国家自然科学基金(60975026)
- 作品数：32 被引量：364H指数：8
- 相关作者：王晓丹权文姚旭张玉玺廖勇更多>>
- 相关机构：空军工程大学中国人民解放军95824部队中国人民解放军93897部队更多>>
- 发文基金：国家自然科学基金陕西省自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信理学更多>>
- 利用KKT条件与类边界包向量的SVM增量学习算法被引量：11
- 2010年
- 为实现对历史训练数据有选择地遗忘,并尽可能少地丢失训练样本集中的有用信息,分析了KKT条件与样本分布间的关系并得出了结论,给出了增量训练中当前训练样本集的构成。为了提高SVM增量训练速度,进一步利用训练样本集的几何结构信息对当前训练样本集进行约减,用约减后的当前训练样本集进行SVM增量训练,从而提出一种利用KKT条件与类边界包向量的快速SVM增量学习算法。实验结果表明,该算法在保持较高分类精度的同时提高了SVM增量学习速度。
- 吴崇明王晓丹白冬婴张宏达
- 关键词：支持向量机KKT条件
- 基于改进ReliefF算法的Honeynet告警日志分析被引量：1
- 2011年
- 针对蜜罐中数据分析系统的薄弱性,提出了基于PCA和改进的ReliefF方法的告警日志分析系统。通过主成分分析,去除特征之间的冗余性,能够有效降低算法的复杂性,再利用改进的ReliefF算法,选择出最能代表样本的特征,构成有效特征子集,实现特征的降维。该方法能够在保证较高分类精度的同时,显著提高分类速度,并在一定程度上实现了数据分析的智能化和自动化,实验结果表明了其正确性。
- 毕凯周炜蒋玉娇安和平
- 关键词：蜜罐蜜网RELIEFF
- 用于RBF-SVM参数搜索的伪梯度动态步长算法被引量：6
- 2010年
- 针对基于径向基核函数(RBF)的支持向量机(SVM)超参数选择问题,提出了一种基于差分方程的新算法——伪梯度动态步长算法。该算法根据径向基核函数的特点提出由训练集的空间特性确定的核参数搜索范围,并采用对数刻度表示搜索空间;利用参数空间中SVM在两个临近点的分类精度的变化估计参数的搜索方向,并且随着搜索方向的变化动态调整搜索步长,从而实现较快的搜索。通过与Grid和PSO方法的对比实验,表明该算法具有良好的性能。
- 张宏达王晓丹徐海龙
- 关键词：超参数支持向量机
- 基于文化算法多种群协作SVM选择集成算法
- 2013年
- 针对离散二进制粒子群(binary particle swarm optimization,BPSO)算法在解决SVM集成选择问题时容易早熟的问题,提出了一种文化算法架构下的多种群协作算法(Ca-MultiPop)。结合BPSO算法的快速演化能力,利用遗传算法(genetic algorithm,GA)增加种群的多样性;在两种进化算法中使用不同的适应度函数,兼顾了集成精度和基分类器之间的差异性。仿真结果表明,该算法在计算精度方面相对于BPSO算法在解决SVM集成选择问题时有所提高。
- 张朝阳李卫忠孟常亮
- 关键词：文化算法遗传算法支持向量机
- 基于混淆矩阵的自适应纠错输出编码多类分类方法被引量：11
- 2012年
- 利用纠错输出编码(error-correcting output code,ECOC)作为分解框架,把多类问题转化为二类问题进行求解,是目前解决多类分类的有效手段之一。如何构造基于数据的分解框架是应用此类方法的重点。为此,提出一种自适应纠错输出编码构造方法,利用混淆矩阵计算多类问题中各类别的相关性,基于Fisher准则找出最有利于分类的类别组合,最后根据组合方案构建类别的二类划分并最终形成输出编码。实验中分别对UCI数据集和3种一维距离像数据集进行测试,通过与几种经典的编码方法比较,结果表明该编码方法可以显著提高分类器的性能和稳健性。
- 周进登王晓丹周红建
- 关键词：模式识别多类分类纠错输出编码混淆矩阵FISHER准则
- 弹道导弹中段目标角度极化相关性分析
- 2015年
- 现代信息化战争条件下,随着相关技术的不断发展更新,弹道导弹中段目标的识别难度越来越大。近年来,极化特征在目标识别领域得到了广泛应用。本文首先采用建模仿真的方法获取了五类中段目标的动态全极化散射数据,然后在窄带和宽带两种雷达体制下分析了五类目标的角度极化相关性,仿真结果表明,角度极化相关性可用于目标的初识别;在此基础上,进一步研究了进动参数对目标极化相关性的影响,所得结论对目标的精细识别有一定的参考价值。
- 帅玮祎王晓丹宋亚飞雷蕾
- 关键词：窄带雷达宽带雷达
- 一种基于主动学习的SVM增量训练算法被引量：3
- 2010年
- 针对SVM训练学习过程中难以获得大量带有类标注样本的问题,提出一种基于距离比值不确定性抽样的主动SVM增量训练算法(DRB-ASVM),并将其应用于SVM增量训练.实验结果表明,在保证不影响分类精度的情况下,应用主动学习策略的SVM选择的标记样本数量大大低于随机选择的标记样本数量,从而降低了标记的工作量或代价,并且提高了训练速度.
- 徐海龙王晓丹廖勇权文
- 关键词：支持向量机
- Shearlet与改进PCNN相结合的图像融合被引量：22
- 2014年
- 为提高多聚焦和医学图像融合的性能,提出了一种基于Shearlet变换的新型图像融合算法。与小波变换类似,Shearlet具有简单的数学结构,这使其可以很方便地和多分辨分析关联起来。在对一幅图像作Shearlet变换时,可以将其在任意尺度和方向上进行解构,因而Shearlet比传统小波可以捕获更多的方向和其他几何信息。所以对于图像融合来说,Shearlet是一种很好选择。对于Shearlet子带系数的选择,采用了一种改进的PCNN的点火幅度来得到融合策略,而不是传统PCNN方法中的点火次数,点火幅度通过一个Sigmoid函数来得到。并且采用改进拉普拉斯能量和(SML)这一有效的聚焦度量作为PCNN的输入,以提高其性能。实验结果表明,该方法在视觉效果和客观评价指标上都要优于小波和非下采样Contourle(tNSCT)方法。
- 廖勇黄文龙尚琳李鹏
- 关键词：SHEARLET变换图像融合
- 基于正则化互信息和差异度的集成特征选择被引量：3
- 2013年
- 如何构造差异性大的基分类器是集成学习研究的重点,为此提出迭代循环选择法:以最大化正则互信息为准则提取最优特征子集,进而基于此训练得到基分类器;同时以错分样本个数作为差异性度量准则来评价所得基分类器的性能,若满足条件则停止,反之则循环迭代直至结束。最后用加权投票法融合所选基分类器的识别结果。通过仿真实验验证算法的有效性,以支持向量机为分类器,在公共数据集UCI上进行实验,并与单SVM及经典的Bagging集成算法和特征Bagging集成算法进行对比。实验结果显示,该方法可获得较高的分类精度。
- 姚旭王晓丹张玉玺薛爱军
- 关键词：互信息
- 基于差异性度量的多分类器集成系统设计被引量：2
- 2010年
- 为了解决在分类器集成过程中分类性能要求高和集成过程复杂等问题,分析常规集成方法的优缺点,研究已有的分类器差异性度量方法,提出了筛选差异性尽可能大的分类器作为基分类器而构建的一个层级式分类器集成系统。构建不同的基分类器,选择准确率较高的备选,分析其差异性,选出差异大的分类器作为系统所需基分类器,构成集成系统。通过在UCI数据集上进行的试验,获得了很好的分类识别效果,验证了这种分类集成系统的优越性。
- 薛梅郑全弟
- 关键词：分类器多分类器集成
