|
| - 基于局部尺度转换的拉普拉斯核方法
- 作者：张亮 杜子平 李杨 张俊 来源期刊：计算机工程 年卷号：2011,37(8).-202-203,206
- 摘要：采用数据点的结构信息可以提高半监督学习的性能。为此,提出一种基于图的半监督学习方法。利用局部尺度转换对不同密度区域中的边权重设置不同的尺度参数,在此基础上构造图的拉普拉斯核分类器进行分类学习。在多个数据集上的实验显示该方法优于其他基于核的半监督分类方法。
-
- 基于Base64编码的垃圾图片过滤方法
- 作者：陈雅芳 徐从富 来源期刊：计算机工程 年卷号：2011,37(8).-194-196
- 摘要：针对目前直接提取图片文本特征费时且分类准确率不高,以及使用图像属性特征过滤垃圾图片召回率低下等问题,提出一种快速有效的垃圾图片过滤方法。在使用4-gram切分Base64编码后的图片文本后,通过Binary特征将图片特征项表示为Binary向量,并训练支出向量机分类器来识别垃圾图片。实验结果表明,该方法不仅能够识别...
-
- 基于云控制的自适应遗传算法
- 作者：吴涛[1,2] 金义富[1] 来源期刊：计算机工程 年卷号：2011,37(8).-189-191
- 摘要：遗传参数的自适应调整是一个复杂的不确定性过程。为此,利用云模型优良的不确定性知识表示能力,提出一种改进的自适应遗传算法。该算法以自然语言为切入点,用云模型表达先验规则知识,通过云控制器调整遗传参数。函数优化实验表明,该算法能够较好地模拟迭代中参数的自适应调整过程,算法性能是可行、有效的。
-
- 基于加权SVM主动学习的多标签分类
- 作者：刘端阳 邱卫杰 来源期刊：计算机工程 年卷号：2011,37(8).-181-182,185
- 摘要：样本标记是一个重要但又比较耗时的过程。得到一个多标签分类器需要大量的训练样本,而手工为每个样本创建多个标签会存在一定困难。为尽可能降低标记样本的工作量,提出一种加权决策函数的主动学习方法,该方法同时考虑训练样本的数量和未知样本的置信度,使得分类器能在最小的成本下最快地达到比较满意的分类精度。
-
- 嵌入极值优化的混合粒子群优化算法
- 作者：梁昔明 肖晓芳 龙文 来源期刊：计算机工程 年卷号：2011,37(8).-172-174
- 摘要：针对标准粒子群算法容易陷入局部极值和精度低的问题，提出一种嵌入极值优化算法的粒子群优化算法。在线性下降的惯性权重粒子群算法运行过程中，间隔一定迭代次数与极值优化算法相结合，利用其波动性增加种群的多样性，并有效结合粒子群算法较强的全局探索能力和极值优化算法精细的局部搜索性能，以较高精度收敛到全局极值。仿真实验结果表明...
-
|