高灿
- 作品数：16 被引量：184H指数：4
- 供职机构：深圳大学计算机与软件学院更多>>
- 发文基金：国家自然科学基金中国博士后科学基金国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术理学文化科学更多>>
- 移动式织物疵点自动检测系统及其控制方法
- 本发明公开了一种移动式织物疵点自动检测系统及其控制方法。该系统包括：织布机的支架；悬挂在所述织布机支架上的导轨；安装在所述导轨上的与所述导轨一起在支架上左右移动的底座；布置在所述底座上随所述导轨一起左右移动的摄像机；控制...
- 黄伟强高灿
- 文献传递
- 粗糙集信度一致属性约简被引量：2
- 2012年
- 为了消除现有概率粗糙集模型约简过程中出现的诸多约简异常问题,通过引入对象最大信度概念,提出了非参与带参最大决策熵属性约简模型,阐明了带参最大决策熵测度的单调性,给出了带参最大决策熵核和相对不必要属性的定义,并分析了其约简与已有概率粗糙集模型约简的关系。其次将对象置信度引入差别矩阵,构建了带参与非参信度差别矩阵,讨论了其定义与经典差别矩阵对不确定对象刻画的差异性。最后运用实例验证了方法的有效性。
- 高灿苗夺谦张志飞张红云
- 关键词：属性约简
- 基于隐含狄列克雷分配的短文本分类方法
- 本具有特征非常稀疏和上下文依赖性强的特点，这为短文本分类带来了困难．为了综合考虑这两个问题，在隐含狄列克雷分配模型的基础上提出了一种短文本分类新方法，不但将共有词通过主题来区分上下文，而且将可区分词通过主题关联来减少稀疏...
- 张志飞苗夺谦高灿
- 基于Markov Blanket的模糊差别矩阵属性约简算法
- 2022年
- 模糊差别矩阵属性约简是一种广泛使用的模糊粗糙集属性约简方法。然而已有方法大多采用启发式贪婪策略,属性约简率低且约简质量差。本文结合Markov Blanket概念,提出基于模糊差别矩阵的属性约简算法。首先,为了避免约简选择过多属性的问题,提出了利用Markov Blanket性质的迭代后向删除属性约简算法,可以有效删除低频率的相对冗余属性。其次,提出了一种基于Markov Blanket的双向搜索启发式属性约简算法,通过迭代前向添加高频属性和后向删除低频率策略来提升属性约简计算效率。在UCI数据集上实验表明,相比于其他模糊差别矩阵算法,所提出的算法能得到更优的约简结果。
- 胡蝶怡周杰周杰
- 关键词：模糊粗糙集属性约简双向搜索
- 基于模糊邻域熵的多粒度离群点检测方法
- 2022年
- 离群点检测是数据挖掘和机器学习领域重要的研究方向之一,其目的是识别与其他样本表现显著不同的样本。本文提出了一种基于模糊邻域熵的多粒度离群点检测方法。首先,将模糊相似性引入邻域熵和相对熵,提出模糊邻域熵和相对模糊邻域熵的不确定性度量。其次,分析了模糊邻域熵和相对模糊邻域熵在逻辑和几何上的差异特性。最后,结合理想解法(TOPSIS)和多粒度序列提出了新的样本离群程度评判标准TFMME-OF(TOPSIS and Fuzzy Multigranulation Mixed Entropy-based Outlier Factor)。实验结果表明,该方法相较于其它同类方法有更好的离群点检测效果。
- 汪贝琪周杰周杰
- 关键词：离群点检测理想解法
- 动态一致自信的深度半监督学习
- 2022年
- 基于一致性正则化和熵最小化的深度半监督学习方法可以有效提升大型神经网络的性能,减少对标记数据的需求。然而,现有一致性正则化方法的正则损失没有考虑样本之间的差异及错误预测的负面影响,而熵最小化方法则不能灵活调节预测概率分布。首先,针对样本之间的差别以及错误预测带来的负面影响,提出了新的一致性损失函数,称为动态加权一致性正则化(DWCR),可以实现对无标记数据一致性损失的动态加权。其次,为了进一步调节预测概率分布,提出了新的促进低熵预测的损失函数,称为自信促进损失(SCPL),能灵活调节促进模型输出低熵预测的强度,实现类间的低密度分离,提升模型的分类性能。最后,结合动态加权一致性正则化、自信促进损失与有监督损失,提出了名为动态一致自信(DCC)的深度半监督学习方法。多个数据集上的实验表明,所提出方法的分类性能优于目前较先进的深度半监督学习算法。
- 李勇高灿刘子荣罗金涛
- 关键词：图像分类
- 移动式织物疵点自动检测系统
- 本实用新型公开了一种移动式织物疵点自动检测系统及其控制方法。该系统包括：织布机的支架；悬挂在所述织布机支架上的导轨；安装在所述导轨上的与所述导轨一起在支架上左右移动的底座；布置在所述底座上随所述导轨一起左右移动的摄像机；...
- 黄伟强高灿
- 文献传递
- 基于LDA主题模型的短文本分类方法被引量：73
- 2013年
- 针对短文本的特征稀疏性和上下文依赖性两个问题,提出一种基于隐含狄列克雷分配模型的短文本分类方法。利用模型生成的主题,一方面区分相同词的上下文,降低权重;另一方面关联不同词以减少稀疏性,增加权重。采用K近邻方法对自动抓取的网易页面标题数据进行分类,实验表明新方法在分类性能上比传统的向量空间模型和基于主题的相似性度量分别高5%和2.5%左右。
- 张志飞苗夺谦高灿
- 关键词：K近邻相似度
- 一种处理部分标记数据的粗糙集属性约简算法被引量：4
- 2017年
- 属性约简是粗糙集理论中重要的研究内容之一,是数据挖掘中知识获取的关键步骤。Pawlak粗糙集约简的对象一般是有标记的决策表或者是无标记的信息表。而在很多现实问题中有标记数据很有限,更多的是无标记数据,即半监督数据。为此,结合半监督协同学习理论,提出了处理半监督数据的属性约简算法。该算法首先在有标记数据上构造两个差异性较大的约简来构造基分类器;然后在无标记数据上交互协同学习,扩大有标记数据集,获得质量更好的约简,构造性能更好的分类器,该过程迭代进行,从而实现利用无标记数据提高有标记数据的约简质量,最终获得质量较好的属性约简。UCI数据集上的实验分析表明,该算法是有效且可行的。
- 张维苗夺谦高灿李峰
- 关键词：粗糙集半监督学习
- 一种基于正域的三支近似约简
- 2022年
- 属性约简是三支决策理论的重要研究内容之一。然而,现有基于三支决策的属性约简方法过于严格,限制了其属性约简的效率。文中提出了一种基于正域的三支近似属性约简方法。具体地,属性约简被视为根据条件属性与决策属性的相关性,将所有属性划分为正域、负域或边界域3类的过程。首先通过保留正域度量来去除负域属性,然后通过放松正域度量来迭代地排除一些边界属性,最后将剩余属性构成一个近似约简。UCI数据实验结果显示,与其他代表性的方法相比,所提方法能在保持甚至提升性能的同时获得更小的属性约简,说明了所提方法的有效性。
- 王志成高灿邢金明
- 关键词：粗糙集属性约简正域近似约简
