公共文化服务平台

国家自然科学基金(60705004): 作品数：13 被引量：53H指数：4; 相关作者：刘三阳薛惠锋薛贞霞刘立芳邵剑生更多>>; 相关机构：西安电子科技大学河南科技大学西北工业大学更多>>; 发文基金：国家自然科学基金河南省科技计划项目陕西省自然科学基金更多>>; 相关领域：自动化与计算机技术理学矿业工程生物学更多>>

基于极大似然准则的生物序列模体的贝叶斯假设检验被引量：1: 2010年; 针对生物信息学中序列模体的显著性检验问题,提出了一种基于极大似然准则的贝叶斯假设检验方法.将模体的显著性检验转化为多项分布的拟合优度检验问题,选取Dirichlet分布作为多项分布的先验分布并采用Newton-Raphson算法估计Dirichlet分布的超参数,使得数据的预测分布达到最大.应用贝叶斯定理得到贝叶斯因子进行模型选择,用于评价模体检验的统计显著性,这种方法克服了传统多项分布检验中构造检验统计量并计算其在零假设下确切分布的困难.选择JASPAR数据库中107个转录因子结合位点和100组随机模拟数据进行实验,采用皮尔逊积矩相关系数作为评价检验质量的一个标准,发现实验结果好于传统的模体检验的一些方法.; 刘倩刘三阳刘立芳; 关键词：生物信息学先验分布贝叶斯因子

基于近似支持向量回归机的多属性决策: 2009年; 将近似支持向量回归机应用到多属性决策问题,提出基于近似支持向量回归机的多属性决策方法。该方法从决策问题本身出发,构造学习样本,再通过近似支持向量回归机拟合出多属性效用函数,从而实现对方案的排序。与支持向量机相比该模型参数少,核函数无需满足Mercer条件,算法简单、可靠。最后通过算例表明方法的可行性与有效性。; 王旭坚薛惠锋解丹蕊; 关键词：近似支持向量机多属性决策效用函数

Hyperbolic Tangent Support Vector Machine: 2010年; By utilizing hyperbolic tangent function,we constructed a novel hyperbolic tangent loss function to reduce the influences of outliers on support vector machine(SVM)classification problem.The new loss function not only limits the maximal loss value of outliers but also is smooth.Hyperbolic tangent SVM(HTSVM)is then proposed based on the new loss function.The experimental results show that HTSVM reduces the effects of outliers and gives better generalization performance than the classical SVM on both artificial data and UCI data sets.Therefore,the proposed hyperbolic tangent loss function and HTSVM are both effective.; 刘叶青刘三阳谷明涛; 关键词：CLASSIFICATION

免比例因子F的差分进化算法被引量：17: 2009年; 比例因子F的合适赋值常会大大改善差分进化算法的求解性能,但是如何给值是个麻烦的事情.本文给出了二种免比例因子F的差分进化算法.算法将每一个个体视为带电粒子,利用之间的吸引、排斥机制,确定个体在差分方向上移动的长度,依此免去比例因子F设置的麻烦.通过和两种PSO算法以及其它四种不同赋值策略的算法的数值试验比较,表明提出的算法相比其它相比较的算法有更好的求解性能.; 张晓伟刘三阳; 关键词：全局优化粒子群优化差分进化

用于回归的临近支持向量机被引量：4: 2009年; 将临近支持向量分类机应用在回归问题上,提出临近支持向量回归机,给出线性与非线性情况下的回归函数,该方法比支持向量回归机(SVR)问题减少了参数和一半变量,比最小二乘支持向量回归机(LSSVMR)求解公式更加简单,且核函数不需要满足Mercer条件。数值实验结果表明,与SVR和LSSVMR相比,该方法的学习速度更快,且泛化能力较之不相上下。; 杜喆胡廷锋刘三阳; 关键词：临近支持向量机支持向量机

基于PSO-SVM的煤与瓦斯突出强度预测模型被引量：11: 2012年; 为有效预测煤与瓦斯的突出强度,分析了煤与瓦斯突出的主要影响因素,建立了基于粒子群优化支持向量机方法(PSO-SVM)的煤与瓦斯突出强度预测模型,通过实例对该模型的预测效果进行检验,同时还分别采用了BP神经网络(BP-NN)和支持向量机方法(SVM)对该实例进行了预测,进而对这3种方法的预测精度进行了比较。分析结果表明3种方法的预测准确率PSO-SVM为87.5%、BP-NN为50%、SVM为62.5%。可见,PSO-SVM方法的预测效果要好于BP-NN和SVM,对煤矿煤与瓦斯突出强度预测具有一定的参考价值和指导意义。; 邵剑生薛惠锋; 关键词：煤与瓦斯突出 BP神经网络

基于可信度的渐进直推式支持向量机算法被引量：2: 2008年; 针对渐进直推式支持向量机(Progressive transductive support vector machines,PTSVM)算法回溯式学习多,训练速度慢,学习性能不稳定的问题,提出一种基于可信度的渐进直推式支持向量机算法.该算法首先基于支持向量域描述(Support vector domain description,SVDD)对无标签样本点赋予一定的可信度,根据可信度选择新标注的无标签的样本点;其次利用支持向量预选取方法减少训练集的规模,对当前所有有标签的样本点用支持向量机(Support vector ma-chines,SVM)训练,最后重复上述过程从而求出最终的分类超平面.实验结果表明,与PTSVM相比,该算法不仅能较大幅度的提高算法的速度,更重要的是在一般情况下能提高算法的精度.; 薛贞霞刘三阳刘万里; 关键词：半监督学习支持向量机直推式学习支持向量域描述

改进的渐进直推式支持向量机算法被引量：7: 2009年; 针对半监督学习中渐进直推支持向量机(Progressive Transductive Support Vector Machines, PTSVM)算法存在训练速度慢,回溯式学习多,学习性能不稳定的问题,提出一种改进的渐进直推支持向量机算法—IPTSVM.该算法利用支持向量的信息选择新标注的无标签的样本点,结合增量支持向量机的迭代更新算法,继承渐进直推支持向量机渐进赋值和动态调整的规则,与PTSVM相比,不仅在一般情况下提高了分类的精度,而且大大提高了算法的速度.在人工模拟数据和真实数据上的实验结果表明了该算法的有效性.; 薛贞霞刘三阳刘万里; 关键词：半监督学习支持向量机直推式学习

生物序列模体的混合Gibbs抽样识别算法被引量：2: 2008年; 针对生物序列模体的识别问题,提出了一个新的混合Gibbs抽样识别算法.算法基于混合模体模型学习,采用贪心策略,通过似然度最大化,逐次将新的模体加入到混合模型中.算法中设计了位点抽样和模体抽样两种抽样方法,这两种抽样方法交替进行.为了加速搜索过程,对输入数据集采用了基于kd-trees的分层划分策略.实验结果表明,该算法对序列家族大量模体特征的识别具有显著优势,并且可建立更具统计特征的模体模型,从而提高序列分类的准确性.; 刘立芳霍红卫王宝树; 关键词：生物信息学模体识别 GIBBS抽样

冲击地压危险等级预测的PSO-SVM模型被引量：6: 2012年; 为了对冲击地压进行有效的预测,分析了冲击地压的主要影响因素,建立了基于粒子群优化支持向量机方法(PSO-SVM)的冲击地压危险程度预测模型,并通过实例,对PSO-SVM模型的预测效果进行了检验,同时还分别采用了BP神经网络(BP-NN)和支持向量机方法(SVM)对实例进行了预测,最后对三种方法的预测精度进行了比较分析,结果显示:PSO-SVM方法的预测精度要高于BP-NN和SVM方法的预测精度,可见,PSO-SVM预测方法对煤矿冲击地压危险程度预测具有一定的参考价值和指导意义.; 邵剑生薛惠锋; 关键词：冲击地压 BP神经网络

国家自然科学基金(60705004)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(60705004)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈