刘晟
- 作品数：3 被引量：4H指数：1
- 供职机构：江苏大学计算机科学与通信工程学院更多>>
- 发文基金：江苏省“六大人才高峰”高层次人才项目江苏省“青蓝工程”基金资助项目江苏省“青蓝工程”基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于Cascade的增量式组合分类算法研究
- 2009年
- 利用Learn++思想对Cascade组合分类器进行了改进,提出了一种基于Cascade的增量式组合分类算法,并将之应用到肝脏图像的分类中。实验结果表明,与原有组合分类器相比,该增量式组合分类方法可以在保证分类准确度的前提下有效地提高新增样本的学习效率。
- 欧吉顺朱玉全陈耿刘晟
- 关键词：多分类器组合增量式更新BOOSTING
- 基于高维几何特征的孤立点检测算法
- 2011年
- 针对孤立点检测算法不能较好地模拟人工检测过程、未充分考虑待测数据周围样本分布的问题,提出了一种孤立点检测算法DD-SVDD.该算法综合考虑待测样本与目标样本之间的距离,以及待测样本所在区域样本的分布信息,结合距离和平均密度来确定高维特征空间中决策边界附近待测数据的类别.在训练阶段,考虑了决策边界附近目标训练样本的分布,预留训练样本集中边界的部分目标样本并计算其平均密度;在预测阶段,综合使用距离与平均密度对待测样本的归属进行判断.进行了算法的推导,给出了训练阶段、检测阶段的伪代码,并基于UCI机器学习库中的数据进行试验.结果表明,DD-SVDD算法具有有效性,并能达到较高的识别率.
- 朱玉全刘晟孙金津
- 关键词：孤立点检测支持向量数据描述
- 基于核空间相对密度的SVDD多类分类算法被引量：4
- 2010年
- 针对现有基于支持向量数据描述(SVDD)的多类分类算法未能充分利用重叠区域样本分布信息等问题,提出了一种基于核空间相对密度的SVDD多类分类算法DM-SVDD。该算法首先由SVDD确定包围每类数据的最小超球,然后计算位于最小超球重叠区域中每个样本在其同类样本间的相对密度,最后以各类样本相对密度的均值为标准,对重叠区域内的待测样本进行分类。实验结果表明,算法DM-SVDD是可行有效的。
- 刘晟朱玉全孙金津
- 关键词：支持向量数据描述多类分类
