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. 具备历史借鉴能力的软划分聚类模型

孙寿伟, 钱鹏江, 陈爱国, 蒋亦樟

计算机应用 2015, 35 (2): 435-439. DOI: 10.11772/j.issn.1001-9081.2015.02.0435

摘要（581）

PDF （714KB）（383）

在数据稀少或失真等场景下,传统软划分聚类算法无法获得满意的聚类效果。为解决该问题,以极大熵聚类算法为基础,基于历史知识利用的途径,提出两种新的具备历史借鉴能力的软划分聚类模型(分别简称SPBC-RHK-1和SPBC-RHK-2)。SPBC-RHK-1是仅借鉴历史类中心的基础模型,SPBC-RHK-2则是以历史类中心和历史隶属度相融合为手段的高级模型。通过历史知识借鉴,两种模型的聚类有效性均得到有效提高,比较而言具备更高知识利用能力的SPBC-RHK-2模型在聚类有效性和鲁棒性上具有更好的表现。由于所用历史知识不暴露历史源数据,因此两种方法还具有良好的历史数据隐私保护效果。最后在模拟数据集和真实数据集上的实验验证了上述优点。

参考文献 | 相关文章 | 多维度评价

Select

2. 迁移学习支持向量回归机

史荧中王士同蒋亦樟刘培林

计算机应用 2013, 33 (11): 3084-3089.

摘要（678）

PDF （857KB）（564）

传统的回归系统构建方法假设用于建模的数据是充分的,但若当前场景中重要数据信息缺失,则基于此数据集训练所得系统泛化能力较差。针对此缺陷,以支持向量回归机(SVR)为基础,提出了具有迁移学习能力的回归机系统,即迁移学习支持向量回归机(T-SVR)。T-SVR不仅能充分利用当前场景的数据信息，而且能有效地利用历史知识来学习，具有通过迁移历史场景知识来弥补当前场景信息缺失的能力。具体地，通过控制目标函数中当前模型与历史模型的相似性，使当前模型能在信息缺失和不足时从历史场景中得到有益信息，得到增强的当前场景模型。在模拟数据和酒类光谱数据集上的实验研究亦验证了在信息缺失场景下T-SVR较之于传统回归系统建模方法的更好适应性。