付丹丹
- 作品数：10 被引量：108H指数：5
- 供职机构：哈尔滨工程大学信息与通信工程学院更多>>
- 发文基金：中国博士后科学基金国家教育部博士点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机械工程更多>>
- 一种基于流形距离核的谱聚类算法被引量：27
- 2012年
- 针对标准谱聚类算法中,基于欧氏距离的相似性度量不能完全反映数据聚类复杂的空间分布特性的问题,提出了一种基于流形距离核的谱聚类算法.它能充分挖掘数据集中的内在结构信息,较好地反映局部和全局一致性,并且可以很好地防止"桥"噪声点的影响,提高算法的聚类性能.与传统的聚类算法和常见谱聚类算法进行了比较,在人工数据集和UCI数据集上的实验都验证了本算法能够获得更好的聚类效果.
- 陶新民宋少宇曹盼东付丹丹
- 关键词：谱图理论谱聚类自适应
- 定向多尺度变异克隆选择优化算法被引量：9
- 2011年
- 提出一种定向多尺度变异克隆选择优化算法.为了实现抗体间信息共享,算法利用定向进化机制引导抗体向着抗体群最优解区域逼近.采用多尺度高斯变异机制,在算法初期利用大尺度振荡变异实现了全局最优解空间的快速定位.随着适应值的提升,小尺度变异会随之减低,使得算法在进化后期通过小尺度变异完成局部精确解的搜索.将算法应用到5个经典函数优化问题,结果表明,该算法不仅具有更快的收敛速度,而且全局解搜索能力和稳定性均有显著提高.
- 陶新民刘福荣刘玉付丹丹
- 关键词：克隆选择定向进化
- 基于两阶段学习的半监督支持向量机分类算法被引量：4
- 2012年
- 提出了一种基于两阶段学习的半监督支持向量机(semi-supervised SVM)分类算法.首先使用基于图的标签传递算法给未标识样本赋予初始伪标识,并利用k近邻图将可能的噪声样本点识别出来并剔除;然后将去噪处理后的样本集视为已标识样本集输入到支持向量机(SVM)中,使得SVM在训练时能兼顾整个样本集的信息,从而提高SVM的分类准确率.实验结果证明,同其它半监督学习算法相比较,本文算法在标识的训练样本较少的情况下,分类性能有所提高且具有较高的可靠性.
- 陶新民曹盼东宋少宇付丹丹
- 关键词：VECTOR
- 基于半监督高斯混合模型核的支持向量机分类算法被引量：5
- 2013年
- 提出了一种基于高斯混合模型核的半监督支持向量机(SVM)分类算法.通过构造高斯混合模型核SVM分类器提供未标示样本信息,使得SVM算法在学习标示样本信息的同时,能够兼顾整个训练样本集合的聚类假设.实验部分将该算法同传统SVM算法、直推式支持向量机(TSVM)以及随机游走(RW)半监督算法进行分类性能比较,结果证明该算法在拥有较少标示样本训练的情况下分类性能也有所提高且具有较高的鲁棒性.
- 陶新民曹盼东宋少宇付丹丹
- 关键词：支持向量机算法高斯混合模型
- 基于谱聚类欠取样的不均衡数据SVM分类算法被引量：28
- 2012年
- 提出一种基于谱聚类欠取样的不均衡数据支持向量机(SVM)分类算法.该算法首先在核空间中对多数类样本进行谱聚类;然后在每个聚类中根据聚类大小和该聚类与少数类样本间的距离,选择具有代表意义的信息点;最终实现训练样本间的数目均衡.实验中将该算法同其他不均衡数据预处理方法相比较,结果表明该算法不仅能有效提高SVM算法对少数类的分类性能,而且总体分类性能及运行效率都有明显提高.
- 陶新民张冬雪郝思媛付丹丹
- 关键词：不均衡数据SVM算法谱聚类
- 基于ODR和BSMOTE结合的不均衡数据SVM分类算法被引量：22
- 2011年
- 针对传统的支持向量机(SVM)算法在数据不均衡的情况下分类效果不理想的缺陷,为了提高SVM算法在不均衡数据集下的分类性能,提出一种新型的逐级优化递减欠采样算法.该算法去除样本中大量重叠的冗余和噪声样本,使得在减少数据的同时保留更多的有用信息,并且与边界人工少数类过采样算法相结合实现训练样本数据集的均衡.实验表明,该算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能,而且总体分类性能也有所提高.
- 陶新民童智靖刘玉付丹丹
- 关键词：不均衡数据支持向量机算法
- 混合变异克隆选择多目标优化算法被引量：7
- 2011年
- 研究多目标优化问题,针对提高算法的快速性,提出一种混合变异克隆选择多目标优化算法。进化在三个抗体群中进行,不同的抗体群采用不同的变异算子,并通过外部记忆抗体群的更新,来保留进化的最优抗体,避免算法进化后期出现退化现象。算法采用的三种变异算子:高频大尺度高斯变异算子带有振荡性质,能够对Pareto最优解区域进行勘探,单基因小尺度衰减的高斯变异算子能够使优化结果逼近Pareto最优解,均匀变异算子使算法具有局部逃逸能力,能够保证解的多样性。将算法和经典的NSGA-II、ε-MOEA算法以及单一变异的多目标克隆选择算法(MCSA)进行性能比较,结果证明新算法具有较好的快速搜索性能和鲁棒性。
- 陶新民刘玉付丹丹毕思明
- 关键词：多目标优化克隆选择
- 基于多尺度并行免疫克隆优化聚类算法被引量：4
- 2012年
- 针对无监督分类问题,提出一种多尺度并行免疫克隆优化聚类算法.算法中,进化在多个子群之间并行进行,不同子群的抗体根据子群适应度采用不同变异尺度.进化初期,利用大尺度变异子群实现全局最优解空间的快速定位,同时变异尺度随着适应值的提升逐渐降低;进化后期,利用小尺度变异子群完成局部解空间的精确搜索.将新算法与其他聚类算法进行比较,所得结果表明新算法具有较好的聚类性能和鲁棒性.
- 陶新民付丹丹刘福荣刘玉
- 关键词：聚类算法变异算子
- 基于两阶段学习的半监督SVM故障检测方法被引量：4
- 2012年
- 提出一种基于两阶段学习的半监督SVM故障检测方法。该方法首先使用标识传递算法给未标识样本赋予初始伪标识,并通过k近邻图对比样本点标识值,将可能是噪声的样本点识别并剔除;然后将去噪处理后的样本集输入到SVM中,使得SVM在训练时能兼顾整个样本集的信息,从而提高SVM的故障检测性能。实验中将该方法同支持向量机(SVM)、模糊支持向量机(FSVM)、直推式支持向量机(TSVM)及拉普拉斯支持向量机算法(LapSVM)进行比较,结果表明该方法在不同数目标识样本集合的情况下,检测精度较其他算法有较大幅度提高,同时该方法还比较了不含测试样本和含测试样本训练条件下的故障检测性能,结果表明结合测试样本可进一步提高算法的故障检测性能。
- 陶新民曹盼东宋少宇付丹丹
- 关键词：故障检测
- 双尺度变异离散粒子群算法求解背包问题被引量：3
- 2013年
- 针对传统离散粒子群算法求解背包问题早熟收敛、精度低等缺点提出一种解决背包问题的双尺度变异离散粒子群算法。利用对当前最优解进行双尺度速度变异,可以实现提高算法局部最优解搜索能力的同时,保持算法的全局搜索能力和逃出局部极值的能力。在算法初期利用粗尺度速度变异可使粒子快速定位到最优解区域,算法后期则通过逐渐减小的细尺度变异可提高算法最优解的精度。粒子位置初始化过程中,把采用贪心策略所得的结果作为一个粒子的初始位置。将改进算法与其他算法比较证明该算法不仅能够有效解决其他算法搜索能力差的问题,同时还提高了最优解的精度和收敛速度。
- 陶新民付丹丹刘玉杨跃东
- 关键词：背包问题离散粒子群贪心策略
