公共文化服务平台

侯翠琴: 作品数：14 被引量：34H指数：4; 供职机构：北京工业大学更多>>; 发文基金：国家自然科学基金国家重点基础研究发展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电子电信更多>>

合作作者

基于并行投影方法的L1正则化核学习机的分布式训练方法: 基于并行投影方法的L1正则化核学习机的分布式训练方法，属于无线传感器网络中数据融合技术领域。本发明针对无线传感器网络下已有核学习机训练方法存在的高通信代价问题，在节点本地模型与邻居节点间的局部最优模型相一致的约束下，利用...; 侯义斌及歆荣侯翠琴

一种无线传感器网络的混合定位方法: 一种无线传感器网络的混合定位方法属于无线网络信息技术领域。该方法包括两个阶段：分布式阶段和集中式阶段。在分布式阶段相邻传感器节点互换与公有相邻传感器节点间的测距信息，而后传感器节点基于测距信息依次判断是否位于由相邻传感器...; 侯翠琴侯义斌黄樟钦; 文献传递

基于ALMM的L1正则化核学习机的分布式训练方法: 基于ALMM的L1正则化核学习机的分布式训练方法，属于无线传感器网络中数据融合技术领域，涉及一种核学习机的分布式训练方法。本发明利用增广拉格朗日乘子方法构建和求解基于L1正则化的核学习机的分布式训练优化问题，提出以相邻节...; 侯义斌及歆荣侯翠琴; 文献传递

基于面向任务模型的陆基卫星测控资源克隆选择优化调度被引量：5: 2009年; 建立了面向任务的陆基卫星测控资源优化调度数学模型,与已有数学模型不同的是,该模型约束同一测控请求同一时刻只被一个可见陆基测控设备测控,为调度算法调度陆基测控设备完成更多的测控任务提供可能.基于此模型提出了基于面向任务模型的陆基卫星测控资源克隆选择优化调度算法(Clonal Selectionland-based Sat-ellite TT&C Resources Scheduling Algorithmbased on the mission oriented model,CS_STT&CRSA),并从理论上证明了算法的收敛性.算法中采用能表示各测控请求时间先后及其与陆基测控设备关系的矩阵编码方式表示种群中的抗体;并针对该编码方式设计了相应的强约束满足算子,保证操作后的抗体满足强约束条件.在5颗同步卫星和30、40、50颗近地卫星请求测控的情况下,分别仿真了10组不同任务.对比实验表明,新建的数学模型可使调度算法更好地利用陆基测控设备;CS_STT&CRSA有更强的搜索能力和约束解决能力,能调度测控资源完成更多的测控任务,它的性能也更加稳定.; 侯翠琴焦李成; 关键词：矩阵编码克隆选择调度算法

一种无线传感器网络中核分类器的分布式训练方法: 一种无线传感器网络中核分类器的分布式训练方法，本发明属于无线传感器网络中数据融合技术领域，涉及一种无线传感器网络中核分类器的分布式训练方法。针对已有的无线传感器网络中核分类器训练方法存在的高通信代价问题，本发明提出了一种...; 侯义斌及歆荣侯翠琴; 文献传递

基于筛选机制的L1核学习机分布式训练方法: 2016年; 为降低无线传感器网络中核学习机训练时的数据通信代价和节点计算代价,研究了基于筛选机制的L1正则化核学习机分布式训练方法。提出了一种节点局部训练样本筛选机制,各节点利用筛选出的训练样本,在节点模型对本地训练样本的预测值与邻居节点间局部最优模型对本地训练样本预测值相一致的约束下,利用增广拉格朗日乘子法求解L1正则化核学习机分布式优化问题,利用交替方向乘子法求解节点本地的L1正则化核学习机的稀疏模型;仅依靠相邻节点间传输稀疏模型的协作方式,进一步优化节点局部模型,直至各节点模型收敛。基于此方法,提出了基于筛选机制的L1正则化核最小平方误差学习机的分布式训练算法。仿真实验验证了该算法在模型预测正确率、模型稀疏率、数据传输量和参与模型训练样本量上的有效性和优势。; 及歆荣及歆荣侯翠琴侯义斌; 关键词：无线传感器网络分布式学习 L1正则化

无线传感器网络下线性支持向量机分布式协同训练方法研究被引量：7: 2015年; 针对无线传感器网络中分散在各节点上的训练数据传输到数据融合中心集中训练支持向量机(Support Vector Machine,SVM)时存在的高通信代价和高能量消耗问题,该文研究了仅依靠相邻节点间的相互协作,在网内分布式协同训练线性SVM的方法。首先,在各节点分类器决策变量与集中式分类器决策变量相一致的约束下,对集中式SVM训练问题进行等价分解,然后利用增广拉格朗日乘子法,对分解后的SVM问题进行求解和推导,进而提出基于全局平均一致性的线性SVM分布式训练算法(Average Consensus based Distributed Supported Vector Machine,AC-DSVM);为了降低AC-DSVM算法中全局平均一致性的通信开销,利用相邻节点间的局部平均一致性近似全局平均一致性,提出基于一次全局平均一致性的线性SVM分布式训练算法(Once Average Consensus based Distributed Supported Vector Machine,1-AC-DSVM)。仿真实验结果表明,与已有算法相比,AC-DSVM算法的迭代次数和数据传输量略高,但其能够完全收敛到集中式训练结果;1-AC-DSVM算法具有较好的收敛性,而且在收敛速度和数据传输量上也表现出显著优势。; 及歆荣侯翠琴侯义斌; 关键词：无线传感器网络支持向量机分布式学习

一种无线传感器网络的混合定位方法: 一种无线传感器网络的混合定位方法属于无线网络信息技术领域。该方法包括两个阶段：分布式阶段和集中式阶段。在分布式阶段相邻传感器节点互换与公有相邻传感器节点间的测距信息，而后传感器节点基于测距信息依次判断是否位于由相邻传感器...; 侯翠琴侯义斌黄樟钦

基于ALMM的L1正则化核学习机的分布式训练方法: 基于ALMM的L1正则化核学习机的分布式训练方法，属于无线传感器网络中数据融合技术领域，涉及一种核学习机的分布式训练方法。本发明利用增广拉格朗日乘子方法构建和求解基于L1正则化的核学习机的分布式训练优化问题，提出以相邻节...; 侯义斌及歆荣侯翠琴; 文献传递

基于图的Co-Training网页分类被引量：10: 2009年; 本文充分利用网页数据的超链接关系和文本信息,提出了一种用于网页分类的归纳式半监督学习算法:基于图的Co-training网页分类算法(Graph based Co-training algorithmfor web page classification),简称GCo-training,并从理论上证明了算法的有效性.GCo-training在Co-training算法框架下,迭代地学习一个基于由超链接信息构造的图的半监督分类器和一个基于文本特征的Bayes分类器.基于图的半监督分类器只利用少量的标记数据,通过挖掘数据间大量的关系信息就可达到比较高的预测精度,可为Bayes分类器提供大量的标记信息;反过来学习大量标记信息后的Bayes分类器也可为基于图的分类器提供有效信息.迭代过程中,二者互相帮助,不断提高各自的性能,而后Bayes分类器可以用来预测大量未见数据的类别.在Web→KB数据集上的实验结果表明,与利用文本特征和锚文本特征的Co-training算法和基于EM的Bayes算法相比,GCo-training算法性能优越.; 侯翠琴焦李成; 关键词：CO-TRAINING 归纳式网页分类

侯翠琴

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

侯翠琴

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈