检索结果-南通市图书馆

江西科学 2007年第3期25卷 236-238页

作者：兰海英闻家君江西师范大学数学与信息科学学院江西南昌330022

讨论了En+1中的超球面的特征,得到了En+1具有正交曲率线网的超曲面M是超球面部分的条件;然后推广了***的一个定理,得到了E5具有正交曲率线网的超曲面M是超球面部分的条件。

关键词：超曲面超球面脐点正交曲率线网

S^(n+1)(1)内凸超曲面为边界的区域的第一特征值估计

在线全文

学校读者我要写书评

暂无评论

数学年刊（A辑） 2002年第2期23卷 261-270页

作者：黄宣国复旦大学数学研究所上海200433

Ｍ是Ｓｎ＋１(１)内紧致嵌入凸超曲面．Ｍ分Ｓｎ＋１(１)为两个连通区域Ω１和Ω２．Ω１＝Ｍ和Ω１是凸的．本文估计了Ω１的Ｌａｐｌａｃｅ算子的第一特征值的下界．

关键词：第一特征值凸超曲面超球面

在线全文

学校读者我要写书评

暂无评论

基于覆盖算法的SVM雷达辐射源识别

计算机工程 2011年第10期37卷 179-181页

作者：陈婷陈卫中国人民解放军炮兵学院无人机教研室合肥230031

传统的支持向量机(SVM)多值分类算法在构造多个二值分类器时存在计算量较大和分类速度较低的问题。为此,将覆盖思想引入SVM分类算法中,提出一种基于覆盖的SVM多分类算法,通过构造覆盖集寻找更紧致的优化区域,从而提高分类速度。将该算... 详细信息

传统的支持向量机(SVM)多值分类算法在构造多个二值分类器时存在计算量较大和分类速度较低的问题。为此,将覆盖思想引入SVM分类算法中,提出一种基于覆盖的SVM多分类算法,通过构造覆盖集寻找更紧致的优化区域,从而提高分类速度。将该算法应用到雷达辐射源识别中,仿真结果表明,该算法能够获得较好的识别效果。

关键词：覆盖算法支持向量机超球面核函数辐射源识别

在线全文

学校读者我要写书评

暂无评论

一种化探异常评价方法——多变量场

地质与勘探 1990年第2期26卷 47-50页

作者：张丕富河北地质学院

用多变量场(Multivariate Field)评价化探异常,是在多维变量或主轴空间,利用超球面把具有相同或相似地球化学性质的样品点分别圈出来,从而达到对异常进行分类、评价的目的.本文就多变量场的原理与方法作了简介,并对其计算机算法作了说明.

关键词：化探异常评价多变量场超球面

在线全文

学校读者我要写书评

暂无评论

基于球边界的不平衡数据分类方法

计算机应用 2008年第4期28卷 866-868页

作者：雷治军张素玲薛贞霞洛阳师范学院信息技术学院河南洛阳471022 焦作大学基础部河南焦作454003 西安电子科技大学应用数学系

现有分类算法对不平衡数据挖掘通常表现出有偏性,即正类样本(通常是更重要的一类)的分类和预测性能差于负类样本的分类和预测性能,为此提出一种不平衡数据的分类方法。该方法对不同类引入不同的惩罚参数来灵活控制两类错分率的上界,通... 详细信息

现有分类算法对不平衡数据挖掘通常表现出有偏性,即正类样本(通常是更重要的一类)的分类和预测性能差于负类样本的分类和预测性能,为此提出一种不平衡数据的分类方法。该方法对不同类引入不同的惩罚参数来灵活控制两类错分率的上界,通过一个超球面将两类数据以最大分离比率分离,从而提高不平衡数据对正类分类和预测的性能。实验结果表明,该方法可以有效提高不平衡数据的分类性能。

关键词：不平衡数据分类算法超球面

在线全文

学校读者我要写书评

暂无评论

一种新的基于神经网络覆盖分类算法

中国图象图形学报（A辑） 2004年第10期9卷 1165-1168页

作者：黄国宏邵惠鹤上海交通大学自动化研究所上海200030

为了克服传统神经网络算法在处理分类问题时训练时间长、泛化能力弱的不足,提出了一种新的基于构造型神经网络覆盖分类算法,该算法通过在超球面上对样本数据进行聚类分析,找出同类样本中未被覆盖样本的最大密度点,然后在特征空间里做超... 详细信息

为了克服传统神经网络算法在处理分类问题时训练时间长、泛化能力弱的不足,提出了一种新的基于构造型神经网络覆盖分类算法,该算法通过在超球面上对样本数据进行聚类分析,找出同类样本中未被覆盖样本的最大密度点,然后在特征空间里做超平面与球面相交,得到球面领域覆盖,从而将神经网络训练问题转化为点集覆盖问题,同时也考虑了神经网络规模的优化问题。实验结果证明了该算法的有效性。

关键词：分类算法构造型神经网络泛化能力特征空间分类问题神经网络算法覆盖超球面点集超平面

在线全文

学校读者我要写书评

暂无评论

基于SVM的类别增量人体活动识别方法

计算机科学 2022年第5期49卷 78-83页

作者：邢云冰龙广玉胡春雨忽丽莎中国科学院计算技术研究所北京100190 湘潭大学计算机学院·网络空间安全学院湖南湘潭411105 齐鲁工业大学计算机科学与技术学院济南250353 河北经贸大学信息技术学院石家庄050061

基于人体活动识别(Human Activity Recognition,HAR)的健康监护是发现健康异常的一种重要手段。然而,在日常活动识别中,很难提前获取包含所有可能活动类别的训练样本。当预测阶段出现新增类别时,传统的支持向量机(Support Vector Machin... 详细信息

基于人体活动识别(Human Activity Recognition,HAR)的健康监护是发现健康异常的一种重要手段。然而,在日常活动识别中,很难提前获取包含所有可能活动类别的训练样本。当预测阶段出现新增类别时,传统的支持向量机(Support Vector Machine,SVM)会将其错误地分类为已知类别。一个鲁棒的分类器应该能够分辨出新增类别,以便后续区别于已知类别并对其进行处理。文中提出一种基于SVM的类别增量人体活动识别方法,引入超球面的思想,既能高精度地识别已知活动类别,又能检测出新增类别。通过训练得到的多个超球面将整个特征空间进行划分,使分类器具有对新增活动类别的检测能力。实验结果表明,与传统多分类SVM方法相比,该方法能够在不显著降低已知类别分类效果的前提下实现对新增类别的检测,从而提高分类器在开放环境下的人体活动识别能力。

关键词：人体活动识别支持向量机超球面聚类可分类别增量

DCDAD：考虑上下文依赖差异化的时间序列异常检测模型

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年

作者：廖思睿黄飞虎战鹏祥彭舰张凌浩四川大学计算机学院国网四川省电力公司电力科学研究院

时间序列异常检测旨在检测时间序列中与正常数据不符的时间点或片段。如何充分利用时间序列中的上下文信息以提升检测精度是目前构建异常检测模型的关键。然而，现有方法未充分考虑数据中上下文依赖关系的差异性，也缺乏对异常样本的建... 详细信息

时间序列异常检测旨在检测时间序列中与正常数据不符的时间点或片段。如何充分利用时间序列中的上下文信息以提升检测精度是目前构建异常检测模型的关键。然而，现有方法未充分考虑数据中上下文依赖关系的差异性，也缺乏对异常样本的建模，导致正常和异常样本区分度不明显、检测效果欠佳。因此，本文提出了一种考虑上下文依赖差异化的异常检测模型（Differentiated Context Dependency for Time Series Anomaly Detection， DCDAD），用于时序异常检测。DCDAD模型通过自注意力捕捉时间维度的上下文依赖，并在聚类过程中学习用以区分正、异常样本的超球面。采用异常注入思想对数据集进行扩充，解决异常样本稀缺的问题，并针对性地设计了差异化学习的目标函数，扩大正、异常样本的差异性，进而提升异常检测性能。本文在5个真实时序数据集上进行了大量实验，在F1分数上相比于现有最先进的算法提升了约1.2%，证实了以差异化方式学习上下文依赖关系可提升模型的异常检测效果，同时参数敏感性分析和消融实验的结果也验证了本模型的稳定性以及有效性。

关键词：时序异常检测差异化表示学习上下文依赖关系超球面

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种不平衡数据的分类方法

兰州理工大学学报 2008年第3期34卷 87-90页

作者：李永新平顶山学院数学系河南平顶山467000

针对一个球的模式分类(SSPC)方法没有考虑样本分布不平衡的问题,提出一种不平衡数据的分类方法.该方法引入类权重因子和样本权重因子,通过一个超球面将两类数据以最大分离比率分离,从而提高不平衡数据对正类分类和预测的性能.实验结果表... 详细信息

针对一个球的模式分类(SSPC)方法没有考虑样本分布不平衡的问题,提出一种不平衡数据的分类方法.该方法引入类权重因子和样本权重因子,通过一个超球面将两类数据以最大分离比率分离,从而提高不平衡数据对正类分类和预测的性能.实验结果表明,该方法可以有效提高不平衡数据的分类性能.

关键词：不平衡数据权重因子超球面分类算法

在线全文

学校读者我要写书评

暂无评论

基于一个球的模式分类方法的改进

数学的实践与认识 2008年第10期38卷 116-120页

作者：郭烨李永新薛贞霞洛阳师范学院信息技术学院河南洛阳471022 平顶山学院数学系河南平顶山467000 西安电子科技大学应用数学系

针对一个球的模式分类(Single Sphere Pattern Classification(SSPC))方法中选取参数C比较困难的问题,提出一种改进的分类方法υ-SSPC.这种方法通过引入一个具有明确物理意义的参数υ,即υ是间隔错误样本占所总样本点的分额的上界,是支... 详细信息

针对一个球的模式分类(Single Sphere Pattern Classification(SSPC))方法中选取参数C比较困难的问题,提出一种改进的分类方法υ-SSPC.这种方法通过引入一个具有明确物理意义的参数υ,即υ是间隔错误样本占所总样本点的分额的上界,是支持向量的个数所占总样本点数的分额的下界,使参数可以灵活地根据实际问题的精度要求来选取.从而可以快速选取最有效的参数,提高分类预测的精度.

关键词：分类算法参数选取超球面