检索结果-维普期刊中文期刊服务平台

面向超大规模数据的自适应谱聚类算法被引量：1: 1; 作者毕志臻杨德刚冯骥《智能系统学报》 CSCD 北大核心 2023年第2期251-259,共9页; 针对超大规模数据聚类过程中人为设定邻域参数及计算量庞大等问题,提出了一种基于近似自然近邻的自适应超大规模谱聚类算法(approximate natural nearest neighbor based self-adaptive ultra-scalable spectral clustering algorithm, ... 展开更多; 关键词数据聚类超大规模近似自然近邻谱聚类自然邻居二部图自适应无参数; 在线阅读下载PDF 职称材料

基于知识关系与试题价值权重的认知诊断模型: 2; 作者魏延刘承松《华南师范大学学报（自然科学版）》 CAS 北大核心 2024年第4期91-99,共9页; 现有认知诊断方法忽略了试题中知识点之间存在的显性、隐性相关性以及试题的价值权重,为解决上述问题,文章提出了一种基于神经网络的诊断模型(QENCD)。该模型首先利用Jaccard算法探索知识点间的相似性,发现试题中的显性知识点,并根据特... 展开更多; 关键词认知诊断 Jaccard算法知识相关性试题价值权重; 在线阅读下载PDF 职称材料

一种去除聚类数量和邻域参数设置的自适应聚类算法被引量：3: 3; 作者张柏恺杨德刚冯骥《计算机工程与科学》 CSCD 北大核心 2021年第10期1838-1847,共10页; 传统聚类方法往往无法避免邻域参数和聚类数量的选择问题,而这些参数在不同形状的数据中的最优选择也不尽相同,需要根据大量先验知识确定合适的参数选择范围。针对上述参数选择问题,提出了一种基于自然邻居思想的边界剥离聚类算法NaN-BP... 展开更多; 关键词聚类分析自适应自然邻居对数稳定状态核心点; 在线阅读下载PDF 职称材料

基于扩展自然邻居的无参分类方法: 4; 作者曹文态杨德刚冯骥《计算机工程与科学》 CSCD 北大核心 2021年第9期1692-1699,共8页; 基于k-最近邻(kNN)的分类方法是实现各种高性能模式识别技术的基础,然而这些方法很容易受到邻域参数k的影响,在完全不了解数据集特性的情况下想要得出各种数据集的邻域是比较困难的。基于上述问题,介绍了一种新的监督分类方法:扩展自然... 展开更多; 关键词分类分析最近邻无参数扩展自然邻居动态邻域; 在线阅读下载PDF 职称材料

题名面向超大规模数据的自适应谱聚类算法被引量：1: 1; 作者毕志臻杨德刚冯骥; 机构重庆师范大学计算机与信息科学学院重庆师范大学教育大数据智能感知与应用重庆市工程研究中心; 出处《智能系统学报》 CSCD 北大核心 2023年第2期251-259,共9页; 基金教育部人文社会科学研究项目(18XJC880002,20YJAZH084) 重庆市教委科学技术研究项目(KJQN201800539) 重庆市研究生教育教学改革研究项目(yjg223068)。; 文摘针对超大规模数据聚类过程中人为设定邻域参数及计算量庞大等问题,提出了一种基于近似自然近邻的自适应超大规模谱聚类算法(approximate natural nearest neighbor based self-adaptive ultra-scalable spectral clustering algorithm, AN^(3)-SUSC)。该算法首先通过混合代表选取缩小数据规模,在此基础上利用近似自然近邻自适应地确定局部邻域参数并构建相似矩阵,最后运用二部图进行迁移分割将数据空间映射到原超大规模数据空间中并完成谱聚类分析。超大规模数据集实验结果表明,该算法对超大规模数据集聚类效果有所提升,并且降低计算规模同时具有较高的鲁棒性和较强的自适应性。; 关键词数据聚类超大规模近似自然近邻谱聚类自然邻居二部图自适应无参数; Keywords data clustering ultra-scalable approximate natural neighbor spectral clustering natural neighbor bipartite graph adaptive no parameter; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于知识关系与试题价值权重的认知诊断模型: 2; 作者魏延刘承松; 机构重庆师范大学计算机与信息科学学院教育大数据智能感知与应用重庆市工程研究中心; 出处《华南师范大学学报（自然科学版）》 CAS 北大核心 2024年第4期91-99,共9页; 基金重庆市技术创新与应用发展专项重点项目(cstc2019jscx-mbdxX0061)。; 文摘现有认知诊断方法忽略了试题中知识点之间存在的显性、隐性相关性以及试题的价值权重,为解决上述问题,文章提出了一种基于神经网络的诊断模型(QENCD)。该模型首先利用Jaccard算法探索知识点间的相似性,发现试题中的显性知识点,并根据特征向量中心性算法求其权重;其次,利用显性知识点信息作为先验信息来推断试题中的隐性知识点;然后,引入学生潜能因素和试题价值权重因素,重新构建交互函数;最后,结合猜测因素预测学生是否能正确回答试题,了解学生实际水平。在4个真实数据集(ASSIST0910、MathEC、Junyi和Math1)上,将QENCD模型与3个统计认知诊断模型(IRT、MIRT、DINA)、3个神经网络认知诊断模型(NCD、CDGK、ICD)进行对比实验;同时,为了验证每个组件的有效性,进行了消融试验,通过移除模型的不同部分(如知识矩阵、试题价值权重等)来评估各部分对模型性能的影响。此外,进行了基于一致性程度指标(DOA)的可解释性实验,以衡量模型的解释能力。对比实验结果表明在4个真实数据集上,与目前最佳的基线模型(ICD)相比,QENCD模型的ACC、AUC平均提高了0.84%、1.12%,RMSE降低了0.38%。消融实验结果显示:模型的不同部分对模型的准确性和解释性都有重要贡献。由4个模型(DINA、NCDM、CDGK和QENCD)在4个真实数据集上的DOA值可知:QENCD模型能够更准确地识别和解释学生的知识状态。; 关键词认知诊断 Jaccard算法知识相关性试题价值权重; Keywords cognitive diagnosis Jaccard algorithm knowledge correlation exercise value weight; 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

题名一种去除聚类数量和邻域参数设置的自适应聚类算法被引量：3: 3; 作者张柏恺杨德刚冯骥; 机构重庆师范大学计算机与信息科学学院教育大数据智能感知与应用重庆市工程研究中心; 出处《计算机工程与科学》 CSCD 北大核心 2021年第10期1838-1847,共10页; 基金教育部人文社会科学研究项目(18XJC880002,20YJAZH084) 重庆市教委科学技术研究项目(KJQN201800539) 重庆市基础科学与前沿技术项目(cstc2016jcyjA0419)。; 文摘传统聚类方法往往无法避免邻域参数和聚类数量的选择问题,而这些参数在不同形状的数据中的最优选择也不尽相同,需要根据大量先验知识确定合适的参数选择范围。针对上述参数选择问题,提出了一种基于自然邻居思想的边界剥离聚类算法NaN-BP,能够在无需设置邻域参数和聚类数量的情况下得到令人满意的聚类结果。算法核心思想是首先根据数据集的分布特征,自适应迭代至对数稳定状态并获取邻域信息,并根据该邻域信息进行边界点的标记与剥离,最终以核心点为数据簇中心进行聚类。在不同规模不同分布的数据集上进行了广泛的对比实验,实验结果表明了NaN-BP的自适应性和有效性,取得了令人满意的实验结果。; 关键词聚类分析自适应自然邻居对数稳定状态核心点; Keywords clustering analysis self-adaptive natural neighbor logarithmic steady state core point; 分类号 TP393 [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

题名基于扩展自然邻居的无参分类方法: 4; 作者曹文态杨德刚冯骥; 机构重庆师范大学计算机与信息科学学院教育大数据智能感知与应用重庆市工程研究中心(重庆师范大学); 出处《计算机工程与科学》 CSCD 北大核心 2021年第9期1692-1699,共8页; 基金教育部人文社会科学研究(18XJC880002,20YJAZH084) 重庆市教委科学技术研究(KJQN201800539) 重庆市基础科学与前沿技术(cstc2016jcyjA0419)。; 文摘基于k-最近邻(kNN)的分类方法是实现各种高性能模式识别技术的基础,然而这些方法很容易受到邻域参数k的影响,在完全不了解数据集特性的情况下想要得出各种数据集的邻域是比较困难的。基于上述问题,介绍了一种新的监督分类方法:扩展自然邻居(ENaN)方法,并证明了该方法在不人为选择邻域参数的情况下提供了一种更好的分类结果。与原有的基于kNN需要先验k的方法不同,ENaN方法在不同的阶段预测不同的k值。因此,无论是在训练阶段还是在测试阶段,ENaN方法都能从动态邻域信息中学习到更多的信息,从而提供更好的分类结果。在不同类型不同规模的真实数据上的分类检测结果均表明了ENaN方法的有效性。; 关键词分类分析最近邻无参数扩展自然邻居动态邻域; Keywords classification analysis nearest neighbor parameter-free extended natural neighbor dynamic neighborhood; 分类号 TP393 [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	面向超大规模数据的自适应谱聚类算法	毕志臻杨德刚冯骥	《智能系统学报》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料
2	基于知识关系与试题价值权重的认知诊断模型	魏延刘承松	《华南师范大学学报（自然科学版）》 CAS 北大核心	2024	0	在线阅读下载PDF 职称材料
3	一种去除聚类数量和邻域参数设置的自适应聚类算法	张柏恺杨德刚冯骥	《计算机工程与科学》 CSCD 北大核心	2021	3	在线阅读下载PDF 职称材料
4	基于扩展自然邻居的无参分类方法	曹文态杨德刚冯骥	《计算机工程与科学》 CSCD 北大核心	2021	0	在线阅读下载PDF 职称材料