朱发
- 作品数：6 被引量：8H指数：2
- 供职机构：南京林业大学信息科学技术学院更多>>
- 发文基金：江苏省“青蓝工程”基金江苏省自然科学基金江苏省普通高校研究生科研创新计划项目更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 结肠癌基因表达谱的特征选取研究被引量：1
- 2012年
- 为了找到与结肠癌相关的基因,提高结肠癌样本的识别率,提出了基于Chernoff距离的浮动顺序搜索算法(sequential floating search method,SFSM)。通过对结肠癌基因表达谱数据集的分析,对每个基因进行评价和筛选;对筛选后的基因子集利用SFSM算法进行搜索,并以Chernoff距离作为其评估函数,生成若干候选特征基因子集;利用支持向量机(support vector machine,SVM)、K-近邻(K-nearest neighbor,KNN)和径向基(radical basis function,RBF)神经网络分类器来检验候选特征基因子集的分类效果。实验结果表明,利用SFSM及评估函数Chernoff距离发现在参数β=0.25时能找到最佳的特征基因组合,该组合能以很高的正确率识别结肠癌样本。
- 潘冬寅朱发徐昇业宁
- 关键词：支持向量机K-近邻径向基神经网络
- 数据分布对支持向量机学习的影响
- 对于大数据集的学习问题，需要对训练集进行约简选择训练集的一个子集来表示原训练集，以减小问题的规模。这就需要我们研究样本的分布规律，找出那些对学习问题有较大影响的样本。本文以机器学习领域里的支持向量机为切入点，通过样本分布...
- 朱发
- 关键词：SVM
- 文献传递
- 基于支持向量集子集的支持向量机增量学习算法
- 支持向量机增量算法的关键是对历史样本集的剪辑，在历史样本集中选择出尽可能少又能尽可能多的代表历史样本集的一个子集，然后把这个子集加入到新训练样本集中进行学习。对于代表历史样本集子集的选择方法有很多。本文提出的Simple...
- 朱发业宁潘冬寅丁文
- 关键词：KKT条件SVM
- 边界检测快速SVDD算法被引量：1
- 2012年
- SVDD要求一个包含目标数据的尽可能小的球体.与SVM类似,这个球体由少部分支持向量决定.对于一个有限数据集,支持向量是位于数据分布边缘的少部分样本.这样的样本可以根据样本与其近邻的差和样本之间夹角的余弦和来判断.由于样本的近邻分布具有不对称性,通常靠近数据分布边缘的样本的余弦和接近于±k,而位于数据分布内部样本的余弦和接近于0.根据余弦和可以去除大量位于数据分布内部的样本,而对最后的学习结果没有什么影响.这样可以在一定程度上缓解SVDD求解二次规划造成的时间和内存开销过大的问题.实验结果表明,在仅保留5%～9%的边缘样本学习得到的数据描述与用整个数据集获得的数据描述仅有微弱的差别,速度几乎可以提高2个数量级.
- 朱发业宁徐昇徐姗姗
- 关键词：SVDD
- Hopfield网络在视差空间上的立体匹配求解被引量：3
- 2013年
- 由于边界区域的匹配精度是立体匹配问题的瓶颈,这里采用一种基于特征的匹配算法来重点研究场景中边界区域的匹配.首先针对立体匹配问题,提出一种基于RBF的边界提取算法,使得边界区域成为待匹配的像素点.研究像素点匹配需要满足的约束,构建相应的能量方程,接着采用Hopfield网络对能量函数进行优化来获得问题的求解.由于针对的是整个边界区域,直接将特征点输入网络会导致神经元数目过多、复杂度过高.为了降低算法复杂度,提出从视差空间上来构造网络模型.最后通过大量实验来验证算法的性能,包括标准图片、噪声图片与真实的场景图片.实验证明新算法能大大提高边界区域精度,克服了立体匹配的瓶颈,明显提高了整体区域精度,算法有很强的鲁棒性和实用性,即使在复杂情况下也能取得较好的效果.
- 徐昇业宁朱发徐姗姗周溜溜
- 关键词：能量函数HOPFIELD神经网络视差空间
- 基于最小样本平面距离的支持向量机增量学习算法被引量：3
- 2012年
- 支持向量机增量算法的关键是对历史样本集的剪辑,在历史样本集中选择出尽可能少又能表示尽可能多历史样本集信息的子集,再把这个子集与新增训练样本集放在一起进行训练。Liva Ralaivola[1]提出保留新增样本最近邻样本来表示历史样本集,而这样的最近邻样本中可能存在冗余样本。根据历史样本与分类平面间的距离可以去除新增样本最近邻样本集中的冗余样本。根据样本平面距离提出了MSPDISVM(minimum sample plane distance incremental support vector ma-chines)算法。实验结果表明,MSPDISVM比Liva Ralaivola提出的算法有更快的速度,而精度没有太大的差异。使用样本平面距离可以有效地去除新增样本最近邻中的冗余样本。
- 朱发业宁潘冬寅丁文
- 关键词：支持向量机
