首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 562 毫秒

1.  覆盖学习的道路优化算法  
   严晨  李凡长《软件学报》,2015年第26卷第11期
   在之前的研究中,已经针对李群多连通空间上具有不同类别特征的研究对象,提出了多连通覆盖学习算法,成功地将覆盖学习应用到多连通李群空间.主要针对多连通覆盖学习算法中连通道路的交叉问题,考虑在李群空间上寻找一条测地曲线,使得映射后不同单连通空间上的道路的关联度最小化、同一单连通空间上的道路的关联度最大化,从而实现连通空间上类别判别性能的优化.首先回顾李群连通性质的相关知识;然后,简单介绍了多连通覆盖学习算法,并针对问题给出新的优化算法;最终,通过与经典覆盖学习算法、李群均值算法以及原始算法的比较实验,证明了该优化算法具有更好的分类性能.    

2.  多连通李群覆盖学习算法在图像分类上的应用  
   严晨  李凡长  邹鹏《计算机与生活》,2014年第9期
   李群机器学习作为一种新的学习范式已被学术界广泛关注。根据李群的连通性质,将具有不同类别特征的研究对象映射到多连通李群空间,并从各个单连通李群空间上连线的同伦等价出发,运用覆盖的思想寻找对应不同类别的最优道路等价表示,从而用多连通李群的多值表示来呈现图像的类别信息,因此提出了多连通李群覆盖学习算法。在MPEG7_CE-Shape01_Part_B图像库的图像和MNIST手写体数字图像上进行了实验验证,结果表明与两种基于李群均值的学习算法相比,多连通李群覆盖学习算法具有较好的分类效果。    

3.  基于交叉覆盖算法的改进算法--核平移覆盖算法  
   赵姝  张燕平  张媛  陈传明《计算机技术与发展》,2004年第14卷第11期
   文中对前向神经网络交叉覆盖算法进行了分析,并在此基础上引入统计学习理论中的核函数,提出了两者结合的方法--核平移覆盖算法(简称KMCA).KMCA通过Mercer核,将输入空间的样本映射到高维特征空间,然后先覆盖、后平移,以使覆盖领域局部最优,实现在核空间中分类识别.实验的结果证明了KMCA的可行性和有效性.    

4.  基于交叉覆盖算法的改进算法——核平移覆盖算法  被引次数:4
   赵姝 张燕平 张媛 陈传明《微机发展》,2004年第14卷第11期
   文中对前向神经网络交叉覆盖算法进行了分析,并在此基础上引入统计学习理论中的核函数,提出了两者结合的方法———核平移覆盖算法(简称KMCA)。KMCA通过Mercer核,将输入空间的样本映射到高维特征空间,然后先覆盖、后平移,以使覆盖领域局部最优,实现在核空间中分类识别。实验的结果证明了KMCA的可行性和有效性。    

5.  异构多核协作系统的混沌离散粒子群NoC映射算法  
   王雷  凌翔  胡剑浩《计算机科学》,2011年第38卷第9期
   针对异构多核片上网络(NoO的任务映射问题,根据IP核的选择以及IP核向NoC平台中位置映射的两个阶段的不同特点,分别提出能耗和延时的粗略估算模型和精确计算模型。为避免离散空间搜索解落入局部最优,设计了混沌扰动机制。提出了带混沌扰动机制的改进型离散粒子群优化算法,以搜索能耗和延时优化的多目标NoC映射方案,该算法比传统优化算法在能耗和延时上有显著的性能提高。    

6.  非监督子空间学习中关联度量多维尺度分析  
   何光辉  张太平  唐远炎《中国图象图形学报》,2011年第16卷第12期
   多维尺度分析已经在维度约减和数据挖掘领域得到了广泛应用。MDS的主要缺点是其定义在训练数据上,对于新的测试样本无法直接获得映射结果。另外,MDS基于欧氏距离度量,不适合获取相似数据中的非线性流形结构。将MDS扩展到关联度量空间,称为关联度量多维尺度分析(CMDS)。与传统MDS在训练数据中完成映射,进而缩小空间范围相比,CMDS 能够直接获得测试样本映射结果。此外,CMDS基于关联度量,能够有效学习相似数据中的非线性流形结构。理论分析表明,CMDS可以利用核方法扩展到新特征空间,解决非线性问题。实验结果表明,CMDS及其核形式KG-CMDS性能优于常用传统降维方法。    

7.  基于核聚类的机动多目标数据关联问题研究  
   杨新刚  刘以安  韩双《计算机工程与设计》,2007年第28卷第20期
   针对新型作战样式条件下空中多机动目标密集回波的数据关联问题,采用核学习方法和K-均值聚类相结合的算法,即基于核的K-均值聚类来解决此问题.该方法的主要思想是,将原空间中的样本通过一个非线性映射,映射到高维的核空间中,以突出各类样本之间的特征差异,然后在核空间中进行K-均值聚类.仿真结果表明,该方法有效提高了密集回波环境下系统跟踪机动多目标的关联精度和可靠性.    

8.  一种约束多目标优化问题的改进蚁群遗传算法  
   WU Ai-hua《数字社区&智能家居》,2008年第36期
   该文针对多目标蚁群遗传算法(MOAGA)解集边界分布不均的问题,提出改进算法,解决了连续空间中带约束条件多目标优化问题。改进算法在基本MOAGA算法的基础上,在选择中引入一定比例的边界决策、单目标最优决策,并提高边界决策的交叉率。实验证明,改进算法解决了基本算法解集分布边界疏中间密的问题,并且能更快的获得散布性较好的Pareto最优解集。    

9.  用于约束多目标优化问题的改进蚁群遗传算法  
   伍爱华《硅谷》,2008年第9期
   针对多目标蚁群遗传算法(MOAGA)解集边界分布不均的问题,提出改进算法,解决连续空间中带约束条件多目标优化问题.改进算法在基本MOAGA算法的基础上,在选择中引入一定比例的边界决策、单目标最优决策,并提高边界决策的交叉率.实验证明,改进算法解决了基本算法解集分布边界疏中间密的问题,并且能更快的获得散布性较好的Pareto最优解集.    

10.  基于综合关联度的注塑成型工艺参数多目标稳健设计  
   黄风立  林建平  钟美鹏  许锦泓《高分子材料科学与工程》,2011年第3期
   针对注塑成型过程中的多个质量指标,提出了基于综合关联度、Kriging模型及混合交叉变异蚁群算法的注塑成型工艺参数稳健优化方法。首先给出了综合关联度的定义及计算方法,再给出了Kriging模型的拟合方法和混合交叉变异的蚁群算法;在多目标稳健设计建模中,各分目标采用质量工程中的6σ原则;在混合交叉变异的蚁群算法中,提出了基于实验设计方法的算法参数确定方法;结合实例验证了提出的方法具有较好的工程实际意义。    

11.  连通域标记并行算法在多核处理器上的设计和实现  
   张健  徐茂兴《计算机系统应用》,2010年第19卷第4期
   为满足全方位视觉运动目标检测跟踪系统中检测和跟踪实时性的要求,采用多核程序设计和并行处理技术,对系统中连通域标记算法,重新进行了设计和实现。为解决由图像分割造成的连通域的分离,应用边界处的游程码,将两个不同任务块中分割处的连通域合并成一个连通域。最后通过实验证明该并行算法比传统算法在多核处理器上运行更快,更好地解决了多核处理器饥饿问题,让多核处理器发挥了更高的效率。    

12.  一种基于构造性核覆盖的聚类算法  
   李丽芳  周鸣争《计算机技术与发展》,2009年第19卷第1期
   基于构造性核覆盖学习方法的思想,提出了一种构造性核覆盖聚类算法.首先将原空间的待分类样本映射到一个高维的特征空间中,使得样本变得线性可分,然后在核空间采用构造性覆盖方法进行覆盖领域的构造,这组领域能将相似度小的样本分割开来,将相似度大的样本聚合在一起,通过定义一定的相似度度量标准和目标函数,达到聚类的效果.仿真实验也验证了该方法的有效性和可行性.    

13.  基于多核Boosting方法的通用目标分类和识别  
   林亦宁  韦巍  戴渊明《光电工程》,2011年第10期
   针对传统基于SVM分类器的多核学习方法优化参数多、优化过程复杂、计算量大的缺点,本文提出基于Real Adaboost的多核学习方法解决通用目标分类与识别问题。该方法根据核函数能将高维特征映射到低维空间的特性,采用核函数空间上的线性平面分割构建弱分类器,并用Real Adaboost学习框架对弱分类器进行学习。先用分层特征算子PHOG和PHOW分别提取图像不同尺度的形状和表观信息,并用核函数计算特征距离,然后在核空间上构建线性弱学习器池,最后用Real Adaboost算法学习得到强分类器。实验结果表明,该方法有效提高了图像分类的准确率。    

14.  群混合智能算法优化异构WSN的生命周期  
   唐玲艳  吴雪  吴喆  罗小娟《传感技术学报》,2016年第11期
   为了优化异构无线传感器网络的生命周期,找到尽可能多的连通覆盖子集(CCS),本文建立了以网络覆盖约束、收集约束、连通约束作为目标评价函数的模型。针对该模型,在蚁群算法基础上,引进鱼群拥挤度的概念,解决了蚁群在算法初期陷入局部收敛的问题。实验结果表明,该改进算法比一般蚁群算法具有更好的全局搜索能力和收敛速度,同时针对蚁群算法在构建子集中存在大量冗余节点的问题,提出了关键域法(KFM)判断各子集中冗余节点且利用冗余节点构建新的子集,这不仅能有效提高节点的利用率,而且延长了异构网络的生命周期。    

15.  无线Mesh网络部署几何连通覆盖问题求解方法  
   李越  刘乃安《计算机科学》,2017年第44卷第6期
   用户覆盖和网络连通是无线Mesh网络规划面临的重要挑战,传统上是对它们独立进行分析。为了有效结合二者进行网络部署,将网络的分层特性、用户需求、网络连通、部署开销等因素考虑在内,提出了面向无线Mesh网的几何连通圆盘覆盖问题。利用备选点集选择算法来将连续空间选址问题转变为离散空间选址问题,并采用改进的多目标遗传算法对优化问题进行求解,从而获得Pareto解集。实验结果证明,提出的方案可以有效解决网络部署的优化问题。    

16.  一种入侵检测的分类方法研究  被引次数:1
   薛潇  刘以安  魏敏《计算机工程与应用》,2010年第46卷第30期
   针对传统的入侵检测算法精度低,结果稳定性差的问题,提出了一种基于构造性核函数覆盖聚类和最大化最小概率机器回归方法的入侵检测算法。首先,利用核函数覆盖将原空间的待分类样本映射到一个高维的特征空间中,使得样本变得线性可分;然后通过控制错分率实现分类的最大化,并利用最大最小概率机的高维映射泛化特性,实现了不同核函数下的数据多维分类问题。实验结果证明,该算法具有分类准确率高、稳定性好的特点。    

17.  半监督多示例核  
   张钢  印鉴  程良伦  钟钦灵《计算机科学》,2011年第38卷第9期
   在多示例学习中引入利用未标记示例的机制,能降低训练的成本并提高学习器的泛化能力。当前半监督多示例学习算法大部分是基于对包中的每一个示例进行标记,把多示例学习转化为一个单示例半监督学习问题。考虑到包的类标记由包中示例及包的结构决定,提出一种直接在包层次上进行半监督学习的多示例学习算法。通过定义多示例核,利用所有包(有标记和未标记)计算包层次的图拉普拉斯矩阵,作为优化目标中的光滑性惩罚项。在多示例核所张成的RKHS空间中寻找最优解被归结为确定一个经过未标记数据修改的多示例核函数,它能直接用在经典的核学习方法上。在实验数据集上对算法进行了测试,并和已有的算法进行了比较。实验结果表明,基于半监督多示例核的算法能够使用更少量的训练数据而达到与监督学习算法同样的精度,在有标记数据集相同的情况下利用未标记数据能有效地提高学习器的泛化能力。    

18.  多核信息融合模型及其应用  被引次数:1
   杨勃  卜英勇  黄剑飞《仪器仪表学报》,2010年第31卷第2期
   针对单核学习方法不能充分获取对象非线性特征的问题,提出一种核采样空间中的多核融合模型.与工作于隐式核空间的常见多核融合模型不同,该融合模型本质上是一种矩阵融合模型,其融合参数不受融合核矩阵半正定性要求的约束.在该模型基础上,进一步提出一种多核正则化Ho-Kashyap分类器,并设计了相应的迭代优化算法.最后,将该多核融合算法应用到水下钴结壳超声识别领域.实验结果表明,与单核学习方法相比,采用核采样空间多核信息融合模型的钴结壳超声识别分类正确率提高了7%,说明了该融合模型的有效性.    

19.  融合李群理论与特征子空间基的图像目标跟踪  
   吴刚  唐振民  杨静宇《控制理论与应用》,2012年第29卷第10期
   针对复杂背景下目标跟踪窗口易受噪声干扰从而产生形变与漂移的问题,本文利用群空间中仿射群组受扰动后的形不变属性,将系统状态变量映射到李群空间进行处理,同时采用增量主元分析法(IPCA)算法实时学习并更新目标特征子空间数据.所提方法在利用粒子滤波算法采样粒子时,通过引入测量向量以提高权值计算的准确性.在基于Car11等4个测试集的实验中,结果优于IVT跟踪器,本文跟踪器窗口在噪声干扰下不会产生形变,跟踪成功率达到96%,结果优于IVT跟踪器.对比Kwon跟踪器,本文跟踪方法显著降低了算法复杂度,平均执行时间有效地控制在0.32s/帧.    

20.  基于代价敏感组合核相关向量机的电力变压器故障诊断  
   高国强  杨飞豹  尹豪杰  宋臻杰  高波《电测与仪表》,2017年第54卷第16期
   组合核相关向量机可以融合多个特征空间,输出变压器隶属于各种状态的概率.将代价敏感机制融入组合核相关向量机,构建了代价敏感组合核相关向量机,该算法以误诊断代价最小为目标,按贝叶斯风险理论预测样本的故障类别,克服了传统诊断方法未考虑误诊断代价差异的问题.针对代价敏感组合核相关向量机核函数参数选取需人为设定的问题,采用K折交叉验证和粒子群算法相结合的方法寻优核函数参数.基于油中溶解气体分析(dissolved gas analysis, DGA)数据的诊断实例表明,与BP神经网络,支持向量机及组合核相关向量机算法相比,代价敏感组合核相关向量机不仅具有较高的诊断正确率,而且具有较低的误诊断代价.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号