您的位置: 专家智库 > >

陈睿

作品数:5 被引量:9H指数:2
供职机构:解放军电子工程学院网络工程系更多>>
发文基金:安徽省自然科学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更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 5篇自动化与计算...

主题

  • 4篇分类器
  • 3篇分类器集成
  • 2篇多分类器
  • 2篇多分类器集成
  • 1篇得分
  • 1篇递归
  • 1篇递归神经
  • 1篇神经网
  • 1篇神经网络
  • 1篇数据集
  • 1篇图灵
  • 1篇图灵测试
  • 1篇逆转
  • 1篇谱聚类
  • 1篇全自动
  • 1篇人工智能
  • 1篇聚类
  • 1篇过抽样
  • 1篇RNN
  • 1篇BAGGIN...

机构

  • 4篇解放军电子工...
  • 2篇东华理工大学
  • 1篇电子工程学院

作者

  • 5篇陈睿
  • 4篇张亮
  • 2篇黄曙光
  • 2篇黄雯
  • 1篇胡荣贵
  • 1篇叶春明
  • 1篇杨静
  • 1篇胡劲松
  • 1篇邱小松
  • 1篇黄海军

传媒

  • 3篇计算机应用研...
  • 1篇计算机应用
  • 1篇小型微型计算...

年份

  • 1篇2015
  • 4篇2014
5 条 记 录,以下是 1-5
排序方式:
谱聚类递归神经网络集成的全自动公开区分计算机和人的图灵测试识别算法被引量:2
2014年
针对粘着全自动公开的区分计算机和人的图灵测试(CAPTCHA)的识别问题,提出了一种基于谱聚类递归神经网络(RNN)集成的识别算法。该算法首先使用不一致测度度量两个RNN之间的距离,构建出一张由多个候选RNN形成的图;然后基于谱图聚类理论,将多个RNN划分为不同的簇,并在每个簇上选择最佳RNN参与集成。实验结果表明:相对于单个候选RNN,该算法的识别率提高了约16%;相对于全部候选RNN构成的集成系统,该算法形成的集成规模更小,仅为原来的23%。
张亮陈睿邱小松
关键词:谱聚类多分类器集成
基于约束得分的动态集成选择算法
2014年
针对基于约束得分的特征选择容易受成对约束的组成和基数影响的问题,提出了一种基于约束得分的动态集成选择算法(dynamic ensemble selection based on bagging constraint score,BCS-DES)。该算法将bagging约束得分(bagging constraint score,BCS)引入动态集成选择算法,通过将样本空间划分为不同的区域,使用多种群并行遗传算法为不同测试样本选择局部最优的分类集成,达到提高分类精度的目的。在UCI实验数据集上进行的实验表明,BCS-DES算法较现有的特征选择算法受成对约束组成和基数影响更小,效果更好。
陈睿黄曙光黄雯张亮
关键词:分类器集成
基于BSMOTE和逆转欠抽样的不均衡数据分类算法被引量:4
2014年
针对传统分类器在数据不均衡的情况下分类效果不理想的缺陷,为提高分类器在不均衡数据集下的分类性能,特别是少数类样本的分类能力,提出了一种基于BSMOTE和逆转欠抽样的不均衡数据分类算法。该算法使用BSMOTE进行过抽样,人工增加少数类样本的数量,然后通过优先去除样本中的冗余和噪声样本,使用逆转欠抽样方法逆转少数类样本和多数类样本的比例。通过多次进行上述抽样形成多个训练集合,使用Bagging方法集成在多个训练集合上获得的分类器来提高有效信息的利用率。实验表明,该算法较几种现有算法不仅能够提高少数类样本的分类性能,而且能够有效提高整体分类准确度。
陈睿张亮杨静胡荣贵
关键词:不均衡数据集多分类器集成
基于二维RNN的CAPTCHA识别被引量:2
2014年
全自动开放式人机区分图灵测试(CAPTCHA)是基于人工智能领域开放性问题而设计的网络安全技术,CAPTCHA识别是该研究领域的重要分支.长短时记忆(Long Short Term Memory,LSTM)型递归神经网络(Recurrent Neural Network,RNN)已被成功应用于CAPTCHA识别,LSTM型RNN实质上是一维RNN,而文本型CAPTCHA为二维图像.提出使用二维RNN对CAPTCHA进行识别.二维RNN能够很好的将特征提取同识别相结合,同时具有较好的上下文保持特性,从而更适合文本型CAPTCHA识别.同时为了进一步提高识别的可靠性,提出一种基于支持向量机(Support vector machine,SVM)的拒识策略,实验结果表明二维RNN较一维RNN能够获得更好的识别率,并且新的拒识策略较其他拒识策略取得更好的拒识效果.
陈睿黄曙光叶春明张亮
关键词:人工智能
基于边缘分类能力的动态集成选择算法被引量:1
2015年
提出了一种新的基于边缘分类能力排序准则,用于基于排序聚集(ordered aggregation,OA)的分类器选择算法。为了表征分类器的分类能力,使用随机参考分类器对原分类器进行模拟,从而获得分类能力的概率模型。为了提高分类器集成性能,将提出的基于边缘分类能力的排序准则与动态集成选择算法相结合,首先将特征空间划分成不同能力的区域,然后在每个划分内构造最优的分类器集成,最后使用动态集成选择算法对未知样本进行分类。在UCI数据集上进行的实验表明,对比现有的排序准则,边缘分类能力的排序准则效果更好,进一步实验表明,基于边缘分类能力的动态集成选择算法较现有分类器集成算法具有分类正确率更高、集成规模更小、分类时间更短的优势。
陈睿黄海军黄雯胡劲松
关键词:BAGGING
共1页<1>
聚类工具0