-
题名双层模糊系统融合中心约束型最小包含球
- 1
-
-
作者
徐华
-
机构
江南大学物联网工程学院
-
出处
《计算机科学》
CSCD
北大核心
2014年第12期172-175,共4页
-
基金
国家留学基金委赞助项目(201308320030)
江苏省自然科学基金(BK20140165)资助
-
文摘
与传统的TSK模糊系统相比,改进的双层TSK模糊系统CTSK(Central TSK Fuzzy System)有如下优点:良好的可解释性、更好的鲁棒性、较强的逼近能力。但对于大样本或超大样本数据集,其时间复杂度和空间复杂度的开销都极大地限制了它的实用性。针对此不足,通过模糊系统融合中心约束型最小包含球(CCMEB)理论提出了CCMEB-CTSK(CCMEB-based CTSK)算法。该算法在继承CTSK优点的同时,又较好地实现了处理大样本和超大样本数据集的有效性和快速性。仿真实验研究分析了采用不同模糊规则数的CCMEB-CTSK的性能指标和运行时间的比较,以及训练样本不加噪声和加入噪声情况下CCMEB-CTSK泛化能力和鲁棒性能的测试。
-
关键词
模糊系统
中心约束型最小包含球
泛化
鲁棒性
-
Keywords
Fuzzy system
CCMEB
Generalization capability
Robustness
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名基于最小包含球的领域迁移学习新方法
被引量：4
- 2
-
-
作者
顾鑫
王士同
-
机构
江南大学数字媒体学院
-
出处
《计算机科学》
CSCD
北大核心
2013年第7期187-191,210,共6页
-
基金
国家自然科学基金项目(60903100
60975027)资助
-
文摘
传统机器学习方法认为不同的学习任务彼此无关,但事实上不同的学习任务常常相互关联。迁移学习试图利用任务之间的联系以及过去的学习经验加速对于新任务的学习。将最小包含球(Minimum Enclosing Ball,MEB)算法与Parzen Windows概率估计公式相结合,提出了一种新的迁移学习算法MEBTL((Minimum Enclosing Ball Trans-fer Learning)。该算法同时结合CVM(Core Vector Machines)理论提出了CCMEBTL(Center Constrained MinimumEnclosing Ball Transfer Learning)算法,其可以在不同领域之间完成大样本的迁移学习。作为验证,将其应用在WIFI数据的室内定位、人脸识别检测上,并取得了较好的效果。
-
关键词
中心约束型最小包含球
数据校正
迁移学习
领域自适应
-
Keywords
CCMEB, Data correction, Transfer learning, Domain adaptation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名大样本领域自适应支撑向量回归机
被引量：3
- 3
-
-
作者
许敏
王士同
顾鑫
俞林
-
机构
江南大学数字媒体学院
无锡职业技术学院物联网技术学院
无锡北方湖光光电有限公司研发部
-
出处
《软件学报》
EI
CSCD
北大核心
2013年第10期2312-2326,共15页
-
基金
国家自然科学基金(61170122
61272210)
江苏省研究生创新工程项目(CXZZ12-0759)
-
文摘
针对回归问题中存在采集数据不完整而导致预测性能降低的情况,根据支撑向量回归机(support vector regression,简称SVR)等价于中心约束最小包含球(center-constrained minimum enclosing ball,简称CC-MEB)以及相似领域概率分布差异只与两域各自的最小包含球中心点位置有关的理论新结果,提出了针对大数据集的领域自适应核心集支撑向量回归机(adaptive-core vector regression,简称A-CVR).该算法利用源域CC-MEB中心点对目标域CC-MEB中心点进行校正,从而提高目标域的回归预测性能.实验结果表明,这种领域自适应算法可以弥补目标域缺失数据的不足,大大提高回归预测性能.
-
关键词
领域自适应
支撑向量回归
核心集支撑向量机
中心约束最小包含球
大数据集
-
Keywords
domain adaptation
support vector regression （SVR）
core vector machine （CVM）
center-constrained minimum enclosing ball （CC-MEB）
large data set
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种新颖的领域自适应概率密度估计器
被引量：1
- 4
-
-
作者
许敏
俞林
-
机构
江南大学数字媒体学院
无锡职业技术学院物联网技术学院
-
出处
《智能系统学报》
CSCD
北大核心
2015年第2期221-226,共6页
-
基金
江苏省高校自然科学研究资助项目(13KJB520001)
江苏省高校哲学社会科学基金资助项目(2012SJB880077)
江苏省研究生创新工程资助项目(CXZZ12-0759)
-
文摘
传统概率密度估计法建立好密度估计模型后,无法将源域知识传递给相关目标域密度估计模型。提出用无偏置v-SVR的回归函数来表示传统概率密度估计法获得密度估计信息,并说明无偏置v-SVR等价于中心约束最小包含球及概率密度回归函数可由中心约束最小包含球中心点表示。在上述理论基础上提出中心点知识传递领域自适应概率密度估计法,用于解决因目标域信息不足而无法建立概率密度函数的场景。实验表明,此种领域自适应方法进行领域间知识传递的同时,还能达到源域隐私保护的目的。
-
关键词
概率密度函数
无偏置v-SVR
中心约束最小包含球
核心集
领域自适应
-
Keywords
probability density estimation
no bias v-SVR
center-constrained minimum enclosing ball（CC-MEB）
core set
domain adaptation
-
分类号
O212.1
[理学—概率论与数理统计]
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名面向大规模数据属性效应控制的核心向量回归机
- 5
-
-
作者
刘解放
王士同
王骏
邓赵红
-
机构
江南大学数字媒体学院
湖北交通职业技术学院交通信息学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2017年第9期1979-1991,共13页
-
基金
国家自然科学基金项目(61300151
61572236)
+2 种基金
江苏省杰出青年基金项目(BK20140001)
江苏省自然科学基金项目(BK20130155
BK20151299)~~
-
文摘
属性效应在现实生活中广泛存在,如果不加以控制,将会严重影响回归学习的性能.针对大规模数据属性效应控制的非线性回归学习问题,提出了快速等均值核心向量回归机(fast equal mean-core vector regression,FEM-CVR).首先基于间隔最大化目标学习准则,通过施加等均值约束条件,提出了等均值支持向量回归机(equal mean-support vector regression,EM-SVR).在此基础上,证明了EMSVR等价于一个中心约束最小包含球(center constrained-minimum enclosing ball,CC-MEB)问题,然后通过引入近似最小包含球理论,得到原始输入数据集的压缩集即核心集(core set),进一步提出了针对大规模数据属性效应控制的最小包含球快速非线性回归学习方法 FEM-CVR,并从理论上对相关性质进行了深入分析.实验表明:该方法能够快速处理针对大规模数据属性效应控制的非线性回归学习问题,具有较好的泛化能力,并且其时间复杂度上限与数据集大小无关,仅与最小包含球近似参数ε-有关.
-
关键词
回归学习
属性效应控制
中心约束最小包含球
等均值约束
大规模数据
-
Keywords
regression learning
attribute effect control
center constrained-minimum enclosing ball （CC-MEB）
equal mean constraint
large scale data
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于数据分类的领域自适应新算法
被引量：1
- 6
-
-
作者
顾鑫
王士同
-
机构
江南大学数字媒体学院
江苏北方湖光光电有限责任公司
-
出处
《计算机工程与科学》
CSCD
北大核心
2014年第2期275-285,共11页
-
基金
国家自然科学基金资助项目(61170122
60975027)
江苏省研究生创新工程项目(CXZZ11-0483)
-
文摘
一般的机器学习都假设训练数据与测试数据分布相同,而领域自适应算法则是在不同数据分布条件下进行知识传递和学习,在数据挖掘、数据校正、数据预测等领域有着广泛的应用。支持向量机SVM的主要思想是针对二分类问题,在高维空间寻找一个最优分类超平面,以保证最小的分类错误率。CCMEB理论由Tsang I提出的,是一种改进了核向量机CVM的最小包含球算法,在大样本数据集处理上有着较快的速度。而CCMEB理论同样适用于二分类的SVM数据集。将SVM理论、CCMEB理论与概率分布理论相结合,提出了一种全新的基于数据分类的领域自适应算法CCMEB-SVMDA,该算法通过计算各自分类数据组的包含球球心,能够有效地对不同领域数据进行整体校正和相似度识别,具有较好的便捷性和自适应性。在UCI数据、文本分类等数据上对该算法进行了验证,取得了较好的效果。
-
关键词
支持向量机
领域自适应
最小包含球
中心约束型最小包含球
-
Keywords
SVM
domain adaptation
minimum enclosing ball
CCMEB
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
