国家自然科学基金(61074096)
- 作品数：34 被引量：251H指数：10
- 相关作者：韩敏洪晓军王新迎郑丹晨刘晓欣更多>>
- 相关机构：大连理工大学大连医科大学附属第一医院大连工业大学更多>>
- 发文基金：国家自然科学基金国家科技支撑计划国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术理学医药卫生电子电信更多>>
- 微粒群优化动态神经网络模型结构分析被引量：3
- 2011年
- 微粒群算法由于进化机制中的随机不确定性,其稳定性很难进行分析,所以对微粒群的研究多是根据经验的实际优化模型求解.针对该问题,利用鲁棒不确定性理论,将算法分解为时不变和不确定时变的结构,减少原有参数固定的假设条件,从而对引入动态惯性权重的微粒群算法的渐近稳定性进行分析.在此基础之上,采用李雅普诺夫方法,得到基于微粒群参数优化的动态神经网络收敛的充分条件,自适应调整微粒速度的上下限,为组合模型的实际应用提供参数选择的理论基础.最后,通过仿真实例验证了所给出微粒群算法稳定性条件和基于微粒群优化的动态神经网络收敛条件的有效性.
- 范剑超韩敏
- 关键词：微粒群优化动态神经网络稳定性
- 基于互信息的分步式输入变量选择多元序列预测研究被引量：21
- 2012年
- 针对多元序列分析中存在的输入变量选择问题,提出一种基于k-近邻互信息估计的分步式变量选择算法.该算法通过两步过程分别实现相关变量的选择与弱相关变量的剔除.同时将分步变量选择算法应用于径向基函数(Radial basis function,RBF)神经网络结构的优化中.在K均值聚类的基础上,通过分析隐含层神经元的输出权值与神经网络输出的相关性,对隐含层节点进行选择,改进网络的结构与性能.Friedman数据的仿真实验验证了分步变量选择算法的有效性;Gas furnace多元时间序列以及Boston housing数据的仿真结果表明,优化后的RBF网络能够在保证模型精度的基础上有效控制网络规模.
- 韩敏刘晓欣
- 关键词：互信息径向基函数网络
- 基于奇异值分解及PRESS统计的模型结构优化方法
- 2012年
- 针对线性参数模型的基函数选择问题,结合奇异值分解和PRESS统计提出一种模型结构优化算法.通过预先对候选基函数矩阵进行分块操作,减少非最优列间的重复比较.在此基础上,对各子块采用奇异值分解与PRESS统计相结合的方法进行选择,直接以模型的泛化能力作为目标,自适应地选择基函数.通过奇异值分解,在降低候选基函数数量的同时,使其彼此之间相互正交,有效地简化了PRESS统计的计算复杂度.仿真结果表明,所提出的方法能够有效简化模型结构,并保持较高的预测精度.
- 李德才韩敏
- 关键词：奇异值分解
- 一种基于误差补偿的多元混沌时间序列混合预测模型被引量：11
- 2013年
- 针对多元混沌时间序列的预测问题,考虑到单纯改进储备池算法无法明显地提高预测精度,提出一种基于误差补偿的时间序列混合预测模型.实际观测的数据既包含线性特征又包含非线性特征.首先利用自回归移动平均模型预测线性特征,使得残差数据仅含非线性特征;然后,建立正则化回声状态网络模型预测;最后,将非线性部分的预测值与线性部分的预测值相加,以实现高精度的多元混沌时间序列预测.基于Lorenz和太阳黑子-黄河径流量时间序列的仿真实验验证了本文所提模型的有效性.
- 韩敏许美玲
- 关键词：回声状态网络混沌误差补偿
- 不平衡数据分类的混合算法被引量：18
- 2011年
- 针对传统分类算法处理不平衡数据时,小类的分类精度过低问题,提出一种径向基函数神经网络和随机森林集成的混合分类算法.在小类样本之间用随机插值方式平衡数据集的分布,利用受试者特征曲线在置信度为95%下的面积为标准去除冗余特征;之后对输入数据用Bagging技术进行扰动,并以径向基函数神经网络作为随机森林中的基分类器,采用绝大多数投票方法进行决策的融合和输出.将该算法应用于UCI数据,以G均值和受试者特征曲线下的面积为评判标准,结果表明该方法能够有效地提高中度和高度不平衡数据的分类精度.
- 韩敏朱新荣
- 关键词：不平衡数据径向基函数神经网络
- 基于极端学习机的多变量混沌时间序列预测被引量：29
- 2012年
- 针对多变量混沌时间序列预测问题,提出了一种基于输入变量选择和极端学习机的预测模型.其基本思想是对多变量混沌时间序列进行相空间重构后,采用互信息方法选择与预测输出统计相关最高的重构输入变量,借助极端学习机的通用逼近能力建立多变量混沌时间序列的预测模型.为进一步提高预测精度,采用模型选择算法选择具有最小期望风险的极端学习机预测模型.基于Lorenz,R(o|¨)ssler多变量混沌时间序列及R(o|¨)ssler超混沌时间序列的仿真结果证明所提方法的有效性.
- 王新迎韩敏
- 关键词：混沌时间序列预测极端学习机
- 基于概率判决极端学习机的癫痫发作预报研究被引量：3
- 2012年
- 平均预报敏感度和误报率是癫痫发作预报中最为重要的两个指标,针对在提高平均预报敏感度的同时误报率往往也会增高的问题,提出一种基于概率判决极端学习机的癫痫发作预报方法。该方法在利用平均相位相干指数对脑电信号进行特征提取的基础上,采用概率判决极端学习机进行分类,得到定量的分类信息之后,通过确定分类阈值来维持平均预报敏感度与误报率之间的平衡,最后经平滑过滤得到发作预报结果。对21例难治性癫痫病患者的仿真实验表明,本方法的平均预报敏感度可达到80.4%,平均误报率可低至0.10 h-1,具有较好的预报性能;而且训练时间短,为临床的在线应用提供了有价值的参考。
- 韩敏王明慧洪晓军韩杰
- 关键词：极端学习机
- 结合地物分类的湿地蒸散量定量遥感集成模型
- 2012年
- 湿地蒸散发量是湿地水量支出的重要组成部分。利用遥感技术可以合理有效地计算出地形复杂的湿地的蒸散发量。将遥感图像分类技术与定量遥感蒸散发模型结合起来,考虑各类地物不同的蒸散发源和水热传输机制,建立了集成模型,分析和计算了湿地主要地物的蒸散发量。通过对各地物类的样区平均蒸散发量与实测数据进行比较,证明结合地物分类的湿地蒸散发量计算集成模型能够取得很好的结果。
- 韩敏李晓龙
- 关键词：蒸散发量湿地
- 基于异方差混合转移分布模型和支持向量机的脑电分类研究
- 2012年
- 为解决线性分析和单一非线性动力学指标方法无法准确描述脑电信号的问题,本研究提出基于异方差混合转移分布模型脑电特征提取方法。首先对采集到的脑电信号依据条件期望最大化(ECM)算法建立异方差混合转移分布模型,求得模型条件方差序列的均值及方差作为脑电信号的特征,将得到的脑电信号特征采用支持向量机进行分类。通过对6个人的正常脑电信号和带有眼电伪迹脑电信号进行分类仿真实验,其结果表明该方法能很好地拟合出脑电信号,且分类精确度能达到99.166 7%,说明此方法可有效提取脑电特征并准确识别出眼电伪迹。
- 韩敏葛素楠洪晓军
- 关键词：脑电信号特征提取支持向量机
- 基于Copula熵的互信息估计方法被引量：14
- 2013年
- 互信息是一种常用的衡量变量相关性的方法,但在互信息估计过程中,联合概率密度的估计往往十分困难.为了避免联合概率密度的估计,同时有效提高互信息估计的准确度与效率,本文提出一种基于Copula熵的互信息估计方法.利用Copula熵与互信息之间的关系,将互信息的估计转化为对Copula熵值的估计.采用基于Kendall秩相关系数的参数估计方法对Copula函数的参数进行估计.所提算法分别与直方图法、核方法、k近邻法和极大似然法进行比较.二维高斯数据上的仿真结果表明,所提方法能够快速准确地对互信息值进行估计.
- 韩敏刘晓欣
- 关键词：互信息COPULA概率密度函数参数估计
