国家科技期刊平台

相关度

相关度
发表时间

每页显示10条

每页显示10条
每页显示20条
每页显示30条

已找到 6 条结果

基于近邻传输的粒度SVM算法北大核心CSCDCSTPCD
作者：程凤伟王文剑
发表期刊：计算机科学与探索 2020年7期
关键词：粒中心近邻传输混合度分类性能
摘要：传统粒度支持向量机(GSVM)模型可以有效提高支持向量机(SVM)的学习效率,但因其对初始粒划参数比较敏感,粒中心的选取比较粗糙,会损失一定的泛化能力.提出一种基于近邻传输的粒度支持向量机学习算法(APG_SVM).首先在训练数据上采用近邻传输思想选取一组高质量的更具有代表性的粒中心加入到训练集,再根据粒中样本的混合度及粒中心到超平面的距离对训练集进行优化,生成最终训练集,然后进行训练,这样可使GSVM具有更好的泛化能力.在UCI标准…查看全部>>
基于划分融合的非平衡SVM分类算法北大核心
作者：程凤伟
发表期刊：山西大学学报（自然科学版） 2021年1期
关键词：非平衡增量划分融合支持向量机
摘要：支持向量机(Support Vector Machine,SVM)是一种公认有效的分类算法,在处理小规模二分类问题时表现出较好的性能,但在处理非平衡数据的分类问题时能力有限,针对非平衡数据的分类问题,文章提出一种基于划分融合的非平衡SVM算法(Imbalanced SVM Algorithm based Division Fusion,DFISVM).首先提取多类样本中的部分代表点与少类样本一起加入训练集进行训练得到初始分类器,再依次…查看全部>>
一种基于混合度的层次粒度SVM算法北大核心CSCDCSTPCD
作者：程凤伟郭虎升
发表期刊：山西大学学报（自然科学版） 2017年4期
关键词：支持向量分类精度混合度置信度大规模数据集
摘要：随着现实生活中数据集规模的不断增大,设计有效的分类算法势在必行.支持向量机(Support vector machine,SVM)是一种公认的性能较好的分类算法,目前一些SVM算法是针对减少支持向量的数目来提高分类的效率.文章提出一种基于混合度的层次粒度支持向量机算法(Hierarchical Granular Support Vector Machine Algorithm based on Mixed,MHG-SVM),利用混合度…查看全部>>
面向非平衡数据的大间隔近邻Relief算法北大核心
作者：程凤伟常浩
发表期刊：山西大学学报（自然科学版） 2022年4期
关键词：非平衡数据欠采样特征选择Relief大间隔
摘要：Relief算法对于数据重叠区域的样本分类较为困难,通过人为剔除分类边界的样本来缓解干扰数据对于分类性能的影响.在非平衡数据中,重叠区域包含着为数不多的少数类样本,简单地剔除干扰数据可能会造成信息的丢失.针对这一问题,文章提出了一种面向非平衡数据的大间隔近邻Relief算法,该算法首先结合K-means,提供了两种多数类样本的欠采样方案,以获得较为平衡的新采样数据集.然后利用SVM计算新数据集中最具判别性的方向,并依此设计了一种基于大…查看全部>>
面向高维小样本数据的层次子空间ReliefF特征选择算法CSCDCSTPCD
作者：程凤伟王文剑张珍珍
发表期刊：南京大学学报（自然科学版） 2023年6期
关键词：高维小样本数据特征选择ReliefF层次子空间邻域粗糙集
摘要：高维小样本数据的特征维数远远高于样本数,因为其通常包含大量的冗余特征,ReliefF算法在处理这类数据时存在以下挑战:传统ReliefF算法无法剔除冗余特征,而现有的改进ReliefF算法大多通过启发式地计算特征与特征之间的互信息来剔除冗余特征,不适用于高维数据;通过截取与标记相关性最大的若干特征来进行分类,可能不是最优选择,因其没有考虑不同特征组合对分类性能的影响.为了解决以上问题,提出一种基于层次子空间的ReliefF特征选择算法…查看全部>>
基于对抗数据增强的非平衡节点分类算法北大核心CSTPCD
作者：程凤伟王文剑史颖张珍珍
发表期刊：南京大学学报（自然科学版） 2024年5期
关键词：图神经网络节点分类非平衡数据过采样对抗数据增强
摘要：图神经网络(Graph Neural Networks,GNNs)在节点分类任务中取得了显著的成功,然而,目前的GNNs模型倾向于处理具有大量标记数据的多数类,较少关注标记较少的少数类,传统方法常通过过采样来解决这一问题,但可能会导致过拟合.近期的一些研究提出了从标记节点合成少数类附加节点的方法,但对于生成的节点是否真正代表相应的少数类,没有明确保证,实际上,不正确的合成节点可能导致算法的泛化能力不足.为了解决这一问题,提出一种基于对…查看全部>>