您的位置: 专家智库 > >

戴明伟

作品数:2 被引量:27H指数:2
供职机构:西安交通大学电子与信息工程学院更多>>
发文基金:国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇向量
  • 2篇向量机
  • 1篇等距
  • 1篇等距特征映射
  • 1篇映射
  • 1篇支撑向量
  • 1篇支撑向量机
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇支持向量机集...
  • 1篇入侵
  • 1篇入侵检测
  • 1篇特征映射
  • 1篇流形
  • 1篇流形学习
  • 1篇流形学习方法
  • 1篇局部线性嵌入
  • 1篇BAGGIN...

机构

  • 2篇西安交通大学
  • 1篇云南民族大学

作者

  • 2篇戴明伟
  • 1篇徐宗本
  • 1篇何磊
  • 1篇孟德宇
  • 1篇郑锦辉
  • 1篇谷雨

传媒

  • 1篇计算机研究与...
  • 1篇微电子学与计...

年份

  • 1篇2007
  • 1篇2005
2 条 记 录,以下是 1-2
排序方式:
一种新的有监督流形学习方法被引量:18
2007年
提出了一种新的有监督流形学习方法,目的是提供将流形学习降维方法高效应用于有监督学习问题的全新策略.算法的核心思想是集成流形学习方法对高维流形结构数据的降维有效性与支撑向量机(SVM)在中小规模分类数据集上的优良特性实现高效有监督流形学习.算法具体实现步骤为:首先利用SVM在流形学习降维数据中选出对分类决策最重要的数据集,即支撑向量集;按标号返回可得到原空间的支撑向量集;在这个集合上再次使用SVM即可得到原空间的分类决策,从而完成有监督流形学习.在一系列人工与实际数据集上的实验验证了方法的有效性.
孟德宇徐宗本戴明伟
关键词:流形学习方法支撑向量机等距特征映射局部线性嵌入
基于Bagging支持向量机集成的入侵检测研究被引量:9
2005年
对大数据集来说,支持向量机的时空耗费非常大,本文采用bagging技术对支持向量机进行集成。首先用bootstrap技术对训练样本集进行可重复采样,使所得到的新子样本集有较大差异,然后用多个支持向量机对各子样本集进行学习,并将学习后的结果用多数投票法集成最终的结论。实验表明,支持向量机集成对入侵检测数据有比单个支持向量机更好的分类性能。
谷雨郑锦辉戴明伟何磊
关键词:入侵检测支持向量机BAGGING
共1页<1>
聚类工具0