检索结果-南通市图书馆

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

消除随机一致性的支持向量机分类方法

计算机研究与发展 2020年第8期57卷 1581-1593页

作者：王婕婷钱宇华李飞江刘郭庆山西大学大数据科学与产业研究院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006 山西大学计算机与信息技术学院太原030006

在人类自身的学习过程中,对学习结果进行科学客观的评价与反馈是关键环节.通常,由于学习者的知识缺陷或证据不足使得学习过程存在随机性,进一步可能导致学习结果与实际情况产生随机一致性.对此结果的直接反馈将严重影响学习性能的提升.... 详细信息

在人类自身的学习过程中,对学习结果进行科学客观的评价与反馈是关键环节.通常,由于学习者的知识缺陷或证据不足使得学习过程存在随机性,进一步可能导致学习结果与实际情况产生随机一致性.对此结果的直接反馈将严重影响学习性能的提升.同样,机器学习是以数据为驱动、以目标为导向的学习系统.由于经验历史数据有限、不平衡、含噪音等特质导致学习结果具有随机一致性.然而,以准确度为反馈准则的机器学习系统无法辨识随机一致性,这会影响学习系统的泛化能力.首先给出随机准确度和纯准确度的定义,并且进一步分析消除随机准确度的意义及必要性.然后,基于纯准确度指标,提出消除随机一致性的支持向量机分类方法PASVM,并在KEEL数据集的10种不同领域的基准测试集上验证其有效性.实验结果表明:相比于SVM、SVMperf以及其他可用于优化纯准确度指标的学习方法,PASVM泛化性能有明显提高.

关键词：随机一致性纯准确度支持向量机分类泛化能力

在线全文

学校读者我要写书评

暂无评论

全粒度聚类算法

南京大学学报（自然科学版） 2014年第4期50卷 505-516页

作者：李飞江成红红钱宇华山西大学计算机与信息技术学院太原030006 山西大学数学科学学院太原030006

聚类分析是数据挖掘与知识发现领域的一个重要研究方向.多数聚类算法中相似性是其核心概念之一,对象之间的相似性会被直接或者间接的计算出来.传统的相似性度量方法多是基于单一的粒度去观察两个被测对象.在人类认知过程中,通常采用多... 详细信息

聚类分析是数据挖掘与知识发现领域的一个重要研究方向.多数聚类算法中相似性是其核心概念之一,对象之间的相似性会被直接或者间接的计算出来.传统的相似性度量方法多是基于单一的粒度去观察两个被测对象.在人类认知过程中,通常采用多粒度来更合理有效地进行问题求解.本文借鉴人类的这种多粒度认知机理,提出一种新的相似性学习方法,称作全粒度相似性度量方法,基于此发展了一种全粒度聚类算法.而全粒度相似性度量从各个角度观察被测对象,进而会得到两个对象间更加真实的相似度.从UCI数据集中选取5组数据进行实验,最后通过与两种传统的聚类方法比较验证了全粒度聚类算法的合理性与有效性.

关键词：相似性度量聚类分析全粒度

基于IEC61131-3标准运动控制器的设计与应用

在线全文

学校读者我要写书评

暂无评论

组合机床与自动化加工技术 2019年第3期 17-19,23页

作者：李飞江李翔龙四川大学制造科学与工程学院成都610065

以实现运动控制器图形化编程为目的,在MLUTIPROG ProConOS eCLR软件中,增加符合IEC61131-3标准的PLCopen运动控制功能块,结合PLC编程,设计出一种新颖的运动控制系统。同时为弥补MLUTIPROG软件不能实现多轴控制和使用多轴功能块的缺陷,... 详细信息

以实现运动控制器图形化编程为目的,在MLUTIPROG ProConOS eCLR软件中,增加符合IEC61131-3标准的PLCopen运动控制功能块,结合PLC编程,设计出一种新颖的运动控制系统。同时为弥补MLUTIPROG软件不能实现多轴控制和使用多轴功能块的缺陷,并提高用户的使用效率,自主研发了控制器的辅助软件,称为"Assistant"。使用该软件,成功验证了多轴功能块的可行性。最后以贴标机为例,完成其运动控制,证明了该控制系统在易于编程、多轴控制等方面的明显优势。

关键词：运动控制系统 IEC61131-3标准 PLCopen功能块贴标机

在线全文

学校读者我要写书评

暂无评论

缓解随机一致性的基尼指数与决策树方法

中国科学：信息科学 2024年第1期54卷 159-190页

作者：王婕婷李飞江李珏钱宇华梁吉业山西大学大数据科学与产业研究院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

决策树模型具有较强的可解释性,是随机森林、深度森林等机器学习方法的基础.如何选择节点的分割属性与分割值是决策树算法的关键问题,对树的泛化能力、深度、平衡程度等重要性能产生影响.传统属性选择准则的定义大多基于凹函数,使得决... 详细信息

决策树模型具有较强的可解释性,是随机森林、深度森林等机器学习方法的基础.如何选择节点的分割属性与分割值是决策树算法的关键问题,对树的泛化能力、深度、平衡程度等重要性能产生影响.传统属性选择准则的定义大多基于凹函数,使得决策树算法存在多值偏向问题,即倾向于选择取值种类多的属性作为节点分割属性.已有研究表明缓解随机一致性的评价准则能够降低分类偏差与类簇个数偏向.本文将基于标准化框架缓解基尼指数的随机一致性,以此缓解其多值偏向问题.通过人造数据集验证,标准基尼指数能够缓解基尼指数的多值偏向问题,并且选择出具有决策信息的属性.通过12个基准数据集与两个图像数据集的实验验证,基于标准基尼指数的决策树算法比现有缓解多值偏向的决策树算法具有较高的泛化性能.

关键词：基尼指数多值偏向决策树随机一致性

在线全文

学校读者我要写书评

暂无评论

基于多角度空间结构的超多类簇聚类方法

西南大学学报（自然科学版） 2020年第11期42卷 59-67页

作者：史欣蕊钱宇华李飞江山西大学大数据科学与产业研究院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006 山西大学计算机与信息技术学院太原030006

为应对超多类簇聚类问题,提出了一个多角度空间结构的多类簇聚类方法MS 2BC,基于空间结构表示方法与bagging特征抽样技术从多个角度构建数据的空间结构并进行集成,然后利用集成后空间结构表示完成聚类.在10个真实数据上的聚类实验验证了... 详细信息

为应对超多类簇聚类问题,提出了一个多角度空间结构的多类簇聚类方法MS 2BC,基于空间结构表示方法与bagging特征抽样技术从多个角度构建数据的空间结构并进行集成,然后利用集成后空间结构表示完成聚类.在10个真实数据上的聚类实验验证了MS 2BC方法的有效性.

关键词：聚类分析多类簇空间结构聚类集成数据挖掘

在线全文

学校读者我要写书评

暂无评论

基于样本稳定性的聚类方法

中国科学：信息科学 2020年第8期50卷 1239-1254页

作者：李飞江钱宇华王婕婷梁吉业王文剑山西大学大数据科学与产业研究院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

数据类型和分布的复杂化导致样本间关系的不确定性增强,给有效挖掘数据的潜在类簇结构带来挑战.为降低样本关系不确定性对数据聚类带来的影响,本文将聚类集成中样本稳定性概念扩展至聚类分析中.本文从理论上分析样本稳定的合理性,并提... 详细信息

数据类型和分布的复杂化导致样本间关系的不确定性增强,给有效挖掘数据的潜在类簇结构带来挑战.为降低样本关系不确定性对数据聚类带来的影响,本文将聚类集成中样本稳定性概念扩展至聚类分析中.本文从理论上分析样本稳定的合理性,并提出基于信息熵的样本稳定性度量方法.此外,本文提出一个基于样本稳定性的聚类方法,该方法先将数据分为稳定样本集和不稳定样本集,然后挖掘稳定样本的团簇结构,并将不稳定样本划分至该团簇结构中.最后,本文通过二维人造数据和图像分割场景可视化显示样本稳定性的合理性,并在基准数据集上验证本文所提聚类算法的有效性.

关键词：机器学习无监督学习聚类分析样本稳定性稳定性理论

在线全文

学校读者我要写书评

暂无评论

基于概率的支持向量数据描述方法

计算机应用 2019年第11期39卷 3134-3139页

作者：杨晨王婕婷李飞江钱宇华山西大学大数据科学与产业研究院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006 山西大学计算机与信息技术学院太原030006

针对目前概率机器学习方法在解决概率问题时具有较高的复杂度,而传统的支持向量数据描述(SVDD)作为一种核密度估计方法只能判断测试样本是否属于该类等问题,提出一种基于概率的支持向量数据描述方法。首先,利用传统的SVDD方法分别得到... 详细信息

针对目前概率机器学习方法在解决概率问题时具有较高的复杂度,而传统的支持向量数据描述(SVDD)作为一种核密度估计方法只能判断测试样本是否属于该类等问题,提出一种基于概率的支持向量数据描述方法。首先,利用传统的SVDD方法分别得到两类数据的数据描述,计算测试样本到超球体的距离;然后,构造一个将距离转换为概率的函数,提出一种基于概率的SVDD方法;同时,使用Bagging算法进行集成,进一步提高数据描述的性能。借鉴分类场景,将所提方法与传统的SVDD方法在Gunnar Raetsch的13种基准数据集上进行实验,实验结果表明,所提方法在准确率和F1值上优于传统的SVDD方法,并且其数据描述的性能有所提升。

关键词：概率机器学习支持向量数据描述集成不确定性分类

在线全文

学校读者我要写书评

暂无评论

基于对比学习的超多类深度图像聚类模型

计算机科学 2023年第9期50卷 192-201页

作者：胡深钱宇华王婕婷李飞江吕维山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006 山西大学大数据科学与产业研究院太原030006

图像聚类通过表征学习对图像数据降维并提取有效特征而后进行聚类分析。当图像数据存在超多类别时,数据分布的复杂性和类簇的密集性严重影响了现有方法的实用性。为此,提出了基于对比学习的超多类深度图像聚类模型,主要分为3个阶段:首先... 详细信息

图像聚类通过表征学习对图像数据降维并提取有效特征而后进行聚类分析。当图像数据存在超多类别时,数据分布的复杂性和类簇的密集性严重影响了现有方法的实用性。为此,提出了基于对比学习的超多类深度图像聚类模型,主要分为3个阶段:首先,改进对比学习方法训练特征模型以使类簇分布均匀;其次,基于语义相似性原则多视角挖掘实例语义最近邻信息;最后,将实例及其最近邻作为自监督信息训练聚类模型。根据实验类型的不同,设计了消融实验和对比实验。在消融实验中,证明了所提方法使类簇均匀分布在映射空间,并可靠挖掘语义最近邻信息。在对比实验中,将其与先进算法在7个基准数据集上进行了比较,在ImageNet-200类数据集上,其准确率比目前先进方法提升了10.6%;在ImageNet-1000类数据集上,其准确率比目前先进算法提升了9.2%。

关键词：超多类聚类对比学习特征模型语义相似性图像聚类

结合力导向图分布算法的特征加权深度嵌入聚类

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年第6期45卷 1318-1324页

作者：吕维钱宇华王婕婷李飞江胡深山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室太原030006 山西大学大数据科学与产业研究院太原030006

聚类分析作为无监督学习领域的一个重要研究方向,是许多数据驱动应用的核心.但是高维数据特有的高维距离趋同特性,使得高维空间样本近邻结构遭到破坏,从而使得大量基于距离(基于近邻)的聚类算法性能急剧下降.目前,大量研究者认为,高维... 详细信息

聚类分析作为无监督学习领域的一个重要研究方向,是许多数据驱动应用的核心.但是高维数据特有的高维距离趋同特性,使得高维空间样本近邻结构遭到破坏,从而使得大量基于距离(基于近邻)的聚类算法性能急剧下降.目前,大量研究者认为,高维数据往往包含大量与任务不相关特征及相互关联的特征,其真实特征维度往往要比原始特征维度低很多.在学习样本低维等价表示上,基于深度自编码器的深度嵌入学习尽可能地保留重构信息.然而,现有此类方法往往需要聚类损失引导聚类,这虽然提高了聚类性能,但聚类损失与重构损失间的内在矛盾,限制了聚类性能的进一步提高.基于力导向图分布算法的降维算法则是尽可能保留近邻结构信息的基础上学习样本低维表示,但是高维距离趋同的特性使得此类算法较难准确获取样本高维近邻结构信息.本文在深度自编码器与力导向图分布算法的基础上引入特征加权思想,使模型在具有强大的低维等价表示能力及根据数据近邻结构凸显簇结构能力的同时考虑特征对聚类任务的适合程度.5个数据集上与最新高维聚类算法的对比实验充分证明了本文算法的合理性与优越性.

关键词：高维聚类深度自编码器特征加权力导向图分布算法

维普期刊数据库博看期刊