中央高校基本科研业务费专项资金(JUSRP21128)
- 作品数：3 被引量：40H指数：2
- 相关作者：王士同邓赵红蒋亦樟张荣钱鹏江更多>>
- 相关机构：江南大学香港理工大学更多>>
- 发文基金：中央高校基本科研业务费专项资金江苏省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 基于移相加权球面单簇聚类的周期时间序列异常检测被引量：2
- 2011年
- 针对传统的单分类器不适用于周期时间序列的异常检测,提出了一种基于移相加权球面单簇聚类的单分类器PS-WS1M-OCC.通过在聚类过程中增加高效的循环移位操作,解决了时间序列记录之间相似度计算的问题.另一方面,基于时间序列记录的权重分布,提出了新的阈值自适应确定方法,从而使单分类器对训练集包含的异常数据和参数设置不敏感.实验表明,本文提出的单分类器可以用于周期时间序列的异常检测;与传统的单分类器相比,可以成功地从包含异常数据的训练集中进行无监督学习,对训练集包含的异常数据鲁棒,并且对参数不敏感.
- 王骏钟富礼王士同邓赵红
- ML型迁移学习模糊系统被引量：33
- 2012年
- 经典模糊系统构建方法训练时通常仅考虑单一的场景,其伴随的一个重要缺陷是:如当前场景重要信息缺失,则受训所得系统泛化能力较差.针对此问题,以Mamdani-Larsen(ML)型模糊系统为对象,探讨了具有迁移学习能力的模糊系统,即ML型迁移学习模糊系统.ML型迁移学习模糊系统不仅能充分利用当前场景的数据信息,而且能有效地利用历史知识来进行学习,具有通过迁移历史场景知识来弥补当前场景信息缺失的能力.具体地,基于经典的压缩集密度估计(Reduced setdensity estimator,RSDE)ML型模糊系统构建方法,通过引入迁移学习机制提出了一种基于密度估计的ML型迁移模糊系统构建方法.在模拟数据和真实数据上的实验研究亦验证了该迁移模糊系统在信息缺失场景下较之于传统模糊系统建模方法的更好适应性.
- 蒋亦樟邓赵红王士同
- 关键词：信息缺失
- 针对小样本数据集的鲁棒单隐层前馈网络建模方法被引量：5
- 2012年
- 单隐层前馈神经网络是应用最广泛的智能建模模型之一,但该模型面对小样本集时传统的学习算法易陷入过拟合,尤其当数据集包含较大噪音时学习模型鲁棒性较差,对噪音很敏感,针对此不足,提出一种针对小样本数据集的鲁棒单隐层前馈神经网络学习算法,所提出的算法由于引入了ε-不敏感学习度量和结构风险项,能有效克服传统学习算法存在的缺陷,显示出较好的鲁棒性,在模拟和真实数据集上的实验亦证实了上述优点。
- 张荣邓赵红王士同蔡及时钱鹏江
- 关键词：结构风险最小化
