期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于全流程并行遗传算法的贝叶斯网络结构学习
1
作者
蔡一鸣
马力
+1 位作者
陆恒杨
方伟
《系统工程与电子技术》
EI
CSCD
北大核心
2024年第5期1703-1711,共9页
为解决海量数据情况下学习贝叶斯网络(Bayesian network,BN)结构的算法性能急剧降低问题,基于Spark框架设计了一种全流程并行遗传算法用于BN结构学习(简称为SparkGA-BN)。SparkGA-BN包含互信息计算并行化、遗传算子并行化和适应度评分...
为解决海量数据情况下学习贝叶斯网络(Bayesian network,BN)结构的算法性能急剧降低问题,基于Spark框架设计了一种全流程并行遗传算法用于BN结构学习(简称为SparkGA-BN)。SparkGA-BN包含互信息计算并行化、遗传算子并行化和适应度评分并行化3个部分。互信息并行计算可以高效减少搜索空间;在演化前增加对种群信息与选择信息的广播来对全种群执行选择操作。选择与交叉算子共用选择信息以并行执行,从而高效演化并减少数据落盘时间。对约束和评分两阶段产生的中间数据作记忆化存储,提升数据复用率和全局执行效率。实验结果表明,所提算法在执行效率和学习准确率方面均优于对比算法。
展开更多
关键词
贝叶斯网络
结构
学习
遗传算法
并行结构学习
SPARK
在线阅读
下载PDF
职称材料
基于MTC结构的支持向量机并行训练算法
被引量：
2
2
作者
贾华丁
游志胜
王磊
《四川大学学报（工程科学版）》
EI
CAS
CSCD
北大核心
2007年第6期123-128,共6页
为加快支持向量机的训练速度,提出一种新型的"多重三叉级联(MTC)"学习结构,具有反馈速度快、计算节点利用率高、反馈的支持向量多等优点。基于该结构设计了支持向量机的并行训练算法,并严格证明了新算法能够收敛到支持向量机...
为加快支持向量机的训练速度,提出一种新型的"多重三叉级联(MTC)"学习结构,具有反馈速度快、计算节点利用率高、反馈的支持向量多等优点。基于该结构设计了支持向量机的并行训练算法,并严格证明了新算法能够收敛到支持向量机的最优解。数值实验结果表明,新算法具有非常高的加速比和并行效率,需要的训练时间显著地少于Graf等提出的Cascade SVM算法。
展开更多
关键词
支持向量机
训练算法
并行
学习
结构
在线阅读
下载PDF
职称材料
题名
基于全流程并行遗传算法的贝叶斯网络结构学习
1
作者
蔡一鸣
马力
陆恒杨
方伟
机构
江南大学人工智能与计算机学院
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2024年第5期1703-1711,共9页
基金
国家自然科学基金(62073155,62002137,62106088,62206113)资助课题。
文摘
为解决海量数据情况下学习贝叶斯网络(Bayesian network,BN)结构的算法性能急剧降低问题,基于Spark框架设计了一种全流程并行遗传算法用于BN结构学习(简称为SparkGA-BN)。SparkGA-BN包含互信息计算并行化、遗传算子并行化和适应度评分并行化3个部分。互信息并行计算可以高效减少搜索空间;在演化前增加对种群信息与选择信息的广播来对全种群执行选择操作。选择与交叉算子共用选择信息以并行执行,从而高效演化并减少数据落盘时间。对约束和评分两阶段产生的中间数据作记忆化存储,提升数据复用率和全局执行效率。实验结果表明,所提算法在执行效率和学习准确率方面均优于对比算法。
关键词
贝叶斯网络
结构
学习
遗传算法
并行结构学习
SPARK
Keywords
Bayesian network(BN)
structure learning
genetic algorithm(GA)
parallel structure learning
Spark
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于MTC结构的支持向量机并行训练算法
被引量：
2
2
作者
贾华丁
游志胜
王磊
机构
四川大学计算机学院
西南财经大学经济信息工程学院
出处
《四川大学学报（工程科学版）》
EI
CAS
CSCD
北大核心
2007年第6期123-128,共6页
基金
国家自然科学基金资助项目(69732010)
文摘
为加快支持向量机的训练速度,提出一种新型的"多重三叉级联(MTC)"学习结构,具有反馈速度快、计算节点利用率高、反馈的支持向量多等优点。基于该结构设计了支持向量机的并行训练算法,并严格证明了新算法能够收敛到支持向量机的最优解。数值实验结果表明,新算法具有非常高的加速比和并行效率,需要的训练时间显著地少于Graf等提出的Cascade SVM算法。
关键词
支持向量机
训练算法
并行
学习
结构
Keywords
support vector machines
training algorithm
parallel learning architecture
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于全流程并行遗传算法的贝叶斯网络结构学习
蔡一鸣
马力
陆恒杨
方伟
《系统工程与电子技术》
EI
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于MTC结构的支持向量机并行训练算法
贾华丁
游志胜
王磊
《四川大学学报（工程科学版）》
EI
CAS
CSCD
北大核心
2007
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
