您的位置： 专家智库 > >

中国博士后科学基金(20110491530)

作品数：5 被引量：30H指数：3
相关作者：张永张红蕊张玉婷于静雯浮盼盼更多>>
相关机构：辽宁师范大学大连理工大学更多>>
发文基金：中国博士后科学基金大连市科学技术基金辽宁省教育厅基金更多>>
相关领域：自动化与计算机技术更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 5篇自动化与计算...

主题

  • 2篇支持向量
  • 2篇支持向量机
  • 2篇向量
  • 2篇向量机
  • 2篇海量
  • 2篇海量数据
  • 1篇信号
  • 1篇学习算法
  • 1篇云计算
  • 1篇云计算环境
  • 1篇属性离散化
  • 1篇数据分类
  • 1篇朴素贝叶斯
  • 1篇重采样
  • 1篇主动学习算法
  • 1篇小波
  • 1篇小波包
  • 1篇小波包分解
  • 1篇离散化
  • 1篇离散化算法

机构

  • 5篇辽宁师范大学
  • 1篇大连理工大学

作者

  • 5篇张永
  • 2篇张玉婷
  • 2篇张红蕊
  • 1篇浮盼盼
  • 1篇李卓然
  • 1篇于静雯

传媒

  • 3篇计算机应用与...
  • 1篇计算机应用
  • 1篇济南大学学报...

年份

  • 2篇2015
  • 1篇2014
  • 1篇2013
  • 1篇2012
共 5 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
海量数据离散化算法的并行设计与实现被引量：1
2014年
连续属性的离散化是机器学习和数据挖掘的重要预处理步骤,如何高效处理海量数据连续属性离散化已成为急需要解决的问题。近年来兴起的Hadoop技术能够有效处理基于海量数据的应用。为此,设计和实现一种基于MapReduce编程模型的连续属性离散化并行算法,并给出算法设计的方法和策略。在保证离散效果的情况下,使用不同大小数据集在不同节点的集群环境下的实验结果表明,所设计的并行离散化算法具有较高的执行效率和较好的可扩展性,适合用于海量数据的快速离散化处理。
张永张红蕊路婧威
关键词：海量数据并行化连续属性离散化HADOOP
基于小波包分解和近似熵的脑电信号分类被引量：1
2015年
为提高脑电信号分类准确率,提出基于小波包分解和近似熵相结合的特征提取方法。该方法利用小波包对信号的低频和高频进行分解,用近似熵对得到的叶子结点进行计算得到特征值,然后将其输入支持向量机进行分类。实验结果表明,该方法在两种思维结合识别中正确率最高达到了97.37%,取得了较好的分类效果。
张玉婷张永
关键词：脑电信号小波包分解近似熵支持向量机
基于集成的非均衡数据分类主动学习算法被引量：4
2012年
当前,处理类别非均衡数据采用的主要方法之一就是预处理,将数据均衡化之后采取传统的方法加以训练。预处理的方法主要有过取样和欠取样,然而过取样和欠取样都有自己的不足,提出拆分提升主动学习算法SBAL(Split-Boost Active Learning),该算法将大类样本集根据非均衡比例分成多个子集,子集与小类样本集合并,对其采用AdaBoost算法训练子分类器,然后集成一个总分类器,并基于QBC(Query-by-committee)主动学习算法主动选取有效样本进行训练,基本避免了由于增加样本或者减少样本所带来的不足。实验表明,提出的算法对于非均衡数据具有更高的分类精度。
李卓然张永
关键词：非均衡数据
基于分层聚类及重采样的大规模数据分类被引量：5
2013年
针对大规模数据的分类问题,将监督学习与无监督学习结合起来,提出了一种基于分层聚类和重采样技术的支持向量机(SVM)分类方法。该方法首先利用无监督学习算法中的k-means聚类分析技术将数据集划分成不同的子集,然后对各个子集进行逐类聚类,分别选出各类中心邻域内的样本点,构成最终的训练集,最后利用支持向量机对所选择的最具代表样本点进行训练建模。实验表明,所提方法可以大幅度降低支持向量机的学习代价,其分类精度比随机欠采样更优,而且可以达到采用完整数据集训练所得的结果。
张永浮盼盼张玉婷
关键词：海量数据聚类重采样支持向量机
云计算环境下基于朴素贝叶斯的数据分类被引量：19
2015年
针对朴素贝叶斯分类算法的特点,提出一种改进的特征选择方法。现代大规模数据分类在单机计算机上训练和测试时间过长,对此,在hadoop分布式平台下设计并实现了基于朴素贝叶斯的数据分类算法。实验结果表明,改进的算法能有效提高分类的正确率,所设计的并行朴素贝叶斯数据分类算法具有较高的执行效率,适用于海量数据的处理与分析。
张红蕊张永于静雯
关键词：云计算MAPREDUCE朴素贝叶斯数据分类
全选 清除 导出
共1页<1>
聚类工具0