国家自然科学基金(61271275)
- 作品数：2 被引量：12H指数：1
- 相关作者：张凯吕雁飞王东安李超更多>>
- 相关机构：国家互联网应急中心中国科学院北京航空航天大学更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划北京市科技计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于协同采样主动学习的恶意代码检测被引量：1
- 2016年
- 研究了基于机器学习分类算法的恶意代码检测,考虑到目前主要采用传统分类方法对恶意代码进行分类识别,这些方法需要通过学习大量标记样本来获得精准的分类器模型,然而样本标记工作只有少数专家才能完成,导致标记样本往往不足,致使分类结果准确率不高,提出了一种基于协同采样的主动学习方法。运用这种学习方法,仅需少量标记样本即可有效识别出恶意代码。实验证明,相对于传统的恶意代码分类方法,该方法能够显著提升分类准确率和泛化性能。
- 张凯王东安李超贾冰
- 基于二维云模型过滤的重复图像发现
- 针对传统的重复图像发现技术无法保证图像检索的扩展性和精确性,提出了一种基于二维云模型过滤的重复图像发现方法.该方法在词袋模型的基础上,首先将汉明嵌入精炼后的匹配描述子映射为二维空间中的点,然后通过云模型计算二维点分布的不...
- 陈明王树鹏云晓春吴广君
- 关键词：不确定性云模型
- 文献传递
- 多分类BP-AdaBoost算法研究与应用被引量：11
- 2015年
- 研究了多类别样本数据集的分类,针对传统的"一对一"或"一对多"BP-AdaBoost算法,训练时间开销随着训练样本数以及训练样本种类的增加急剧增加,使其实际应用十分受限,尤其不适用于大规模数据分类的问题,提出了将多分类BP神经网络与使用多类分类指数损失函数的逐步叠加建模(SAMME)算法相结合以构造AdaBoost强发类的Multi-BP AdaBoost算法,实现模型信息的有效利用与融合增强。对传统"一对多"BPAdaBoost算法和Multi-BP AdaBoost算法进行了对比试验,结果表明,在相同测试情况下,后者有效降低了BP-AdaBoost训练过程中的时间开销。
- 吕雁飞侯子骄张凯
- 关键词：ADABOOSTBP神经网络
