陈黎飞
- 作品数：90 被引量：387H指数：10
- 供职机构：福建师范大学更多>>
- 发文基金：国家自然科学基金福建省自然科学基金教育部留学回国人员科研启动基金更多>>
- 相关领域：自动化与计算机技术生物学理学医药卫生更多>>
- 一种基于深度学习的不同网络模型级联目标精确推理系统及方法
- 本发明公开一种基于深度学习的不同网络模型级联目标精确推理系统及方法，通过图像采集带有目标物体的图像，并利用目标检测网络模型进行目标检测确定目标物体的位置和类别。再通过目标分割网络模型模块进行目标分割，最终合并得到目标的面...
- 胡丽莹郭躬德陈黎飞
- 文献传递
- 一种基于混合模型的数据流概念漂移检测算法被引量：13
- 2014年
- 由于在信用卡欺诈分析等领域的广泛应用,学者们开始关注概念漂移数据流分类问题.现有算法通常假设数据一旦分类后类标已知,利用所有待分类实例的真实类别来检测数据流是否发生概念漂移以及调整分类模型.然而,由于标记实例需要耗费大量的时间和精力,该解决方案在实际应用中无法实现.据此,提出一种基于KNNModel和增量贝叶斯的概念漂移检测算法KnnM-IB.新算法在具有KNNModel算法分类被模型簇覆盖的实例分类精度高、速度快优点的同时,利用增量贝叶斯算法对难处理样本进行分类,从而保证了分类效果.算法同时利用可变滑动窗口大小的变化以及主动学习标记的少量样本进行概念漂移检测.当数据流稳定时,半监督学习被用于扩大标记实例的数量以对模型进行更新,因而更符合实际应用的要求.实验结果表明,该方法能够在对数据流进行有效分类的同时检测数据流概念漂移及相应地更新模型.
- 郭躬德李南陈黎飞
- 关键词：概念漂移数据流半监督学习
- 一种识别计算机软件行为的谱方法
- 本发明公开了一种识别计算机软件行为的谱方法：(1)构造软件行为表示模型；(2)提取软件行为特征；(3)度量软件行为相似性。本发明的有益效果是：从表示软件行为的底层特征中抽象出高层的软件行为特征，从语义层面描述软件的行为；...
- 陈黎飞陈可意
- 文献传递
- 多代表点的子空间分类算法被引量：6
- 2011年
- 多代表点近邻分类克服了传统近邻分类算法的缺点,使用以代表点为中心的模型簇构造分类模型并自动确定近邻数目。此类算法在不同类别的样本存在大量重叠时将导致模型簇数量增大,造成预测精度下降。提出了一种多代表点的子空间分类算法,将不同类别的训练样本投影到多个不同的子空间,使用子空间模型簇构造分类模型,有效分隔了不同类别样本在全空间中重叠的区域,以提高分类性能。与传统的kNN(k nearest neighbor)、kNNModel、SVM(support vector machine)等分类算法的实验对比结果表明,新方法可以对复杂类别结构数据进行有效分类,且较好地提高了分类精度。
- 张健飞陈黎飞郭躬德李南
- 关键词：子空间
- 一种基于自组织映射与深度神经网络的图像变化检测方法
- 本发明涉及一种基于自组织映射与深度神经网络的图像变化检测方法，包括以下步骤：1、采用基于中值滤波处理的均值比算子MMEAN对两幅SAR时相图进行处理，生成差异图；2、采用自组织映射网络SOM对差异图进行无监督聚类，将差异...
- 肖如良崔润曦蔡声镇林鑫泓陈黎飞
- 一种高精度的水车式雨量计及测量方法
- 本发明公开了一种高精度的水车式雨量计及测量方法，雨量计包括雨水收集装置、水车、感应磁片和霍尔信号采集处理电路，所述水车上具有多个等容积的水槽，所述雨水收集装置设于水车的上方，雨水经雨水收集装置流入水车的水槽内，所述感应磁...
- 王廷银吴允平叶良斌陈黎飞张爱民李汪彪
- 文献传递
- 基于少量类标签的概念漂移检测算法被引量：8
- 2012年
- 传统的概念漂移数据流分类算法通常利用测试数据的真实类标来检测数据流是否发生概念漂移,并根据需要调整分类模型。然而,真实类标的标记需要耗费大量的人力、物力,而持续不断到来的高速数据流使得这种解决方案在现实中难以实现。针对上述问题,提出一种基于少量类标签的概念漂移检测算法。它根据快速KNNModel算法利用模型簇分类的特点,在未知分类数据类标的情况下,根据当前数据块不被任一模型簇覆盖的实例数目较之前数据块在一定的显著水平下是否发生显著增大,来判断是否发生概念漂移。在概念漂移发生的情况下,让领域专家针对那些少量的不被模型簇覆盖的数据进行标记,并利用这些数据自我修正模型,较好地解决了概念漂移的检测和模型自我更新问题。实验结果表明,该方法能够在自适应处理数据流概念漂移的前提下对数据流进行快速的分类,并得到和传统数据流分类算法近似或更高的分类精度。
- 李南郭躬德陈黎飞
- 关键词：概念漂移数据流
- 基于KNN模型的增量学习算法被引量：25
- 2010年
- KNN模型是k-近邻算法的一种改进版本,但其属于非增量学习算法,从而限制它在一些应用领域的推广.文中提出一个基于KNN模型的增量学习算法,它通过对模型簇引进"层"的概念,对新增数据建立不同"层"的模型簇的方式对原有模型进行优化,达到增量学习的效果.实验结果验证该方法的有效性.
- 郭躬德黄杰陈黎飞
- 关键词：K-近邻
- 一种序列特征视角下的多维序列分析方法
- 本发明公开了一种序列特征视角下的多维序列分析方法，所述序列特征视角下的多维序列分析方法基于序列特征视角，将每条序列视为特征，建立矩阵形式的序列特征表示模型，其中矩阵的每一行为数据对象，每一列是以序列表示的特征，矩阵的每个...
- 陈黎飞陈可意
- 文献传递
- 增量KNN模型的修剪策略研究被引量：6
- 2011年
- KNN模型是k近-邻算法的一种改进版本,IKNNModel算法实现了基于KNNModel的增量学习.然而随着增量步数的增加,IKNNModel算法生成模型簇的数量也在不断地增加,从而导致模型过于复杂,也增大了预测的时间花销.提出一种新颖的模型簇修剪策略,在增量学习过程中通过有效合并和删除多余的模型簇,在保证精度的同时降低了模型簇的数量,从而缩短了算法的预测时间.在一些公共数据集上的实验结果验证了本方法的有效性.
- 黄杰郭躬德陈黎飞
