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

集成重复训练极限学习机的数据分类

数据采集与处理 2018年第6期33卷 962-970页

作者：翟俊海周昭一臧立光河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室保定071002 河北大学计算机科学与技术学院保定071002

极限学习机是一种随机化算法,它随机生成单隐含层神经网络输入层连接权和隐含层偏置,用分析的方法确定输出层连接权。给定网络结构,用极限学习机重复训练网络,会得到不同的学习模型。本文提出了一种集成模型对数据进行分类的方法。首先... 详细信息

极限学习机是一种随机化算法,它随机生成单隐含层神经网络输入层连接权和隐含层偏置,用分析的方法确定输出层连接权。给定网络结构,用极限学习机重复训练网络,会得到不同的学习模型。本文提出了一种集成模型对数据进行分类的方法。首先用极限学习机算法重复训练若干个单隐含层前馈神经网络,然后用多数投票法集成训练好的神经网络,最后用集成模型对数据进行分类,并在10个数据集上和极限学习机及集成极限学习机进行了实验比较。实验结果表明,本文提出的方法优于极限学习机和集成极限学习机。

关键词：极限学习机随机化方法重复训练泛化能力

基于粗糙集相对分类信息熵和粒子群优化的特征选择方法

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2017年第3期12卷 397-404页

作者：翟俊海刘博张素芳河北大学河北省机器学习与计算智能重点实验室河北保定071002 浙江师范大学数理与信息工程学院浙江金华321004 河北大学计算机科学与技术学院河北保定071002 中国气象局气象干部培训学院河北分院河北保定071000

特征选择是指从初始特征全集中,依据既定规则筛选出特征子集的过程,是数据挖掘的重要预处理步骤。通过剔除冗余属性,以达到降低算法复杂度和提高算法性能的目的。针对离散值特征选择问题,提出了一种将粗糙集相对分类信息熵和粒子群算法... 详细信息

特征选择是指从初始特征全集中,依据既定规则筛选出特征子集的过程,是数据挖掘的重要预处理步骤。通过剔除冗余属性,以达到降低算法复杂度和提高算法性能的目的。针对离散值特征选择问题,提出了一种将粗糙集相对分类信息熵和粒子群算法相结合的特征选择方法,依托粒子群算法,以相对分类信息熵作为适应度函数,并与其他基于进化算法的特征选择方法进行了实验比较,实验结果表明本文提出的方法具有一定的优势。

关键词：数据挖掘特征选择数据预处理粗糙集决策表粒子群算法信息熵适应度函数

基于MapReduce和Spark的大规模压缩模糊K-近邻算法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2020年第11期46卷 139-147页

作者：王谟瀚翟俊海齐家兴河北大学数学与信息科学学院河北保定071002 河北大学河北省机器学习与计算智能重点实验室河北保定071002

压缩模糊K-近邻(CFKNN)算法仅适用于中小数据环境,且其样例选择采用静态机制,导致算法不能对阈值进行动态调整从而选出最优样例。为此,对CFKNN算法进行改进,将其扩展到大规模数据环境,提出分别基于MapReduce和Spark的2种大规模压缩模糊K... 详细信息

压缩模糊K-近邻(CFKNN)算法仅适用于中小数据环境,且其样例选择采用静态机制,导致算法不能对阈值进行动态调整从而选出最优样例。为此,对CFKNN算法进行改进,将其扩展到大规模数据环境,提出分别基于MapReduce和Spark的2种大规模压缩模糊K-近邻算法。在样例选择阈值设置方面,引入动态机制,使得所选样例更具代表性。在具有7个数据节点的大数据平台上进行实验,结果表明,与CFKNN算法相比,所提2种算法具有更高的分类精度和加速比。2个平台相比,MapReduce产生的中间文件数目多于Spark,而Spark在运行时间和同步次数上优于MapReduce。

关键词： MapReduce平台 Spark平台模糊K-近邻样例选择动态机制

在线全文

学校读者我要写书评

暂无评论

集成Dropout极限学习机数据分类方法

南京师大学报（自然科学版） 2017年第3期40卷 59-66页

作者：翟俊海臧立光周昭一河北省机器学习与计算智能重点实验室河北大学数学与信息科学学院河北保定071002 浙江师范大学数理与信息工程学院浙江金华321004 河北大学计算机科学与技术学院河北保定071002

极限学习机(Extreme Learning Machine,ELM)是一种速度快,泛化能力强的训练单隐含层前馈神经网络(Single-hidden Layer Feed-forward Neural-network,SLFN)的算法.但是在应用ELM解决实际问题时,需要先确定合适的SLFN结构.然而,对于给定的问题,确定合适的SLFN结构是非常困难的.针对这一问题,本文提出了一种集成学习方法.用该方法解决问题时,不需要事先确定SLFN的结构.提出的方法包括3步:(1)初始化一个比较大的SLFN;(2)用ELM重复训练若干个Dropout掉若干个隐含层结点的SLFNs;(3)用多数投票法集成训练好的SLFNs,并对测试样例进行分类.在10个数据集上进行了实验,比较了本文提出的方法和传统的极限学习机方法.实验结果表明,本文提出的方法在分类性能上优于传统的极限学习机算法.

关键词：极限学习机随机化方法重复训练泛化能力集成

在线全文

学校读者我要写书评

暂无评论

卷积神经网络及其研究进展

河北大学学报（自然科学版） 2017年第6期37卷 640-651页

作者：翟俊海张素芳郝璞河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室河北保定071002 中国气象局气象干部培训学院河北分院河北保定071002

深度学习是目前机器学习领域最热门的研究方向,轰动全球的AlphaGo就是用深度学习算法训练的.卷积神经网络是用深度学习算法训练的一种模型,它在计算机视觉领域应用广泛,而且获得了巨大的成功.本文的主要目的有2个:一是帮助读者深入理解... 详细信息

深度学习是目前机器学习领域最热门的研究方向,轰动全球的AlphaGo就是用深度学习算法训练的.卷积神经网络是用深度学习算法训练的一种模型,它在计算机视觉领域应用广泛,而且获得了巨大的成功.本文的主要目的有2个:一是帮助读者深入理解卷积神经网络,包括网络结构、核心概念、操作和训练;二是对卷积神经网络的近期研究进展进行综述,重点综述了激活函数、池化、训练及应用4个方面的研究进展.另外,还对其面临的挑战和热点研究方向进行了讨论.本文将为从事相关研究的人员提供很好的帮助.

关键词：机器学习深度学习卷积神经网络计算机视觉训练算法

在线全文

学校读者我要写书评

暂无评论

基于无监督学习视觉特征的深度聚类方法

南京航空航天大学学报 2021年第5期53卷 718-725页

作者：陈俊芬赵佳成翟俊海李艳河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室保定071002 北京师范大学珠海分校应用数学学院珠海519087

基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器(Convolutional auto-enco... 详细信息

基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器(Convolutional auto-encoder with an asymmetric structure,ASCAE)的学习视觉特征的深度聚类方法,其中非对称结构的卷积自编码器用于学习特征表示,然后使用K-means算法对特征数据进行聚类分析。为进一步提高特征表示能力,ASCAE方法的网络采用变步长的卷积层和全连接的重构误差正则约束网络的重构误差。在7个公开图像集上的实验结果表明该网络有很好的特征表示能力,并且使得K-means算法能提供很好的聚类结果。在COIL-20和MNIST图像集上,聚类方法ASCAE的聚类精度分别为0.754和0.918,优于同类型的4种深度聚类方法(AEC、IEC、DEC和DEN)。

关键词：图像聚类卷积自编码器特征表示 K-means算法聚类精度

在线全文

学校读者我要写书评

暂无评论

一种简单有效的人脸识别方法

河北大学学报（自然科学版） 2013年第6期33卷 654-660页

作者：翟俊海赵文秀李塔河北大学数学与计算机学院河北省机器学习与计算智能重点实验室河北保定071002 中国气象局气象干部培训学院河北分院教务科河北保定071000

Mohammed等人提出了一种基于小波变换和极端学习机的人脸识别方法,该方法分为3步,首先对人脸图像做小波变换,然后用双向二维主成分分析进行特征提取,最后用极端学习机进行分类识别.但实验研究发现,用小波变换的低频子图直接作为极端学... 详细信息

Mohammed等人提出了一种基于小波变换和极端学习机的人脸识别方法,该方法分为3步,首先对人脸图像做小波变换,然后用双向二维主成分分析进行特征提取,最后用极端学习机进行分类识别.但实验研究发现,用小波变换的低频子图直接作为极端学习机的输入,就可以达到非常好的识别效果,即第2步的特征提取是没有必要的.在3个人脸数据库上与Mohammed等人提出的方法进行了实验比较,实验结果显示本文提出的方法简单有效.

关键词：小波变换人脸识别极端学习机特征提取

在线全文

学校读者我要写书评

暂无评论

粗糙模糊决策树归纳算法

南京大学学报（自然科学版） 2016年第2期52卷 306-312页

作者：翟俊海侯少星王熙照河北大学数学与信息科学学院保定071002 河北大学计算机科学与技术学院保定071002

模糊ID3算法处理的对象是具有模糊条件属性和模糊决策属性的模糊决策表,它利用平均模糊分类熵作为启发式选择扩展属性,利用模糊置信度作为叶子结点的终止条件.当用模糊ID3算法处理连续值和离散值决策表时,需要对连续值或离散值条件属性... 详细信息

模糊ID3算法处理的对象是具有模糊条件属性和模糊决策属性的模糊决策表,它利用平均模糊分类熵作为启发式选择扩展属性,利用模糊置信度作为叶子结点的终止条件.当用模糊ID3算法处理连续值和离散值决策表时,需要对连续值或离散值条件属性进行模糊化.模糊化的关键是模糊测度的确定,但确定合适的模糊测度非常困难,而且模糊化会损失有用的信息.针对这些问题,基于粗糙模糊集技术,提出了一种模糊决策树归纳算法,称为粗糙模糊决策树(RFDT:Rough Fuzzy Decision Tree).RFDT可直接处理离散值模糊决策表,归纳模糊决策树,不需要模糊化的过程.和模糊ID3算法类似,RFDT也分为三步:(1)利用粗糙模糊依赖度作为启发式选择扩展属性;(2)用选择的扩展属性划分样例集合;(3)如果划分的样例集合满足终止条件,则算法终止;否则递归地重复步骤(1)和(2).提出的算法用Kosko模糊熵作为叶子结点的终止条件,并通过一个例子说明了模糊决策树的归纳过程.

关键词：粗糙集粗糙模糊集决策树模糊决策表模糊熵

在线全文

学校读者我要写书评

暂无评论

多生成器生成对抗网络

河北大学学报（自然科学版） 2021年第6期41卷 734-744页

作者：申瑞彩翟俊海侯璎真河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室河北保定071002

生成对抗网络(Generative adversarial networks,GAN)广泛应用于各种领域,尤其在图像生成方面.该模型由生成网络与判别网络2部分组成,在无监督的训练方式下,2个网络相互竞争相互提高.然而,GAN在训练时经常出现模式崩溃问题,进而导致模... 详细信息

生成对抗网络(Generative adversarial networks,GAN)广泛应用于各种领域,尤其在图像生成方面.该模型由生成网络与判别网络2部分组成,在无监督的训练方式下,2个网络相互竞争相互提高.然而,GAN在训练时经常出现模式崩溃问题,进而导致模型收敛较慢,生成样本多样性较差.为解决这一问题,在深度卷积神经网络的基础上提出了一种多生成器生成对抗网络模型.该模型包含多个生成网络,每个生成网络均使用残差网络进行搭建,同时在生成网络间引入协作机制,以加快模型获取信息并减少参数量,最后将各生成网络的特征图进行融合得到最终图像输入到判别网络中.GAN在训练过程中还会出现梯度消失、训练不稳定问题.为避免出现这些问题,将Wasserstein距离和梯度惩罚引入模型的损失函数.通过在多个数据集上与多种相关方法进行实验比较,结果表明提出的模型在缓解模式崩溃问题、加快模型收敛速度以及减少参数量上均明显优于其他几种方法.

关键词：生成对抗网络残差网络集成学习模式崩溃 Wasserstein距离