检索结果-南通市图书馆

一种基于同类约束的半监督近邻反射传播聚类方法

在线全文

学校读者我要写书评

暂无评论

自动化学报 2016年第2期42卷 255-269页

作者：徐明亮王士同杭文龙江南大学数字媒体学院无锡214122 无锡城市职业技术学院无锡214153

以近邻反射传播(Affinity propagation,AP)聚类算法为基础,提出了一种基于同类约束的半监督近邻反射传播聚类方法 (Semi-supervised affinity propagation clustering method with homogeneity constraints,HCSAP).该方法在聚类目标函数中引入同类约束项,以保证聚类结果与同类集先验信息一致.利用最大和信任传播(Max-sum belief propagation)优化过程对目标函数进行求解,导出同类约束下的吸引度(Responsibility)和归属度(Availability)的迭代方程.人工数据集和真实数据集上的实验结果表明本文所提方法的有效性.

关键词：半监督聚类近邻反射传播最大和信任传播同类约束

在线全文

学校读者我要写书评

暂无评论

基于分类误差一致性准则的自适应知识迁移

电子与信息学报 2019年第11期41卷 2736-2743页

作者：梁爽杭文龙冯伟刘学军南京邮电大学地理与生物信息学院南京210023 南京工业大学计算机科学与技术学院南京211816

目前大多数迁移学习方法在利用源域数据辅助目标域数据建模时,通常假设源域中的数据均与目标域数据相关。然而在实际应用中,源域中的数据并非都与目标域数据的相关程度一致,若基于上述假设往往会导致负迁移效应。为此,该文首先提出分类... 详细信息

目前大多数迁移学习方法在利用源域数据辅助目标域数据建模时,通常假设源域中的数据均与目标域数据相关。然而在实际应用中,源域中的数据并非都与目标域数据的相关程度一致,若基于上述假设往往会导致负迁移效应。为此,该文首先提出分类误差一致性准则(CCR),对源域与目标域分类误差的概率分布积分平方误差进行最小化度量。此外,该文提出一种基于CCR的自适应知识迁移学习方法(CATL),该方法可以快速地从源域中自动确定出与目标域相关的数据及其权重,以辅助目标域模型的构建,使其能在提高知识迁移效率的同时缓解负迁移学习效应。在真实图像以及文本数据集上的实验结果验证了CATL方法的优势。

关键词：迁移学习负迁移概率分布分类误差一致性规则

在线全文

学校读者我要写书评

暂无评论

贝叶斯L2型TSK模糊系统

控制与决策 2017年第10期32卷 1871-1878页

作者：杭文龙梁爽刘解放王士同江南大学数字媒体学院江苏无锡214122 中国科学院深圳先进技术研究院广东省机器视觉与虚拟现实技术重点实验室广东深圳518055

针对传统Takagi-Sugeno-Kan(TSK)模糊系统处理大规模数据时间代价较高的问题,提出一种基于概率模型框架的L2型TSK模糊系统建模策略,建立具有处理大规模数据能力的贝叶斯L2型TSK模糊系统(B-TSK-FS).具体地,基于L2型TSK模糊系统的输出误... 详细信息

针对传统Takagi-Sugeno-Kan(TSK)模糊系统处理大规模数据时间代价较高的问题,提出一种基于概率模型框架的L2型TSK模糊系统建模策略,建立具有处理大规模数据能力的贝叶斯L2型TSK模糊系统(B-TSK-FS).具体地,基于L2型TSK模糊系统的输出误差概率化表示,对系统前后件参数联合学习,提高系统的泛化能力.另外,引入狄利克雷先验分布函数,对模糊隶属度稀疏化表示,实现样本的压缩,降低运算时间.在模拟和真实数据集上的实验结果验证了所提出模糊系统的优势.

关键词：贝叶斯 L2型TSK模糊系统大规模数据狄利克雷先验分布

基于层间模型知识迁移的深度堆叠最小二乘分类器

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2019年第12期56卷 2589-2599页

作者：冯伟杭文龙梁爽刘学军王辉南京工业大学计算机科学与技术学院南京211816 南京邮电大学地理与生物信息学院南京210023

经典的最小二乘分类器(least square classifier,LSC)由于其简洁、有效性已早被广泛应用于图像识别、语音识别等领域.然而,利用原始数据特征构建的最小二乘分类器,其泛化性能往往较差.为解决上述问题,提出了基于深度堆叠泛化和迁移学习... 详细信息

经典的最小二乘分类器(least square classifier,LSC)由于其简洁、有效性已早被广泛应用于图像识别、语音识别等领域.然而,利用原始数据特征构建的最小二乘分类器,其泛化性能往往较差.为解决上述问题,提出了基于深度堆叠泛化和迁移学习机制的深度迁移最小二乘分类器(deep transfer least square classifier,DTLSC).首先,基于堆叠泛化原理,利用LSC模型作为基本堆叠单元构建深度堆叠网络,避免了传统深度网络中需要求解非凸优化的问题,提升模型分类性能的同时提高了网络计算效率.其次,基于迁移学习机制,利用前层单元中的模型知识辅助当前层的模型构建,尽可能保持了层间模型的一致性,提升了模型泛化性能.在此基础上,引入自适应迁移策略,有选择地利用前层模型知识,缓解了利用前层不相关模型知识而导致的负迁移效应.在人造数据集及真实数据集上,实验结果验证了所提DTLSC算法的有效性.

关键词：最小二乘分类器泛化性能深度学习堆叠泛化迁移学习

在线全文

学校读者我要写书评

暂无评论

迁移近邻传播聚类算法

软件学报 2016年第11期27卷 2796-2813页

作者：杭文龙蒋亦樟刘解放王士同江南大学数字媒体学院江苏无锡214122

在目标域可利用数据匮乏的场景下,传统聚类算法的性能往往会下降.在该场景下,通过抽取源域中的有用知识用于指导目标域学习以得到更为合适的类别信息和聚类性能,是一种有效的学习策略.借此提出一种基于近邻传播的迁移聚类(transfer affi... 详细信息

在目标域可利用数据匮乏的场景下,传统聚类算法的性能往往会下降.在该场景下,通过抽取源域中的有用知识用于指导目标域学习以得到更为合适的类别信息和聚类性能,是一种有效的学习策略.借此提出一种基于近邻传播的迁移聚类(transfer affinity propagation,简称TAP)算法,在源域和目标域数据分布相似的情况下,通过引入迁移学习机制来改善近邻传播聚类(affinity propagation,简称AP)算法在数据匮乏场景下的聚类性能.为保证迁移的有效性,TAP在综合考虑源域和目标域的统计特性及几何特征的基础上改进AP算法中的消息传递机制使其具备迁移能力,从而达到辅助目标域学习的目的.此外,通过TAP对应的因子图,亦可说明TAP可以以类似AP的消息传递机制,在目标域数据匮乏的情况下进行高效的知识迁移,为最终所获得的聚类结果提供了保证.在模拟数据集和真实数据集上的仿真实验结果显示,所提出的算法较之经典AP算法在处理非充分数据聚类任务时具有更佳的性能.

关键词：迁移学习统计特征几何结构近邻传播聚类方法非充分数据

在线全文

学校读者我要写书评

暂无评论

区别性知识利用的迁移分类学习

计算机科学与探索 2017年第3期11卷 427-437页

作者：程旸王士同杭文龙江南大学数字媒体学院江苏无锡214122

目前的迁移学习模型旨在利用事先准备好的源域数据为目标域学习提供辅助知识,即从源域抽象出与目标域共享的知识结构时,使用所有的源域数据。然而,由于人力资源的限制,收集真实场景下整体与目标域相关的源域数据并不现实。提出了一种泛... 详细信息

目前的迁移学习模型旨在利用事先准备好的源域数据为目标域学习提供辅助知识,即从源域抽象出与目标域共享的知识结构时,使用所有的源域数据。然而,由于人力资源的限制,收集真实场景下整体与目标域相关的源域数据并不现实。提出了一种泛化的经验风险最小化选择性知识利用模型,并给出了该模型的理论风险上界。所提模型能够自动筛选出与目标域相关的源域数据子集,解决了源域只有部分知识可用的问题,进而避免了在真实场景下使用整个源域数据集带来的负迁移效应。在模拟数据集和真实数据集上进行了仿真实验,结果显示所提算法较之传统迁移学习算法性能更佳。域相关的源域数据并不现实。提出了一种泛化的经验风险最小化选择性知识利用模型,并给出了该模型的理论风险上界。所提模型能够自动筛选出与目标域相关的源域数据子集,解决了源域只有部分知识可用的问题,进而避免了在真实场景下使用整个源域数据集带来的负迁移效应。在模拟数据集和真实数据集上进行了仿真实验,结果显示所提算法较之传统迁移学习算法性能更佳。

关键词：迁移学习经验风险最小化(ERM) 泛化的经验风险最小化(GERM) 区别性知识利用负迁移

具备视角协同学习能力的多视角TSK型模糊系统

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2016年第8期38卷 2054-2061页

作者：程旸顾晓清蒋亦樟杭文龙钱鹏江王士同江南大学数字媒体学院无锡214122

传统模糊系统建模方法本质上是一种单视角学习模式,面向适合多视角处理的场景时,它们通常只能将每一视角割裂开来进行独立建模,这导致其所得系统泛化性能往往不令人满意。针对此缺陷,该文探讨具备多视角学习能力的模糊系统建模方法。为... 详细信息

传统模糊系统建模方法本质上是一种单视角学习模式,面向适合多视角处理的场景时,它们通常只能将每一视角割裂开来进行独立建模,这导致其所得系统泛化性能往往不令人满意。针对此缺陷,该文探讨具备多视角学习能力的模糊系统建模方法。为此,基于经典的L2型TSK模糊系统,通过引入具备多视角学习能力的协同学习项,该文提出了核心的多视角TSK型模糊系统(MV-TSK-FS)建模方法。MV-TSK-FS不仅能有效地利用各视角不同特征构成的独立样本信息,还能充分地利用各视角间由于相互关联而存在内在信息,以最终达到提高系统泛化性能的效果。在模拟数据集与真实数据集上的实验结果验证了较之于传统单视角模糊建模方法该多视角模糊系统有着更好的泛化性和适用性。

关键词：多视角学习协同学习模糊建模 TSK型模糊系统

在线全文

学校读者我要写书评

暂无评论

面向大规模数据的快速多代表点仿射传播算法

计算机科学与探索 2016年第2期10卷 268-276页

作者：刘季陈秀宏杭文龙江南大学数字媒体学院江苏无锡214122

针对原始的仿射传播(affinity propagation,AP)聚类算法难以处理多代表点聚类,以及空间和时间开销过大等问题,提出了快速多代表点仿射传播(multi-exemplar affinity propagation using fast reduced set density estimator,FRSMEAP)聚类算法。该算法在聚类初始阶段,引入快速压缩集密度估计算法(fast reduced set density estimator,FRSDE)对大规模数据集进行预处理,得到能够充分代表样本属性的压缩集;在聚类阶段,使用多代表点仿射传播(multi-exemplar affinity propagation,MEAP)聚类算法,获得比AP更加明显的聚类决策边界,从而提高聚类的精度;最后再利用K-邻近(K-nearest neighbor,KNN)算法分配剩余点得到最终的数据划分。在人工数据集和真实数据集上的仿真实验结果表明,该算法不仅能在大规模数据集上进行聚类,而且具有聚类精度高和运行速度快等优点。

关键词：仿射传播聚类大数据多代表点

在线全文

学校读者我要写书评

暂无评论

基于代表点评分策略的快速自适应聚类算法

计算机研究与发展 2018年第1期55卷 163-178页

作者：张远鹏邓赵红钟富礼杭文龙王士同江南大学数字媒体学院江苏无锡214122 南通大学医学信息学系江苏南通226019 香港理工大学计算学系香港999077

在基于代表点的聚类算法中,为了解决算法自适应性和聚类速度问题,在快速压缩集密度估计的基础上,提出了一种基于代表点评分策略的快速自适应聚类算法.该算法的提出基于3个非常重要的假设:1)每个簇有一个代表点,且代表点来自簇内高密度样... 详细信息

在基于代表点的聚类算法中,为了解决算法自适应性和聚类速度问题,在快速压缩集密度估计的基础上,提出了一种基于代表点评分策略的快速自适应聚类算法.该算法的提出基于3个非常重要的假设:1)每个簇有一个代表点,且代表点来自簇内高密度样本;2)代表点或在压缩集中,或在压缩集附近且与压缩集中样本具有高度相似性;3)各簇中样本围绕代表点并沿着压缩集扩散.基于第1个和第2个假设,提出用代表点分值来评估样本成为代表点的可能性,并分析了其合理性.基于第3个假设和代表点分值,构建了一种快速的自适应聚类算法,该算法将所有样本按照其代表点分值从大到小排序,形成代表点候选集;然后从代表点候选集中逐个选择代表点,利用其邻域不断传递标签至整个压缩集;最后采用同样的方法将压缩集中样本的标签扩散至整个数据集,在此过程中引入抽样,提高标签传播速度.在人工数据集和真实数据集上的实验表明:所提出的算法能够处理任意形状的数据集和大规模数据集,且不需要指定类别数.

关键词：词代表点分值快速压缩集密度估计器压缩集标签传播抽样