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
3
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
结合滑动窗口与模糊互信息的多标记流特征选择
被引量：
8
1
作者
程玉胜
李雨
+1 位作者
王一宾
陈飞
《小型微型计算机系统》
CSCD
北大核心
2019年第2期320-327,共8页
特征选择是处理高维度问题的一种有效方法,而传统的大部分算法都基于静态的特征空间.但是有些问题其特征空间和标记空间均呈现增量或动态的特点,传统的特征选择算法不再适用.针对这一问题,结合滑动窗口机制,本文提出了结合滑动窗口与模...
特征选择是处理高维度问题的一种有效方法,而传统的大部分算法都基于静态的特征空间.但是有些问题其特征空间和标记空间均呈现增量或动态的特点,传统的特征选择算法不再适用.针对这一问题,结合滑动窗口机制,本文提出了结合滑动窗口与模糊互信息的多标记流特征选择;同时,为了减弱互信息对特征重要程度的判断,对模糊互信息进行正则化处理,并通过正则化重新优化特征重要度目标函数.提出的算法在多标记数据集上进行了大量测试,实验结果和统计假设检验说明本文算法是有效的.
展开更多
关键词
模糊互信息
多标记学习
数据流
特征选择
在线阅读
下载PDF
职称材料
不平衡标记差异性多标记特征选择算法
被引量：
3
2
作者
王一宾
吴陈
+1 位作者
程玉胜
江健生
《深圳大学学报（理工版）》
EI
CAS
CSCD
北大核心
2020年第3期234-242,共9页
针对现有的特征选择算法大多未考虑不同标记对样本的描述程度可能存在差异的问题,提出一种不平衡标记差异性多标记特征选择算法(multi-label feature selection algorithm with imbalance label otherness,MSIO),将不同标记下正负标记...
针对现有的特征选择算法大多未考虑不同标记对样本的描述程度可能存在差异的问题,提出一种不平衡标记差异性多标记特征选择算法(multi-label feature selection algorithm with imbalance label otherness,MSIO),将不同标记下正负标记的频率分布作为该标记的权值加入到特征选择的过程中,并修正传统的信息熵计算方法,从而得到一组更高效的特征序列.以多标记k近邻(multi-label k-nearest neighbor,ML-k NN)为基础分类器,在Mulan数据库的11个多标记基准数据集上,对基于最大相关性的多标记维数约简(multi-label dimensionality reduction via dependence maximization,MDDM)算法、基于多变量互信息的多标记特征选择算法PMU(pairwise multivariate mutual information)、多标记朴素贝叶斯分类的特征选择(feature selection for multi-label naive Bayes classification,MLNB)算法、基于标记相关性的多标记特征选择(multi-label feature selection with label correlation,MUCO)算法和MSIO算法进行评价,实验结果和统计假设检验说明,MSIO算法稳定性佳且分类精度高,具有一定的有效性和优越性.
展开更多
关键词
人工智能
多标记学习
特征选择
不平衡数据
标记相关性
信息熵
标记差异性
在线阅读
下载PDF
职称材料
边缘标记弱化的多标记特征选择算法
被引量：
1
3
作者
王一宾
吴陈
+1 位作者
程玉胜
江健生
《数据采集与处理》
CSCD
北大核心
2020年第3期420-430,共11页
在多标记学习中,特征选择是处理数据高维问题和提升分类性能的一种有效手段,然而现有特征选择算法大多是基于标记分布大致平衡这一假设,鲜有考虑标记分布不平衡的问题。针对这一问题,本文提出了一种边缘标记弱化的多标记特征选择算法(Mu...
在多标记学习中,特征选择是处理数据高维问题和提升分类性能的一种有效手段,然而现有特征选择算法大多是基于标记分布大致平衡这一假设,鲜有考虑标记分布不平衡的问题。针对这一问题,本文提出了一种边缘标记弱化的多标记特征选择算法(Multi-label feature selection algorithm with weakening marginal labels,WML),计算不同标记下正负标记的频数比率作为该标记的权值,然后通过赋权方式弱化边缘标记,将标记空间信息融入到特征选择的过程中,得到一组更为高效的特征序列,提升标记对样本描述的精确性。在多个数据集上的实验结果表明,本文算法具有一定优势,通过稳定性分析和统计假设检验进一步证明本文算法的有效性和合理性。
展开更多
关键词
多标记学习
特征选择
标记分布
边缘标记
在线阅读
下载PDF
职称材料
题名
结合滑动窗口与模糊互信息的多标记流特征选择
被引量：
8
1
作者
程玉胜
李雨
王一宾
陈飞
机构
安庆师范大学计算机与信息院
数据科学与智能应用福建省高校重点实验室
安徽省高校智能感知与
计算
重点实验室
出处
《小型微型计算机系统》
CSCD
北大核心
2019年第2期320-327,共8页
基金
安徽省高校重点科研项目(KJ2017A352)资助
福建省高校重点实验室开放课题项目(D1801)资助
安徽省高校重点实验室基金项目(ACAIM160102)资助
文摘
特征选择是处理高维度问题的一种有效方法,而传统的大部分算法都基于静态的特征空间.但是有些问题其特征空间和标记空间均呈现增量或动态的特点,传统的特征选择算法不再适用.针对这一问题,结合滑动窗口机制,本文提出了结合滑动窗口与模糊互信息的多标记流特征选择;同时,为了减弱互信息对特征重要程度的判断,对模糊互信息进行正则化处理,并通过正则化重新优化特征重要度目标函数.提出的算法在多标记数据集上进行了大量测试,实验结果和统计假设检验说明本文算法是有效的.
关键词
模糊互信息
多标记学习
数据流
特征选择
Keywords
fuzzy mutual information
multi-label learning
streaming data
feature selection
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
不平衡标记差异性多标记特征选择算法
被引量：
3
2
作者
王一宾
吴陈
程玉胜
江健生
机构
安庆师范大学计算机与信息院
安徽省高校智能感知与
计算
重点实验室
出处
《深圳大学学报（理工版）》
EI
CAS
CSCD
北大核心
2020年第3期234-242,共9页
基金
安徽省高校重点科研资助项目(KJ2017A352)
福建省高校重点实验室开放课题资助项目(D1801)
安徽省高校重点实验室基金资助项目(ACAIM160102)。
文摘
针对现有的特征选择算法大多未考虑不同标记对样本的描述程度可能存在差异的问题,提出一种不平衡标记差异性多标记特征选择算法(multi-label feature selection algorithm with imbalance label otherness,MSIO),将不同标记下正负标记的频率分布作为该标记的权值加入到特征选择的过程中,并修正传统的信息熵计算方法,从而得到一组更高效的特征序列.以多标记k近邻(multi-label k-nearest neighbor,ML-k NN)为基础分类器,在Mulan数据库的11个多标记基准数据集上,对基于最大相关性的多标记维数约简(multi-label dimensionality reduction via dependence maximization,MDDM)算法、基于多变量互信息的多标记特征选择算法PMU(pairwise multivariate mutual information)、多标记朴素贝叶斯分类的特征选择(feature selection for multi-label naive Bayes classification,MLNB)算法、基于标记相关性的多标记特征选择(multi-label feature selection with label correlation,MUCO)算法和MSIO算法进行评价,实验结果和统计假设检验说明,MSIO算法稳定性佳且分类精度高,具有一定的有效性和优越性.
关键词
人工智能
多标记学习
特征选择
不平衡数据
标记相关性
信息熵
标记差异性
Keywords
artificial intelligence
multi-label learning
feature selection
imbalanced data
label correlation
information entropy
label otherness
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
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
边缘标记弱化的多标记特征选择算法
被引量：
1
3
作者
王一宾
吴陈
程玉胜
江健生
机构
安庆师范大学计算机与信息院
安徽省高校智能感知与
计算
重点实验室
出处
《数据采集与处理》
CSCD
北大核心
2020年第3期420-430,共11页
基金
安徽省高校重点自然科学基金(KJ2017A352)资助项目
安徽省高校重点实验室基金(ACAIM160102)资助项目
安徽省自然科学基金(1908085MF194)资助项目。
文摘
在多标记学习中,特征选择是处理数据高维问题和提升分类性能的一种有效手段,然而现有特征选择算法大多是基于标记分布大致平衡这一假设,鲜有考虑标记分布不平衡的问题。针对这一问题,本文提出了一种边缘标记弱化的多标记特征选择算法(Multi-label feature selection algorithm with weakening marginal labels,WML),计算不同标记下正负标记的频数比率作为该标记的权值,然后通过赋权方式弱化边缘标记,将标记空间信息融入到特征选择的过程中,得到一组更为高效的特征序列,提升标记对样本描述的精确性。在多个数据集上的实验结果表明,本文算法具有一定优势,通过稳定性分析和统计假设检验进一步证明本文算法的有效性和合理性。
关键词
多标记学习
特征选择
标记分布
边缘标记
Keywords
multi-label learning
feature selection
label distribution
marginal label
分类号
TP391 [自动化与计算机技术—计算机应用技术]
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
结合滑动窗口与模糊互信息的多标记流特征选择
程玉胜
李雨
王一宾
陈飞
《小型微型计算机系统》
CSCD
北大核心
2019
8
在线阅读
下载PDF
职称材料
2
不平衡标记差异性多标记特征选择算法
王一宾
吴陈
程玉胜
江健生
《深圳大学学报（理工版）》
EI
CAS
CSCD
北大核心
2020
3
在线阅读
下载PDF
职称材料
3
边缘标记弱化的多标记特征选择算法
王一宾
吴陈
程玉胜
江健生
《数据采集与处理》
CSCD
北大核心
2020
1
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
