期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
决策信息与信息决策的数学公式理论 被引量:2
1
作者 朱红 《情报杂志》 CSSCI 北大核心 2003年第6期2-3,6,共3页
研究重点在决策信息与信息决策收益理论、决策信息与信息决策损失理论、决策信息与信息决策时间效用理论、决策信息存量理论、信息决策偏好理论、决策信息熵理论的数学描述。
关键词 决策信息 信息决策 数学公式 决策收益 决策损失 时间效用 信息存量 决策偏好 信息熵
在线阅读 下载PDF
三支决策理论的扩展与仿真实验 被引量:2
2
作者 王玲玲 吕王勇 +1 位作者 高艳萍 蔡林芝 《统计与决策》 CSSCI 北大核心 2018年第19期41-45,共5页
基于三支决策理论在实际决策中只能将决策对象划分为正域、负域和边界域的局限性,文章立足于传统的三支决策理论,对三支决策理论进行扩展,提出了N支决策理论,使传统的三支决策理论成为特例,扩大了三支决策理论的应用范围。借助贝叶斯理... 基于三支决策理论在实际决策中只能将决策对象划分为正域、负域和边界域的局限性,文章立足于传统的三支决策理论,对三支决策理论进行扩展,提出了N支决策理论,使传统的三支决策理论成为特例,扩大了三支决策理论的应用范围。借助贝叶斯理论和决策代价表,以决策的平均损失最小为原则,给出了N支决策理论所需要的阈值和评价函数。最后以鸢尾花分类问题为例,用N支决策理论和K-均值快速聚类两种方法进行分类,通过比较误判率的大小验证N支决策理论的有效性。 展开更多
关键词 三支决策理论 N支决策理论 贝叶斯理论 决策的平均损失
在线阅读 下载PDF
基于支持向量机改进算法的船舶类型识别研究 被引量:12
3
作者 戴卫国 李海涛 +1 位作者 颜恒平 刘启军 《声学技术》 CSCD 北大核心 2015年第3期203-208,共6页
利用船舶目标辐射噪声DEMON谱特征,采用改进的支持向量机算法,实现了对船舶目标的分类识别研究。针对支持向量机算法对噪声比较敏感和最优分类面求解时约束较多不利于支持向量机最优分类面寻优的问题,在保持支持向量稀疏性和应用径向基... 利用船舶目标辐射噪声DEMON谱特征,采用改进的支持向量机算法,实现了对船舶目标的分类识别研究。针对支持向量机算法对噪声比较敏感和最优分类面求解时约束较多不利于支持向量机最优分类面寻优的问题,在保持支持向量稀疏性和应用径向基核函数的条件下,对支持向量机算法在松弛变量和决策函数两方面进行了改进,提出了基于径向基核函数的齐次决策二阶损失函数支持向量机改进算法,并应用于利用船舶目标辐射噪声DEMON谱进行船舶目标类型分类识别实验。理论分析、数据仿真与实验结果表明,该改进算法实现了在二次规划中的较少约束条件下最优分类面求解,具有模型参数寻优空间广阔、总体分类性能优的特点,其分类性能优于原支持向量机算法,是一种适合于船舶辐射噪声DENOM分类识别的有效的支持向量机改进算法。 展开更多
关键词 船舶目标分类 支持向量机 齐次决策二阶损失函数
在线阅读 下载PDF
融合Transformer和CNN的手掌静脉识别网络 被引量:3
4
作者 吴凯 沈文忠 +1 位作者 贾丁丁 梁娟 《计算机工程与应用》 CSCD 北大核心 2023年第24期98-109,共12页
针对手掌静脉特征提取识别精度不高问题,提出了掌静脉识别网络PVCodeNet。该网络设计了改进的BasicBlock和Transformer Encoder模块结合并运用扩大决策边界的损失函数AAM-Loss(additive angular margin loss)。该网络首次将Transformer ... 针对手掌静脉特征提取识别精度不高问题,提出了掌静脉识别网络PVCodeNet。该网络设计了改进的BasicBlock和Transformer Encoder模块结合并运用扩大决策边界的损失函数AAM-Loss(additive angular margin loss)。该网络首次将Transformer Encoder模块成功用于掌静脉图像全局特征提取,改进的BasicBlock使用深度超参数化卷积Do-Conv取代传统卷积Conv进行特征提取使提取的特征更加具有区分性,该模块还加入规一化的注意力机制NAM模块,通过应用权重稀疏性惩罚项抑制不显著性特征的权值来提取图像在通道和空间域上重要的细节特征。在手掌关键点定位、ROI提取、图像增强方面作了详细描述,在特征向量维度、AAM-Loss参数设置方面做了详细实验,在PolyU数据库和自建库SEPAD-PV数据库上进行消融实验测试,EER均达到了0,成功实现了最高识别率的突破。为了验证该网络的泛化性能,还在具有相似纹理特征的掌纹数据库Tongji和指静脉数据库SDUMLA上进行验证,EER远远优于其他主流算法,充分证明了提出算法的优越性。 展开更多
关键词 手掌静脉识别 Transformer编码模块 深度超参数化卷积(Do-Conv) 规一化注意力机制(NAM) 扩大决策边界的损失函数(AAM-Loss)
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部