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

基于属性间交互信息的预剪枝ID3算法

贵州大学学报（自然科学版） 2008年第5期25卷 494-497页

作者：韩义亭王力刘小军张成宇贵州大学电子科学与信息技术学院贵州贵阳550025 中国矿业大学(北京)资源与安全工程学院北京100083

ID3算法是决策树归纳中普遍而有效的启发式算法。本文针对ID3算法的不足,给出了一个改进版本,它在选择测试属性时不仅要求该属性和类的交互信息较大,而且要求和祖先结点使用过的属性之间的交互性息尽可能小,从而避免了对冗余属性的选择... 详细信息

ID3算法是决策树归纳中普遍而有效的启发式算法。本文针对ID3算法的不足,给出了一个改进版本,它在选择测试属性时不仅要求该属性和类的交互信息较大,而且要求和祖先结点使用过的属性之间的交互性息尽可能小,从而避免了对冗余属性的选择,实现信息熵的真正减少。在生成树的过程中,设定分类阈值,对树进行剪枝,以避免数据子集过小,使进一步划分失去统计意义。实验结果表明,该算法能构造出比ID3算法更优的决策树。

关键词： ID3交互信息预剪枝

在线全文

学校读者我要写书评

暂无评论

极小碰集求解中候选解极小性判定方法

软件学报 2018年第12期29卷 3733-3746页

作者：刘思光欧阳丹彤张立明吉林大学计算机科学与技术学院吉林长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012

极小碰集问题是人工智能中的重要问题,应用广泛.碰集极小性判定,作为极小碰集求解过程中的关键步骤,效率的高低会对极小碰集求解算法的耗时产生直接影响.现有的极小碰集求解算法主要使用子集检测方法进行碰集极小性判定.针对子集检测方... 详细信息

极小碰集问题是人工智能中的重要问题,应用广泛.碰集极小性判定,作为极小碰集求解过程中的关键步骤,效率的高低会对极小碰集求解算法的耗时产生直接影响.现有的极小碰集求解算法主要使用子集检测方法进行碰集极小性判定.针对子集检测方法在极小碰集簇规模较大时效率较低的问题,提出了基于元素独立覆盖度检测的碰集极小性判定方法——ICC方法,剥离了碰集极小性判定耗时与极小碰集簇大小的相关性;通过深入分析增量求解过程中非极小碰集的产生原因,给出了ICC方法的增量判定形式IICC方法,使其可以尽早发现并丢弃非极小候选解,为使用其增量极小碰集求解算法带来额外的剪枝效果,进一步提升算法的效率.实验结果表明:该方法易于实现,可扩展性强,对于当前效率较高的Boolean算法,使用IICC方法后,算法可求解问题的规模和整体效率均有明显提升,效率提升最高达4个数量级以上.

关键词：基于模型诊断极小碰集碰集极小性判定预剪枝增量方法

在线全文

学校读者我要写书评

暂无评论

基于Rough集的决策树算法

天津大学学报（自然科学与工程技术版） 2005年第9期38卷 842-846页

作者：乔梅韩文秀天津大学管理学院

　针对基于Rough集的经典分类算法值约简算法等不适合大数据集的问题,提出了基于Rough集的决策树算法.采用一个新的选择属性的测度——属性分类粗糙度作为选择属性的启发式,该测度较Rough中刻画属性相关性的测度正区域等更为全面地刻画... 详细信息

　针对基于Rough集的经典分类算法值约简算法等不适合大数据集的问题,提出了基于Rough集的决策树算法.采用一个新的选择属性的测度——属性分类粗糙度作为选择属性的启发式,该测度较Rough中刻画属性相关性的测度正区域等更为全面地刻画了属性分类综合贡献能力,并且比信息增益和信息增益率的计算更为简单采取了一种新的剪枝方法——预剪枝,即在选择属性计算前基于变精度正区域修正属性对数据的初始划分模式, 以更有效地消除噪音数据对选择属性和生成叶节点的影响.采取了一种与决策树算法高度融合的简单有效的检测和处理不相容数据的方法,从而使算法对相容和不相容数据都能进行有效处理.对UCI机器学习数据库中几个数据集的挖掘结果表明,该算法生成的决策树较ID3算法小,与用信息增益率作为启发式的决策树算法生成的决策树规模相当.算法生成所有叶节点均满足给定最小置信度和支持度的决策树或分类规则,并易于利用数据库技术实现,适合大数据集.

关键词： Rough集决策树属性分类粗糙度预剪枝不相容数据

在线全文

学校读者我要写书评

暂无评论

变样本量学习最小二乘支持向量机算法

计算机工程 2019年第1期45卷 192-198,205页

作者：加尔肯别克袁杰新疆大学电气工程学院乌鲁木齐830047

为增加最小二乘支持向量机(LS-SVM)算法解的稀疏性,提高其运算效率,提出一种变样本量学习LSSVM算法。从训练集中随机抽取部分样本作为初始工作集,在学习阶段将样本训练过程分为样本增量和样本减量2个阶段。在样本增量阶段,按KKT条件选... 详细信息

为增加最小二乘支持向量机(LS-SVM)算法解的稀疏性,提高其运算效率,提出一种变样本量学习LSSVM算法。从训练集中随机抽取部分样本作为初始工作集,在学习阶段将样本训练过程分为样本增量和样本减量2个阶段。在样本增量阶段,按KKT条件选取特定样本加入工作集并进行训练,在样本减量阶段,采用负松弛变量剪枝策略与基于对偶目标函数差的剪枝策略实现剪枝。在此基础上,采用工作集中的剩余样本构造学习分类器。实验结果表明,相对SMO、SMO-new、ISLS-SVM算法,该算法具有稀疏性高、运算速度快、无精度损失等优点。

关键词：最小二乘支持向量机稀疏性变样本量学习预剪枝 KKT条件

基于VPRS的决策树算法中处理噪音数据的新方法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2005年第5期25卷 989-991页

作者：乔梅韩文秀天津大学管理学院

噪音数据是影响决策树训练效率和结果集质量的重要因素。目前的树剪枝方法不能消除噪音数据对选择决策树测试节点属性的影响。为改变这种状况,基于变精度Rough集(VPRS)模型,提出了一个在决策树算法中处理噪音数据的新方法———预剪枝法... 详细信息

噪音数据是影响决策树训练效率和结果集质量的重要因素。目前的树剪枝方法不能消除噪音数据对选择决策树测试节点属性的影响。为改变这种状况,基于变精度Rough集(VPRS)模型,提出了一个在决策树算法中处理噪音数据的新方法———预剪枝法,该方法在进行选择属性的计算之前基于变精度正区域求取属性修正的分类模式,来消除噪音数据的对选择属性以及生成叶节点的影响。利用该方法对基本ID3决策树算法进行了改进。分析和实验表明,与先剪枝方法相比,该方法能进一步减小决策树的规模和训练时间。

关键词：决策树数据噪音变精度Rough集(VPRS) 预剪枝

在线全文

学校读者我要写书评

暂无评论

决策树简化(剪切)方法综述

计算机工程与应用 2004年第27期40卷 66-69页

作者：王熙照游自英河北大学数学与计算机学院机器学习研究中心保定071002

树的简化是决策树归纳学习中关键的部分。论文是决策树简化方法的一个综述,包括预剪枝、后剪枝和其它方法。文中叙述了多种著名的剪枝方法,各种方法的优缺点及对其的改进和变型。

关键词：决策树简化剪枝预剪枝后剪枝

Apriori算法的改进及其在睡眠辅助医疗中的应用

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2020年第12期41卷 2668-2671页

作者：石升董金琳王玮闫悦孙艳蕊东北大学理学院沈阳110819

针对睡眠呼吸暂停低通气综合征结合沈阳市某医院的数据对睡眠呼吸暂停低通气综合征的相关诊断指标及潜在病因进行频繁项集的挖掘.常用的Apriori算法实用性较强但效率不高且有局限性.本文针对Apriori算法的缺陷结合已有的优化算法提出了... 详细信息

针对睡眠呼吸暂停低通气综合征结合沈阳市某医院的数据对睡眠呼吸暂停低通气综合征的相关诊断指标及潜在病因进行频繁项集的挖掘.常用的Apriori算法实用性较强但效率不高且有局限性.本文针对Apriori算法的缺陷结合已有的优化算法提出了一个新的优化算法,并在此基础上建立了睡眠呼吸暂停低通气综合征辅助医疗的模型.该算法效率更高、速度更快、适用性更广,并且将结果与医学临床表现进行对比,符合临床表现,可信度较高.

关键词：睡眠呼吸暂停低通气综合征 Apriori算法的优化频繁项集预剪枝辅助医疗模型

在线全文

学校读者我要写书评

暂无评论

深度卷积神经网络的通道柔性剪枝方法研究

深度卷积神经网络的通道柔性剪枝方法研究

作者：陈靓浙江科技学院

学位级别：硕士

大数据时代带来了海量数据信息,其中就包含了视频图像信息。由于图像数据本身的特殊性,使用传统的统计方法很难高效地对其进行分析处理。统计机器学习通过计算机实现对数据进行分析与预测,被广泛地应用于图像识别、语义分割、目标检测... 详细信息

大数据时代带来了海量数据信息,其中就包含了视频图像信息。由于图像数据本身的特殊性,使用传统的统计方法很难高效地对其进行分析处理。统计机器学习通过计算机实现对数据进行分析与预测,被广泛地应用于图像识别、语义分割、目标检测等问题中。目前,神经网络已经成为处理视频图像数据的主流方法,在许多计算机视觉任务上的表现远远超过其他机器学习方法。神经网络的发展得益于层出不穷的神经网络模型,然而随着神经网络规模的日益扩大,深度不断加深,复杂度逐渐上升,其运算量和参数量也在成本增长。边缘智能的兴起,迫切需要对神经网络进行压缩,使其能够部署到计算存储资源受限的边缘端设备。本文对模型压缩中的模型剪枝方法开展研究,具体的研究内容归纳如下:(1)针对模型剪枝容易造成过度剪枝问题,提出一种基于批归一化层的迭代通道预剪枝方法。不同于传统剪枝方法中,依据通道重要性将其划分为重要和不重要两类,本文定义一种介于重要和不重要的中间状态。通过对这部分难以划分的通道进行“预剪枝”操作,来避免过度剪枝,提高模型剪枝的性能。在CIFAR-10和CIFAR-100数据集上的实验结果证实该方法的有效性,将VGG16和Resnet56裁剪至浮点运算量降低一半时,精度不受影响。在Image Net数据集和Mobile Net V2上的实验证明了该方法还具体一定的可延展性。(2)针对模型剪枝过程过于冗长的问题,提出一种二步式的通道柔性剪枝方法。传统剪枝往往使用迭代的方法,渐进地裁剪模型,逐步逼近目标压缩率,这使得剪枝过程耗费大量计算成本。本文提供了一种更高效的剪枝方案,通过对网络进行平滑的预剪枝,使模型快速接近目标压缩率。随后经过通道等效重组过程,快速得到压缩模型架构。基于VGG16与Res Net56在CIFAR-10的实验结果表明,柔性剪枝策略分别取得了3.49和2.19的浮点运算量压缩比,而与基准模型相比准确率仅分别下降0.15个百分点和0.20个百分点。

关键词：卷积神经网络模型压缩预剪枝柔性剪枝

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

基于朴素贝叶斯方法的文本分类研究

基于朴素贝叶斯方法的文本分类研究

作者：姚严志南京理工大学

学位级别：硕士

文本分类是对文本信息进行有效组织整理的重要方式之一。随着互联网的发展,各种形式的文本信息也呈爆炸式增长,人们对文本分类的需求也更加迫切。朴素贝叶斯算法(Na(?)ve Bayes)作为常用的文本分类算法,因其有着坚实的数学基础,以及稳... 详细信息

文本分类是对文本信息进行有效组织整理的重要方式之一。随着互联网的发展,各种形式的文本信息也呈爆炸式增长,人们对文本分类的需求也更加迫切。朴素贝叶斯算法(Na(?)ve Bayes)作为常用的文本分类算法,因其有着坚实的数学基础,以及稳定的分类效率被广泛的应用。该算法采用“属性条件独立性假设”,即假设所有属性相互独立,独立地对分类结果产生影响。事实上,所有属性相互独立的假设在现实任务中难以被满足,属性之间或多或少都会存在一些关联,由此研究人员们一直致力于对于朴素贝叶斯算法的改进研究。论文在TF-IDF的基础上,研究了一种基于类信息改进的TF-IDF权重算法,并将之用于属性加权以改进朴素贝叶斯算法。经典的TF-IDF算法仅考虑了特征词频率和逆文档频率等,忽略了特征词的类间、类内分布信息。本文通过TF-IDF算法计算特征词在不同规模语料库中的权重,分析特征词的类信息对权重的影响,并进一步针对该影响提出一种新的衡量特征词的类间、类内分布信息的方法。本文通过增加两个新的权值,类间离散因子和类内离散因子,将其与经典的TF-IDF算法结合,提出了基于类信息的改进的TF-IDF-CI算法。本文将改进的权重算法用于属性加权以改进朴素贝叶斯算法,并对改进后的算法的分类性能进行了验证。实验证明,改进后的算法在测试数据集上的表现,在准确率、召回率和F1值上均优于经典的算法。论文还研究了一种基于随机森林(Random Forest)进行属性选择并与朴素贝叶斯算法结合的RF-NB算法。朴素贝叶斯算法应用于文本分类时,用于分类的属性往往有成千上万维,其中包含着大量的噪声严重影响分类性能。一个自然的想法便是不再使用整个属性空间进行分类,而是选择一个分类效率和准确率更高的属性空间的子集。本文提出一种基于随机森林进行属性选择并与朴素贝叶斯算法结合的方法。通过随机森林算法构建T棵决策树,选择决策树的前k个用于节点分支的属性构成的属性子集,并将其用于朴素贝叶斯分类。此外,还提出在构建决策树时采用预剪枝的PRF-NB算法,可以在一定程度上提高分类效率,且实验证明随着样本数量的增加,RF-NB算法与PRF-NB算法分类性能逐渐趋近,但是使用PRF-NB算法的计算时间有明显减少。

关键词：文本分类朴素贝叶斯 TF-IDF 随机森林预剪枝