张文浩
- 作品数：4 被引量：9H指数：2
- 供职机构：山西大学计算机与信息技术学院更多>>
- 发文基金：山西省自然科学基金国家自然科学基金山西省回国留学人员科研经费资助项目更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 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
- 一种基于关联规则的核粒度支持向量机
- 为进一步提高支持向量机(Support Vector Machine,SVM)的泛化性能,本文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...
- 张文浩王文剑
- 关键词：支持向量机关联规则
- 基于多维关联规则的粒度支持向量机学习方法研究
- 支持向量机(Support Vector Machine，SVM)是一种通用高效的机器学习方法，能较好地处理小样本、非线性、高维数据等实际问题，目前已经成为机器学习的研究热点，并广泛应用于模式识别、函数估计和时间序列预测...
- 张文浩
- 关键词：人工智能支持向量机关联规则粒度计算
- 处理非平衡数据的粒度SVM学习方法被引量：3
- 2011年
- 通过多维关联规则挖掘,将粒度计算(Granular Computing,GrC)和支持向量机(Support Vector Machine,SVM)有效融合,提出一种粒度支持向量机(Granular SVM,GSVM)学习方法,称为AR-GSVM。该方法用于非平衡数据处理时,不仅可以有效降低分类器的复杂性,而且本质上可以进行并行计算以提高学习效率,同时提高分类器的泛化能力。考虑到保持数据在原始空间和特征空间的分布一致性,在AR-GSVM的基础上又提出核空间上的粒度支持向量机学习方法,称为AR-KGSVM,该方法具有更好的泛化性能。通过在UCI数据集上的实验表明:AR-GSVM和AR-KGSVM的泛化能力优于一些常用非平衡数据处理的方法。
- 徐乾王文剑张文浩
- 关键词：支持向量机粒度计算关联规则非平衡数据
