人脑半监督的构造性学习方法     

李萍  吴涛 《西安文理学院学报》2014,(3)

利用构造性学习(CML)算法训练分类器需要大量已标记样本,然而获取大量已标记的样本较为困难.为此,提出了一种人脑半监督的构造性学习算法(HPSS-CML).根据已标记样本,通过覆盖算法构造分类网络,对未标记样本进行有选择的标记,并将其加入训练集,调整分类网络参数.重复进行上述过程,直到没有新标记的样本为止,得到最终的分类器.测试阶段再次利用未标记样本对"拒认状态"的测试样本进行标记.最后选取UCI数据集进行实验,结果表明,与CML算法及Tri-CML算法相比,该方法的分类更为有效.  相似文献   

不平衡古漆器漆膜数据分类研究     

张岚斌  徐国庆  李澜 《教育技术导刊》2021,20(1):84-88

针对古漆器漆膜数据类间不平衡、样本规模小,以及传统机器学习算法分类效果较差的问题,提出一种改进SMOTE的过采样方法改变漆器漆膜数据样本分布,使其达到平衡.该方法通过比较各类样本间的欧式距离,删除了人工样本中的噪声数据,然后运用集成学习中的随机森林算法进行分类,提高了少数类的分类准确率.UCI数据集上的实验结果表明,改...  相似文献   

基于模糊决策的不完整数据分类算法     

《淮北师范大学学报》2015,(2)

中医药领域不完整的数据普遍存在,而数据的不完整很大程度地降低分类模型的学习效果.大多数已有的处理不完整数据的分类算法只关注在其学习阶段处理不完整数据,而对于不完整数据出现在分类阶段则不能处理或效果不好.文章提出一种新的分类算法用于处理不完整数据的分类问题.首先给出一个新的用于处理不完整数据的决策树算法,并针对传统的Boosting算法在迭代过程中使用确定性决策方法而没有充分考虑到数据集中的不完整数据,进一步提出改进的Boosting算法,在迭代过程中对每一个假设使用模糊决策方法,权重的更新机制是增加错误分类样本的权重和减少正确分类样本的权重,最终使用加权投票的方式得出最优的分类结果.最后,通过两组实验证明提出的算法策略在处理不完整数据问题时的优越性.  相似文献   

一种对fMRI数据分类的加权随机SVM集群算法     

王志刚  胥茜  毕夏安 《教育技术导刊》2019,18(9):93-96

如何从小样本、高维度特性的功能磁共振成像（fMRI）数据中识别出内在的脑区活动模式,对理解人脑意义重大。随着模式识别技术和机器学习算法的发展,fMRI的分类研究也引起了人们的重视。提出一种对fMRI数据分类的加权随机SVM集群（WRSVMC）算法。该算法分为两步,首先通过随机选择样本和特征建立多个SVM,以构建集成分类器;然后在投票过程中,对每个SVM赋权重,以优化模型的集成性能。结合fMRI数据和图论特征,采用WRSVMC算法对轻度认知障碍（MCI）患者数据展开分类研究。结果表明,准确率最高可达87.67%。该方法能帮助医师对MCI患者进行辅助诊断。  相似文献   

如何理解新课标初中阶段的“数据分类”     

李健  秦德生 《中学数学杂志》2024,(4):14-15

为了适应大数据时代,新课标初中阶段增加了“数据分类”内容.数据分类有两种类型,一种是体现判别思想的数据分类,一种是体现聚类思想的数据分类,新课标初中阶段的“数据分类”体现了聚类思想.结合聚类分析的定义、特点等讨论得出,新课标初中阶段的“数据分类”是聚类分析中的最优分割法的一种特殊、简化形式,能够满足为初中生提供入门级的“聚类”学习的基本需求.  相似文献   

基于FLPP的极端学习机人脸识别方法     

刘佳奇  闫德勤  何阳 《教育技术导刊》2018,17(4):28-31

极端学习机(ELM)训练速度快、分类率高,已被广泛应用于人脸识别领域,但是在实际问题中由于数据具有较高维数,导致ELM在有限样本下存在学习不充分的问题。传统对数据进行有效维数约简的方法,没有考虑到数据之间判别信息和小样本问题。为此,提出一种强制性保留算法（FLPP）,以保持全部样本与局部样本之间的几何结构,同时类间离散度矩阵加入判别信息,因此避免了样本点重叠和小样本问题。实验结果表明,该算法有效提高了极端学习机的泛化性能和分类准确率。  相似文献   

一种单层自动编码器的聚类算法研究     

《怀化学院学报》2015,(11)

不同的聚类算法都可以完成对无标签数据的分类,而Kmeans聚类算法是一种无监督静态数据分析机器学习方法,已被广泛应用于机器学习、模式识别、数据挖掘等领域.但对维度数据准确率不高,本文引入深度自动编码器完成对输入样本的特征自动学习和重构,实现对数据的降维和特征提取,代替原始数据通过Kmeans算法进行聚类分析.实验结果证明,改进后的AE Kmeans(Auto Encoder Kmeans)算法与单独使用Kmeans算法完成聚类相比,准确率得到明显提高.  相似文献   

动态代价支持向量机增量学习算法     

《商洛学院学报》2017,(2):1-5

在不均衡数据集下,SVM分类超平面的偏移,使得基于KKT条件进行样本选择的增量学习算法性能不佳,针对该问题,提出动态代价的SVM增量学习算法,该算法依据各类样本密度之间的关系动态计算类的错分代价,减少每次迭代中分类超平面偏移造成的错误累积,保证依据KKT条件选取样本的准确性,使得每次迭代选取的样本都包含当前分类器缺少的空间信息,提高最终分类器在不均衡数据集下的分类性能。最后,在UCI数据集上的仿真实验结果表明该算法能够提高不均衡数据下的分类性能。  相似文献   

基于二次SVM的不均衡数据算法     

张燕 《商洛师范专科学校学报》2014,(4):38-41

为减少不均衡数据对支持向量机分类性能的影响,提出一种基于二次支持向量机的欠取样分类算法,该算法依据样本的分类超平面贡献大小对多数类样本进行欠取样．并对少数类样本进行过取样,重构训练数据集。该算法能够删除样本中的噪声数据。用控制参数控制删除样本的规模,实验表明,该算法能够提高支持向量机在不均衡数据集下的分类性能。  相似文献   

浅论多元统计的分类问题     

于娜 《考试周刊》2014,(23):156-156

分类或分组是多元统计学习的一个重要内容,聚类分析、判别分析、主成分分析及可视化分析都可以对变量或样本进行分类或者分组。每种分类方法不同,结果和解释的出发点也不同,但各种分类方法之间又有着千丝万缕的关系。本文从区别和联系的角度对这几种方法作简要阐述,希望对学习数据的分类问题有所帮助。  相似文献