检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 符号序列多阶Markov分类

程铃钫, 郭躬德, 陈黎飞

计算机应用 2017, 37 (7): 1977-1982. DOI: 10.11772/j.issn.1001-9081.2017.07.1977

摘要（618）

PDF （956KB）（384）

针对基于固定阶Markov链模型的方法不能充分利用不同阶次子序列结构特征的问题，提出一种基于多阶Markov模型的符号序列贝叶斯分类新方法。首先，建立了基于多阶次Markov模型的条件概率分布模型；其次，提出一种附后缀表的 n-阶子序列后缀树结构和高效的树构造算法，该算法能够在扫描一遍序列集过程中建立多阶条件概率模型；最后，提出符号序列的贝叶斯分类器，其训练算法基于最大似然法学习不同阶次模型的权重，分类算法使用各阶次的加权条件概率进行贝叶斯分类预测。在三个应用领域实际序列集上进行了系列实验，结果表明：新分类器对模型阶数变化不敏感；与使用固定阶模型的支持向量机等现有方法相比，所提方法在基因序列与语音序列上可以取得40%以上的分类精度提升，且可输出符号序列Markov模型最优阶数参考值。

参考文献 | 相关文章 | 多维度评价

Select

2. 不平衡数据的软子空间聚类算法

程铃钫, 杨天鹏, 陈黎飞

计算机应用 2017, 37 (10): 2952-2957. DOI: 10.11772/j.issn.1001-9081.2017.10.2952

摘要（597）

PDF （935KB）（768）

针对受均匀效应的影响，当前 K-means型软子空间算法不能有效聚类不平衡数据的问题，提出一种基于划分的不平衡数据软子空间聚类新算法。首先，提出一种双加权方法，在赋予每个属性一个特征权重的同时，赋予每个簇反映其重要性的一个簇类权重；其次，提出一种混合型数据的新距离度量，以平衡不同类型属性及具有不同符号数目的类属型属性间的差异；第三，定义了基于双加权方法的不平衡数据子空间聚类目标优化函数，给出了优化簇类权重和特征权重的表达式。在实际应用数据集上进行了系列实验，结果表明，新算法使用的双权重方法能够为不平衡数据中的簇类学习更准确的软子空间；与现有的 K-means型软子空间算法相比，所提算法提高了不平衡数据的聚类精度，在其中的生物信息学数据上可以取得近50%的提升幅度。

参考文献 | 相关文章 | 多维度评价