检索结果-南通市图书馆

面向不平衡图像数据的对抗自编码器过采样算法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第11期46卷 4208-4218页

作者：职为梅常智卢俊华耿正乾郑州大学计算机与人工智能学院郑州450001

许多适用于低维数据的传统不平衡学习算法在图像数据上的效果并不理想。基于生成对抗网络(GAN)的过采样算法虽然可以生成高质量图像,但在类不平衡情况下容易产生模式崩溃问题。基于自编码器(AE)的过采样算法容易训练,但生成的图像质量... 详细信息

许多适用于低维数据的传统不平衡学习算法在图像数据上的效果并不理想。基于生成对抗网络(GAN)的过采样算法虽然可以生成高质量图像,但在类不平衡情况下容易产生模式崩溃问题。基于自编码器(AE)的过采样算法容易训练,但生成的图像质量较低。为进一步提高过采样算法在不平衡图像中生成样本的质量和训练的稳定性,该文基于生成对抗网络和自编码器的思想提出一种融合自编码器和生成对抗网络的过采样算法(BAEGAN)。首先在自编码器中引入一个条件嵌入层,使用预训练的条件自编码器初始化GAN以稳定模型训练;然后改进判别器的输出结构,引入一种融合焦点损失和梯度惩罚的损失函数以减轻类不平衡的影响;最后从潜在向量的分布映射中使用合成少数类过采样技术(SMOTE)来生成高质量的图像。在4个图像数据集上的实验结果表明该算法在生成图像质量和过采样后的分类性能上优于具有辅助分类器的条件生成对抗网络(ACGAN)、平衡生成对抗网络(BAGAN)等过采样算法,能有效解决图像数据中的类不平衡问题。

关键词：不平衡图像数据过采样生成对抗网络对抗自编码器合成少数类过采样技术

在线全文

学校读者我要写书评

暂无评论

基于eEP的两阶段方法分类

基于eEP的两阶段方法分类

作者：职为梅郑州大学

学位级别：硕士

数据挖掘又称数据库中知识发现，是从大量数据中用非平凡的方法发现有用的知识。分类是数据挖掘中的一项非常重要的任务，目前在商业上应用很多。分类器的构造技术有统计方法、机器学习方法、神经网络方法等。大部分算法是内存驻留算法... 详细信息

数据挖掘又称数据库中知识发现，是从大量数据中用非平凡的方法发现有用的知识。分类是数据挖掘中的一项非常重要的任务，目前在商业上应用很多。分类器的构造技术有统计方法、机器学习方法、神经网络方法等。大部分算法是内存驻留算法，适用于小型数据集。随着数据集的数据量和维数的增加，建立高效的、适用于大型数据集的分类法已成为数据挖掘的一个挑战性问题。传统的基于规则的分类算法多是采用顺序覆盖技术训练分类规则，训练得到的模型覆盖大量的非目标类实例，对稀有类分类时效果很差。基于此，Ramesh Agarwal和Mahesh ***提出了基于规则的两阶段方法去除覆盖的非目标类实例，实验结果证明两阶段方法能够很好的分类稀有类。近年来，数据挖掘界提出一种新的知识模式，称作显露模式(Emerging Pattem，EP)。EP表示数据集间的差异，能够很好用于分类。一些基于EP的分类算法也取得了很好的结果。但是基于EP的分类算法得到大量的EP，这些EP对于分类并不是全部有用，有的甚至带来噪音，影响分类。业界又提出了一种特殊的EP，eEP(Essential Emerging Pattern)，eEP是那些最短的且有很高增长率的EP，eEP能够减少分类噪音并不失去任何有用的分类信息。本文将两阶段思想和eEP结合起来构造一个新的分类算法：基于eEP的两阶段分类算法即Two Phase Classification Based on Essential Emerging Pattern(TPeEP)。TPeEP方法采用两个阶段挖掘eEP，使用第二个阶段纠正第一个阶段的误差，并使用两个阶段得到的eEP来分类，分类时考虑第二阶段对第一阶段的纠正。TPeEP分类方法定义了两种评分方法：实例得分方法和eEP覆盖方法。我们还将相同的评分方法用于单个阶段，使用这两种评分方法分别基于两个阶段和单个阶段做实验，使用UCI机器学习库中的十个数据集作为实验数据集。实验证明与已有的基于EP的分类算法相比，仅使用eEP建立的分类算法使用的EP数量少，并且能够获得相同或更高的预测精度;单个阶段不能纠正分类误差，分类结果也远没有两个阶段结果好。我们将实验结果与NB、C5.0、CAEP、LB以及BCEP比较，发现本文的分类算法在这十个数据集上可以与这些经典的分类算法相媲美。

关键词：数据挖掘,分类,目标类,非目标类,EP,eEP,两阶段,边界,相似率

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

一种基于边界的贪心组合剪枝方法

模式识别与人工智能 2013年第2期26卷 136-143页

作者：郭华平范明职为梅郑州大学信息工程学院郑州450052

理论及实验表明,在训练集上具有较大边界分布的组合分类器泛化能力较强.文中将边界概念引入到组合剪枝中,并用它指导组合剪枝方法的设计.基于此,构造一个度量标准(MBM)用于评估基分类器相对于组合分类器的重要性,进而提出一种贪心组合... 详细信息

理论及实验表明,在训练集上具有较大边界分布的组合分类器泛化能力较强.文中将边界概念引入到组合剪枝中,并用它指导组合剪枝方法的设计.基于此,构造一个度量标准(MBM)用于评估基分类器相对于组合分类器的重要性,进而提出一种贪心组合选择方法(MBMEP)以降低组合分类器规模并提高它的分类准确率.在随机选择的30个UCI数据集上的实验表明,与其它一些高级的贪心组合选择算法相比,MBMEP选择出的子组合分类器具有更好的泛化能力.

关键词：组合剪枝边界向前选择向后剔除

在线全文

学校读者我要写书评

暂无评论

稀有类分类问题研究

微型机与应用 2005年第6期24卷 54-56页

作者：刘艳霞职为梅杨亮郑州大学信息工程学院河南理工大学计算机科学系河南焦作454800

探讨了稀有类问题的区分性、多态性、稀有性等主要特征,详述了稀有类分类算法的评估标准。研究了目前分类稀有类的四种方法,首次提出使用基本显露模式分类稀有类的思想。

关键词：数据挖掘分类稀有类显露模式

在线全文

学校读者我要写书评

暂无评论

非平衡数据集分类方法探讨

计算机科学 2012年第B06期39卷 304-308页

作者：职为梅郭华平范明叶阳东郑州大学信息工程学院郑州450052

由于数据集中类分布极不平衡,很多分类算法在非平衡数据集上失效,而非平衡数据集中占少数的类在现实生活中通常具有显著意义,因此如何提高非平衡数据集中少数类的分类性能成为近年来研究的热点。详细讨论了非平衡数据集分类问题的本质... 详细信息

由于数据集中类分布极不平衡,很多分类算法在非平衡数据集上失效,而非平衡数据集中占少数的类在现实生活中通常具有显著意义,因此如何提高非平衡数据集中少数类的分类性能成为近年来研究的热点。详细讨论了非平衡数据集分类问题的本质、影响非平衡数据集分类的因素、非平衡数据集分类通常采用的方法、常用的评估标准以及该问题中存在的问题与挑战。

关键词：非平衡数据集分类抽样技术代价敏感学习

在线全文

学校读者我要写书评

暂无评论

抽样技术和CBES分类非平衡数据集

计算机科学 2013年第12期40卷 70-74页

作者：职为梅郭华平范明郑州大学信息工程学院郑州450052

CBES是面向非平衡数据集分类的组合选择方法。相关的实验表明,CBES方法能大幅度提升基分类器的泛化能力。已有研究表明,抽样方法能有效提高分类器在非平衡数据集分类上的性能。因此,巧妙地将抽样技术应用到CBES方法中,进而提出基于抽样... 详细信息

CBES是面向非平衡数据集分类的组合选择方法。相关的实验表明,CBES方法能大幅度提升基分类器的泛化能力。已有研究表明,抽样方法能有效提高分类器在非平衡数据集分类上的性能。因此,巧妙地将抽样技术应用到CBES方法中,进而提出基于抽样的CBES方法(SCBES),以期进一步提高CBES在稀有类上的性能。大量的实验表明,巧妙地使用抽样方法能进一步提高CBES方法在非平衡数据集分类上的性能。

关键词：非平衡数据集组合分类器组合选择抽样技术

在线全文

学校读者我要写书评

暂无评论

“数据库系统原理”教学实践与改革

“数据库系统原理”教学实践与改革

河南省计算机学会2010年学术年会

作者：职为梅郑州大学信息工程学院

"数据库系统原理"课程作为计算机专业的基础课程,具有理论知识抽象、实践应用性强的特点,本文分析了"数据库系统原理"课程教学中实际存在的问题,针对这些问题提出一系列的改革方案,取得了良好效果。

关键词：数据库系统原理教学改革课程设计数据库实验

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于影响函数的分类

小型微型计算机系统 2016年第3期37卷 443-447页

作者：张婷职为梅董亚东范明郑州大学信息工程学院郑州450052

从新的角度理解分类,提出一种有效的用于数据挖掘分类任务的方法—基于影响函数的分类方法(Classification Based on Influential Function,CBIF).CBIF首先定义了影响函数,然后利用影响函数考察已知类标号样本对未知类标号样本x的影响,... 详细信息

从新的角度理解分类,提出一种有效的用于数据挖掘分类任务的方法—基于影响函数的分类方法(Classification Based on Influential Function,CBIF).CBIF首先定义了影响函数,然后利用影响函数考察已知类标号样本对未知类标号样本x的影响,对x影响越大,表明x与该样本越相似,综合考虑各个类对x的影响,最后,对x影响最大的类决定了x的类标号.本文设计了指数影响函数,将其用于CBIF方法并给出基于指数影响函数的分类算法,基于UCI数据集上的实验结果表明,CBIF方法提高了分类的性能,与传统的分类方法相比,该方法也显示出明显优势.

关键词：分类影响函数支持向量机神经网络决策树

在线全文

学校读者我要写书评

暂无评论

一种新的面向非平衡分类问题的特征变换方法

小型微型计算机系统 2015年第5期36卷 1037-1041页

作者：职为梅郭华平张婷范明郑州大学信息工程学院河南郑州450052 信阳师范学院计算机与信息技术学院河南信阳464000

通过学习特征变换矩阵,可以将样本映射到新的空间,以适应给定的样本距离测度方法.基于此,提出一种面向k近邻的特征变换方法用于提高k近邻分类算法在非平衡数据集分类问题中的分类性能.该方法最大化基于g-mean的目标函数,学习线性特征变... 详细信息

通过学习特征变换矩阵,可以将样本映射到新的空间,以适应给定的样本距离测度方法.基于此,提出一种面向k近邻的特征变换方法用于提高k近邻分类算法在非平衡数据集分类问题中的分类性能.该方法最大化基于g-mean的目标函数,学习线性特征变换矩阵,使得在新空间中同类距离尽可能小而异类距离尽可能大.基于g-mean的目标函数充分考虑了稀有类数据的特征,进而有效地保证在新空间中,k近邻对稀有类数据有更好的分类性能.UCI数据集上的实验结果表明,该方法能有效提高k近邻在稀有类问题中的泛化能力;较之于传统的PCA、LDA,该变换方法也显示出明显优势.

关键词：非平衡数据集特征变换 k近邻 PCA LDA