山西省自然科学基金(2012011011-3)
- 作品数：9 被引量：31H指数：2
- 相关作者：刘忠宝师智斌李欣然赵文娟潘广贞更多>>
- 相关机构：中北大学山西大学江南大学更多>>
- 发文基金：山西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军事更多>>
- 改进量子行为粒子群算法求解武器目标分配问题被引量：1
- 2013年
- 为了提高武器目标分配(WTA)问题的求解效率和性能,提出一种求解武器目标分配问题的改进量子粒子群优化算法.首先,通过定义粒子进化速度及粒子聚集度,将惯性权重表示为粒子进化速度和粒子聚集度的函数,使惯性权重具有自适应性.其次,将慢变函数引入传统位置更新公式中,有效地克服陷入局部最优解的问题.最后,以分配各类武器迎击来袭目标的失败概率最低为目标,建立多种类型武器目标分配问题模型.仿真实验表明,提出的算法能快速给出武器目标分配问题的最好或较好分配方案;能高效地求解武器目标分配问题.
- 李欣然
- 关键词：自适应惯性权重
- 一种基于图的人脸特征提取方法
- 2013年
- 当前主流特征提取方法主要从全局特征或局部特征出发实现降维。为了能充分反映样本的全局特征和局部特征,提出基于图的人脸特征提取方法。该方法首先通过对训练样本进行学习得到最佳投影方向,该方向保证投影后的样本类内紧密而类间松散;然后将测试样本映射到最佳投影方向上并利用最近邻分类器进行样本类属判定。标准人脸库上的比较实验结果证明了所提方法的有效性。
- 刘忠宝
- 关键词：特征提取
- 基于分类超平面的非线性集成学习机被引量：2
- 2013年
- 针对支持向量机面临的大规模数据分类问题,提出基于分类超平面的非线性集成学习机NALM。该方法借鉴管理学中协同管理的思想,将大规模数据分成规模较小的子集,然后分别在子集上运行分类超平面算法,最后将各子集上的分类结果进行非线性集成得到最终的分类结果。该方法不仅继承了分类超平面的优点,而且还将分类超平面的适用范围从小规模数据扩展到中大规模数据,从线性空间推广到Hilbert核空间。若干数据集上的实验表明:NALM能以较少的支持向量来解决大规模样本分类问题。
- 刘忠宝赵文娟师智斌
- 关键词：支持向量机分类超平面大规模数据
- 基于测地距离的GIDGC-KNN不平衡数据分类器
- 2016年
- IDGC(imbalanced data gravitation classification)在不平衡数据分类中使用欧式距离计算引力时,未能考虑数据分布性状和待测数据近邻类相关性,存在准确率低的问题,为此提出一种基于测地距离的GIDGC-KNN不平衡数据分类器模型。在IDGC基础上引入放大引力系数(amplified gravitation coefficient,AGC),结合测地距离和KNN(K-nearest neighbor)算法得到数据分布隐含的全局几何结构和近邻样本类相关性。该模型适应高维具有流形结构的数据,继承了KNN近邻样本类相关性的优点。KEEL数据集上的实验结果表明,与IDGC算法、数据层面算法、代价敏感学习算法和集成方法算法相比,GIDGC-KNN在高不平衡数据集上比在低不平衡数据集上有明显的分类性能优势和良好的泛化能力。
- 张立旺师智斌
- 关键词：测地距离K-近邻不平衡数据
- 流形判别分析被引量：13
- 2013年
- 传统降维方法主要有两种思路:一是利用样本的全局特征,保证降维前后样本的全局特征不变;二是尽量保证相邻样本在降维前后的相对关系不变。传统方法由于未能充分利用样本的已有信息,因此降维效率有限。鉴于此,在Fisher准则和局部流形保持的基础上,该文提出流形判别分析。该方法首先定义了基于流形的类内离散度MWCS和类间离散度MBCS,然后利用Fisher准则找到最佳投影方向,该方向满足MBCS与MWCS之比最大。该方法不仅继承了传统降维方法的优势,而且进一步提高了降维效率。标准数据集上的实验结果表明该文所提方法的有效性。
- 刘忠宝潘广贞赵文娟
- 关键词：模式识别流形学习降维FISHER准则
- 一种包含属性蕴含语义的数据立方体结构被引量：2
- 2014年
- 为降低数据立方体结构的复杂度及提高数据立方体的查询效率,深入挖掘数据内部关系,研究包含属性蕴含语义的数据立方体构建和查询技术.通过研究从完整形式背景中获取属性蕴含语义以及由属性蕴含确定概念内涵的方法,提出包含前件是真前提的属性蕴含语义的数据立方体结构:SDC-AI,提出SDC-AI的构建、查询处理和增量维护方法.经过理论分析和实验验证,SDC-AI结构包含所有聚集概念,并记录基本表中的属性蕴含语义,使查询响应时间大大缩小,可用于主流的关系数据库系统.
- 师智斌高献卫刘忠宝
- 关键词：形式概念分析语义数据立方体
- 粒子群算法的改进策略述评
- 2012年
- 首先介绍了基本粒子群算法。其次分析出四类粒子群算法改进策略即混沌优化策略、调整参数取值策略、混合启发式算法策略、保持种群多样性策略;同时,对算法各种改进策略实现原理及实现方法进行介绍。第三对粒子群算法四类改进策略性能进行分析。最后对粒子群算法改进策略进行展望。
- 李欣然靳雁霞
- 关键词：混沌优化混合启发式算法
- 基于Hadoop二阶段并行模糊c-Means数据聚类算法被引量：2
- 2015年
- 为了解决MapReduce机制下算法通信时间占用比过高实际应用价值受限的问题,提出了基于Hadoop二阶段并行c-Means聚类算法;首先,采用成员管理协议方式实现成员管理与MapReduce降低操作的同步化方法,改进MapReduce机制下的MPI通讯管理方法;其次,实行典型个体组降低操作代替全局个体降低操作,并定义二阶段缓冲算法,通过第一阶段的缓冲进一步降低第二阶段MapReduce操作的数据量,尽可能降低大数据带来的对算法负面影响;通过仿真实验表明该算法在处理大数据上的性能表现较为优异;该算法在大规模数据集上的并行率和加速比都优于小型数据集上的表现,说明了该算法能够实时根据数据量的大小对自身进行调整。
- 高献卫师智斌
- 关键词：大数据数据聚类HADOOP
- 改进量子行为粒子群算法智能组卷策略研究被引量：11
- 2013年
- 提出一种求解智能组卷问题的改进量子粒子群算法。首先,通过定义粒子进化速度及粒子聚集度,将惯性权重表示为粒子进化速度和粒子聚集度的函数,使惯性权重具有自适应性。其次,将慢变函数引入传统位置更新公式中,以有效地解决陷入局部最优解的问题。最后,根据项目反应原理对组卷问题进行数学建模。仿真实验表明,与标准粒子群算法和量子粒子群算法相比,所提算法在组卷成功率和组卷效率方面均具有更好的性能。
- 李欣然樊永生
- 关键词：惯性权重智能组卷
