您的位置: 专家智库 > >

武方方

作品数:7 被引量:67H指数:4
供职机构:西安交通大学电子与信息工程学院新型机研究所更多>>
发文基金:国家自然科学基金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更多>>

文献类型

  • 6篇期刊文章
  • 1篇学位论文

领域

  • 7篇自动化与计算...

主题

  • 5篇支持向量
  • 5篇支持向量机
  • 5篇向量
  • 5篇向量机
  • 3篇核函数
  • 2篇最小二乘
  • 2篇小波
  • 2篇小波支持向量...
  • 2篇聚类
  • 1篇蚁群
  • 1篇蚁群聚类
  • 1篇蚁群聚类算法
  • 1篇神经网
  • 1篇神经网络
  • 1篇统计学习
  • 1篇排队论
  • 1篇区分服务机制
  • 1篇人工智能
  • 1篇最小二乘支持...
  • 1篇小波核

机构

  • 7篇西安交通大学

作者

  • 7篇武方方
  • 6篇赵银亮
  • 1篇李增智
  • 1篇张永忠
  • 1篇蒋泽飞

传媒

  • 3篇西安交通大学...
  • 1篇模式识别与人...
  • 1篇信息与控制
  • 1篇控制与决策

年份

  • 5篇2006
  • 2篇2005
7 条 记 录,以下是 1-7
排序方式:
基于密度聚类的支持向量机分类算法被引量:14
2005年
为了解决支持向量机的分类仅应用于较小样本集的问题,提出了一种密度聚类与支持向量机相结合的分类算法.在密度聚类中,当一个样本点不存在拟密度可达的样本点,则其显著特征即表现为该簇的边缘点,将该点加入约简集合,直至选出样本集合中的所有边缘对象,然后再利用约简集合寻找支持向量.实验表明,采用该算法,分类的准确率可从基于无监督聚类的支持向量机算法的86.81%提升至95.43%,核函数计算量由原数量级109下降到106以下,采取限制密度聚类中的核心点ε-邻域内的反例百分比的方法,可以增加约简样本的个数,可将分类准确率提高5%~8%左右.
武方方赵银亮蒋泽飞
关键词:支持向量机密度聚类
一种基于蚁群聚类的径向基神经网络被引量:13
2006年
提出了一种基于蚁群聚类算法的径向基神经网络.利用蚁群算法的并行寻优特征和挥发系数方法的自适应更改信息量的能力,并以球面聚类的方式确定了径向基神经网络中基函数的位置,同时通过比较隐层神经元的相似性、合并相似性较为接近的2个神经元来约简隐含层的神经元,以达到简化径向基神经网络结构的目的.实验比较了几种不同聚类算法的径向基神经网络,结果表明,所提神经网络的整体训练时间至少可缩短40%,学习的准确率可提高1%以上,而且网络结构更加精简.
武方方赵银亮
关键词:径向基神经网络蚁群聚类算法基函数
最小二乘Littlewood-Paley小波支持向量机被引量:18
2005年
基于小波分解理论和支持向量机核函数的条件,提出了一种多维允许支持向量核函数———L it-tlewood-Paley小波核函数.该核函数不仅具有平移正交性,而且可以以其正交性逼近二次可积空间上的任意曲线,从而提升了支持向量机的泛化性能.在L ittlewood-Paley小波函数作为支持向量核函数的基础上,提出了最小二乘L ittlewood-Paley小波支持向量机(LS-LPW SVM).实验结果表明,LS-LPW SVM在同等条件下比最小二乘支持向量机的学习精度要高,因而更适用于复杂函数的学习问题.*
武方方赵银亮
关键词:支持向量机核函数
一种基于Morlet小波核的约简支持向量机被引量:22
2006年
针对支持向量机(SVM)的训练数据量仅局限于较小样本集的问题,结合M orlet小波核函数,提出了一种基于M orlet小波核的约简支持向量机(MW RSVM-DC).算法的核心是通过密度聚类寻找聚类中每个簇的边缘点作为约简集合,并利用该约简集合寻找支持向量.实验表明,利用小波核,该算法不仅提高了分类的准确率,而且提高了整体分类效率.
武方方赵银亮
关键词:支持向量机
Web集群服务器中基于多类限定延迟的区分服务机制
2006年
针对Web集群服务器中的区分服务机制存在资源利用率不足的问题,提出了一种基于多类限定延迟的区分服务(MCDDS)机制.该机制使得低优先类的用户请求可以占用高优先类的用户请求未使用的资源来提高资源利用率.通过结合优先级调度策略和排队论,建立了各优先类的用户请求实时检测参数与限定延迟间的数学公式,以实现动态的接纳控制和分发策略,达到控制各优先类的用户请求延迟的目的.对MCDDS与现有的机制进行了模拟实验,结果表明,在高负载下系统的资源利用率提高了61%,且MCDDS机制能控制各优先类的用户请求延迟在限定的延迟范围之内.
张永忠赵银亮武方方李增智
关键词:排队论接纳控制
基于尺度核函数的最小二乘支持向量机被引量:2
2006年
支持向量机的核函数一直是影响其学习效果的重要因素.本文基于小波分解理论和支持向量机核函数的条件,提出一种多维允许支持向量尺度核函数.该核函数不仅具有平移正交性,且可以以其正交性逼近二次可积空间上的任意曲线,从而提升支持向量机的泛化性能.在尺度函数作为支持向量核函数的基础之上,提出基于尺度核函数的最小二乘支持向量机(LS-SSVM).实验结果表明,LS-SSVM 在同等条件下比传统支持向量机的学习精度更高,因而更适用于复杂函数的学习问题.
武方方赵银亮
关键词:支持向量机核函数
基于边缘特征向量提取的小波支持向量机分类研究
武方方
关键词:人工智能统计学习支持向量机小波核函数
共1页<1>
聚类工具0