期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
约束概念格及其构造方法
被引量:
14
1
作者
张继福
张素兰
胡立华
《智能系统学报》
2006年第2期31-38,共8页
概念格是一种有效的数据分析和知识提取的形式化工具.然而,随着要处理的数据量的剧增,基于原始形式背景构造出的概念格结点数目庞大,占用大的存储空间,同时概念格结点中一些属性集形成的内涵,用户并不都感兴趣,因而从中提取用户需求知...
概念格是一种有效的数据分析和知识提取的形式化工具.然而,随着要处理的数据量的剧增,基于原始形式背景构造出的概念格结点数目庞大,占用大的存储空间,同时概念格结点中一些属性集形成的内涵,用户并不都感兴趣,因而从中提取用户需求知识费时.为了降低概念格构造的时空复杂性,增强实用性和针对性,首先采用谓词逻辑描述用户感兴趣的背景知识,并将背景知识引入到概念格结构中,提出了一种新的概念格:约束概念格.在此基础上,提出了基于背景知识的约束概念格构造算法CCLA.理论分析表明,该算法能有效地减少概念格的存储空间和建格时间.最后,采用恒星天体光谱数据作为形式背景,实验验证了该算法的有效性.
展开更多
关键词
数据挖掘
约束概念格
谓词逻辑
背景知识
恒星光谱数据
下载PDF
职称材料
流形判别分析和支持向量机的恒星光谱数据自动分类方法
被引量:
3
2
作者
刘忠宝
王召巴
赵文娟
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2014年第1期263-266,共4页
尽管经典的分类方法支持向量机SVM在天文学领域广泛应用,但其只考虑类间的绝对间隔而忽略类内的分布性状,因而分类性能有待于进一步提升。鉴于此,提出一种新颖的基于流形判别分析和支持向量机的恒星光谱数据自动分类方法。该方法引入流...
尽管经典的分类方法支持向量机SVM在天文学领域广泛应用,但其只考虑类间的绝对间隔而忽略类内的分布性状,因而分类性能有待于进一步提升。鉴于此,提出一种新颖的基于流形判别分析和支持向量机的恒星光谱数据自动分类方法。该方法引入流形判别分析的两个重要概念:基于流形的类内离散度MW和基于流形的类间离散度MB。所提方法找到的分类面同时保证MW最小且MB最大。可建立相应最优化问题,然后将原最优化问题转化为QP对偶形式求得支持向量和判别函数,最后利用判别函数判断测试样本的类属。该方法的最大优势在于进行分类决策时,不仅考虑样本的类间信息和分布特征,而且还保持了各类的局部流形结构。SDSS恒星光谱数据上的比较实验表明该方法的有效性。
展开更多
关键词
自动分类
恒星光谱数据
流形判别分析
支持向量机
下载PDF
职称材料
基于流形模糊双支持向量机的恒星光谱分类方法
被引量:
4
3
作者
刘忠宝
高艳云
王建珍
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2015年第1期263-266,共4页
支持向量机(support vector machine,SVM)具有良好的学习性能和泛化能力,因而被广泛应用于恒星光谱分类中。然而实际应用面临的数据规模往往很大,SVM便暴露出计算量大、分类速度慢等问题。为了解决上述问题,Jayadeva等提出双支持向量机(...
支持向量机(support vector machine,SVM)具有良好的学习性能和泛化能力,因而被广泛应用于恒星光谱分类中。然而实际应用面临的数据规模往往很大,SVM便暴露出计算量大、分类速度慢等问题。为了解决上述问题,Jayadeva等提出双支持向量机(twin support vector machine,TWSVM),将计算时间减少至SVM的1/4。然后上述方法仅关注数据的全局特征,对每类数据的局部特征并未关注。鉴于此,提出基于流形模糊双支持向量机(manifold fuzzy twin support vector machine,MF-TSVM)的恒星光谱分类方法。利用流形判别分析获得数据的全局特征和局部特征,模糊隶属度函数的引入将各类数据区别对待,尽可能减少噪声点和奇异点对分类结果的影响。与C-SVM,KNN等传统分类方法在SDSS恒星光谱数据集上的比较实验表明了该方法的有效性。
展开更多
关键词
自动分类
恒星光谱
流形判别分析
模糊隶属度
双支持向量机
下载PDF
职称材料
一种基于集合运算的分类规则处理方法
4
作者
杨海峰
冀英伟
《太原科技大学学报》
2011年第2期131-134,共4页
通过分析分类规则与训练集之间的映射关系,采用集合的相关运算寻找特征规则及相应特征集,从而消除分类规则集中存在的冗余,并在此基础上提出了基于集合运算的分类规则处理算法(PASO)。最后,以恒星光谱数据为背景,实验验证了该方法的正...
通过分析分类规则与训练集之间的映射关系,采用集合的相关运算寻找特征规则及相应特征集,从而消除分类规则集中存在的冗余,并在此基础上提出了基于集合运算的分类规则处理算法(PASO)。最后,以恒星光谱数据为背景,实验验证了该方法的正确性和可行性。
展开更多
关键词
数据挖掘
分类规则
集合
恒星光谱数据
下载PDF
职称材料
基于卷积神经网络的恒星光谱自动分类方法
被引量:
11
5
作者
石超君
邱波
+1 位作者
周亚同
段福庆
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2019年第4期1312-1316,共5页
恒星光谱自动分类是研究恒星光谱的基础内容,快速、准确自动识别、分类恒星光谱可提高搜寻特殊天体速度,对天文学研究有重大意义。目前我国大型巡天项目LAMOST每年发布数百万条光谱数据,对海量恒星光谱进行快速、准确自动识别与分类研...
恒星光谱自动分类是研究恒星光谱的基础内容,快速、准确自动识别、分类恒星光谱可提高搜寻特殊天体速度,对天文学研究有重大意义。目前我国大型巡天项目LAMOST每年发布数百万条光谱数据,对海量恒星光谱进行快速、准确自动识别与分类研究已成为天文学大数据分析与处理领域的研究热点之一。针对恒星光谱自动分类问题,提出一种基于卷积神经网络(CNN)的K和F型恒星光谱分类方法,并与支持向量机(SVM)、误差反向传播算法(BP)对比,采用交叉验证方法验证分类器性能。与传统方法相比CNN具有权值共享,减少模型学习参数;可直接对训练数据自动进行特征提取等优点。实验采用Tensorflow深度学习框架, Python3.5编程环境。K和F恒星光谱数据集采用国家天文台提供的LAMOST DR3数据。截取每条光谱波长范围为3 500~7 500Å部分,对光谱均匀采样生成数据集样本,采用min-max归一化方法对数据集样本进行归一化处理。CNN结构包括:输入层,卷积层C1,池化层S1,卷积层C2,池化层S2,卷积层C3,池化层S3,全连接层,输出层。输入层为一批K和F型恒星光谱相同的3 700个波长点处流量值。C1层设有10个大小为1×3步长为1的卷积核。S1层采用最大池化方法,采样窗口大小为1×2,无重叠采样,生成10张特征图,与C1层特征图数量相同,大小为C1层特征图的二分之一。C2层设有20个大小为1×2步长为1的卷积核,输出20张特征图。S2层对C2层20张特征图下采样输出20张特征图。C3层设有30个大小为1×3步长为1的卷积核,输出30张特征图。S3层对C3层30张特征图下采样输出30张特征图。全连接层神经元个数设置为50,每个神经元都与S3层的所有神经元连接。输出层神经元个数设置为2,输出分类结果。卷积层激活函数采用ReLU函数,输出层激活函数采用softmax函数。对比算法SVM类型为C-SVC,核函数采用径向基函数, BP算法设有3个隐藏层,每个隐藏层设有20, 40和20个神经元。数据集分为训练数据和测试数据,将训练数据的40%, 60%, 80%和100%作为5个训练集,测试数据作为测试集。分别将5个训练集放入模型中训练,共迭代8 000次,每次训练好的模型用测试集进行验证。对比实验采用100%的训练数据作为训练集,测试数据作为测试集。采用精确率、召回率、 F-score、准确率四个评价指标评价模型性能,对实验结果进行详细分析。分析结果表明CNN算法可对K和F型恒星光谱快速自动分类和筛选,训练集数据量越大,模型泛化能力越强,分类准确率越高。对比实验结果表明采用CNN算法对K和F型恒星光谱自动分类较传统机器学习SVM和BP算法自动分类准确率更高。
展开更多
关键词
恒星光谱
自动分类
卷积神经网络
交叉验证
评价指标
下载PDF
职称材料
题名
约束概念格及其构造方法
被引量:
14
1
作者
张继福
张素兰
胡立华
机构
太原科技大学计算机科学与技术学院
出处
《智能系统学报》
2006年第2期31-38,共8页
基金
国家自然科学基金资助项目(60573075).
文摘
概念格是一种有效的数据分析和知识提取的形式化工具.然而,随着要处理的数据量的剧增,基于原始形式背景构造出的概念格结点数目庞大,占用大的存储空间,同时概念格结点中一些属性集形成的内涵,用户并不都感兴趣,因而从中提取用户需求知识费时.为了降低概念格构造的时空复杂性,增强实用性和针对性,首先采用谓词逻辑描述用户感兴趣的背景知识,并将背景知识引入到概念格结构中,提出了一种新的概念格:约束概念格.在此基础上,提出了基于背景知识的约束概念格构造算法CCLA.理论分析表明,该算法能有效地减少概念格的存储空间和建格时间.最后,采用恒星天体光谱数据作为形式背景,实验验证了该算法的有效性.
关键词
数据挖掘
约束概念格
谓词逻辑
背景知识
恒星光谱数据
Keywords
data
mining
constrained concept lattice
predicate logic
background knowledge
star spectra data
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
流形判别分析和支持向量机的恒星光谱数据自动分类方法
被引量:
3
2
作者
刘忠宝
王召巴
赵文娟
机构
中北大学计算机与控制工程学院
中北大学信息与通信工程学院
山西大学商务学院信息学院
出处
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2014年第1期263-266,共4页
基金
国家自然科学基金项目(61202311)
山西省高等学校科技创新项目(20131112)资助
文摘
尽管经典的分类方法支持向量机SVM在天文学领域广泛应用,但其只考虑类间的绝对间隔而忽略类内的分布性状,因而分类性能有待于进一步提升。鉴于此,提出一种新颖的基于流形判别分析和支持向量机的恒星光谱数据自动分类方法。该方法引入流形判别分析的两个重要概念:基于流形的类内离散度MW和基于流形的类间离散度MB。所提方法找到的分类面同时保证MW最小且MB最大。可建立相应最优化问题,然后将原最优化问题转化为QP对偶形式求得支持向量和判别函数,最后利用判别函数判断测试样本的类属。该方法的最大优势在于进行分类决策时,不仅考虑样本的类间信息和分布特征,而且还保持了各类的局部流形结构。SDSS恒星光谱数据上的比较实验表明该方法的有效性。
关键词
自动分类
恒星光谱数据
流形判别分析
支持向量机
Keywords
Automatic classification
star spectra data
Manifold-based discriminant analysis (MDA)
Support vector machine(SVM)
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于流形模糊双支持向量机的恒星光谱分类方法
被引量:
4
3
作者
刘忠宝
高艳云
王建珍
机构
中北大学计算机与控制工程学院
河南信息统计学院人事处
山西大学商务学院信息学院
出处
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2015年第1期263-266,共4页
基金
山西省高等学校科技创新项目(2014142
20131112)资助
文摘
支持向量机(support vector machine,SVM)具有良好的学习性能和泛化能力,因而被广泛应用于恒星光谱分类中。然而实际应用面临的数据规模往往很大,SVM便暴露出计算量大、分类速度慢等问题。为了解决上述问题,Jayadeva等提出双支持向量机(twin support vector machine,TWSVM),将计算时间减少至SVM的1/4。然后上述方法仅关注数据的全局特征,对每类数据的局部特征并未关注。鉴于此,提出基于流形模糊双支持向量机(manifold fuzzy twin support vector machine,MF-TSVM)的恒星光谱分类方法。利用流形判别分析获得数据的全局特征和局部特征,模糊隶属度函数的引入将各类数据区别对待,尽可能减少噪声点和奇异点对分类结果的影响。与C-SVM,KNN等传统分类方法在SDSS恒星光谱数据集上的比较实验表明了该方法的有效性。
关键词
自动分类
恒星光谱
流形判别分析
模糊隶属度
双支持向量机
Keywords
Automatic classification
star spectra data
Manifold based discriminant analysis (MDA)
Fuzzy membership
Twin support vector machine (TWSVM)
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
一种基于集合运算的分类规则处理方法
4
作者
杨海峰
冀英伟
机构
太原科技大学计算机科学与技术学院
出处
《太原科技大学学报》
2011年第2期131-134,共4页
基金
太原科技大学青年科学基金(20083015)
文摘
通过分析分类规则与训练集之间的映射关系,采用集合的相关运算寻找特征规则及相应特征集,从而消除分类规则集中存在的冗余,并在此基础上提出了基于集合运算的分类规则处理算法(PASO)。最后,以恒星光谱数据为背景,实验验证了该方法的正确性和可行性。
关键词
数据挖掘
分类规则
集合
恒星光谱数据
Keywords
DM (
data
Mining) ,classification rule ,set ,
star spectra data
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
基于卷积神经网络的恒星光谱自动分类方法
被引量:
11
5
作者
石超君
邱波
周亚同
段福庆
机构
河北工业大学电子信息工程学院
北京师范大学信息科学与技术学院
出处
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2019年第4期1312-1316,共5页
基金
国家自然科学基金委员会-中国科学院天文联合基金项目(U1531242)资助
文摘
恒星光谱自动分类是研究恒星光谱的基础内容,快速、准确自动识别、分类恒星光谱可提高搜寻特殊天体速度,对天文学研究有重大意义。目前我国大型巡天项目LAMOST每年发布数百万条光谱数据,对海量恒星光谱进行快速、准确自动识别与分类研究已成为天文学大数据分析与处理领域的研究热点之一。针对恒星光谱自动分类问题,提出一种基于卷积神经网络(CNN)的K和F型恒星光谱分类方法,并与支持向量机(SVM)、误差反向传播算法(BP)对比,采用交叉验证方法验证分类器性能。与传统方法相比CNN具有权值共享,减少模型学习参数;可直接对训练数据自动进行特征提取等优点。实验采用Tensorflow深度学习框架, Python3.5编程环境。K和F恒星光谱数据集采用国家天文台提供的LAMOST DR3数据。截取每条光谱波长范围为3 500~7 500Å部分,对光谱均匀采样生成数据集样本,采用min-max归一化方法对数据集样本进行归一化处理。CNN结构包括:输入层,卷积层C1,池化层S1,卷积层C2,池化层S2,卷积层C3,池化层S3,全连接层,输出层。输入层为一批K和F型恒星光谱相同的3 700个波长点处流量值。C1层设有10个大小为1×3步长为1的卷积核。S1层采用最大池化方法,采样窗口大小为1×2,无重叠采样,生成10张特征图,与C1层特征图数量相同,大小为C1层特征图的二分之一。C2层设有20个大小为1×2步长为1的卷积核,输出20张特征图。S2层对C2层20张特征图下采样输出20张特征图。C3层设有30个大小为1×3步长为1的卷积核,输出30张特征图。S3层对C3层30张特征图下采样输出30张特征图。全连接层神经元个数设置为50,每个神经元都与S3层的所有神经元连接。输出层神经元个数设置为2,输出分类结果。卷积层激活函数采用ReLU函数,输出层激活函数采用softmax函数。对比算法SVM类型为C-SVC,核函数采用径向基函数, BP算法设有3个隐藏层,每个隐藏层设有20, 40和20个神经元。数据集分为训练数据和测试数据,将训练数据的40%, 60%, 80%和100%作为5个训练集,测试数据作为测试集。分别将5个训练集放入模型中训练,共迭代8 000次,每次训练好的模型用测试集进行验证。对比实验采用100%的训练数据作为训练集,测试数据作为测试集。采用精确率、召回率、 F-score、准确率四个评价指标评价模型性能,对实验结果进行详细分析。分析结果表明CNN算法可对K和F型恒星光谱快速自动分类和筛选,训练集数据量越大,模型泛化能力越强,分类准确率越高。对比实验结果表明采用CNN算法对K和F型恒星光谱自动分类较传统机器学习SVM和BP算法自动分类准确率更高。
关键词
恒星光谱
自动分类
卷积神经网络
交叉验证
评价指标
Keywords
star spectra data
Automatic classification
Convolutional neural network
Cross-validation
Evaluation index
分类号
P157.2 [天文地球—天文学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
约束概念格及其构造方法
张继福
张素兰
胡立华
《智能系统学报》
2006
14
下载PDF
职称材料
2
流形判别分析和支持向量机的恒星光谱数据自动分类方法
刘忠宝
王召巴
赵文娟
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2014
3
下载PDF
职称材料
3
基于流形模糊双支持向量机的恒星光谱分类方法
刘忠宝
高艳云
王建珍
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2015
4
下载PDF
职称材料
4
一种基于集合运算的分类规则处理方法
杨海峰
冀英伟
《太原科技大学学报》
2011
0
下载PDF
职称材料
5
基于卷积神经网络的恒星光谱自动分类方法
石超君
邱波
周亚同
段福庆
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2019
11
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部