您的位置： 专家智库 > >

凌萍

作品数：10 被引量：11H指数：3
供职机构：吉林大学更多>>
发文基金：国家自然科学基金国家高技术研究发展计划教育部科学技术研究重点项目更多>>
相关领域：自动化与计算机技术理学文化科学更多>>

合作作者

文献类型

  • 6篇期刊文章
  • 2篇学位论文
  • 2篇会议论文

领域

  • 10篇自动化与计算...
  • 3篇理学
  • 1篇文化科学

主题

  • 8篇聚类
  • 6篇支持向量
  • 6篇向量
  • 5篇支持向量聚类
  • 3篇聚类算法
  • 2篇薛定谔
  • 2篇薛定谔方程
  • 2篇简约
  • 1篇多关系数据挖...
  • 1篇在线评估
  • 1篇噪声
  • 1篇噪声数据
  • 1篇折衷
  • 1篇置信度
  • 1篇置信度评估
  • 1篇融合式
  • 1篇数据挖掘
  • 1篇频谱
  • 1篇频谱分析
  • 1篇最小二乘

机构

  • 9篇吉林大学
  • 7篇徐州师范大学

作者

  • 10篇凌萍
  • 6篇周春光
  • 3篇王喆
  • 1篇黄岚

传媒

  • 1篇计算机研究与...
  • 1篇计算机工程
  • 1篇计算机应用研...
  • 1篇徐州师范大学...
  • 1篇计算机科学
  • 1篇计算机科学与...
  • 1篇第五届全国数...

年份

  • 2篇2010
  • 3篇2009
  • 2篇2008
  • 1篇2007
  • 1篇2006
  • 1篇2005
共 10 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
SVM置信度在线评估以及决策改进被引量：3
2008年
设计了SVM置信度在线评估方案,以此确定SVM做多分类时结果的风险程度,对高风险决策结果进行修正。置信度评估采用理论估计和经验估计相结合的方式。多分类决策结果的修正由在线生成的局部分类器完成。局部分类器在待查询数据的邻域内工作,此邻域基于一个局部测度而生成。实验表明,所设计的算法呈现了较好的分类能力,提高了传统同类方法的分类准确率。
凌萍周春光
关键词：SVM置信度评估
一种新的最小二乘支持向量聚类被引量：3
2009年
针对传统支持向量聚类的低性能和高耗费问题,提出最小二乘支持向量聚类(LSSVC)模型,设计自适应参数化方案。模型中包括两步簇划分算法和快速训练算法。前者对支持向量和非支持向量分别进行划分,后者采用增量方式,每次增量对应聚类模型的双向学习过程。实验结果证明,LSSVC可有效提高同类算法的效率,具有良好聚类能力,当数据增量为工作集大小的10%时,算法可在时间耗费和聚类准确率之间取得良好的平衡。
凌萍周春光王喆
关键词：支持向量聚类最小二乘
简约支持向量聚类
针对传统支持向量聚类(Support Vector Clustering.SVC)的高耗费和低性能弊端,提出了简约支持向量聚类算法(Reduced Support Vector Clustering.RSVC).RSVC...
凌萍周春光
关键词：支持向量聚类薛定谔方程
基于支持向量技术的聚类分类研究
本文从支持向量技术的理论研究及算法设计出发,在支持向量的几何性质、支持向量机分界面函数信息等方面进行了深入研究,提出了若干聚类分类思想及算法。主要工作如下。 1)简约支持向量聚类研究。针对传统支持向量聚类的高耗...
凌萍
关键词：支持向量
文献传递
双层分类策略及其实现算法
2009年
针对常见分类算法在全局和局部区域性能不一致的问题,提出了双层分类策略及其实现算法。双层分类策略的思想是离线地建立全局分类器,当全局分类器决策信用度低于指定阈值时,在线生成局部分类器进行决策修正。实现算法以支持向量机(support vectormachine,SVM)和模糊分类器(fuzzy classifier)作为全局与局部分类器,命名为SFC。为全局分类器定义了SVM决策信用度的评估机制,并以此给出局部分类器的启动条件。为局部分类器设计了基于新测度的模糊隶属度函数完成决策修正。实验结果表明,SFC显著提高了单一分类器的性能,可达到较好的分类效果。由此说明双层分类思想是正确且有效的,可作为一种通用思想对应多种具体实现算法。
凌萍周春光
一种基于网格划分的模糊聚类算法被引量：1
2005年
提出了一种改进的模糊聚类算法GBFC(Grid Based Fuzzy Clustering).在定义隶属度函数前先做网格划分,形成数据簇的基本形状,并提供真实的参数信息参与此后的隶属度函数定义.隶属度函数综合考虑了影响簇形状的因素,具有合理直观的几何意义且形式简洁.算法通过网格划分加速聚类过程,通过模糊隶属度函数容忍噪声数据,克服了传统模糊聚类算法时间耗费量大的缺点.实验表明该算法具有良好的聚类性能.
凌萍
关键词：模糊聚类算法模糊隶属度函数网格划分噪声数据基本形
多关系数据的支持向量聚类的设计与实现
多关系数据挖掘是在多张相互关联的表上进行知识学习的过程,它要求同时从多个数据描述源上直接挖掘有用知识。 本文综述了多关系数据挖掘领域的算法体系,并针对其聚类任务提出了两阶段支持向量聚类算法。该算法利用支持向量描述数据簇的...
凌萍
关键词：多关系数据挖掘支持向量聚类
文献传递
自适应频谱支持向量聚类
给出自适应核函数的定义,它通过两步调整分别结合原空间和特征空间中数据点邻域的密度信息给出因地制宜的相似度表达,进而提出自适应频谱支持向量聚类算法ASSVC。该算法以自适应核为核心,用支持向量聚类技术生成数据代表,并对其做...
凌萍
关键词：支持向量聚类算法频谱分析
文献传递
一种基于网格距离的融合式聚类算法
2008年
提出了一种基于网格距离的融合式聚类算法(Agglomerative Clustering algorithm based on Grid Distance,ACGD)。为规模不同的数据集分别设计了初始球状网格和初始矩形网格,并以此作为合并过程的起点。基于随机映射思想设计了网格之间的距离定义并以此完成聚类任务。ACGD的参数以自适应学习策略确定。真实数据集上的实验表明,ACGD具有良好聚类效果,具有比同类算法更高的效率和算法鲁棒性。
凌萍周春光王喆
简约支持向量聚类
2010年
针对传统支持向量聚类(support vector clustering,SVC)的高耗费和低性能弊端,提出了简约支持向量聚类算法(reduced support vector clustering,RSVC).RSVC的核心是简约策略和新的簇划分方法.前者是基于薛定谔方程而设计,提取对模型生成有重要意义的数据构成简约子集,并在此子集之上完成优化过程.后者提出并证明了高斯核函数特征空间的几何性质,并以此设计方法完成对数据簇的辨识任务.理论分析和实验结果表明,和同类算法相比,RSVC可更有效地解决两个弊端,在实际应用中取得良好的聚类效果.
凌萍王喆周春光黄岚
关键词：支持向量聚类薛定谔方程
全选 清除 导出
共1页<1>
聚类工具0