-
题名基于超图表示的低秩属性选择方法用于回归分析
- 1
-
-
作者
钟智
方月
胡荣耀
李永钢
雷聪
-
机构
广西师范学院计算机与信息工程学院
广西师范大学广西多源信息挖掘与安全重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2018年第7期2046-2050,共5页
-
基金
国家自然科学基金资助项目(61450001
61263035
+5 种基金
61573270)
国家"973"计划资助项目(2013CB329404)
中国博士后科学基金资助项目(2015M570837)
广西自然科学基金资助项目(2015GXNSFCB139011
2015GXNSFAA139306)
广西研究生教育创新计划资助项目(XYCSZ2017064)
-
文摘
针对现有的回归模型未考虑特征之间的深层结构,而导致在回归问题上输出不稳定的模型,提出了一种新的属性选择方法。通过稀疏学习理论中的2,1-范数和2,p-范数在线性回归模型分别进行样本降噪和属性选择,利用超图结构和低秩约束来分别考虑数据间的局部结构和不同数据间的全局结构,最后结合子空间学习方法来对模型进行微调。经实验证明,在回归分析中该算法较对比算法能取得更好的效果。
-
关键词
低秩回归
属性选择
子空间学习
超图表示
-
Keywords
low-rank regression
feature selection
subspace learning
hypergraph representation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于超图表示的服装兼容性预测模型
- 2
-
-
作者
李健
李卓
马天祥
梁纪峰
-
机构
天津大学微电子学院
天津市成像与感知微电子技术重点实验室
鹏城实验室
国家电网河北省电力有限公司电力科学技术研究院
-
出处
《计算机应用研究》
CSCD
北大核心
2022年第8期2506-2510,共5页
-
基金
天津市自然科学基金资助项目(20JCQNJC01490)。
-
文摘
针对现有服装兼容性模型都集中探究成对单品之间的兼容性这一问题,提出一种基于超图表示的服装兼容性预测模型。该模型首先基于现有数据集中时尚服装的不同类别和时尚服装间的搭配关系构建了一个服装超图,其中每个节点表示一件衣服,每条超边表示多件衣服组成的套装。为了更好地从超图中推断服装的兼容性,该模型将超图转换为传统图,并利用图神经网络模拟节点之间的复杂交互。最后引入注意力机制计算服装的兼容性得分,增强模型的预测能力。实验结果表明,在服装填空任务和服装兼容性预测两个服装搭配任务上,该模型分别达到了77.29%和96.23%的准确率,较其他基线模型有显著的提升。
-
关键词
服装兼容性
超图表示
图神经网络
注意力机制
-
Keywords
outfit compatibility
hypergraph representation
graph neural network
attention mechanism
-
分类号
TP393.04
[自动化与计算机技术—计算机应用技术]
-
-
题名基于重要性采样的超图网络高效表示方法
被引量：1
- 3
-
-
作者
邵豪
王伦文
朱然刚
刘辉
-
机构
国防科技大学电子对抗学院
-
出处
《软件学报》
EI
CSCD
北大核心
2024年第9期4390-4407,共18页
-
基金
国家自然科学基金(61602491)
安徽省自然科学基金(2008085QF326)。
-
文摘
现有的超图网络表示方法需要分析全批量节点和超边以实现跨层递归扩展邻域,这会带来巨大的计算开销,且因过度扩展导致更低的泛化精度.为解决这一问题,提出一种基于重要性采样的超图表示方法.首先,它将节点和超边看作是两组符合特定概率测度的独立同分布样本,用积分形式解释超图的结构特征交互;其次,设计带可学习参数的邻域重要性采样规则,根据节点和超边的物理关系和特征计算采样概率,逐层递归采集固定数目的对象,构造一个更小的采样邻接矩阵;最终,利用蒙特卡洛方法近似估计整个超图的空间特征.此外,借鉴PINN的优势,将需要缩减的方差作为物理约束加入到超图神经网络中,以获取更具泛化能力的采样规则.多个数据集上的广泛实验表明,所提出的方法能够获得更准确的超图表示结果,同时具有更快的收敛速度.
-
关键词
复杂网络
超图表示学习
重要性采样
蒙特卡洛估计
物理信息神经网络
-
Keywords
complex network
hypergraph representation learning
importance sampling
Monte Carlo estimation
physical information neural network
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于超图的稀疏属性选择算法
被引量：1
- 4
-
-
作者
雷聪
钟智
胡晓依
方月
余浩
郑威
-
机构
广西师范大学广西多源信息挖掘与安全重点实验室
广西师范学院计算机与信息工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2018年第11期3213-3216,3219,共5页
-
基金
国家重点研发计划资助项目(2016YFB1000905)
国家自然科学基金资助项目(61672177
+7 种基金
61573270)
国家"973"计划资助项目(2013CB329404)
广西自然科学基金资助项目(2015GXNSFCB139011)
广西多源信息挖掘与安全重点实验室开放基金资助项目(16-A-01-01
16-A-01-02)
广西研究生教育创新计划项目(XYCSZ2017064
XYCSZ2017067
YCSW2017065)
-
文摘
针对噪声或者离群点通常会增加矩阵的秩的问题,提出一个在低秩限制下的基于超图的稀疏属性选择算法。算法利用其他属性稀疏地表达每一个属性来获得属性自表达系数矩阵,再利用超图正则化因子获取数据的局部结构将子空间学习嵌入到属性选择的框架中;同时,利用l2,p-范数惩罚自表达系数矩阵和损失函数,挖掘出属性之间的关系和样本间的关系来帮助算法有效地进行属性选择,最终提高模型的预测能力。在UCI数据集上的实验结果表明,该算法相比其他对比算法,能更有效地选取重要属性,并取得很好的分类效果。
-
关键词
属性选择
属性自表达
子空间学习
超图表示
低秩约束
-
Keywords
feature selection
feature self-representation
subspace learning
hypergraph representation
low-rank constraint
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于超图稀疏的低秩属性选择算法用于多回归分析
- 5
-
-
作者
罗?
苏毅娟
雷聪
胡荣耀
杨利锋
李永钢
-
机构
广西师范大学广西多源信息挖掘与安全重点实验室
广西师范学院计算机与信息工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2018年第9期2671-2675,共5页
-
基金
国家自然科学基金资助项目(61450001,61672177,61573270)
国家"973"计划资助项目(2013CB329404)
+2 种基金
中国博士后科学基金资助项目(2015M570837)
广西自然科学基金资助项目(2012GXNSFGA060004,2015GXNSFCB139011,2015GXNSFAA139306)
广西研究生教育创新计划项目(XYCSZ2017064,YCSW2017065)
-
文摘
针对已有的多回归算法未能更好地考虑不同列类别之间的关联性,提出了一种基于超图稀疏的属性选择方法。利用稀疏理论中的l_(2,p)-范数来改进线性回归模型,结合低秩结构和超图表示来分别考虑同一类别间的局部结构和不同类别间的全局结构,通过子空间学习中的线性判别分析(LDA)来进一步调整重构系数矩阵的结果。经实验验证,提出的算法在六个公开数据集上相比四种对比算法,在多回归分析中均能取得更好的结果。
-
关键词
多回归分析
超图表示
子空间学习
稀疏学习
-
Keywords
multiple regression analysis
hypergraph representation
subspace learning
sparse learning
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
