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

基于自适应原型特征类矫正的小样本学习方法

自动化学报 2024年

作者：赵红钟杨清金杰邹林华闽南师范大学计算机学院闽南师范大学数据科学与智能计算福建省高校重点实验室

针对小样本学习过程上样本数量不足导致的性能下降问题,基于原型网络的小样本学习方法通过实现查询样本与支持样本原型特征间的距离度量,从而达到很好的分类性能.然而,这种方法直接将支持集样本均值视为类原型,在一定程度上加剧了对样... 详细信息

针对小样本学习过程上样本数量不足导致的性能下降问题,基于原型网络的小样本学习方法通过实现查询样本与支持样本原型特征间的距离度量,从而达到很好的分类性能.然而,这种方法直接将支持集样本均值视为类原型,在一定程度上加剧了对样本数量稀少情况下的敏感性.针对此问题,提出了基于自适应原型特征类矫正的小样本学习方法 (Few-shot learning based on class rectification via adaptive prototype features, CRAPF),通过自适应生成原型特征来缓解方法对数据细微变化的过度响应,并同步实现类边界的精细化调整.首先,使用卷积神经网络构建自适应原型特征生成模块,该模块采用非线性映射获取更为稳健的原型特征,有助于减弱异常值对原型构建的影响;然后,通过对原型生成过程的优化,提升了不同类间原型表示的区分度,进而强化了原型特征对类别表征的整体效能;最后,在3个广泛使用的基准数据集上的实验结果显示,该方法提升了小样本学习任务的表现.例如,在5类5样本设置下, CRAPF在MiniImageNet和CIFAR-FS上的准确率比其他方法提高了2.06%和2.30%.

关键词：小样本学习原型网络原型特征类矫正

移动边缘计算中资源供给不确定下的最优投资和定价问题

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

南京大学学报（自然科学版） 2024年第3期60卷 416-428页

作者：林德铭林姿琼郑艺峰杨敬民张文杰闽南师范大学计算机学院漳州363000 数据科学与智能应用福建省高校重点实验室闽南师范大学漳州363000 台北科技大学电子工程系台北106344

为了缓解能源性能的瓶颈,满足更多用户的资源需求,将移动边缘计算(Mobile Edge Computing,MEC)与能量收集(Energy Harvesting,EH)技术相结合,其中,EH技术可以通过捕获环境中的绿色能量来促进设备的可持续计算,提出一个具有随机能量收集... 详细信息

为了缓解能源性能的瓶颈,满足更多用户的资源需求,将移动边缘计算(Mobile Edge Computing,MEC)与能量收集(Energy Harvesting,EH)技术相结合,其中,EH技术可以通过捕获环境中的绿色能量来促进设备的可持续计算,提出一个具有随机能量收集的EH-MEC系统,以研究资源供给不确定性的投资和定价问题.用户可以租赁MEC系统的固有资源,也可以使用EH装置收集的资源.由于无线环境的时变性,EH收集的能源具有不确定性,所以,在MEC系统中找到MEC服务器和用户之间的平衡是值得研究的问题.针对这一问题,提出一种序贯决策方法,将用户的投资和MEC服务器资源定价的交互行为建模为一个四阶段的Stackelberg博弈,利用逆向归纳法得到用户与MEC服务器在利润最大化下的纳什均衡解,证明MEC服务器的最优能量收集时间、最优租赁资源和定价决策遵循良好的阈值结构.实验结果表明,绿色资源获取可以显著提高MEC服务器和用户的预期收益.

关键词：移动边缘计算 Stackelberg博弈能量收集资源分配投资与定价

在线全文

学校读者我要写书评

暂无评论

基于样本相关性的层次特征选择算法

山东大学学报（理学版） 2024年第3期59卷 61-70页

作者：史春雨毛煜刘浩阳林耀进闽南师范大学计算机学院福建漳州363000 数据科学与智能应用重点实验室(闽南师范大学) 福建漳州363000

提出了基于样本相关性的层次特征选择算法(hierarchical feature selection algorithm based on instance correlations,HFSIC)以进一步提高分层分类特征选择算法的性能。在使用稀疏正则项去除不相关特征之后,将层次结构中的父子关系与... 详细信息

提出了基于样本相关性的层次特征选择算法(hierarchical feature selection algorithm based on instance correlations,HFSIC)以进一步提高分层分类特征选择算法的性能。在使用稀疏正则项去除不相关特征之后,将层次结构中的父子关系与特征空间中样本之间的重构关系相结合,学习同一子树下各类别的样本相关性,利用递归正则优化输出特征权重矩阵。在衡量样本相关性时,将重构系数矩阵整合到训练模型中,同时利用l2,1范数去除不相关的和冗余的特征。使用加速近端梯度法解决所提模型的优化问题,并在多个评价指标下评估所提算法的优越性。实验结果表明,所提方法在5个数据集上的表现优于其他算法,验证了该算法的有效性。

关键词：特征选择层次结构样本相关性递归正则化

基于次相关特征和邻域互信息的在线多标记特征选择算法

在线全文

学校读者我要写书评

暂无评论

山东大学学报（理学版） 2024年第5期59卷 70-81页

作者：程雨轩毛煜张小清曾艺祥林耀进闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高等学校重点实验室福建漳州363000

为了充分地挖掘被单一度量指标算法忽略但对分类结果有利的特征,提出了基于次相关特征和邻域互信息的在线多标记特征选择算法,通过计算得到的新到达特征的重要性以及相关度,分析其显著性的区别,将特征区分为显著特征以及次相关特征。利... 详细信息

为了充分地挖掘被单一度量指标算法忽略但对分类结果有利的特征,提出了基于次相关特征和邻域互信息的在线多标记特征选择算法,通过计算得到的新到达特征的重要性以及相关度,分析其显著性的区别,将特征区分为显著特征以及次相关特征。利用邻域交互信息对新到达的特征与已选特征集合进行冗余性分析,剔除依赖度较低的特征,以此逐步提升特征子集的质量。构建了基于全局的线性和非线性关系的度量指标,并以此来计算特征的局部相关度,有效地挖掘次相关特征。充分考虑特征空间中次相关特征存在的问题,将次相关特征从特征集合中剥离并单独保存,使之在冗余分析阶段不会因显著特征对度量指标敏感度高所产生的影响而被剔除出特征集合。建立了特征选择指标,利用迭代策略根据指标进行特征选择。实验结果表明,该算法具有很好的有效性和稳定性。

关键词：在线特征选择多标记学习邻域熵邻域互信息次相关特征

在线全文

学校读者我要写书评

暂无评论

基于高维相关性多标签在线流特征选择

山东大学学报（理学版） 2024年第5期59卷 90-99页

作者：朱礼全林耀进毛煜程雨轩闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高等学校重点实验室福建漳州363000

提出了一种基于高维相关性的多标签在线流特征选择算法,该算法将标签空间进行等价映射,构建基于高维标签空间的权重无向图,利用图信息和Jaccard指数来衡量标签之间的高维权重,利用标签的高维相关性计算新到达特征的显著性。通过迭代显... 详细信息

提出了一种基于高维相关性的多标签在线流特征选择算法,该算法将标签空间进行等价映射,构建基于高维标签空间的权重无向图,利用图信息和Jaccard指数来衡量标签之间的高维权重,利用标签的高维相关性计算新到达特征的显著性。通过迭代显著性均值来判断新特征的显著水平,设计了一种基于平衡全局和局部的在线特征选择算法对已选特征子集进行动态优化,考虑已选特征与标签空间的全局相关性,过滤掉不相关的特征。分析已选特征之间的局部相关性,剔除冗余特征。与6种多标签特征选择方法进行对比实验,实验结果验证了所提算法的有效性。

关键词：多标签特征选择在线流特征高维相关性标签权重

在线全文

学校读者我要写书评

暂无评论

基于权重距离的优势边界小类样本合成算法

闽南师范大学学报（自然科学版） 2024年第1期37卷 54-64页

作者：何田中郑艺峰胡敏杰闽南师范大学数据科学与智能应用福建省高校重点实验室福建漳州363000 闽南师范大学计算机学院福建漳州363000

提出基于权重距离的优势边界小类样本合成算法(ABWD)来克服数据类别不平衡的问题.ABWD算法具有如下特点:1)定义权重距离,并基于该距离选取样本近邻;2)根据样本近邻确定该样本是否为小类的边界样本;3)对每个小类的边界样本确定其合成位... 详细信息

提出基于权重距离的优势边界小类样本合成算法(ABWD)来克服数据类别不平衡的问题.ABWD算法具有如下特点:1)定义权重距离,并基于该距离选取样本近邻;2)根据样本近邻确定该样本是否为小类的边界样本;3)对每个小类的边界样本确定其合成位置与合成数量,使该小类样本合成后近邻中小类个数不少于大类的个数,确保该小类样本具有优势边界.实验结果表明,与其他典型过抽样算法相比,算法较大提高了小类的分类性能,在G-mean、F-measure及查全率三种度量上均取得很好的实验结果.

关键词：数据挖掘不平衡数据过抽样优势边界权重距离

在线全文

学校读者我要写书评

暂无评论

面向对象减少的局部相容粗糙集动态更新

闽南师范大学学报（自然科学版） 2024年第1期37卷 8-19页

作者：杜晓拴张燕兰闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高校重点实验室福建漳州363000

数据通常具有不完备和动态的特点.为解决不完备信息系统用静态算法更新近似集时间效率低的问题,首先介绍不完备信息系统中的局部粗糙集模型.然后,根据对象包含度的变化给出局部粗糙集动态更新的相关定理,并设计一种局部相容粗糙集的动... 详细信息

数据通常具有不完备和动态的特点.为解决不完备信息系统用静态算法更新近似集时间效率低的问题,首先介绍不完备信息系统中的局部粗糙集模型.然后,根据对象包含度的变化给出局部粗糙集动态更新的相关定理,并设计一种局部相容粗糙集的动态更新算法.最后,利用UCI数据库中6组数据集进行仿真实验,验证所提动态更新算法的有效性与稳定性.

关键词：不完备信息系统局部粗糙集包含度动态更新

一种基于深度学习的核酸结合蛋白多标签预测模型

在线全文

学校读者我要写书评

暂无评论

闽南师范大学学报（自然科学版） 2024年第1期37卷 40-53页

作者：魏志森邓城闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高校重点实验室福建漳州363000

核酸结合蛋白(nucleic acid-binding protein,NABP)包括DNA结合蛋白(DNA-binding protein,DBP)和RNA结合蛋白(RNA-binding protein,RBP),准确识别NABP有助于了解蛋白质的作用机制.为了解决NABP预测中的交叉预测问题,提出一种新的同时预测DBP和RBP的深度学习模型DeepDPRP,并采用多标签学习方法训练模型.利用双向长短期记忆网络从位置特异性得分矩阵中提取全局蛋白质序列特征,再用卷积神经网络从中捕捉更复杂的特征,同时结合基于结构模式的卷积模块以有效利用已发现的蛋白质结构特征.独立测试实验表明,DeepD‐PRP明显优于现有的核酸结合蛋白预测器,具有更高的性能和更低的交叉预测率.广泛的消融实验证明了该模型的有效性.

关键词：核酸结合蛋白预测卷积神经网络双向长短期记忆多标签学习

在线全文

学校读者我要写书评

暂无评论

多粒度特征关联的分层分类谱特征选择

闽南师范大学学报（自然科学版） 2024年第2期37卷 8-19页

作者：胡敏杰石杰张阳林肖莹闽南师范大学计算机学院福建漳州363000 闽南师范大学数据科学与智能计算福建省高校重点实验室福建漳州363000

利用类别的层次信息解决一个特征子集难区分所有类别的问题,同时将特征间的统计相关性引进谱特征选择解决单个特征区分力问题,据此提出基于多粒度特征关联的分层分类谱特征选择算法.该算法首先对样本按类别层次结构自下而上聚合粒化,形... 详细信息

利用类别的层次信息解决一个特征子集难区分所有类别的问题,同时将特征间的统计相关性引进谱特征选择解决单个特征区分力问题,据此提出基于多粒度特征关联的分层分类谱特征选择算法.该算法首先对样本按类别层次结构自下而上聚合粒化,形成多粒度分层任务集;然后对子任务中的特征空间利用谱图理论设计异类样本间的相似矩阵并构建目标函数迭代地排序出特征关联重要度.最后,在5个数据集上通过该算法与4种基于传统的及3种新颖的分层特征选择算法相比,文中算法具有有效性,尤其是获取少量的特征.

关键词：特征关联特征选择分层分类多粒度谱分析