因选取为例进行实验,结果表明了上述方法的可行性和有效性。

关键词：基因表达谱数据集特征选取粗糙集模糊粗糙集互信息

一种基于粗糙遗传算法的缩放模式双聚类分析方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2010年第1期37卷 225-228页

作者：李刚苗夺谦王睿智同济大学计算机科学与技术系国家高性能计算机工程中心同济分中心同济大学嵌入式系统与服务计算教育部重点实验室上海201804

研究了基因表达数据的缩放模式发现问题,给出了一种缩放模式双聚类评价函数,并提出了一种基于粗糙遗传算法的双聚类分析方法。该方法先以启发式算法及随机方法生成初始种群,再基于粗糙遗传算法对种群进行迭代,以达到全局优化的目的。在Y... 详细信息

研究了基因表达数据的缩放模式发现问题,给出了一种缩放模式双聚类评价函数,并提出了一种基于粗糙遗传算法的双聚类分析方法。该方法先以启发式算法及随机方法生成初始种群,再基于粗糙遗传算法对种群进行迭代,以达到全局优化的目的。在Yeast数据集上进行的测试表明,该算法能对启发式算法的结果进行良好的修正。生物显著性分析表明所发现的缩放模式双聚类具有生物学意义。

关键词：双聚类分析缩放模式粗糙遗传算法基因表达数据

在线全文

学校读者我要写书评

暂无评论

基于自适应权重的粗糙K均值聚类算法

计算机科学 2011年第6期38卷 237-241页

作者：周杨苗夺谦岳晓冬同济大学电子与信息工程学院上海201804 同济大学嵌入式系统与服务计算教育部重点实验室上海201804 国家高性能计算机工程中心同济分中心上海201804

原有Rough K-means算法中类的上、下近似采用固定经验权重,其科学性值得商榷,针对这一问题,设计了一种基于自适应权重的粗糙K均值聚类算法。基于自适应权重的粗糙聚类算法在每一次迭代过程中,根据当前的数据划分状态,动态计算每个样本... 详细信息

原有Rough K-means算法中类的上、下近似采用固定经验权重,其科学性值得商榷,针对这一问题,设计了一种基于自适应权重的粗糙K均值聚类算法。基于自适应权重的粗糙聚类算法在每一次迭代过程中,根据当前的数据划分状态,动态计算每个样本对于类的权重,降低了原有算法对初始权重的依赖。此外,该算法采用近似集合中的高斯距离比例来表现样本权重,从而可以在多种数据分布上得到更精确的聚类结果。实验结果表明,基于自适应权重的粗糙K均值算法是一种较优的聚类算法。

关键词：聚类粗糙集粗糙K均值自适应权重