国家自然科学基金(60673095)
- 作品数：11 被引量：56H指数：5
- 相关作者：王文剑郭虎升侯岩郭金玲刘燕更多>>
- 相关机构：山西大学清华大学太原师范学院更多>>
- 发文基金：国家自然科学基金山西省高等学校优秀青年学术带头人支持计划项目山西高校科技研究开发项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于数据独立性的SVC核参数选择方法
- 2007年
- 提出一种选择支持向量分类(Support Vector Classification,SVC)最优核参数的算法,称为MI(Maximum Isolation)算法,通过定义样本间的独立性,可以获得最优核参数和相应的最优学习模型。该算法可以在支持向量机训练之前得到最优的核参数,计算代价较小,实验证明所提出的算法简单有效。
- 马亮王文剑
- 关键词：支持向量机核参数数据独立性
- 基于加速度信号的走路模式多级分类算法被引量：19
- 2009年
- 研究了一种基于多级分类模型的非特定人走路模式识别算法,实现了对水平行走和上、下楼梯三种运动状态的识别.将装有微型加速度传感器的无线数据采集装置固定于人体后腰部,获取运动时的三维步态加速度信号.采用离散小波变换提取与运动相关频带的时频特征,并结合步频以及垂直方向和前进方向加速度信号之间的互相关性,经过特征融合设计了多级分类识别算法.通过对10个人共360组数据的测试结果表明:在步频范围扩大到1～3Hz时,识别率达到了96.1%,且对测试对象的依赖性小.
- 李月香刘燕袁涛王文剑
- 关键词：小波变换多级分类器加速度传感器
- 一种回归SVM选择性集成方法被引量：7
- 2008年
- 泛化能力是机器学习关心的一个根本问题,采用集成学习技术可以有效地提高泛化能力。本文提出了一种将支持向量机(Support Vector Machine,SVM)进行选择性集成回归的方法。通过引入三个阈值,可以选择合适的子SVM,从而进一步提高了整个集成学习的效率。实验结果表明,本文提出的选择性集成方法可以在一定程度上解决SVM的模型选择问题和大规模数据集的学习问题,与传统的集成方法Bagging相比具有更高的泛化能力。
- 张妤王文剑康向平
- 关键词：支持向量机BAGGING
- 一种基于动态特征词典的SVM中文电子邮件过滤方法被引量：1
- 2008年
- 随着电子邮件的广泛应用,泛滥成灾的垃圾邮件对人们的生活和网络安全带来了严重的威胁,反垃圾邮件问题已成为全球性的具有现实意义的问题。本文提出了一种基于动态特征词典的SVM中文邮件过滤方法,通过动态构造特征词典以及选择合适的支持向量机(Support Vector Machine,SVM)核参数,有效地提高了垃圾邮件的过滤精度,实验结果超过了网易免费邮所公布的过滤指标。
- 侯岩王文剑
- 关键词：支持向量机中文电子邮件
- 一种基于关联规则的核粒度支持向量机被引量：5
- 2009年
- 提出一种基于关联规则的核粒度支持向量机(association rules based kernel granular SVM,AR-KGSVM)学习算法。AR-KGSVM首先将输入空间中的样本用核函数映射到高维特征空间,然后在核特征空间挖掘基于距离度量的关联规则以划分粒。算法的粒划分和数据训练都是在高维核空间中进行,避免了一般的粒度支持向量机(granular SVM,GSVM)在低维空间作粒划分而在高维空间中训练,使数据分布不一致而导致泛化能力不高的问题。在标准数据集上的实验结果表明AR-KGSVM的泛化能力优于传统的SVM和GSVM方法。
- 张文浩王文剑
- 关键词：支持向量机关联规则
- 一种基于环形分布的SVM核选择方法
- 2011年
- 核选择是支撑向量机(Support Vector Machine,SVM)研究中的核心问题之一.文章提出了一种基于数据分布特征的SVM核函数选择方法.分析了几种常用核函数的性能,提出了判断数据呈环形分布的方法,探讨了SVM核函数及其参数选择与数据分布的相关性.数值实验说明了该方法的可行性与有效性.
- 郭金玲樊东燕王文剑
- 关键词：支撑向量机极坐标
- 基于Contourlet纹理和可伸缩颜色描述符的图像检索
- 小波变换不能有效地"捕获"图像的方向信息（只有垂直、水平和对角三个方向）,方向性的缺失使得小波不能充分利用图像本身的几何规律。针对此问题,本文采用了Contourlet变换代替小波变换,Contourlet是一种真正意义...
- 杨红菊王文剑韩建栋
- 关键词：图像检索小波变换CONTOURLET变换
- 一种基于高斯分布的SVM核选择方法
- 2007年
- 核选择是支撑向量机(Support Vector Machine,SVM)研究中的核心问题之一。提出了一种基于数据分布特征的SVM核函数及其参数选择的方法。首先分析了确定数据分布特征的重要性,然后给出了判断数据呈高斯分布的方法,并探讨了SVM核函数及其参数选择与数据分布的相关性。数值实验说明了本文提出的方法的可行性与有效性。
- 郭金玲王文剑
- 关键词：支撑向量机核参数选择高斯分布
- 处理非平衡数据的粒度SVM学习算法被引量：15
- 2010年
- 针对支持向量机对于非平衡数据不能进行有效分类的问题,提出一种粒度支持向量机学习算法。根据粒度计算思想对多数类样本进行粒划分并从中获取信息粒,以使数据趋于平衡。通过这些信息粒来寻找局部支持向量,并在这些局部支持向量和少数类样本上进行有效学习,使SVM在非平衡数据集上获得令人满意的泛化能力。
- 郭虎升亓慧王文剑
- 关键词：非平衡数据信息粒
- 基于最佳逼近点的不变性常识与SVM的融合方法
- 2008年
- 不变性常识与支持向量机的融合技术是近年来支持向量机研究的重点之一,将不变性常识融合于学习模型,有助于提高模型的泛化能力。提出了一种新的不变性常识与支持向量机的融合方法,该方法通过最佳逼近点来代表不变性变换形成的轨迹簇将不变性常识融合于SVM。将该方法应用于MNIST手写数字数据库,与经典SVM方法及Virtual SV(VSV)方法的对比实验结果表明,该方法可以提高SVM的泛化能力。
- 王平王文剑
- 关键词：支持向量机
