田江
- 作品数：9 被引量：26H指数：3
- 供职机构：大连理工大学电子科学与技术学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术政治法律社会学经济管理更多>>
- 基于组织授权的政府业务集成模型研究
- 经过多年发展，我国电子政务建设取得了显著的成果，中央和地方各部门纷纷建立了各自的应用系统。然而由于我国电子政务缺少统一的标准和宏观统筹，电子政务建设呈“自下而上的建立过程”，因此当面对以“一站式”服务为代表的业务集成需求...
- 田江
- 关键词：电子政务访问控制WEB服务
- 文献传递
- 基于支持向量机的孤立点检测方法研究
- 孤立点检测是数据挖掘领域的重要内容之一。孤立点检测可以发现不具备一般数据特性的数据，进而发现潜在的有用信息。孤立点检测可以应用到很多实际领域，如信用卡欺’诈检测、故障诊断、医学诊断、网络入侵检测和信息检索等。近年来很多国...
- 田江
- 关键词：支持向量机孤立点检测核方法数据挖掘
- 文献传递
- 孤立点检测的一类支持向量机方法研究被引量：3
- 2008年
- 孤立点是不具备数据一般特性的数据对象,One-Class支持向量机将数据点映射到高维空间,通过划分距离坐标原点最远间隔的超平面来发现孤立点.该学习算法在应用中误检率比较高,另外模型参数不易选择.由此,本文将无监督的One-Class支持向量机同监督学习方法相结合,提出了一种新的检测算法,利用ROC(受试者工作特征)分析作为评价依据,在限定范围内自动搜索最优参数,进而通过调节阈值获得孤立点检测决策函数.仿真实验结果表明,该算法简单有效,易于推广到实际应用中.
- 田江顾宏
- 关键词：孤立点检测支持向量机ROC曲线
- 基于CPSO和SVM的混沌时间序列预测
- 2009年
- 提出了一种改进的支持向量机(SVM)混沌时间序列预测精度的方法。对于模型参数估计,引入混沌粒子群优化算法(CPSO)实现全局寻优,利用支持向量回归实现非线性系统的建模和预测。对Mackey-Glass混沌时间序列进行了预测实验的结果表明,本文方法能对Mackey-Glass混沌时间序列进行准确预测。
- 郭良栋田江丛晓东
- 关键词：混沌时间序列混沌粒子群优化支持向量机
- 高维数据分类方法研究被引量：4
- 2009年
- 在对高维度数据进行模式分类时,能否有效进行降维是一个关键问题。提出了一种结合高斯过程潜变量模型(GPLVM)和支持向量机(SVM)的阶梯跳跃降维分类框架方法,能有效的降低样本数据维数,同时提高分类器性能。利用GPLVM实现数据的平滑映射,对输入样本进行非线性降维后,根据SVM的分类校验结果进行下一步降维迭代操作;计算新的阶梯维数,根据反馈动态调整降维输入数据。利用该方法对UCI上的数据集进行分类,仿真结果验证了方法的有效性。
- 田江顾宏
- 关键词：支持向量机
- 一种基于混合策略的孤立点检测方法被引量：2
- 2010年
- 孤立点检测面临数据不平衡和代价敏感两个问题。利用改进的一类支持向量机对数据集进行重构,并结合代价敏感支持向量机提出了一种混合策略检测方法。首先在传统的一类支持向量机优化过程中设定不同权重,通过刻画超平面消除部分正常样本进而平衡数据集;重构过程保留了孤立点信息,同时能克服数据混叠现象。通过代价敏感支持向量机对样本进行训练,利用受试者工作特征分析作为评判依据搜索最优参数,进而调节阈值获得孤立点检测模型。仿真实验结果表明,本文方法能提高检测精度,同时有效降低总的误分类代价。
- 田江顾宏
- 关键词：代价敏感学习孤立点检测支持向量机
- 孤立点一类支持向量机算法研究被引量：14
- 2010年
- 一类支持向量机将数据样本映射到高维空间,通过与坐标原点保持最大间隔的特征超平面检测孤立点。实际应用中算法对坐标原点的选择依赖性较强,检测性能受数据样本的分布影响较大;将算法转化为求解二类问题在一定程度上克服了这些不足,但其带来的数据不平衡问题受到现实中孤立点样本稀少或者不存在的影响。该文提出了"孤立点一类支持向量机"算法,并在此基础上设计了一种无监督的孤立点检测方法。分别基于超平面距离和概率输出大小定义两种孤立点异常程度,设定不同权值合并两种异常程度输出,将获得的可疑孤立点特征信息引入算法;在特征空间划分距离可疑孤立点最大间隔的超平面,分析在全部样本上的预测输出大小进而交互更新两部分的数据样本。在UCI数据集上进行了仿真实验,数据结果表明了该文方法能有效的提高检测率,降低误报率;同时样本交叉更新提高了检测的稳定性。
- 田江顾宏
- 关键词：孤立点挖掘
- 基于支持向量机的两阶段孤立点挖掘方法
- 通常孤立点所占比例较小，在孤立点检测中需要同时解决数据不平衡和代价敏感两个难题。本文提出了一种两阶段的孤立点检测方法。第一阶段将数据映射到高雏空间，通过一类支持向量机在特征空间刻画超平面按比例消除部分正常样本以平衡数据集...
- 田江顾宏
- 关键词：孤立点挖掘支持向量机
- 文献传递
- 一种孤立点挖掘的混合核方法
- 2010年
- 孤立点是不具备数据一般特性的数据对象。支持向量机(SVM)将数据点映射到高维特征空间,通过划分最大间隔的超平面来分离孤立点和正常点。利用支持向量机在处理小样本、高维数及泛化性能强等方面的优势,提出了一种新的基于高斯过程潜变量模型(GPLVM)和支持向量分类的检测模型算法。利用GPLVM提供潜变量到数据空间的平滑概率映射实现数据降维,然后通过SVM交叉验证进行孤立点检测。在KDD99数据集上进行了仿真实验,数值结果表明该算法在保证低误报率的前提下能有效地提高检测率,证明了方法的有效性。
- 田江顾宏
- 关键词：孤立点检测支持向量机数据降维
