郑正中
- 作品数：3 被引量：8H指数：2
- 供职机构：南京邮电大学通信与信息工程学院图像处理与图像通信江苏省重点实验室更多>>
- 发文基金：国家自然科学基金教育部留学回国人员科研启动基金江苏省自然科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 基于LMCD的步态信号复杂度分析
- 2013年
- 目的步态信号的研究是现今生物医学研究的重点。对不同步态信号的分析,有助于进行临床诊断和医学研究。方法采用Lopez-Mancini-Calbet Divergence(LMCD)的复杂度分析方法,对老年人、年轻人和帕金森患者各10例的步态信号分别计算复杂度,并对实验数据进行方差分析。结果 3种步态信号的复杂度差异显著性,年轻人的步态信号复杂度最大,老年人次之,帕金森患者的复杂度最小。结论基于LMCD的步态信号复杂度分析可以得出人的步态信号随机性的强弱。
- 王沛存赵俊昌郑正中王俊
- 关键词：DIVERGENCE复杂度
- 半监督学习在链接预测问题中的应用被引量：6
- 2012年
- 链接预测是社会网络分析领域的关键问题,研究如何从已知网络中预测可能存在的新链接。现实网络中存在了大量未连接的节点对,从中挖掘潜在信息可以帮助实现链接预测任务。将链接预测视为二类分类问题,使用半监督学习技术,利用网络中的未标记数据帮助学习。使用了两种半监督范式:自我训练和协同训练。在现实数据集Enron和DBLP中的实验结果表明,链接预测任务中采用未标记数据能够有效提高预测的准确率。
- 陈可佳韩京宇郑正中
- 关键词：链接预测半监督学习自我训练社会网络分析
- 主动学习在通信网络推荐系统中的应用被引量：2
- 2012年
- 稀疏网络中大量潜在链接的存在对于链接预测问题是一个很大的挑战。在链接预测任务中引入主动学习,挖掘网络中大量未连接节点对中的潜在信息,从未标记样本中挑选出系统最不确定的样本交由用户判别。获得标记后的样本将给系统较高的信息增益。在通信网络数据集Nodobo中的实验结果表明,使用主动学习之后,该方法为通信用户预测潜在联系人的准确率得到显著的提高。
- 陈可佳韩京宇郑正中张海进
- 关键词：链接预测推荐系统社会网络分析链接挖掘
