邢志伟
- 作品数：7 被引量：9H指数：2
- 供职机构：西安工程大学理学院更多>>
- 发文基金：国家自然科学基金陕西省自然科学基金陕西省教育厅自然科学基金更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 复杂网络的牵制同步（英文）被引量：1
- 2017年
- 本文主要研究了复杂网络的牵制同步问题.通过定义一个新的非线性算子的非线性P-测度,得到了一系列保证复杂网络在牵制控制下全局同步的充分条件.所得结果不要求耦合矩阵的对称可约性以及函数的连续可微性.因此,在复杂网络的牵制同步控制中具有更广的使用范围.最后我们通过两个实例来验证所得结论的有效性.
- 邢志伟彭济根
- 关键词：复杂网络牵制控制
- 基于局部保留投影的稀疏中智聚类算法
- 2024年
- 聚类算法是机器学习领域重要的研究课题之一,传统的中智聚类算法(例如FC-PFS算法)未考虑局部空间结构,且距离的计算受到冗余特征影响,不能有效处理高维数据集。为此,提出一种新的基于局部保留投影的稀疏中智聚类算法(LPSNCM)及其优化方法。一方面LPSNCM算法通过局部保留投影方法生成具有局部结构信息的正交投影空间,另一方面通过特征提取方法可以减少特征数量以获得更有效的特征,从而增强了FC-PFS算法处理高维数据的能力。LPSNCM算法也可以被看作是谱聚类两个独立阶段的统一模型。在一些基准数据集上的实验结果表明,与FC-PFS和某些最新方法相比,证明了LPSNCM的有效性。
- 张丹马盈仓杨小飞邢志伟
- 潜在表示学习框架下的低冗余多视图聚类算法
- 2023年
- 基于潜在空间学习的多视图聚类研究得到了较大发展,但其通常忽略了原始数据中冗余信息的存在可能会带来不理想的聚类结果。为解决这个问题,提出一种潜在表示学习框架下的低冗余多视图聚类算法。基于k-means的方法,直接从各视图数据学习其低维表示,由于该低维表示的各个特征相互正交,学习到的低维表示通常含有较少的冗余信息。基于潜在空间的假设,各视图的低维表示可由同一个潜在表示投影得到。将两者结合,就能得到一个具有低冗余信息的统一的潜在表示。设计了一个优化算法来求解目标问题,在多个公开数据集上的实验表明了该算法的有效性。
- 袁林杨小飞邢志伟万青
- 关键词：多视图聚类K-MEANS冗余信息
- 基于k-近邻局部线性邻域重建的多视角聚类算法
- 2023年
- 多视图聚类旨在利用不同视图间互为差异、互相补充的信息对数据对象进行聚类,如何融合不同视角的数据是多视角聚类算法的重要问题之一。为了能更准确有效地刻画视角间的相似关系,提出一种基于k-近邻局部线性邻域重建的多视角聚类算法。首先,利用数据点间的距离分配概率近邻,得到各视角数据对应的相似矩阵;其次,通过引入k-近邻,对各视角相似矩阵进行局部线性邻域重建后融合为统一的相似矩阵;同时,引入HSIC刻画不同视角的多样性。通过将统一图的学习与多样性学习整合在统一的框架中,本模型有能力输出一个包含了各视图多样信息的融合图。通过交替迭代算法,所提模型可以被很好地优化。多个公开数据集上的对比实验证明了所提出算法的有效性优于其他已有算法。
- 马盈仓吴也凡邢志伟袁林
- 关键词：K-近邻
- 带有时滞和脉冲的Markovian跳变神经网络的同步被引量：4
- 2019年
- 研究一类带有时滞和脉冲的Markovian跳变神经网络的同步问题,其中跳变参数为连续时间离散状态的Markovian过程。基于Lyapunov-Krasovskii泛函以及线性矩阵不等式方法,得到了带有时滞和脉冲的Markovian跳变神经网络的均方同步条件,并通过数值仿真验证了所得结论。
- 邢志伟
- 关键词：变时滞脉冲
- 基于自步学习的自适应半监督聚类算法被引量：3
- 2022年
- 在半监督聚类算法中,通常利用有标签样本的指导来提高数据的聚类效果,但不同样本对聚类结果的重要性并未充分考虑。为了解决这一问题,该文提出了一种基于自步学习的自适应半监督聚类算法(ASSCSPL)。首先,在模型中引入自适应损失函数,可以通过调节自适应损失参数提高模型的鲁棒性;其次,在模型中引入自步学习机制,用来刻画不同样本对聚类结果的不同重要程度;最后,在标签传播阶段,所得算法能够很好地利用已有的监督信息,为无标签数据赋予相应的标签权重。数据实验表明,与现有优秀算法比较,所提算法可以达到更好的聚类效果。此外,实验结果也表明,所提算法能够有效地降低噪声对模型聚类性能的影响。
- 贾乐瑶马盈仓邢志伟蒙莹莹
- 关键词：谱聚类
- 一类分数阶混沌系统的投影对偶同步被引量：1
- 2016年
- 为研究分数阶混沌系统的投影对偶同步问题,将无耦合分数阶混沌系统的标量输出信号进行线性组合,并作为驱动信号驱动相应的无耦合响应系统,构建了一类分数阶投影对偶同步混沌系统.并基于拉普拉斯变换理论,给出系统投影对偶同步的条件.最后通过数值仿真验证所得结论.
- 邢志伟
