您的位置: 专家智库 > >

檀敬东

作品数:7 被引量:18H指数:3
供职机构:合肥工业大学数学学院更多>>
发文基金:国家自然科学基金国家科技支撑计划更多>>
相关领域:自动化与计算机技术理学更多>>

文献类型

  • 5篇期刊文章
  • 2篇学位论文

领域

  • 5篇自动化与计算...
  • 2篇理学

主题

  • 4篇支持向量
  • 4篇支持向量机
  • 4篇向量
  • 4篇向量机
  • 2篇有理BÉZI...
  • 1篇用户
  • 1篇用户意图
  • 1篇有理BEZI...
  • 1篇搜索
  • 1篇搜索模型
  • 1篇图论
  • 1篇主成份分析
  • 1篇最近邻
  • 1篇文本
  • 1篇文本聚类
  • 1篇文本挖掘
  • 1篇流形
  • 1篇流形学习
  • 1篇聚类
  • 1篇聚类模型

机构

  • 5篇合肥工业大学
  • 4篇中国科学技术...
  • 2篇中国科学院

作者

  • 7篇檀敬东
  • 3篇王儒敬
  • 2篇苏雅茹
  • 1篇应磊
  • 1篇黄有度
  • 1篇杨紫微
  • 1篇黄河

传媒

  • 2篇模式识别与人...
  • 2篇大学数学
  • 1篇计算机工程

年份

  • 1篇2017
  • 1篇2012
  • 2篇2010
  • 1篇2009
  • 2篇2003
7 条 记 录,以下是 1-7
排序方式:
两条连续的有理Bézier曲线的逼近合并被引量:2
2003年
目前多项式 Bézier曲线的逼近合并问题已研究得比较深入 ,而有理 Bézier情形主要还是通过两类多项式 h和 H来降阶逼近 ,但是在工业制造中有重要意义的有理 Bézier曲线的合并问题一直缺乏研究 .本文通过控制点的优化扰动将两连续的满足权约束条件的有理 Bézier曲线转化成新的两有理Bézier曲线 ,使它们符合精确合并条件 ;并将合并得到的同阶有理
檀敬东黄有度
关键词:有理BEZIER曲线控制点拉格朗日乘数
基于PCA扩展的判别性特征融合被引量:4
2012年
提出两个判别性的特征融合方法——主成分判别性分析和核主成分判别性分析.基于主成份分析和最大间隔准则理论,构造一个多目标规划模型作为特征融合的目标.随后,该模型被转化成一个单目标规划问题并通过特征分解的方法求解.此外,将一个近似分块对角核矩阵K分成c(c为数据集中的类别数)个小矩阵,并求出它们的特征值和特征向量.在此基础上,通过向量代数处理得到一个映射矩阵α,当核矩阵K投影到α上,同类样本的相似信息能最大程度地得到保持.本文中的实验证实两种方法的有效性.
檀敬东苏雅茹王儒敬
关键词:主成份分析支持向量机
两类Bézier曲线的逼近转化
本文研究了Béxier曲线与有理Béxier曲线的逼近转化问题,即它们的降阶逼近与逼近合并问题.在第二章介绍了多项式Béxier曲线的降一阶逼近与降多阶逼近,在第三章介绍了一对多项式Béxier曲线在优化控制下的逼近合并...
檀敬东
关键词:BÉZIER曲线有理BÉZIER曲线降阶逼近
文献传递
基于几何判据的SVM参数快速选择方法被引量:7
2010年
支持向量机中核函数及其参数的选择具有重要意义。提出一种基于高斯核函数的支持向量机参数对快速求取方法,根据支持向量之间的几何判据,结合线性搜索法完成参数寻优,具有简单、计算量小、易于实现的优点。实验结果表明,该方法较好地解决了高斯核函数参数在实际使用中不易确定的问题,且运算速度高于原有方法。
杨紫微王儒敬檀敬东应磊苏雅茹
关键词:支持向量机参数优化高斯核函数
一种复杂自适应搜索模型被引量:1
2009年
针对互联网开放性、层次性、演化性、巨量性等本质特性,从复杂自适应系统这一全新的角度,以农业垂直搜索为应用背景,提出一种复杂自适应搜索模型.该搜索模型的主要特点是通过建立信息采集、分类、清洗与服务智能体联盟,组成多智能体实验环境.通过建立模型的学习机制与进化机制,改善搜索模型对网络环境的动态适应能力.经过与现有主流搜索引擎的比较实验发现,它在查准率方面具有明显优势.同时,由于该搜索模型具备通用的结构体系,因而在建立其它行业的垂直搜索模型时,可被方便地移植使用.
王儒敬檀敬东黄河
关键词:复杂自适应系统WEB搜索支持向量机用户意图
文本挖掘的若干关键算法研究
文本挖掘是一个非常活跃的研究领域,是数据挖掘领域的一个重要分支。文本挖掘采用了很多传统的数据挖掘技术,但又有自己的特性。本文试图采用支持向量机,流形学习与图论等理论,以网络文本为研究对象,全面开展文本分类、聚类、压缩、可...
檀敬东
关键词:文本挖掘支持向量机流形学习图论共享最近邻
基于规范割的文本超图聚类被引量:1
2017年
超图聚类方法是目前主流聚类方法之一.它的经典版本出现在超大规模集成电路研究领域.近年来,它的各种改进版本被提出并广泛应用于机器视觉领域.例如,在图像聚类和运动分割方面,它的各种版本常有较好的表现.本文将超图聚类方法引入文本聚类领域.首先,根据文本数据高度稀疏的特点,采用SVD(或PCA)对其进行降维;其次,采用基于大超边的超图规范割聚类对文本的低维投影进行聚类;最后,采用聚类准确率指标对聚类进行评价.在两个文本数据集的实验中,基于超图规范割聚类取得了比传统的k均值聚类和层次聚类更好的聚类表现.
檀敬东
关键词:超图文本聚类
共1页<1>
聚类工具0