检索结果-南通市图书馆

基于样本密度和分类误差率的增量学习矢量量化算法研究

在线全文

学校读者我要写书评

暂无评论

自动化学报 2015年第6期41卷 1187-1200页

作者：李娟王宇平西安电子科技大学计算机学院西安710071 陕西师范大学远程教育学院西安710062

作为一种简单而成熟的分类方法,K最近邻(K nearest neighbor,KNN)算法在数据挖掘、模式识别等领域获得了广泛的应用,但仍存在计算量大、高空间消耗、运行时间长等问题.针对这些问题,本文在增量学习型矢量量化(Incremental learning vect... 详细信息

作为一种简单而成熟的分类方法,K最近邻(K nearest neighbor,KNN)算法在数据挖掘、模式识别等领域获得了广泛的应用,但仍存在计算量大、高空间消耗、运行时间长等问题.针对这些问题,本文在增量学习型矢量量化(Incremental learning vector quantization,ILVQ)的单层竞争学习基础上,融合样本密度和分类误差率的邻域思想,提出了一种新的增量学习型矢量量化方法,通过竞争学习策略对代表点邻域实现自适应增删、合并、分裂等操作,快速获取原始数据集的原型集,进而在保障分类精度基础上,达到对大规模数据的高压缩效应.此外,对传统近邻分类算法进行了改进,将原型近邻集的样本密度和分类误差率纳入到近邻判决准则中.所提出算法通过单遍扫描学习训练集可快速生成有效的代表原型集,具有较好的通用性.实验结果表明,该方法同其他算法相比较,不仅可以保持甚至提高分类的准确性和压缩比,且具有快速分类的优势.

关键词：学习矢量量化增量学习分类误差率样本密度合并分裂

基于样本密度的SVM及其在入侵检测中的应用

在线全文

学校读者我要写书评

暂无评论

计算机应用 2007年第4期27卷 838-840页

作者：付长龙吕彦波姚全珠杜旭辉西北工业大学自动化学院陕西西安710072 西安理工大学计算机科学与工程学院陕西西安710048

针对网络数据集过于庞大,学习速度过慢的问题,提出了一种基于空间块和样本密度的SVM算法,并将其应用到入侵检测中。该算法根据样本的局部密度选择训练样本,减少参加训练的样本数量,提高学习速度。实验结果表明,该算法在保证检测精度的同... 详细信息

针对网络数据集过于庞大,学习速度过慢的问题,提出了一种基于空间块和样本密度的SVM算法,并将其应用到入侵检测中。该算法根据样本的局部密度选择训练样本,减少参加训练的样本数量,提高学习速度。实验结果表明,该算法在保证检测精度的同时,学习速度快于传统SVM入侵检测方法。

关键词：入侵检测支持向量机空间块样本密度边缘向量

在线全文

学校读者我要写书评

暂无评论

基于样本密度的全局优化K均值聚类算法

计算机工程与应用 2018年第14期54卷 143-147页

作者：薛印玺许鸿文李羚中国地质大学(武汉)机械与电子信息学院武汉430074

针对传统K均值聚类算法中存在的聚类结果依赖于初始聚类中心及易陷入局部最优等问题,提出一种基于样本密度的全局优化K均值聚类算法(KMS-GOSD)。在迭代过程中,KMS-GOSD算法首先通过高斯模型得到所有聚类中心的预估计密度,然后将实际密... 详细信息

针对传统K均值聚类算法中存在的聚类结果依赖于初始聚类中心及易陷入局部最优等问题,提出一种基于样本密度的全局优化K均值聚类算法(KMS-GOSD)。在迭代过程中,KMS-GOSD算法首先通过高斯模型得到所有聚类中心的预估计密度,然后将实际密度低于预估计密度最大的聚类中心进行偏移操作。通过优化聚类中心位置,KMS-GOSD算法不仅能提升全局探索能力,而且可以克服对聚类初始中心点的依赖性。采用标准的UCI数据集进行实验对比,发现改进后的算法相比传统的算法有较高的准确率和稳定性。

关键词： K均值聚类中心样本密度全局优化

在线全文

学校读者我要写书评

暂无评论

基于样本密度的FCM改进算法

科学技术与工程 2007年第4期7卷 636-638页

作者：黎俊锋朱锋峰华南理工大学数学科学学院应用数学系广州510640

从聚类中心的直观属性出发,选取样本中密度较大的点作为FCM算法的初始聚类中心。解决了FCM算法对初始值敏感、收敛结果容易陷入局部极小等问题。实验结果证明这一算法的合理性和有效性。

关键词： FCM算法聚类中心样本密度

基于样本空间分布密度的改进次胜者受罚竞争学习算法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2012年第3期32卷 638-642页

作者：谢娟英郭文娟谢维信高新波陕西师范大学计算机科学学院西安710062 西安电子科技大学电子工程学院西安710071 深圳大学信息工程学院广东深圳518060

针对传统次胜者受罚竞争学习(RPCL)算法忽略数据集几何结构对节点权值调整的影响,以及魏立梅等提出的新RPCL算法(魏立梅,谢维信.聚类分析中竞争学习的一种新算法.电子科学学刊,2000,22(1):13-18)引入密度来对节点的权值进行调整时,密度... 详细信息

针对传统次胜者受罚竞争学习(RPCL)算法忽略数据集几何结构对节点权值调整的影响,以及魏立梅等提出的新RPCL算法(魏立梅,谢维信.聚类分析中竞争学习的一种新算法.电子科学学刊,2000,22(1):13-18)引入密度来对节点的权值进行调整时,密度定义的主观性,提出基于样本空间分布密度的改进RPCL算法。该算法根据数据集样本自然分布定义样本密度,将此密度引入RPCL节点权值调整;使用UCI机器学习数据库数据集以及随机生成的带有噪声点的人工模拟数据集对算法进行实验测试,对算法确定数据集类簇数目的准确率、运行时间、聚类误差平方和、聚类结果的Rand指数、Jaccard系数以及Adjust Rand index参数进行分析比较。各项实验结果显示:所提算法优于原始RPCL算法和魏立梅算法,具有更好的聚类效果,对噪声数据有很强的抗干扰性能。所提算法不仅能根据样本的自然分布确定数据集的合理类簇数目,而且能确定合适的类簇中心,提高聚类的准确性,使聚类结果尽可能快地收敛到全局最优解。

关键词：聚类次胜者受罚竞争学习算法样本密度聚类数目聚类中心

基于聚类和密度的KNN分类器训练样本约减方法

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 2009年第5期37卷 10-12页

作者：艾英山张德贤河南工业大学信息科学与工程学院郑州450001

提出了一种基于聚类和密度的KNN分类器训练样本约减方法。使用KNN分类器进行文本分类的时侯,由于训练样本在类别内分布的不均匀,会造成分类准确性的下降,而且相似度计算量非常大。新方法根据训练样本的密度采用聚类的方法,约减了一定数... 详细信息

提出了一种基于聚类和密度的KNN分类器训练样本约减方法。使用KNN分类器进行文本分类的时侯,由于训练样本在类别内分布的不均匀,会造成分类准确性的下降,而且相似度计算量非常大。新方法根据训练样本的密度采用聚类的方法,约减了一定数量的"噪声"样本。实验表明,使用该方法能同时提高KNN分类器的准确率和效率。

关键词： K近邻法样本聚类样本密度

在线全文

学校读者我要写书评

暂无评论

后验概率加权的模糊隶属度函数

重庆大学学报（自然科学版） 2012年第8期35卷 127-133页

作者：魏延李晓虹邬啸重庆师范大学计算机与信息科学学院重庆401331 重庆大学自动化学院重庆400044

模糊支持向量机(FSVM)中的模糊隶属度函数确定一直是一个难点问题。针对支持向量分类机对噪声数据或孤立点非常敏感的问题,受贝叶斯决策理论的启发,结合样本密度特性,研究样本点相对于同类和异类的关系,对各样本点分布的紧密程度给出了... 详细信息

模糊支持向量机(FSVM)中的模糊隶属度函数确定一直是一个难点问题。针对支持向量分类机对噪声数据或孤立点非常敏感的问题,受贝叶斯决策理论的启发,结合样本密度特性,研究样本点相对于同类和异类的关系,对各样本点分布的紧密程度给出了描述,构造了样本点的后验概率与样本密度的加权方法,提出了一种新的加权模糊隶属度函数构造。该方法避免了对噪声数据和孤立点的检测。通过建立基于提出模糊隶属函数的FSVM进行仿真,实验表明,提出的模糊隶属度函数构造的后验概率加权方法的有效性。

关键词：隶属度函数模糊集后验概率样本密度模糊支持向量机

在线全文

学校读者我要写书评

暂无评论

基于密度的划分式聚类过程参数选择算法

控制与决策 2016年第1期31卷 21-29页

作者：吴杨王韬李进东中国人民解放军军械工程学院信息工程系石家庄050003

为确定-means等聚类算法的初始聚类中心,首先由样本总量及其取值区间长度确定对应维上的样本密度统计区间数,并将满足筛选条件的密度峰值所在区间内的样本均值作为候选初始聚类中心;然后,根据密度峰值区间在各维上的映射关系建立候选初... 详细信息

为确定-means等聚类算法的初始聚类中心,首先由样本总量及其取值区间长度确定对应维上的样本密度统计区间数,并将满足筛选条件的密度峰值所在区间内的样本均值作为候选初始聚类中心;然后,根据密度峰值区间在各维上的映射关系建立候选初始聚类中心关系树,进一步采用最大最小距离算法获得初始聚类中心;最后为确定最佳聚类数,基于类内样本密度及类密度建立聚类有效性评估函数.针对人工数据集及UCI数据集的实验结果表明了所提出算法的有效性.

关键词：聚类算法聚类中心样本密度关系树最大最小距离

在线全文

学校读者我要写书评

暂无评论

聚类的密度函数方法

西安电子科技大学学报 1997年第4期24卷 463-467页

作者：裴继红谢维信西安电子科技大学电子工程学院

提出了一种新的利用样本分布的密度函数进行聚类的非迭代最优化聚类方法．给出了一组与标准模糊Ｃ－均值聚类算法进行对比的典型实验。

关键词：聚类密度分布样本密度非迭代优化信号处理