国家自然科学基金(61273275)
- 作品数：31 被引量：109H指数：6
- 相关作者：王晓丹李睿薛爱军李为民罗骁更多>>
- 相关机构：空军工程大学西京学院西安交通大学更多>>
- 发文基金：国家自然科学基金中国航空科学基金中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术社会学经济管理电子电信更多>>
- 多层去噪极限学习机被引量：6
- 2020年
- 为提高极限学习机-自编码器(ELM-AE)所提取特征的有效性和鲁棒性,提升多层极限学习机(ML-ELM)性能,抑制噪声的影响,本文将极限学习机(ELM)与去噪自编码器(DAE)相结合,在ELM-AE中引入退化过程,提出了极限学习机-去噪自编码器(ELMDAE);并通过堆叠ELM-DAE,构建了多层去噪极限学习机算法(ML-D-ELM)。ML-DELM首先通过堆叠的ELM-DAE逐层提取具有高有效性、鲁棒性的抽象特征,而后运用ELM进行分类,完成由抽象特征到类别标签的映射。在多个常用数据集上的实验结果表明:与ELM、SAE-ELM、ML-ELM算法相比,无论是否存在噪声,ML-D-ELM的分类准确率都有明显上升。对于MNIST数据集,ML-D-ELM分类准确率可以达到98.81%。
- 王晓丹来杰李睿赵振冲雷蕾
- 关键词：人工智能极限学习机特征提取鲁棒性
- 基于ECOC的多类代价敏感分类方法
- 2020年
- 研究了基于纠错输出编码实现多类代价敏感分类的方法,提出了一种新的将多类代价敏感分类问题分解为多个二类代价敏感分类问题的框架。为获得其中每个二类代价敏感基分类器的二类代价矩阵,提出了利用已知多类代价矩阵计算误分类代价的期望值的方法,给出了计算二类代价矩阵的通用计算公式。为验证所提方法的有效性,在人工和UCI数据集上将其与现有方法进行了比较,实验结果表明所提方法具有相似甚至更好的性能。
- 吴崇明王晓丹薛爱军来杰
- 关键词：纠错输出编码
- 基于栈式降噪稀疏自编码器的极限学习机被引量：7
- 2020年
- 极限学习机(ELM)随机选择网络输入权重和隐层偏置,存在网络结构复杂和鲁棒性较弱的不足。为此,提出基于栈式降噪稀疏自编码器(sDSAE)的ELM算法。利用sDSAE稀疏网络的优势,挖掘目标数据的深层特征,为ELM产生输入权值与隐层偏置以求得隐层输出权值,完成训练分类器,同时通过加入稀疏性约束优化网络结构,提高算法分类准确率。实验结果表明,与ELM、PCA-ELM、ELM-AE和DAE-ELM算法相比,该算法在处理高维含噪数据时分类准确率较高,并且具有较强的鲁棒性。
- 张国令王晓丹李睿来杰向前
- 关键词：极限学习机稀疏性特征提取
- 基于多传感器交叉提示的临空高速目标探测体系
- 2019年
- 针对单一平台探测无法实现临空高速目标的连续高概率探测,提出了基于多传感器交叉提示的临空高速目标探测体系。该体系通过分析临空高速目标的探测需求并对传感器交叉提示基本概念、发生条件和传感器部署距离进行定量计算,同时搭建多传感器协同探测仿真平台对比分析有无运用交叉提示技术对目标覆盖效果的影响并对比验证了不同算法对预警探测的影响。仿真结果表明,天基、空基、地基(海基)等多传感器组网能够有效弥补单一探测平台的不足,并证明了多传感器协同组网探测的必要性和可行性,该算法在收敛速度、求解精度和算法运行时间上均优于改进蜂群算法和粒子群算法。
- 谢家豪韦道知
- 结合Tri-training半监督学习和凸壳向量的SVM主动学习算法被引量：6
- 2016年
- 为解决监督学习过程中难以获得大量带有类标记样本且样本数据标记代价较高的问题,结合主动学习和半监督学习方法,提出基于Tri-training半监督学习和凸壳向量的SVM主动学习算法.通过计算样本集的壳向量,选择最有可能成为支持向量的壳向量进行标记.为解决以往主动学习算法在选择最富有信息量的样本标记后,不再进一步利用未标记样本的问题,将Tri-training半监督学习方法引入SVM主动学习过程,选择类标记置信度高的未标记样本加入训练样本集,利用未标记样本集中有利于学习器的信息.在UCI数据集上的实验表明,文中算法在标记样本较少时获得分类准确率较高和泛化性能较好的SVM分类器,降低SVM训练学习的样本标记代价.
- 徐海龙龙光正别晓峰吴天爱郭蓬松
- 关键词：半监督学习
- 改进卷积自编码器的局部特征描述算法被引量：2
- 2017年
- 针对非监督学习方法提取的底层特征用于特征描述时可区分性不强,对图像旋转、尺度等变换敏感的问题,提出了一种改进卷积自编码器的局部特征描述算法(Convolutional Auto-Encoder Descriptor,CAE-D)。CAE-D算法利用信息熵评价卷积核性能,提出在CAE中添加卷积核信息熵约束规则,通过均值化卷积核携带的局部特征信息,提升卷积特征描述的可区分性;在特征描述前使用传统SIFT中主方向分配算法确定局部图像的主方向,并引入降采样操作,进一步提升特征描述的旋转不变性及鲁棒性。图像匹配实验结果验证了改进策略的有效性,CAE-D算法优于当前先进的KAZE、SIFT,而运行时间相比SIFT缩短了47.14%。
- 贾琪王晓丹周来恩翟夕阳
- 关键词：非监督学习信息熵
- 改进磷虾群算法优化ELM的入侵检测被引量：5
- 2018年
- 泛滥的网络攻击严重威胁网络信息安全。入侵检测系统的高效性、鲁棒性等则尤为重要。针对极限学习机ELM的性能过分依赖于众多隐层节点的单隐层前馈神经网络SLFN的问题,提出基于改进磷虾群算法的极限学习机(IKH-ELM)的入侵检测算法。此算法减少隐层节点数为类别数,并利用IKH优化节点的权值和偏置,使ELM的决策性能显著上升。KDD99数据集实验表明:与原始ELM相比,IKH-ELM构造的仅5个节点的SLFN的泛化性能优势明显。与BP、SVM等算法相比,IKH-ELM算法能快速训练并有更高的检测正确率。
- 刘唐周炜王晓丹
- 关键词：入侵检测
- 一种改进的DDAGSVM决策算法被引量：1
- 2015年
- 决策导向无环图支持向量机(DDAGSVM)是一种典型的SVM多类分类算法,然而传统SVM决策分类器存在误差积累,其推广能力有待进一步提高。为改进DDAGSVM,有效的做法是定义一种类间可分离性测度,将容易分的类先分割出来,然后再分不容易分的类,使错分尽可能地远离图的根部。引入了一种基于广义KKT条件的类间可分离性测度,提出一种改进的DDAGSVM分类决策算法。三螺旋线实验和HRRP分类实验证明该方法对控制分类错误有明显的效果。
- 史朝辉王坚华继学郭新鹏
- 关键词：支持向量机
- 基于P_(EV)准则的不确定混合多传感器联盟求解被引量：1
- 2022年
- 针对不确定混合多传感器联盟求解问题,提出了一种在P_(EV)准则下求解的方法。首先以提高传感器资源利用率和对目标跟踪精度为目的建立目标函数,以传感器跟踪能力为约束建立不确定混合多传感器联盟模型,其次利用不确定理想点法和P_(EV)准则将不确定模型变为确定模型,最后设计改进选择策略的烟花算法求出混合多传感器联盟的有效解,通过"预测再预测"传感器管理机制实现对传感器联盟更新过程的动态控制。仿真实验表明利用P_(EV)准则处理不确定混合多传感器联盟模型的可行性和有效性,同时实验也证明本文算法和传感器管理机制在求解质量、跟踪精度和对战场环境的适应度上均优于对比算法和机制。
- 谢家豪黄树彩韦道知张曌宇王文豪
- 基于空间域压缩采样和谱域Karhunen-Loève变换的光谱成像与重构被引量：2
- 2018年
- 光谱图像包含丰富的空间信息和光谱信息,能够为天基预警探测任务提供重要的信息支撑,但其庞大的数据量给硬件设备带来了极大的挑战。传统的基于奈奎斯特采样的"先采样后压缩"的处理方式不仅无法从根本上解决数据量庞大的问题,还会造成资源浪费;针对此问题,利用单波段二维图像的稀疏性和空间编码数据的谱间冗余,设计了一种基于空间域压缩采样和谱域Karhunen-Loève(KL)变换编码的光谱图像重构方法,并建立基于1范数和全变分约束的单波段二维图像复合正则重构模型,同时结合投影梯度法和软阈值收缩算子设计2D-CRPG模型求解算法。结果表明:基于空间域压缩采样和谱域KL变换编码的光谱图像重构方法能够有效降低数据采样成本,有利于天基预警探测光谱成像;2D-CRPG重构算法能够有效保留光谱图像的结构信息,从而在有限的采样率下较好地重构原始光谱图像。
- 唐意东黄树彩黄达
- 关键词：光谱学压缩感知
