刘宇
- 作品数：3 被引量：5H指数：1
- 供职机构：北京工商大学计算机与信息工程学院更多>>
- 发文基金：北京市自然科学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更多>>
- 组合标记的多视图半监督协同分类算法被引量：4
- 2013年
- 为了提高多视图半监督协同算法的性能,并针对算法应用范围受限的问题,提出了一种组合标记规则的协同训练方法。该算法将一致性与非一致性标记规则相结合,若分类器具有相同标记则将对应样本加入到相应的样本集中;若标记不同且两分类器对应的标记置信度差值超过了一定的阈值,则采用高置信度分类器的标记结果,并将样本添加到相应的样本集中。通过判断两分类器对相应样本的标记是否一致以及差异性阈值对未标记样本进行组合标记,并利用分类器差异性判断原则更新分类模型,充分利用未标记样本中的有用信息将分类器性能提高5%以上。所提出的算法在桥梁结构健康监测数据集及标准UCI数据集上的实验结果验证了算法在多视图分类问题上的有效性和可行性。
- 于重重刘宇谭励商利利马萌
- 关键词：多视图桥梁结构健康监测
- 基于组合赋权的居住健康多指标综合评价系统
- 2012年
- 在深入分析主、客观赋权法的基础上提出了一种组合赋权方法.该方法通过经验因子对主观权重和客观权重进行权重融合.为了验证该方法的有效性,本文基于组合赋权法建立了一个多指标综合评价系统来对居民的居住健康进行评价.评价结果表明,本文提出的组合赋权法的误差百分比明显低于客观赋权法.软件系统的实现进一步证明了该方法的可行性和准确性.
- 谭励刘宇于重重马萌
- 关键词：组合赋权居住健康
- 基于主动学习的图半监督分类算法被引量：1
- 2015年
- 为抑制噪声数据对分类结果的影响,将噪声处理算法与高斯随机域算法相结合,提出一种带噪声系数的高斯随机域学习算法;针对样本集不平衡性数据分类问题,考虑主动学习在样本不平衡问题中的应用,将主动学习与图半监督算法相结合,提出一种鲁棒性强的主动学习图半监督分类算法。利用基于样本划分的主动学习方法,对正类的近邻样本集中样本与特定类样本形成的新样本集做总体散度排序,筛选出能使新样本集中总体散度最小的样本,代替正类的近邻样本集中所有样本,形成平衡类。在UCI标准数据集上的实验结果表明,与标准的图半监督算法相比,该算法的分类精度更高、泛化能力更强。
- 高成陈秀新于重重刘宇
