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
6
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
构造型神经网络双交叉覆盖增量学习算法
被引量:
21
1
作者
陶品
张钹
叶榛
《软件学报》
EI
CSCD
北大核心
2003年第2期194-201,共8页
研究了基于覆盖的构造型神经网络(cover based constructive neural networks,简称CBCNN)中的双交叉覆盖增量学习算法(BiCovering algorithm,简称BiCA).根据CBCNN的基本思想,该算法进一步通过构造多个正反覆盖簇,使得网络在首次构造完...
研究了基于覆盖的构造型神经网络(cover based constructive neural networks,简称CBCNN)中的双交叉覆盖增量学习算法(BiCovering algorithm,简称BiCA).根据CBCNN的基本思想,该算法进一步通过构造多个正反覆盖簇,使得网络在首次构造完成后还可以不断地修改与优化神经网络的参数与结构,增加或删除网络中的节点,进行增量学习.通过分析认为,BiCA学习算法不但保留了CBCNN网络的优点与特点,而且实现了增量学习并提高了CBCNN网络的泛化能力.仿真实验结果显示,该增量学习算法在神经网络初始分类能力较差的情况下具有快速学习能力,并且对样本的学习顺序不敏感.
展开更多
关键词
构造型神经网络
双交叉覆盖增量学习算法
人工神经网络
模式识别
下载PDF
职称材料
构造性覆盖方法的增量学习算法
被引量:
3
2
作者
张燕平
杜玲
赵姝
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2009年第5期699-704,共6页
构造性机器学习方法——覆盖算法学习速度快、复杂度低、可解释性强,能有效地解决有导师学习问题,并取得了很好的效果,但构造神经元的权值即取新覆盖中心时通常人为地给定一个准则,并未遵循样本的分布特征求得最优解.由此采用佳点集理...
构造性机器学习方法——覆盖算法学习速度快、复杂度低、可解释性强,能有效地解决有导师学习问题,并取得了很好的效果,但构造神经元的权值即取新覆盖中心时通常人为地给定一个准则,并未遵循样本的分布特征求得最优解.由此采用佳点集理论求取覆盖中心,以改进覆盖算法.针对大规模或动态数据集的分类问题,将构造性覆盖方法与增量学习的思想相结合,提出了构造性覆盖方法的增量学习算法.该算法利用改进的覆盖算法作为基础学习器,通过连续地对新增样本进行测试而反复不断地提炼已有模型,体现了对样本的"渐近式"学习.对标准数据集的实验结果表明,这种增量学习算法是有效的.
展开更多
关键词
构造性机器
学习
方法
覆盖
算法
佳点集
增量
学习
下载PDF
职称材料
基于集成学习的覆盖算法
被引量:
1
3
作者
贾瑞玉
冯伦阔
+1 位作者
李永顺
张新建
《计算机技术与发展》
2009年第7期76-79,共4页
介绍了传统的领域覆盖算法和交叉算法,并分析它们各自存在的缺点以及造成这些缺点的原因。针对传统的领域覆盖算法存在的泛化能力不足以及交叉覆盖算法存在的正确率不高的问题,提出了一种新的改进算法——基于集成学习的覆盖算法(CABE)...
介绍了传统的领域覆盖算法和交叉算法,并分析它们各自存在的缺点以及造成这些缺点的原因。针对传统的领域覆盖算法存在的泛化能力不足以及交叉覆盖算法存在的正确率不高的问题,提出了一种新的改进算法——基于集成学习的覆盖算法(CABE)。CABE是利用集成学习来整合交叉覆盖算法和领域覆盖算法,是通过对领域覆盖算法中的拒识样本的处理来提升算法的精度。使用UCI数据集进行实验,实验结果表明,改进的算法提高了算法分类的精度。
展开更多
关键词
覆盖
算法
集成
学习
交叉
覆盖
集成
覆盖
下载PDF
职称材料
覆盖学习的道路优化算法
被引量:
5
4
作者
严晨
李凡长
《软件学报》
EI
CSCD
北大核心
2015年第11期2781-2794,共14页
在之前的研究中,已经针对李群多连通空间上具有不同类别特征的研究对象,提出了多连通覆盖学习算法,成功地将覆盖学习应用到多连通李群空间.主要针对多连通覆盖学习算法中连通道路的交叉问题,考虑在李群空间上寻找一条测地曲线,使得映射...
在之前的研究中,已经针对李群多连通空间上具有不同类别特征的研究对象,提出了多连通覆盖学习算法,成功地将覆盖学习应用到多连通李群空间.主要针对多连通覆盖学习算法中连通道路的交叉问题,考虑在李群空间上寻找一条测地曲线,使得映射后不同单连通空间上的道路的关联度最小化、同一单连通空间上的道路的关联度最大化,从而实现连通空间上类别判别性能的优化.首先回顾李群连通性质的相关知识;然后,简单介绍了多连通覆盖学习算法,并针对问题给出新的优化算法;最终,通过与经典覆盖学习算法、李群均值算法以及原始算法的比较实验,证明了该优化算法具有更好的分类性能.
展开更多
关键词
覆盖
学习
多连通李群
多连通
覆盖
学习
算法
道路优化
道路
交叉
下载PDF
职称材料
多李群覆盖学习优化算法
被引量:
1
5
作者
吴鲁辉
李凡长
张莉
《计算机科学》
CSCD
北大核心
2018年第1期108-112,共5页
目前,已针对李群多连通空间上的道路交叉问题提出了多李群核覆盖学习算法,降低了道路交叉情况,使得分类正确率有了显著提高。但是,核学习算法的性能依赖于核函数的选择。考虑利用李群同态映射将原始李群样本映射到目标李群空间中,使在...
目前,已针对李群多连通空间上的道路交叉问题提出了多李群核覆盖学习算法,降低了道路交叉情况,使得分类正确率有了显著提高。但是,核学习算法的性能依赖于核函数的选择。考虑利用李群同态映射将原始李群样本映射到目标李群空间中,使在目标李群空间中不同单连通空间上的道路的关联度最小化,同一单连通空间上的道路的关联度最大化,从而减少道路交叉问题。
展开更多
关键词
李群
覆盖
学习
道路
交叉
核
学习
算法
下载PDF
职称材料
基于构造性学习方法的车牌定位
被引量:
2
6
作者
段震
姚芳兵
张铃
《微机发展》
2004年第8期41-43,46,共4页
汽车牌照的定位是智能交通系统中的重要组成部分之一,其定位效果直接关系到后期的识别工作,应用前景广阔。为了有效实现车牌的准确定位,文中首先在灰度图像中基于提取部分怀疑区域,然后使用基于构造性学习的交叉覆盖算法,对区域样本进...
汽车牌照的定位是智能交通系统中的重要组成部分之一,其定位效果直接关系到后期的识别工作,应用前景广阔。为了有效实现车牌的准确定位,文中首先在灰度图像中基于提取部分怀疑区域,然后使用基于构造性学习的交叉覆盖算法,对区域样本进行学习后构造出对应的神经网络,然后使用该网络对新进样本进行定位,从怀疑区域中确定出牌照的位置。对不同背景和光照条件下的大量实验结果表明定位准确率较高,从而该方法可行有效,有较强的实用价值。
展开更多
关键词
构造性机器
学习
交叉
覆盖
算法
汽车牌照
定位
下载PDF
职称材料
题名
构造型神经网络双交叉覆盖增量学习算法
被引量:
21
1
作者
陶品
张钹
叶榛
机构
清华大学计算机科学与技术系
清华大学智能技术与系统国家重点实验室
出处
《软件学报》
EI
CSCD
北大核心
2003年第2期194-201,共8页
基金
国家自然科学基金
国家重点基础研究发展规划(973)~~
文摘
研究了基于覆盖的构造型神经网络(cover based constructive neural networks,简称CBCNN)中的双交叉覆盖增量学习算法(BiCovering algorithm,简称BiCA).根据CBCNN的基本思想,该算法进一步通过构造多个正反覆盖簇,使得网络在首次构造完成后还可以不断地修改与优化神经网络的参数与结构,增加或删除网络中的节点,进行增量学习.通过分析认为,BiCA学习算法不但保留了CBCNN网络的优点与特点,而且实现了增量学习并提高了CBCNN网络的泛化能力.仿真实验结果显示,该增量学习算法在神经网络初始分类能力较差的情况下具有快速学习能力,并且对样本的学习顺序不敏感.
关键词
构造型神经网络
双交叉覆盖增量学习算法
人工神经网络
模式识别
Keywords
pattern recognition
neural network
machine learning
cover
incremental learning
分类号
TP183 [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
构造性覆盖方法的增量学习算法
被引量:
3
2
作者
张燕平
杜玲
赵姝
机构
安徽大学计算机科学与技术学院
出处
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2009年第5期699-704,共6页
基金
"973"计划(2004CB318108
2007CB311003)
+4 种基金
国家自然科学基金(60675031)
中国博士后科学基金(20070411028)
安徽省高等学校优秀青年人才基金(2009SQRZ020ZD)
安徽大学"211"工程学术创新团队
安徽大学人才队伍建设基金
文摘
构造性机器学习方法——覆盖算法学习速度快、复杂度低、可解释性强,能有效地解决有导师学习问题,并取得了很好的效果,但构造神经元的权值即取新覆盖中心时通常人为地给定一个准则,并未遵循样本的分布特征求得最优解.由此采用佳点集理论求取覆盖中心,以改进覆盖算法.针对大规模或动态数据集的分类问题,将构造性覆盖方法与增量学习的思想相结合,提出了构造性覆盖方法的增量学习算法.该算法利用改进的覆盖算法作为基础学习器,通过连续地对新增样本进行测试而反复不断地提炼已有模型,体现了对样本的"渐近式"学习.对标准数据集的实验结果表明,这种增量学习算法是有效的.
关键词
构造性机器
学习
方法
覆盖
算法
佳点集
增量
学习
Keywords
structural machine learning method, covering algorithm, good-point-set, increment learning
分类号
TP181 [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
基于集成学习的覆盖算法
被引量:
1
3
作者
贾瑞玉
冯伦阔
李永顺
张新建
机构
安徽大学计算智能与信号处理教育部重点实验室
安徽大学计算机科学与技术学院
出处
《计算机技术与发展》
2009年第7期76-79,共4页
基金
安徽省自然科学研究项目(kj2008B092)
文摘
介绍了传统的领域覆盖算法和交叉算法,并分析它们各自存在的缺点以及造成这些缺点的原因。针对传统的领域覆盖算法存在的泛化能力不足以及交叉覆盖算法存在的正确率不高的问题,提出了一种新的改进算法——基于集成学习的覆盖算法(CABE)。CABE是利用集成学习来整合交叉覆盖算法和领域覆盖算法,是通过对领域覆盖算法中的拒识样本的处理来提升算法的精度。使用UCI数据集进行实验,实验结果表明,改进的算法提高了算法分类的精度。
关键词
覆盖
算法
集成
学习
交叉
覆盖
集成
覆盖
Keywords
cover algorithm
ensemble lcaming
cross cover algorithm
ensemble cower algorithm
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
覆盖学习的道路优化算法
被引量:
5
4
作者
严晨
李凡长
机构
苏州大学计算机科学与技术学院
出处
《软件学报》
EI
CSCD
北大核心
2015年第11期2781-2794,共14页
基金
国家自然科学基金(61033013)
东吴学者计划(14317360)
文摘
在之前的研究中,已经针对李群多连通空间上具有不同类别特征的研究对象,提出了多连通覆盖学习算法,成功地将覆盖学习应用到多连通李群空间.主要针对多连通覆盖学习算法中连通道路的交叉问题,考虑在李群空间上寻找一条测地曲线,使得映射后不同单连通空间上的道路的关联度最小化、同一单连通空间上的道路的关联度最大化,从而实现连通空间上类别判别性能的优化.首先回顾李群连通性质的相关知识;然后,简单介绍了多连通覆盖学习算法,并针对问题给出新的优化算法;最终,通过与经典覆盖学习算法、李群均值算法以及原始算法的比较实验,证明了该优化算法具有更好的分类性能.
关键词
覆盖
学习
多连通李群
多连通
覆盖
学习
算法
道路优化
道路
交叉
Keywords
covering learning
multiply connected Lie group
multiply connected covering learning algorithm
path optimization
road intersection
分类号
TP181 [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
多李群覆盖学习优化算法
被引量:
1
5
作者
吴鲁辉
李凡长
张莉
机构
苏州大学计算机科学与技术学院
出处
《计算机科学》
CSCD
北大核心
2018年第1期108-112,共5页
文摘
目前,已针对李群多连通空间上的道路交叉问题提出了多李群核覆盖学习算法,降低了道路交叉情况,使得分类正确率有了显著提高。但是,核学习算法的性能依赖于核函数的选择。考虑利用李群同态映射将原始李群样本映射到目标李群空间中,使在目标李群空间中不同单连通空间上的道路的关联度最小化,同一单连通空间上的道路的关联度最大化,从而减少道路交叉问题。
关键词
李群
覆盖
学习
道路
交叉
核
学习
算法
Keywords
Lie group
Covering learning algorithm
Road cross
Kernel learning algorithm
分类号
TP181 [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
基于构造性学习方法的车牌定位
被引量:
2
6
作者
段震
姚芳兵
张铃
机构
安徽大学智能计算与信号处理重点实验室
出处
《微机发展》
2004年第8期41-43,46,共4页
基金
国家自然科学基金科研基金资助项目(60175018
60135010)
安徽省教育厅自然科学研究基金资助项目(2002kj112)
文摘
汽车牌照的定位是智能交通系统中的重要组成部分之一,其定位效果直接关系到后期的识别工作,应用前景广阔。为了有效实现车牌的准确定位,文中首先在灰度图像中基于提取部分怀疑区域,然后使用基于构造性学习的交叉覆盖算法,对区域样本进行学习后构造出对应的神经网络,然后使用该网络对新进样本进行定位,从怀疑区域中确定出牌照的位置。对不同背景和光照条件下的大量实验结果表明定位准确率较高,从而该方法可行有效,有较强的实用价值。
关键词
构造性机器
学习
交叉
覆盖
算法
汽车牌照
定位
Keywords
structural machine learning
alternative covering algorithm
car plate
location
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
作者
出处
发文年
被引量
操作
1
构造型神经网络双交叉覆盖增量学习算法
陶品
张钹
叶榛
《软件学报》
EI
CSCD
北大核心
2003
21
下载PDF
职称材料
2
构造性覆盖方法的增量学习算法
张燕平
杜玲
赵姝
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2009
3
下载PDF
职称材料
3
基于集成学习的覆盖算法
贾瑞玉
冯伦阔
李永顺
张新建
《计算机技术与发展》
2009
1
下载PDF
职称材料
4
覆盖学习的道路优化算法
严晨
李凡长
《软件学报》
EI
CSCD
北大核心
2015
5
下载PDF
职称材料
5
多李群覆盖学习优化算法
吴鲁辉
李凡长
张莉
《计算机科学》
CSCD
北大核心
2018
1
下载PDF
职称材料
6
基于构造性学习方法的车牌定位
段震
姚芳兵
张铃
《微机发展》
2004
2
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