一种基于属性分割的产生式/判别式混合分类器

为了利用产生式和判别式方法各自的优势,研究了基于属性分割的产生式/判别式混合分类模型框架,提出了一种基于属性分割的产生式/判别式混合分类器学习算法GDGA。其利用遗传算法,将属性集X划分为两个子集XG和XD,并相应地将训练集D垂直分割为两个子集DG和DD,在两个训练子集上分别学习产生式分类器和判别式分类器;最后将两个分类器合并形成一个混合分类器。实验结果表明,在大多数数据集上,混合分类器的分类正确率优于其成员分类器。在训练数据不足或数据属性分布不清楚的情况下,该混合分类器具有特别的优势。

基于属性分割的差分隐私异构多属性数据发布

针对现有多属性数据隐私发布方法无法兼顾属性的敏感性差异和计算效率低的问题,提出了一种基于属性分割的差分隐私异构多属性数据发布方法HMPrivBayes.首先,设计了满足差分隐私的谱聚类算法分割原始数据集,其中相似矩阵的生成借助于属性最大信息系数.其次,借助属性信息,该方法使用满足差分隐私的改进贝叶斯网络构建算法分别为每个数据子集构建贝叶斯网络.最后,以属性归一化风险熵为权重分配隐私预算,对贝叶斯网络提取的属性联合分布添加异构噪声扰动,实现了异构多属性数据保护.实验结果表明,HMPrivBayes可以在减少注入合成数据集中噪声量的同时,提高合成数据计算效率.

劳动力市场竞争与分割的再认识

马克思在《资本论》中所论述的劳动力买卖、平均利润与生产价格,都是以完全竞争或自由竞争为前提条件的。但是,马克思指出,这是一种"理论上的假定"。这就存在着如何把马克思抽象化的理论运用于活生生的现实的问题。在现实生活中,劳动力市场既有竞争的一面,又有分割的一面,而且二者往往是交错在一起的。

基于SVM最优决策面的决策树构造

针对决策树与SVM算法融合问题,提出一种基于SVM最优决策面(ODS)构造决策树的方法。通过研究ODS形状位置特征与其属性分类能力的关系以及属性分割点的数目、位置与决策树大小、分类误差的关系,给出基于ODS形状位置特征的属性重要性度量方法与属性最小分割点数的确定方法,进而得出了ODS逼近决策树决策面的误差模型,最终实现ODS对决策树决策面的有效逼近,并用于多类别决策树的构造。典型数据集的计算结果表明,与C4.5算法相比,所提出的决策树构造方法平均分类误差可减少60%以上,显著提高了决策树的泛化能力。

基于对象-属性空间分割技术的企业员工技能与知识体系构建方法

针对企业员工技能知识点确定及其与企业员工人员的针对性分类划分问题,提出了一种基于对象一属性空间分割技术的企业技能与知识体系构建方法。方法基于角色一业务活动矩阵和业务活动技能知识矩阵导出角色一技能知识矩阵,然后应用对象-属性空间分割技术最终得出合理的技能知识体系。