朱绍军
- 作品数：3 被引量：9H指数：2
- 供职机构：宁波大学信息科学与工程学院更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于贝叶斯和谐度的层次聚类被引量：5
- 2013年
- 层次聚类是一种重要的数据分析技术.传统的层次聚类方法大都采用欧式距离度量类之间相似度,不能有效处理类之间重合和类密度变化大的情况.文中提出一种基于贝叶斯和谐度的层次聚类方法,采用和谐度增幅代替传统层次聚类方法采用的欧式距离.贝叶斯和谐度取自于贝叶斯阴阳和谐学习理论,能衡量整个数据的分布情况和指导选择合适的类别数.文中方法根据和谐度的变化来度量类之间的相似度,能克服传统层次聚类的缺点;同时更易选择阈值终止层次聚类的合并,从而产生合适的类别数.最后通过两个实验验证文中方法的有效性.
- 文顺赵杰煜朱绍军
- 关键词：层次聚类
- 基于贝叶斯和谐度的特征选择算法被引量：3
- 2015年
- 特征选择是高维数据降维的一种关键技术。传统数据降维技术如PCA,只是转化数据的表达形式,不能表达数据的相关程度。近年来提出信息度量方法,使用评价函数表示数据的不确定性程度,虽然能较好地体现数据之间的相关程度,但并没有充分考虑选取的特征对整个样本空间的影响。针对传统方法的不足,提出一种基于贝叶斯和谐度特征选择算法。贝叶斯和谐度来自贝叶斯阴阳和谐学习理论,可以估计整个数据空间的联合概率分布,选取的特征能够较好地反应整个样本空间的变化。根据和谐度的变化来度量类之间的相似度从而得到冗余度较低的特征组合。与传统方法如ReliefF、FCBF等比较后发现,在取同样特征个数的情况下,和谐度度量得到的特征组合对数据分类更有效。
- 钟意伟赵杰煜朱绍军
- 关键词：降维
- 可区分惩罚控制竞争学习算法被引量：1
- 2014年
- 竞争学习在聚类分析中是一种重要的学习方式,次胜者惩罚竞争学习(RPCL)算法虽能自动选择合理的类别数,但其性能对学习率和惩罚率的取值较敏感,其变种惩罚控制竞争学习(RPCCL)算法将所有的竞争单元当成冗余单元进行惩罚也不合理.文中提出一种可区分惩罚控制竞争学习算法(DRPCCL).算法中获胜单元的学习率会在迭代过程中自适应调整.同时该算法使用一种可区分惩罚控制机制来区分竞争单元中的冗余单元和正确单元,给予冗余单元较重惩罚,正确单元轻微惩罚,使得算法能自动确定正确类别数和中心点位置.最后通过实验对比分析证明DRPCCL算法的聚类效果比RPCL算法和RPCCL算法更准确.
- 张锋赵杰煜朱绍军
- 关键词：聚类分析
