期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于伪标签细化的域适应TSK模糊分类器
1
作者 张馨匀 周琳家 +4 位作者 程煜婷 邱成羽 谢宇航 陈秀 张远鹏 《智能系统学报》 北大核心 2025年第3期557-570,共14页
Takagi-Sugeno-Kang(TSK)模糊分类器由于其良好的分类性能和可解释性在多个领域有着广泛的应用。针对训练样本和测试样本分布差异所导致的TSK模糊分类器泛化性能下降问题提出了一种基于伪标签细化的域适应TSK模糊分类器。该分类器使用... Takagi-Sugeno-Kang(TSK)模糊分类器由于其良好的分类性能和可解释性在多个领域有着广泛的应用。针对训练样本和测试样本分布差异所导致的TSK模糊分类器泛化性能下降问题提出了一种基于伪标签细化的域适应TSK模糊分类器。该分类器使用模糊规则前件的非线性映射和后件的线性映射能力构建源域和目标域数据的模糊共享特征空间,并在模糊共享特征空间采用基于图随机游走和标签过滤细化两种策略来提升目标域伪标签质量来更好地进行域对齐。通过在多个公开数据集上的广泛实验,验证了所提出的域适应TSK模糊分类器不仅具备可靠的分类性能,还具有良好的可解释性。 展开更多
关键词 域适应 Takagi-Sugeno-Kang模糊分类器 随机游走 伪标签细化 模糊共享特征空间 无监督学习 模糊规则 迁移学习
在线阅读 下载PDF
基于相关熵的多视角低秩矩阵分解和多视角数据聚类中的约束图学习
2
作者 杜元花 陈盼 +3 位作者 周楠 施开波 陈二阳 张远鹏 《计算机科学》 北大核心 2025年第S1期714-723,共10页
目前大多数的多视角聚类方法都集中在无监督的学习场景上,它们不能利用数据中的标签信息。此外,它们还无法处理可能存在于数据中的异常值。为了解决这些问题,提出了一种基于相关熵的多视角低秩矩阵分解(CMLMF)的多视角数据半监督聚类方... 目前大多数的多视角聚类方法都集中在无监督的学习场景上,它们不能利用数据中的标签信息。此外,它们还无法处理可能存在于数据中的异常值。为了解决这些问题,提出了一种基于相关熵的多视角低秩矩阵分解(CMLMF)的多视角数据半监督聚类方法。具体来说,采用一个约束矩阵引入标签信息,通过最大化相关熵准则来消除亲和矩阵和标签中异常值的影响。为了充分利用局部结构信息,还提出了一种基于相关熵的多视角约束图学习框架,自适应地提取隐藏在多视角数据中的局部结构。此外,提出了一种基于相关熵的多视角低秩矩阵分解(CMLMF)模型,该模型与自适应图学习框架相结合,以提取数据的全局重构信息。最后,设计了一种结合芬切尔共轭(FC)和块坐标更新(BCU)的有效优化算法来求解该模型。实验结果表明,与现有方法相比,CMLMF的准确性(ACC)、归一化互信息(NMI)和精度(Precision)有了很大的提高,其有效性得到验证。 展开更多
关键词 低秩矩阵分解 半监督学习(SSL) 多视角聚类 最大相关熵准则(MCC)
在线阅读 下载PDF
放射多组学协同学习预测鼻咽癌自适应放疗触发机制
3
作者 邱成羽 李兵 +9 位作者 林世杰 盛嘉宝 滕信智 张将 程煜婷 张馨匀 周塔 葛红 张远鹏 蔡璟 《智能系统学报》 CSCD 北大核心 2024年第1期58-66,共9页
针对传统的放射多组学(影像组学、剂量组学和轮廓组学)模型往往采用特征拼接的方式,容易忽略不同组学特定统计属性、产生过拟合的问题,提出了以一致性约束和自适应权重为核心构建的多组学协同学习算法(multi-omics collaborative learni... 针对传统的放射多组学(影像组学、剂量组学和轮廓组学)模型往往采用特征拼接的方式,容易忽略不同组学特定统计属性、产生过拟合的问题,提出了以一致性约束和自适应权重为核心构建的多组学协同学习算法(multi-omics collaborative learning,MOCL)。该算法采用一致性约束挖掘不同组学特征之间的互补模式,再通过香农熵自适应学习不同组学特征的权重,最后引入紧致度图来避免过拟合现象。通过将MOCL在311名鼻咽癌患者组成的临床影像数据上得到的实验结果与3种传统的机器学习算法以及2种多视角算法进行比较,结果表明MOCL在多组学协同学习上,具有一定的优势,能为鼻咽癌自适应放疗资格预测提供有价值的决策依据。 展开更多
关键词 数据融合 机器学习 特征提取 特征选择 预测 图像分析 自适应算法 鼻咽癌 多组学
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部