您的位置: 专家智库 > >

国家自然科学基金(60903130)

作品数:4 被引量:31H指数:3
相关作者:陈斌杨绪兵王一雄於跃成郑关胜更多>>
相关机构:南京林业大学扬州大学南京航空航天大学更多>>
发文基金:国家自然科学基金江苏省自然科学基金国家高技术研究发展计划更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 4篇中文期刊文章

领域

  • 4篇自动化与计算...

主题

  • 1篇约束聚类
  • 1篇约束信息
  • 1篇支持向量
  • 1篇支持向量回归
  • 1篇特征值
  • 1篇特征值问题
  • 1篇欧氏距离
  • 1篇偏最小二乘
  • 1篇最小二乘
  • 1篇最小二乘法
  • 1篇向量
  • 1篇岭回归
  • 1篇聚类
  • 1篇REAL_T...
  • 1篇RESEAR...
  • 1篇ACK
  • 1篇K-MEAN...
  • 1篇BA
  • 1篇ON-LIN...
  • 1篇ONLINE

机构

  • 2篇南京林业大学
  • 1篇江苏科技大学
  • 1篇南京航空航天...
  • 1篇扬州大学

作者

  • 2篇杨绪兵
  • 2篇陈斌
  • 1篇王建东
  • 1篇郑关胜
  • 1篇王一雄
  • 1篇於跃成
  • 1篇华晓芳

传媒

  • 1篇东南大学学报...
  • 1篇南京大学学报...
  • 1篇计算机工程与...
  • 1篇The Jo...

年份

  • 1篇2014
  • 1篇2013
  • 2篇2011
4 条 记 录,以下是 1-4
排序方式:
基于约束信息的并行k-means算法被引量:8
2011年
为获得分布式数据集上用户所期望的聚类结果,提出了基于约束信息的并行k-means聚类算法.在分析并行k-means能够有效实现对水平分布式数据集进行聚类的基础上,修改并行k-means算法的目标函数,设计约束并行k-means算法,将站点用户的约束信息以chunklet的形式引入到分布式聚类过程,从而引导算法执行有偏搜索.约束并行k-means算法在理论上保证无约束样本簇内距离最小的同时能够确保chunklet约束中的样本与对应的簇中心之间的平均距离最小.实验结果表明,约束并行k-means算法能够有效改善并行k-means的聚类精度,同时在分布式环境下能够得到与已有约束聚类算法在集中式数据集上相等价的聚类结果.
於跃成王建东郑关胜陈斌
关键词:K-MEANS约束聚类
Research of the traffic characteristics for the real time online traffic classification被引量:5
2011年
Aiming at the hysteretic characteristics of classification problem existed in current intemet traffic identification field, this paper investigates the traffic characteristic suitable for the on-line traffic classification, such as quality of service (QoS). By the theoretical analysis and the experimental observation, two characteristics (the ACK-Len ab and ACK-Len ha) were obtained. They are the data volume which first be sent by the communication parties continuously. For these two characteristics only depend on data's total length of the first few packets on the flow, network traffic can be classified in the early time when the flow arrived. The experiment based on decision tree C4.5 algorithm, with above 97% accuracy. The result indicated that the characteristics proposed can commendably reflect behavior patterns of the network application, although they are simple.
SUN Mei-feng CHEN Jing-tao
隐目标回归算法设计研究被引量:1
2014年
对常用的回归方法进行研究。此类方法虽然几何解释明确、易于求解,但均须事先确定(或假定)变量间的因果关系,再考虑建模,在实际应用中,对于很难确定变量的因果关系的问题,如物联网数据分析,上述方法就会失效。为此,提出一种无需假定因变量的隐目标回归方法。该方法易于核化,可以推广到非线性回归问题。通过人工数据和国际标准数据集上的实验验证了所提算法的有效性。
华晓芳杨绪兵
关键词:最小二乘法偏最小二乘岭回归支持向量回归特征值问题
马氏度量学习中的几个关键问题研究及几何解释被引量:17
2013年
采用距离度量模式的相似性(或不相似性)已广泛应用于模式识别和机器学习等领域.最常用的度量是欧氏距离和马氏距离(Mahalanobis distance).欧氏距离虽然计算相对简单,但由于存在无法结合先验知识、同等看待样本等局限性,常无法满足实际需要.解决此类问题的有效手段之一就是采用非欧氏度量,如马氏度量.马氏度量不仅能够结合数据的统计特性,还能兼顾样本间的相关性.讨论马氏距离度量的相关性质,并给予证明,主要包括:(1)两种度量的区别与联系;(2)在马氏距离度量下导出的点到平面(超平面)距离公式及投影公式;(3)两种度量是距离保持的.最后,给出相关实验验证.
杨绪兵王一雄陈斌
关键词:欧氏距离
共1页<1>
聚类工具0