广东省科技攻关计划(2007B030803006)
- 作品数：4 被引量：23H指数：3
- 相关作者：文贵华向君丁月华朱劲锋陆庭辉更多>>
- 相关机构：华南理工大学湖北民族大学更多>>
- 发文基金：广东省科技攻关计划湖北省科技攻关计划教育部留学回国人员科研启动基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 局部测地距离估计的Hessian局部线性嵌入被引量：2
- 2008年
- 为处理极度弯曲的数据流形,提出了基于局部测地距离估计的Hessian局部线性嵌入算法.算法采用Hessian局部线性嵌入(HLLE)的概念框架,采用局部估计的测地距离而不是欧氏距离来确定每个点的邻域,从而减少数据流形弯曲对邻域选择的影响.算法可认为是全局和局部方法的综合,在性能上不仅比HLLE显著提高,有更强的鲁棒性,而且时间增加不明显.标准数据集上的实验结果验证了所提方法的有效性.
- 文贵华江丽君文军
- 关键词：流形学习局部线性嵌入测地距离
- 面向机器学习的相对变换被引量：11
- 2008年
- 机器学习常常面临数据稀疏和数据噪音问题.根据认知的相对性规律提出了相对变换方法,证明了相对变换是非线性的放大变换,可提高数据之间的可区分性.同时在一定条件下相对变换还能抑制噪音,并使稀疏的数据变得相对密集.通过相对变换将数据的原始空间变换到相对空间后,在相对空间中度量数据的相似性或距离更加符合人们的直觉,从而提高机器学习的性能.理论分析和实践验证了所提方法的普适性和有效性.
- 文贵华
- 关键词：噪音数据稀疏数据
- 基于认知几何的支持向量机分类被引量：3
- 2008年
- 支持向量机(SVM)较好地解决了小样本分类问题,但仍然受稀疏数据和噪音的影响.鉴于人类具有很好的处理稀疏数据和噪音问题的能力,文中提出了模型化这些认知能力的几何化方法,特别是采用相对变换方法建立了认知相对性规律的几何化模型,并用之改进了SVM.仿真实验结果表明,改进的SVM明显提高了抵抗稀疏数据和噪音的能力.
- 文贵华朱劲锋陆庭辉
- 关键词：支持向量机
- 基于商空间粒度理论的大规模SVM分类算法被引量：10
- 2008年
- 利用商空间粒度理论对已有的SVM分类算法进行改进,给出了一种新的SVM分类算法——SVM-G。该算法将SVM分类问题划分成两个或多个子问题,从而降低了SVM分类复杂度。实验表明,改进的算法适用于处理大数据量的样本,能在保持分类精度的情况下有效地提高支持向量机的学习和分类速度。
- 文贵华向君丁月华
- 关键词：粒度商空间支持向量机
