余一帆
- 作品数：4 被引量：2H指数：1
- 供职机构：西南石油大学计算机科学学院更多>>
- 发文基金：四川省高等教育教学改革工程人才培养质量和教学改革项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- ACM/ICPC与IT企业人才培养探索与研究
- 2011年
- 为了全面提高计算机相关专业学生适应国际IT企业专业素质要求,文章主要分析了国际IT企业人才的专业素质要求,结合ACM/ICPC这种不同于传统计算机课程教学的独特学习模式,对计算机学科本科生知识的传授、能力的培养和专业素质的提高提出了自己的观点及改革措施。通过ACM/ICPC的独特学习模式,对学生的专业素质提高起到了较好的效果,得到了企业的良好赞誉。
- 余一帆胥林张剑
- 关键词：ACM/ICPCIT人才
- 面向非均匀分布数据的代价敏感标记分布学习
- 2024年
- 标记歧义近年来在机器学习和数据挖掘领域备受关注.标记分布学习(LDL)通过为样本分配概率标记来解决标记歧义问题.现有的LDL方法主要是为处理训练数据均匀分布的情况而设计的.然而,在实际应用中,训练数据往往呈现非均匀分布.因此,提出了一种代价敏感的标记分布学习方法(CSLDL),用以处理这种非均匀分布的数据.通过充分利用样本的密度信息,设计了一种新的损失函数.首先,将描述度集平均划分为多个区间,并统计这些区间中的样本个数,从而推导出每个类别标记的经验密度向量.其次,为了确保不同区间之间的连续性,利用邻居来对目标区间的经验密度进行修正.将经验密度向量与对称核进行卷积,以使每个区间不仅考虑当前区间,还考虑附近区间.最后,利用修正后的密度向量构建代价矩阵,并结合Kullback-Leibler(K-L)散度来处理非均匀分布的训练数据.CSLDL在10个真实世界的数据集上与6种最先进的算法进行了对比实验.实验结果充分验证了提出的方法的有效性和优越性.
- 樊俊张恒汝余一帆余一帆
- 关键词：样本密度
