检索结果-南通市图书馆

基于分类不确定性最小化的半监督集成学习算法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2023年第10期50卷 88-95页

作者：何玉林朱鹏辉黄哲学 Fournier-Viger PHILIPPE 人工智能与数字经济广东省实验室(深圳) 广东深圳518107 深圳大学计算机与软件学院广东深圳518060

半监督集成是将半监督学习与集成学习相结合的一种学习范式,它一方面通过无标记样本来提高集成学习的多样性,同时解决集成学习样本量不足的问题,另一方面集成多个分类器能够进一步提升半监督学习模型的性能。现有的研究从理论和实践两... 详细信息

半监督集成是将半监督学习与集成学习相结合的一种学习范式,它一方面通过无标记样本来提高集成学习的多样性,同时解决集成学习样本量不足的问题,另一方面集成多个分类器能够进一步提升半监督学习模型的性能。现有的研究从理论和实践两个角度证明了半监督学习与集成学习之间的互益性。针对当前半监督集成学习算法对无标记样本信息利用不完全的缺陷,文中提出了一种新的基于分类不确定性最小化的半监督集成学习(Classification Uncertainty Minimization-Based Semi-Supervised Ensemble Learning,CUM-SSEL)算法,它引入信息熵作为对无标记样本进行打标的置信度评判标准,通过最小化无标记样本打标过程中的不确定性迭代地训练分类器,实现对无标记样本的高效利用,以增强分类器的泛化性能。在标准的实验数据集上对CUM-SSEL算法的可行性、合理性和有效性进行了验证,实验表明:随着基分类器的增加,CUM-SSEL算法的训练呈现收敛的趋势,同时它能够获得优于Self-Training,Co-Training,Tri-Training,Semi-Boost,Vote-Training,Semi-Bagging以及CST-Voting算法的分类精度。

关键词：半监督集成学习集成学习半监督学习分类不确定性置信度信息熵

在线全文

学校读者我要写书评

暂无评论

基于属性加权的ML-KNN方法

山东大学学报（理学版） 2024年第3期59卷 107-117页

作者：温欣李德玉山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

提出了一种基于属性加权的ML-KNN方法。首先使用变精度邻域粗糙集识别来自每一个标记的决策类非正域中的样本,并构造异质样本对;然后基于属性对异质样本对的区分能力评估不同属性对于分类的重要度;最后计算样本之间的加权距离获得其近... 详细信息

提出了一种基于属性加权的ML-KNN方法。首先使用变精度邻域粗糙集识别来自每一个标记的决策类非正域中的样本,并构造异质样本对;然后基于属性对异质样本对的区分能力评估不同属性对于分类的重要度;最后计算样本之间的加权距离获得其近邻分布,且基于最大化后验概率的原则实现多标记分类。在10个公开的多标记数据集上的实验结果验证了所提方法的有效性。

关键词：多标记分类属性重要度邻域粗糙集分类不确定性异质样本对

在线全文

学校读者我要写书评

暂无评论

基于多目标的三支决策边界域求解与分类方法

计算机工程与应用 2024年第19期60卷 97-109页

作者：聂斌靳海科杜建强张玉超郑学鹏陈星鑫苗震江西中医药大学计算机学院南昌330004

三支决策将不确定样本划分至边界域进行延迟决策,但需基于损失函数确定阈值,以划分边界域,然而,损失函数通常需要先验知识,具有一定的主观性,因此对边界域划分能力不足。针对这种问题,构建一种多目标三支决策边界域求解方法,从而更好地... 详细信息

三支决策将不确定样本划分至边界域进行延迟决策,但需基于损失函数确定阈值,以划分边界域,然而,损失函数通常需要先验知识,具有一定的主观性,因此对边界域划分能力不足。针对这种问题,构建一种多目标三支决策边界域求解方法,从而更好地划分边界域,提升分类性能。采用贝叶斯规则获取样本的条件概率;设定3个目标,包括降低边界域的不确定性、缩小边界域的大小以及减小整个决策区域的错误分类率,通过融入熵权法的TOPSIS(technique for order preference by similarity to an ideal solution)方法求取最优阈值,该方法采用熵权法计算这3个目标所占的权重,得到最优阈值,获得边界域,进行延迟决策;结合不同分类器对边界域进行分类。通过UCI数据集进行对比实验,根据分类准确率和F1值,表明该方法学习到的阈值能合理地划分边界域,建立的模型能取得更好的分类性能。

关键词：分类不确定性三支决策边界域多目标最优阈值

同方期刊数据库

遥感影像和元胞自动机耦合模拟土地利用变化过程的不确定性研究

在线全文

学校读者我要写书评

暂无评论

遥感影像和元胞自动机耦合模拟土地利用变化过程的不确定性研究

作者：程志萍武汉理工大学

学位级别：硕士

近年来,随着我国城镇化进程的快速推进,城市规模不断扩大,土地利用格局发生了剧烈改变,导致了很多环境变化问题的产生,因而合理的配置土地利用方式非常重要。准确获取土地利用变化模拟和预测信息,能为城市管理者制定土地利用政策提供一... 详细信息

近年来,随着我国城镇化进程的快速推进,城市规模不断扩大,土地利用格局发生了剧烈改变,导致了很多环境变化问题的产生,因而合理的配置土地利用方式非常重要。准确获取土地利用变化模拟和预测信息,能为城市管理者制定土地利用政策提供一定的参考依据。元胞自动机能够通过简单的局部相互作用,模拟复杂系统全局的变化,已经广泛应用于土地利用变化模拟研究。对地观测技术的快速发展,更是为元胞自动机的模拟提供了丰富的数据源,极大地促进了元胞自动机模拟土地利用变化的发展进程。然而,在利用元胞自动机模拟土地利用变化过程中,遥感分类的不确定性以及元胞自动机模拟过程的不确定性会影响最终的模拟结果。一方面,遥感影像本身的随机不确定性和模糊不确定性造成了分类的不确定性;另一方面,元胞自动机模型的敏感性和数据源误差的传递会给CA模拟结果带来影响。因此,如何有效地描述和分析这些不确定性,对于提高模拟结果的可靠性至关重要。为此,本文首先引入混合熵模型,从像元尺度和类别尺度分别对遥感分类的不确定性进行评价;然后通过响应面法设计试验,对元胞自动机模型各因素的敏感性以及多因素之间的交互作用进行分析,寻求最优尺度组合,进而基于混合熵值产生数据源误差,并从模拟前后误差大小变化、整体误差空间分布变化以及各类别误差空间分布变化三个角度对CA模拟过程的不确定性进行度量,探究数据源误差的传递特征。结果表明,混合熵模型能够准确表达遥感分类的随机不确定性和模糊不确定性,且能直观反映遥感分类误差的空间分布状况;将响应面法用于分析元胞自动机模型的敏感性,能够识别出元胞大小、邻域大小和邻域形状之间存在交互作用的影响关系,且建立了因素与模拟精度之间的回归方程,给出了最优尺度组合,弥补了现有研究基于单一因素分析CA模型敏感性的不足;基于混合熵产生的数据源误差,与真实误差分布更接近,不确定性的度量结果表明与预测时间接近的数据源对CA-Markov的模拟精度影响更大。

关键词：土地利用元胞自动机遥感影像分类不确定性敏感性不确定性度量数据源误差传递

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

模糊决策树的等效剪枝研究

计算机工程与应用 2006年第7期42卷 152-155页

作者：王熙照董彦军河北大学数学与计算机学院机器学习研究中心保定071002

基于Min-Ambiguity启发式算法的模糊决策树整个建立过程均是在给定的一个显著性水平参数基础上进行,该参数值的选择对于模糊决策树性能将产生重要影响。文章通过实验研究表明,在某一特定取值区间内,随着该参数值的逐步增大,可以使得模... 详细信息

基于Min-Ambiguity启发式算法的模糊决策树整个建立过程均是在给定的一个显著性水平参数基础上进行,该参数值的选择对于模糊决策树性能将产生重要影响。文章通过实验研究表明,在某一特定取值区间内,随着该参数值的逐步增大,可以使得模糊决策树在保持提高测试精度的前提下,使树的规模逐步减小,直至到达该参数的最优值,使树成为测试精度达到最优而树规模达到最小的一棵。而再度增大的此参数值(已超出该区间)却会导致树的过度剪枝,使树的测试精度降低。最后,通过相同数据在清晰决策树系统(C4.5系统)后剪枝前后的比较试验进一步证实,在该区间内,逐步增大的此参数值对模糊决策树性能的影响等效于清晰决策树的后剪枝。

关键词：模糊决策树清晰决策树后剪枝模糊熵分类不确定性