检索结果-维普期刊中文期刊服务平台

基于稀疏协同相关熵的鲁棒主成分分析: 1; 作者陈平刘珂菡 +2 位作者梁正友胡奇兴张远鹏《计算机科学》北大核心 2025年第10期134-143,共10页; 主成分分析(Principal Component Analysis,PCA)广泛应用于许多领域,但其对非高斯噪声很敏感。研究者们已经提出了许多鲁棒主成分分析(Robust PCA,RPCA)模型来处理这个问题。然而,这些方法只能处理一种类型的噪声,如特征域中的脉冲噪声... 展开更多; 关键词鲁棒主成分分析相关熵背景重建人脸建模; 在线阅读下载PDF 职称材料

基于伪标签细化的域适应TSK模糊分类器: 2; 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... 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 职称材料

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: 3; 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... 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 职称材料

放射多组学协同学习预测鼻咽癌自适应放疗触发机制被引量：2: 4; 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... 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 职称材料

题名基于稀疏协同相关熵的鲁棒主成分分析: 1; 作者陈平刘珂菡梁正友胡奇兴张远鹏; 机构广西大学计算机、电子与信息学院成都信息工程大学南通大学医学信息学系香港理工大学健康科技与资讯学系; 出处《计算机科学》北大核心 2025年第10期134-143,共10页; 基金国家自然科学基金(12101090) 四川省科技厅资助项目(2023NSFSC1425,2023NSFSC0071,2023NSFSC1362) 2023成都信息工程大学科技创新能力提升计划创新团队重点项目(KYTD202322)。; 文摘主成分分析(Principal Component Analysis,PCA)广泛应用于许多领域,但其对非高斯噪声很敏感。研究者们已经提出了许多鲁棒主成分分析(Robust PCA,RPCA)模型来处理这个问题。然而,这些方法只能处理一种类型的噪声,如特征域中的脉冲噪声或样本域中的异常值。为此,提出了一种基于稀疏协同相关熵的RPCA模型(SCPCA),该模型对脉冲噪声和离群值同时具有鲁棒性。在此基础上,提出了一种基于Fenchel共轭和加速块坐标更新(Block Coordinate Update,BCU)策略的迭代算法。在聚类、背景重建和人脸建模方面进行了大量的实验来评估所提出的方法的鲁棒性。结果表明,在大多数情况下,所提出的方法优于目前先进的方法。; 关键词鲁棒主成分分析相关熵背景重建人脸建模; Keywords Robust principal component analysis Correntropy Background reconstruction Face Modeling; 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

题名基于伪标签细化的域适应TSK模糊分类器: 2; 作者张馨匀周琳家程煜婷邱成羽谢宇航陈秀张远鹏; 机构南通大学医学信息学系香港理工大学健康科技与资讯学系; 出处《智能系统学报》北大核心 2025年第3期557-570,共14页; 基金江苏省研究生研究实践创新计划项目(KYCX24_3561) 中国博士后科学基金资助项目(2023T160342) 国家自然科学基金项目(82072019)。; 文摘 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。; 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; Keywords domain adaptation Takagi-Sugeno-Kang fuzzy classifier random walking pseudo-label refinement fuzzy shared feature space unsupervised learning fuzzy rule transfer learning; 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: 3; 作者杜元花陈盼周楠施开波陈二阳张远鹏; 机构成都信息工程大学应用数学学院成都大学电子信息与电气工程学院南通大学医学信息学系香港理工大学健康科技与资讯学系; 出处《计算机科学》北大核心 2025年第S1期714-723,共10页; 基金国家自然科学基金(12101090) 2023年成都信息工程大学科技创新能力增强计划创新团队重点项目(KYTD202322) +1 种基金四川省科学技术厅资助项目(2023NSFSC1425,2023NSFSC0071,2023NSESC1362)。; 文摘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。; 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); Keywords Low-rank matrix factorization Semi-supervised learning(SSL) Multi-view clustering Maximum correntropy criterion(MCC); 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

题名放射多组学协同学习预测鼻咽癌自适应放疗触发机制被引量：2: 4; 作者邱成羽李兵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; 机构香港理工大学健康科技与资讯学系南通大学医学信息学系郑州大学附属肿瘤医院香港理工大学深圳研究院香港理工大学生物医学工程学系; 出处《智能系统学报》 CSCD 北大核心 2024年第1期58-66,共9页; 基金国家自然科学基金项目(82072019) 深圳市科技创新委员会深圳市基础研究计划(JCYJ20210324130209023) +5 种基金河南省科学技术研究项目(222102310322)。; 文摘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。; 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; Keywords data fusion machine learning feature extraction feature selection forecasting image analysis adaptive algorithms nasopharyngeal carcinoma multi-omic; 分类号 TP391.71 [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	基于稀疏协同相关熵的鲁棒主成分分析	陈平刘珂菡梁正友胡奇兴张远鹏	《计算机科学》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于伪标签细化的域适应TSK模糊分类器	张馨匀周琳家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	0	在线阅读下载PDF 职称材料
3	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	杜元花陈盼周楠施开波陈二阳张远鹏	《计算机科学》北大核心	2025	0	在线阅读下载PDF 职称材料
4	放射多组学协同学习预测鼻咽癌自适应放疗触发机制	邱成羽李兵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	2	在线阅读下载PDF 职称材料