公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

基于低密度分割密度敏感距离的谱聚类算法被引量：8: 2020年; 本文提出一种基于低密度分割密度敏感距离的谱聚类算法,该算法首先使用低密度分割密度敏感距离计算相似度矩阵,该距离测度通过指数函数和伸缩因子实现放大不同流形体数据间的距离和缩短同一流形体数据间距离的目的,从而有效反映数据分布的全局一致性和局部一致性特征.另外,算法通过增加相对密度敏感项来考虑数据的局部分布特征,从而有效避免孤立噪声和"桥"噪声的影响.文中最后给出了基于SC(Scattering criteria)指标的k近邻图k值选取办法和基于谱熵贡献率的特征向量选取方法.实验部分,讨论了参数选择对算法性能的影响并给出取值建议,通过与其他流行谱聚类算法聚类结果的对比分析,表明本文提出的基于低密度分割密度敏感距离的谱聚类算法聚类性能明显优于其他算法.; 陶新民王若彤常瑞李晨曦刘艳超; 关键词：谱聚类欧氏距离鲁棒性

密度敏感鲁棒模糊核主成分分析算法被引量：2: 2020年; 针对传统核主成分分析算法(Kernel principal component analysis, KPCA)对野性样本点敏感等缺陷,提出一种密度敏感鲁棒模糊核主成分分析算法(Density-Sensitive robust fuzzy kernel principal component analysis, DRF-KPCA).该算法首先通过引入相对密度确定样本初始隶属度,并构建出基于重构误差的隶属度确定方法,同时采用最优梯度下降法实现隶属度的更新,有效解决了传统核主成分分析算法对野性样本点敏感导致的主成分偏移等问题.最后,通过简化重构误差的计算公式,大大降低了算法的计算复杂度和运行时间.实验部分,利用有野性样本点和无野性样本点的数据集对本文算法、KPCA及其他改进算法的主成分分析性能进行测试,结果表明DRF-KPCA能有效消除野性样本点对主元分布的影响.此外,试验通过分析参数对算法性能的影响给出了合理的参数取值建议.最后将本文算法与其他算法应用到分类问题中进行对比,实验表明本文算法的分类性能较其他算法有显著提高.; 陶新民常瑞沈微李晨曦王若彤刘艳超; 关键词：相对密度

基于同步挤压小波变换的振动信号自适应降噪方法被引量：13: 2018年; 振动信号在噪声影响下,特征提取十分困难。为此应用同步挤压小波变换(Synchrosqueezing Wavelet Transform,SST)对振动信号进行降噪,针对分解后本征模态分量(Intrinsic Mode Function,IMF)的选取问题,提出一种基于瞬时频率复杂度和自相关系数峰度值的同步挤压小波变换降噪方法。算法首先对原始信号进行SST信号分解并提取小波脊线生成固有模态分量,然后对生成的分量进行Hilbert变换得到瞬时频率曲线,再根据瞬时频率的复杂度选择相应的合成分量重构信号。为了进一步消除噪声影响,该方法同时采用了自相关系数峰度阈值法对筛选后的分量进行二次剔除,最终实现对原始信号降噪的目的。试验最后通过不同标准方差的噪声仿真信号以及物流机械传送设备振动信号验证该方法的可行性和有效性,同时将该方法与基于集成经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)和小波变换的方法进行比较,结果表明该方法的降噪性能要优于其他方法。; 沈微陶新民高珊常瑞王若彤; 关键词：降噪小波变换

高校校园联合快递中心管理模式与信息系统开发被引量：3: 2016年; 校园联合快递中心是一种全新的高校校园快递运营模式,基于校园快递用户需求调研分析,构建联合中心管理模式代替分散的代理点局面,形成全新的校园快递格局,维护校园秩序的同时使各快递代理点之间的竞争趋于良性。利用先进的My SQL数据库、Eclipse工具和Ajax等计算机网络通信技术,开发实现一套信息化程度高、可操作性强的快递收发信息系统,实现快递信息的录入、筛选、查询和群发短信通知等功能,有效整合校内师生用户、校外快递企业等多方资源,使高校师生享受到方便、快捷、优质、安全的快递服务。; 刘岩邢晓琦李洋刘可林雪莹唐华林常瑞; 关键词：MY SQL ECLIPSE AJAX

基于密度敏感最大软间隔SVDD不均衡数据分类算法被引量：6: 2018年; 为了提高传统支持向量域描述(C-SVDD)算法处理不均衡数据集的分类能力,提出一种基于密度敏感最大软间隔支持向量域描述(DSMSM-SVDD)算法.该算法通过对多数类样本引入相对密度来体现训练样本原始空间分布对求解最优分类界面的影响,通过在目标函数中增加最大软间隔正则项,使C-SVDD的分类边界向少数类偏移,进而提高算法分类性能.算法首先对每个多数类样本计算相对密度来反映样本的重要性,然后将训练样本输入到DSMSM-SVDD中实现数据分类.实验部分,讨论了算法参数间的关系及其对算法分类性能的影响,给出算法参数取值建议.最后通过与C-SVDD的对比实验,表明本文建议的算法在不均衡数据情况下的分类性能优于C-SVDD算法.; 陶新民李晨曦沈微常瑞王若彤刘艳超; 关键词：不均衡数据相对密度

基于低密度分割几何距离的半监督KFDA算法被引量：3: 2020年; 提出了一种基于低密度分割几何距离的半监督KFDA(kernelFisherdiscriminantanalysis)算法(semisupervised KFDA based on low density separation geometry distance,简称Semi GKFDA).该算法以低密度分割几何距离作为相似性度量,通过大量无标签样本,提高KFDA算法的泛化能力.首先,利用核函数将原始空间样本数据映射到高维特征空间中;然后,通过有标签样本和无标签样本构建低密度分割几何距离测度上的内蕴结构一致性假设,使其作为正则化项整合到费舍尔判别分析的目标函数中;最后,通过求解最小化目标函数获得最优投影矩阵.人工数据集和UCI数据集上的实验表明,该算法与KFDA及其改进算法相比,在分类性能上有显著提高.此外,将该算法与其他算法应用到人脸识别问题中进行对比,实验结果表明,该算法具有更高的识别精度.; 陶新民常瑞沈微王若彤李晨曦

全选清除导出

共1页<1>

常瑞