检索结果-南通市图书馆

用正则的方法在正样本和无标签样本上训练二分类器

在线全文

学校读者我要写书评

暂无评论

信息与电脑 2019年第5期31卷 67-68页

作者：李炳聪广东工业大学广东广州510006

正样本-无标签样本学习(Positive-Unlabelled Learning,简称PU Learning)。相对于标准的正样本-负样本学习(Positive-NegativeLearning,简称PNLearning),其是一种仅使用少量正样本和大量无标签样本训练二类分类器的方法。以往工作通常... 详细信息

正样本-无标签样本学习(Positive-Unlabelled Learning,简称PU Learning)。相对于标准的正样本-负样本学习(Positive-NegativeLearning,简称PNLearning),其是一种仅使用少量正样本和大量无标签样本训练二类分类器的方法。以往工作通常使用一种无偏估计的方法,使用正样本和无标签样本估计PNLearning损失,并建立深度神经网络模型。但是,这种估计方法依赖正样本的数量,当正样本数量较少时,学习算法会发生严重的过拟合。

关键词：神经网络正样本-无标签样本二分类器

在线全文

学校读者我要写书评

暂无评论

基于异常特征模式的心电数据标签清洗方法

计算机研究与发展 2023年第11期60卷 2594-2610页

作者：韩京宇陈伟赵静郎杭毛毅南京邮电大学计算机学院南京210023 江苏省大数据安全与智能处理重点实验室(南京邮电大学) 南京210023

心电图(electrocardiogram,ECG)异常的自动检测是一个典型的多标签分类问题,训练分类器需要大量有高质量标签的样本.但心电数据集异常标签经常缺失或错误,如何清洗弱标签得到干净的心电数据集是一个亟待解决的问题.在一个标签完整且准... 详细信息

心电图(electrocardiogram,ECG)异常的自动检测是一个典型的多标签分类问题,训练分类器需要大量有高质量标签的样本.但心电数据集异常标签经常缺失或错误,如何清洗弱标签得到干净的心电数据集是一个亟待解决的问题.在一个标签完整且准确的示例数据集辅助下,提出一种基于异常特征模式(abnormality-feature pattern,AFP)的方法对弱标签心电数据进行标签清洗,以获取所有正确的异常标签.清洗分2个阶段,即基于聚类的规则构造和基于迭代的标签清洗.在第1阶段,通过狄利克雷过程混合模型(Dirichlet process mixture model,DPMM)聚类,识别每个异常标签对应的不同特征模式,进而构建异常发现规则、排除规则和1组二分类器.在第2阶段,根据发现和排除规则辨识初始相关标签集,然后根据二分类器迭代扩展相关标签并排除不相关标签.AFP方法捕捉了示例数据集和弱标签数据集的共享特征模式,既应用了人的知识,又充分利用了正确标记的标签;同时,渐进地去除错误标签和填补缺失标签,保证了标签清洗的可靠性.真实和模拟数据集上的实验证明了AFP方法的有效性.

关键词：心电图多标签分类异常标签异常特征模式二分类器标签清洗

基于结构优化的DDAG-SVM上肢康复训练动作识别方法

在线全文

学校读者我要写书评

暂无评论

自动化学报 2020年第3期46卷 549-561页

作者：左国玉徐兆坤卢佳豪龚道雄北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124

针对上肢康复训练系统中训练评估方法核心的动作识别问题,提出一种面向Brunnstrom 4~5期患者上肢康复训练动作的SODDAG-SVM(Structure-optimized decision directed acyclic graph-support vector machine)多分类识别方法.首先将多分类问题分解成一组二分类问题,并使用支持向量机构建各二分类器,分别采用遗传算法和特征子集区分度准则对各二分类器的核函数参数及特征子集进行优化.然后使用类对的SVM二分类器泛化误差来衡量每个类对的易被分离程度,并由其建立类对泛化误差上三角矩阵.最后由根节点开始,依次根据各节点的泛化误差矩阵,通过选择其中最易被分离类对的SVM分类器构成该节点的方式,来构建SODDAG-SVM多分类器结构.当待预测的实例较少时,直接构建实例经过的SODDAG-SVM部分结构并对实例进行预测;当待预测的实例较多时,先构建完整的SODDAG-SVM结构,再代入所有实例进行预测.通过人体传感技术获得Brunnstrom 4~5阶段上肢康复训练的常用动作样本集,进行SODDAG-SVM动作识别实验,准确率达到了95.49%,结果均优于常规的决策有向无环图(Decision directed acyceic graph,DDAG)和MaxWins方法,实验表明本文方法能有效地提高上肢康复训练动作识别的准确率.

关键词：上肢康复训练动作识别 SODDAG-SVM 多分类器二分类器

基于深度学习的可扩展Android恶意软件检测和分类方案

在线全文

学校读者我要写书评

暂无评论

计算机与数字工程 2023年第10期51卷 2346-2350页

作者：毛慈伟刘万里李荣臻尹魏昕南京理工大学计算机科学与工程学院南京210094 南京医科大学附属南京医院(南京市第一医院)消化科南京210006

Android操作系统是目前移动设备中的主流操作系统之一。它拥有庞大的用户群,因此也出现了许多恶意的Android软件。每年,研究人员都会提出一些新的Android恶意软件分析框架来防御现实世界的Android恶意软件应用程序。论文使用主流的深度... 详细信息

Android操作系统是目前移动设备中的主流操作系统之一。它拥有庞大的用户群,因此也出现了许多恶意的Android软件。每年,研究人员都会提出一些新的Android恶意软件分析框架来防御现实世界的Android恶意软件应用程序。论文使用主流的深度学习算法,构建了合适的神经网络,并在网络层之间增加修正线性单元,实现了Android恶意软件的检测和分类。通过对网络的训练,最终得到了一个比较好的恶意检测器(二元分类器)和三个多分类器的结果——基于静态恶意软件二分类器的准确率为95.74%,多分类器的准确率为92.98%,基于动态的恶意软件大类多分类器的准确率为84.48%,基于动态的恶意软件家族小类多分类器的准确率为60.34%。

关键词： Android 恶意软件深度学习神经网络线性修正单元二分类器多分类器

在线全文

学校读者我要写书评

暂无评论

基于多算法投票的自动化二分类建模软件

基于多算法投票的自动化二分类建模软件

2019中国化学会第十五届全国计算（机）化学学术会议

作者：张鹏翼李书艳兰州大学化学化工学院

组学分析以及基因测序等现代技术会产生大量的数据,为了从数据中获得能够服务于精准医疗与药物设计等研究工作的信息,需要简单方便的工具对数据进行分析和建模。本工作中,我们使用Python语言以及多个函数库编写了一款开源的具有图形交... 详细信息

组学分析以及基因测序等现代技术会产生大量的数据,为了从数据中获得能够服务于精准医疗与药物设计等研究工作的信息,需要简单方便的工具对数据进行分析和建模。本工作中,我们使用Python语言以及多个函数库编写了一款开源的具有图形交互界面的基于多算法投票的自动化二分类建模软件。为了增强最终模型的泛化能力,我们将独立的人工神经网络（ANN）、随机森林（RF）和支持向量机（SVM）模型集成为一个一致性二分类模型,由三个模型的预测结果投票得到最终的预测结果。对于每个算法,通过交叉验证-正交实验设计的方法对算法的超参数进行自动优化,并运用黄金分割法对数据显著性特征进行自动筛选。同时软件内整合了数据标准化和过采样算法,最终实现了从数据到模型的一站式自动化数据挖掘。软件的可靠性通过乳腺癌患者m RNA与多个受体状态和蛋白质S-棕榈酰化等多个真实数据集得到了验证。根据外部测试集或10折交叉验证结果,该软件在各个数据集上的表现均较好,最终输出模型的可靠性均已达到或超过已报道的水平。[1-3]此外,在保证模型可靠性的同时,将整体建模时间的消耗控制在了可接受的范围之内。此外,因为具有图形交互界面,使用者无需计算机编程能力即可从原始数据直接得到可靠的模型,这将大大降低建模和数据挖掘的难度,可以为精准医疗和药物设计在内的众多研究工作做出贡献。

关键词：自动化建模工具多算法投票二分类器超参数自动优化开源软件

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

融合YOLO检测与均值漂移的目标跟踪算法

计算机工程与应用 2019年第10期55卷 186-192,212页

作者：王忠民段娜范琳西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121

针对视频目标跟踪算法中物体快速移动以及均值漂移算法误差累积造成的目标漂移问题,提出了一种融合YOLO(You Only Look Once)与均值漂移的目标跟踪算法。采用图像增强机制对视频帧进行预处理,在保持图像信息的同时去除光照强度的干扰;... 详细信息

针对视频目标跟踪算法中物体快速移动以及均值漂移算法误差累积造成的目标漂移问题,提出了一种融合YOLO(You Only Look Once)与均值漂移的目标跟踪算法。采用图像增强机制对视频帧进行预处理,在保持图像信息的同时去除光照强度的干扰;为了降低YOLO算法的计算复杂度,使用二分类器区分目标和背景进行物体的快速检测。根据目标物体的位置信息,使用均值漂移处理后续图像序列,并对目标物体进行检测更新,避免物体快速移动造成目标漂移问题,从而进行有效的检测跟踪。实验结果表明,该算法与DLT(Deep Learning Tracker)算法相比,运算效率提高了12.56%,跟踪精度提高了10.2%,能够较好地适应物体快速移动,具有较强的鲁棒性和实时性。

关键词：快速移动 YOLO算法均值漂移图像增强二分类器

在线全文

学校读者我要写书评

暂无评论

基于云计算的人脸识别系统研究与实现

基于云计算的人脸识别系统研究与实现

作者：李仕钊华南理工大学

学位级别：硕士

这是一个大数据的时代，数据的快速增长，已经不是过去靠着一台机器就可以完美处理的时代了。为了适应时代的数据处理需求，人脸识别作为模式识别的一个老课题也需要做出新的变化。为了适应这种变化，作者实验室以当今最为流行的分布式... 详细信息

这是一个大数据的时代，数据的快速增长，已经不是过去靠着一台机器就可以完美处理的时代了。为了适应时代的数据处理需求，人脸识别作为模式识别的一个老课题也需要做出新的变化。为了适应这种变化，作者实验室以当今最为流行的分布式技术Hadoop构建了云计算平台，并在上面实现了人脸识别系统。本文完成的主要工作如下： 1.以5台机器以Master/Slaver的结构，在linux系统下配置好网络、文件，并安装好相关的软件，从而完成Hadoop分布式系统的构建。 2.基于人脸识别的整体架构，就特征提取和分类器设计两方面分析了各种常用人脸识别算法能否适应Hadoop下的MapReduce计算框架。而鉴别是否能够适合MapReduce计算框架的标准是计算的可分离度是否高，不可分离的计算是否计算量足够小。 3．应用HOG特征在人脸识别上。经试验证实，基于梯度直方图的HOG，可以适应各种不同光照。 4．二分类器常常使用SVM算法。而SVM本身具备两个缺点：1.对线性不可分的情况只能使用核函数的方式，而核函数的选择缺乏有效的理论进行支持;2.只以一个分类平面来分类难以达到分类平面距离边界样本距离最远的目的。为了解决这两个问题，本文提出了SVM-Adaboost算法和NSMD算法，前者结合了无核SVM和Adaboost算法，解决了线性不可分的问题，后者则通过多次取最近样本中间的分类平面来构造复合的分类器，从而同时解决SVM的两个缺点。 5．将整个人脸识别系统在Hadoop系统上实现，对系统中每个算法都实现了MapReduce框架。在特征提取之前，需使用一次MapReduce对各个图像进行预处理。而对特征提取需要经过三次MapReduce过程，一次用在HOG，两次用在PCA的协方差矩阵求取和降维映射上。在分类器上，不管识别还是训练上都只需要使用一次MapReduce。

关键词：人脸识别 Hadoop 云计算二分类器梯度直方图

基于萤火虫算法的PSN网络链路预测方法研究

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

基于萤火虫算法的PSN网络链路预测方法研究

作者：熊涛南昌航空大学

学位级别：硕士

便携交换网络(Pocket Switched Network,PSN)是一种利用人的移动性和机会性相遇进行信息交流的延迟容忍网络。因此PSN网络的网络拓扑结构会随着节点的移动发生变化。节点间链路会随着节点频繁移动而产生连接或断开,这使得基于节点局部... 详细信息

便携交换网络(Pocket Switched Network,PSN)是一种利用人的移动性和机会性相遇进行信息交流的延迟容忍网络。因此PSN网络的网络拓扑结构会随着节点的移动发生变化。节点间链路会随着节点频繁移动而产生连接或断开,这使得基于节点局部信息或者基于网络拓扑结构的链路预测方法无法较好地被应用于PSN网络链路预测问题。同时由于PSN网络由携带短距离通信节点的人组成,因此节点的移动和节点间的信息交流并不是完全随机性而是具有很强的社会性和规律性。本文分析了PSN网络中节点的连接规律,考虑PSN网络中节点的社区属性和移动规律,将PSN网络中节点相似性分为节点携带者的社区相似性和移动行为相似性。一方面,通过构建节点携带者的属性向量并借助基于学习自动机的方法对PSN网络中的节点进行社区划分;另一方面,根据节点连接的接入节点数量和节点对连接的公共节点数量得出节点对的移动行为相似性。考虑PSN网络中节点移动的规律性,本文提出了一种基于萤火虫算法的链路预测方法(Link Prediction Approach for Pocket Switched Network Based on Firefly Algorithm,FALP)。首先利用改进的PSN网络相似性指标构建节点对特征向量序列,借助差分整合移动平均自回归模型在时间序列分析问题方面的优势。通过分析历史时刻下节点对的特征向量得出节点对下一时刻的特征向量,从而提取节点对的特征向量演变规律。然后借助萤火虫算法的全局寻优优势构建二分类器,研究节点对的连接状态与节点对特征向量的联系,从而推断节点对未来连接的可能性。本文采用AUC、准确率(Accuracy)和精度(Precision)作为链路预测方法的评价指标,选取稀疏程度不同的真实PSN网络数据集INFOCOM2006和MIT reality(MIT)。与6种传统的相似性指标的链路预测方法相比,改进后的相似性指标的AUC和Precision值均较高;计算FA-LP链路预测模型在不同初始化种群数量、时间帧长度、迭代次数和输入序列长度条件的Accuracy和Precision;与支持向量分类机、基于弱评估器、基于深度信念网络、基于受限玻尔兹曼机的链路预测方法相比,FA-LP模型具有更好的准确性。

关键词：便携交换网络相似性指标二分类器萤火虫算法

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

异源蛋白质相互作用数据整合算法的进展

生命科学 2008年第5期20卷 821-826页

作者：王文馨陈宇光石铁流上海大学生命科学学院上海200444 中国科学院上海生命科学信息中心上海200031

蛋白质相互作用在生物学过程和细胞功能行使中起核心作用。高通量技术的应用结合计算机预测方法的发展,使得直接和间接来源的蛋白质相互作用数据得到了大规模的增加。如何系统地整合这些数据并从中提取有用的信息是一项挑战,这也促使了... 详细信息

蛋白质相互作用在生物学过程和细胞功能行使中起核心作用。高通量技术的应用结合计算机预测方法的发展,使得直接和间接来源的蛋白质相互作用数据得到了大规模的增加。如何系统地整合这些数据并从中提取有用的信息是一项挑战,这也促使了许多整合算法应运而生。本文综述了八种整合蛋白质相互作用数据源的方法:投票、支持向量机、朴素贝叶斯、逻辑斯蒂回归、决策树、随机森林、基于随机森林的k-近邻法以及混合属性分类等方法。

关键词：蛋白质相互作用数据整合二分类器