李雅林
- 作品数：6 被引量：0H指数：0
- 供职机构：山东师范大学更多>>
- 发文基金：山东省自然科学基金国家教育部博士点基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术哲学宗教政治法律一般工业技术更多>>
- 基于数据转换与Co-training技术的多标记学习算法研究
- 多标记问题在现实世界的大量应用中普遍存在，现在已经成为机器学习和数据挖掘两个相关领域的研究热点。多标记学习的提出为多义性对象的复杂化问题提供了一种有效的解决方法，目前已存在大量的多标记学习算法，并在文本分类、生物信息学、...
- 李雅林
- 关键词：多标记学习K近邻多示例学习半监督学习
- 文献传递
- 对青年刑事犯性格结构的分析研究
- 研究目的：揭示青年刑事犯性格结构中的特殊因素,为有针对性地组织教育,改造工作提供依据。研究方法：采用谈话,问卷、人格测量、查阅档案等方法进行综合性调查研究。研究材料：需要等级量表(自拟),谈话提纲(自拟),人格量表(美国...
- 赵承福邹本杰李雅林
- 文献传递
- 一种新的基于半监督的多标记学习算法
- 李雅林张化祥冯新营
- 关键词：半监督学习多标记学习
- 文献传递
- 基于近邻加权及多示例的多标记学习改进算法
- 2013年
- 多数多标记学习方法通过在输出空间中,单示例同时与多个类别标记相关联表示多义性,目前有研究通过在输入空间将单一示例转化为示例包,建立包中多示例与多标记的联系。算法在生成示例包时采用等权重平均法计算每个标记对应样例的均值。由于数据具有局部分布特征,在计算该均值时考虑数据局部分布,将会使生成的示例包更加准确。本论文充分考虑数据分布特性,提出新的分类算法。实验表明改进算法性能优于其他常用多标记学习算法。
- 李雅林张化祥张顺
- 关键词：多示例学习K近邻
- 一种新的基于半监督的多标记学习算法
- 2013年
- 多标记学习中通常存在大量未标记示例,本研究结合协同训练(Co-training)方法充分利用数据集中的未标记示例,在数据集上选取局部k-NN(k nearest neighbor)和全局k-NN进行训练得到两个分类器,分类器分别标记未标记示例并相互更新训练集。协同训练过程不断迭代进行,直至训练完成。试验结果表明,该方法性能均优于其他多标记学习算法。
- 李雅林张化祥冯新营
- 关键词：半监督学习多标记学习
- 基于多类型脑电特征的抑郁识别方法研究
- 当今社会飞速发展,人们面对高强度工作压力和快速生活节奏,极易引发精神疾病,其中抑郁症是最普遍的心理健康障碍,已严重影响人类的身体健康和正常生活,其患病率呈逐年增加态势,但治疗率却远远不足。目前,最广泛使用的抑郁症诊断方法...
- 李雅林
- 关键词：脑电特征
