孙金津
- 作品数:3 被引量:5H指数:1
- 供职机构:江苏大学计算机科学与通信工程学院更多>>
- 发文基金:江苏省“六大人才高峰”高层次人才项目江苏省“青蓝工程”基金国家科技型中小企业技术创新基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于重复热点数据的CF广播结构改进算法被引量:1
- 2010年
- 针对现有广播结构构建中对数据访问概率倾斜度考虑不足的问题,在CF索引树的基础上提出了一种基于数据倾斜度的广播构建算法。该算法充分考虑热点数据的请求,根据数据在CF索引树中所处位置的不同,在一个广播周期内重复广播热点数据及其对应的索引节点,尽量减少移动用户的访问时间。最后通过实验验证了改进后广播结构的有效性。
- 孙金津朱玉全陈耿
- 关键词:移动计算数据广播
- 基于核空间相对密度的SVDD多类分类算法被引量:4
- 2010年
- 针对现有基于支持向量数据描述(SVDD)的多类分类算法未能充分利用重叠区域样本分布信息等问题,提出了一种基于核空间相对密度的SVDD多类分类算法DM-SVDD。该算法首先由SVDD确定包围每类数据的最小超球,然后计算位于最小超球重叠区域中每个样本在其同类样本间的相对密度,最后以各类样本相对密度的均值为标准,对重叠区域内的待测样本进行分类。实验结果表明,算法DM-SVDD是可行有效的。
- 刘晟朱玉全孙金津
- 关键词:支持向量数据描述多类分类
- 基于高维几何特征的孤立点检测算法
- 2011年
- 针对孤立点检测算法不能较好地模拟人工检测过程、未充分考虑待测数据周围样本分布的问题,提出了一种孤立点检测算法DD-SVDD.该算法综合考虑待测样本与目标样本之间的距离,以及待测样本所在区域样本的分布信息,结合距离和平均密度来确定高维特征空间中决策边界附近待测数据的类别.在训练阶段,考虑了决策边界附近目标训练样本的分布,预留训练样本集中边界的部分目标样本并计算其平均密度;在预测阶段,综合使用距离与平均密度对待测样本的归属进行判断.进行了算法的推导,给出了训练阶段、检测阶段的伪代码,并基于UCI机器学习库中的数据进行试验.结果表明,DD-SVDD算法具有有效性,并能达到较高的识别率.
- 朱玉全刘晟孙金津
- 关键词:孤立点检测支持向量数据描述