教育部“新世纪优秀人才支持计划”(2014159) 作品数:5 被引量:9 H指数:2 相关作者: 韩旭明 王丽敏 黄娜 孙海波 姬强 更多>> 相关机构: 吉林财经大学 长春工业大学 上海财经大学 更多>> 发文基金: 教育部“新世纪优秀人才支持计划” 国家自然科学基金 吉林省社会科学基金 更多>> 相关领域: 自动化与计算机技术 更多>>
基于奇异值分解的自适应近邻传播聚类算法 被引量:4 2014年 针对近邻传播算法无法有效处理高维数据而导致聚类效果不佳的问题,提出一种基于奇异值分解的自适应近邻传播(SVD-SAP)聚类算法.通过引入奇异值分解,对高维数据进行重构、降维,消除冗余信息,并在此基础上采用非线性函数策略,自适应地调整阻尼系数,提高算法的聚类性能.仿真实验结果表明,与已有算法相比,该改进算法聚类精度更高,收敛速度更快. 王丽敏 姬强 韩旭明 黄娜关键词:奇异值分解 阻尼系数 基于稳定阈值的吸引子传播算法 被引量:1 2014年 针对传统吸引子传播算法(AP)聚类性能受偏向参数影响较大的问题,提出一种改进的吸引子传播算法,即基于稳定阈值的吸引子传播聚类算法(STAP).该算法通过稳定阈值,衡量获得真实类数时的收敛状态,然后捕捉该状态下的偏向参数;为加快算法的收敛速度,采用S型函数作为收敛因子调节阻尼系数.仿真模拟实验结果表明,与传统吸引子传播聚类算法相比,基于稳定阈值的吸引子传播聚类算法聚类精度更高,收敛速度更快. 王丽敏 王依章 韩旭明 黄娜引入趋势因子的BP模型在股市预测中应用 被引量:3 2015年 为进一步提高BP神经网络的预测性能,文章将具有纠正预测方向特性的趋势因子引入到BP神经网络中,提出了引入趋势因子的BP神经网络,即DF-BPNN网络(BP Neural Network with Direction Factor),并将其应用于股市预测领域中。仿真实验结果表明,与基本BP神经网络相比,文章提出的DF-BPNN模型的预测精度得到进一步改善,预测性能优于BP神经网络。 孙海波 王丽敏 韩旭明关键词:BP神经网络 股市预测 属性分布相似度吸引子传播聚类算法研究 2014年 传统吸引子传播聚类算法对数据类型敏感,文中提出一种改进的吸引子传播聚类算法,将JACCARD系数引入对象间属性分布相似度,并与吸引子传播聚类算法结合。仿真实验结果表明,该算法收敛速度快,聚类精度高,明显提高高维稀疏数据的聚类性能。 王依章 王丽敏 韩旭明基于变异赋权的吸引子传播算法 被引量:1 2014年 基于传统吸引子传播算法,通过样本特征赋权,克服冗余信息的影响及给出新的相似性度量方法等策略,提出一种基于变异系数赋权的吸引子传播算法.实验结果表明,该算法在处理属性较多、信息重叠的样本时,不仅具有吸引子传播算法的快速、高效聚类特征,且聚类性能明显优于传统吸引子传播算法和K-均值等经典聚类算法. 韩旭明 孙海波 王丽敏关键词:聚类