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
我国银行危机非线性系统SVM集成预警研究
被引量:
1
1
作者
潘闻闻
《金融理论与实践》
北大核心
2014年第6期18-22,共5页
银行系统的内在脆弱性是形成和聚集银行危机的主要因素,并可能导致严重的金融危机,因此对银行危机预警研究非常重要。银行危机是一个非线性系统,通过应用支持向量机集成原理,建立银行危机评价的SVM集成模型,依据评价等级对银行危机预警...
银行系统的内在脆弱性是形成和聚集银行危机的主要因素,并可能导致严重的金融危机,因此对银行危机预警研究非常重要。银行危机是一个非线性系统,通过应用支持向量机集成原理,建立银行危机评价的SVM集成模型,依据评价等级对银行危机预警评价指标进行分类,利用随机技术模拟生成样本,运用Bagging算法进行集成学习,通过对1991—2010年我国银行业经营数据进行实证分析,最终得到我国银行危机程度区间,可以对未来银行系统经营发展情况进行预测。
展开更多
关键词
银行危机
svm集成
BAGGING算法
预警
下载PDF
职称材料
基于SVM的多类分类集成
被引量:
2
2
作者
张红梅
高海华
王行愚
《华东理工大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2008年第5期734-739,共6页
为了解决单个SVM可能产生的泛化能力恶化问题以及当SVM采用一对多组合策略解决多类分类时可能产生的误差无界情况,本文采用Bagging方法构造了一个基于SVM的多类分类集成模型,利用MIT KDD 99数据集进行仿真实验,通过实验探讨了其中的两...
为了解决单个SVM可能产生的泛化能力恶化问题以及当SVM采用一对多组合策略解决多类分类时可能产生的误差无界情况,本文采用Bagging方法构造了一个基于SVM的多类分类集成模型,利用MIT KDD 99数据集进行仿真实验,通过实验探讨了其中的两个参数——训练样本数和单分类器个数对集成学习效果的影响,并将其与采用全部样本进行训练及部分样本进行训练的单分类器检测进行了比较。结果表明:集成学习算法能够有效降低采用全部样本进行训练所带来的计算复杂性,提高检测精度,而且也能够避免基于采样学习带来检测的不稳定性和低精度。
展开更多
关键词
svm集成
多类分类
Bagging(自助聚集)
入侵检测
下载PDF
职称材料
基于SVM动态集成的高光谱遥感图像分类
被引量:
7
3
作者
牛鹏
魏维
《计算机应用》
CSCD
北大核心
2010年第6期1590-1593,共4页
在Bagging支持向量机(SVM)的基础上,将动态分类器集选择技术用于SVM的集成学习,研究了SVM动态集成在高光谱遥感图像分类中的应用。结合高光谱数据特性,通过随机选取特征子空间和反馈学习改进了BaggingSVM方法;通过引进加性复合距离改善...
在Bagging支持向量机(SVM)的基础上,将动态分类器集选择技术用于SVM的集成学习,研究了SVM动态集成在高光谱遥感图像分类中的应用。结合高光谱数据特性,通过随机选取特征子空间和反馈学习改进了BaggingSVM方法;通过引进加性复合距离改善了K近邻局部空间的计算方法;通过将错分的训练样本添加到验证集增强了验证集样本的代表性。实验结果表明,与单个优化的SVM和其他常见的SVM集成方法相比,改进后的SVM动态集成分类精度最高,能有效地提高高光谱遥感图像的分类精度。
展开更多
关键词
高光谱
分类
动态分类器集选择
集成
学习
svm
动态
集成
下载PDF
职称材料
基于改进离散二进制粒子群的SVM选择集成算法
被引量:
1
4
作者
孟常亮
李卫忠
+1 位作者
廖勇
华继学
《计算机工程与应用》
CSCD
北大核心
2011年第28期166-168,231,共4页
针对基于离散二进制粒子群(BPSO)的SVM选择集成算法的分类精度不高,以及所选分类器个数过多等问题,利用改进的离散二进制粒子群算法(IBPSO)和SVM选择集成算法相结合,提出基于IBPSO的SVM选择集成算法。通过选用合适的适应度函数以及调节...
针对基于离散二进制粒子群(BPSO)的SVM选择集成算法的分类精度不高,以及所选分类器个数过多等问题,利用改进的离散二进制粒子群算法(IBPSO)和SVM选择集成算法相结合,提出基于IBPSO的SVM选择集成算法。通过选用合适的适应度函数以及调节因子k,进行多次仿真,实验表明,对由boostrap方式生成的SVM集合,基于IBPSO的SVM选择集成在精度和分类器个数方面均优于基于BPSO的SVM选择集成,证明了IBPSO算法的优越性。
展开更多
关键词
离散二进制粒子群
支持向量机(
svm
)选择
集成
适应度函数
调节因子
下载PDF
职称材料
基于支持向量机集成的蛋白质与维生素绑定位点预测
5
作者
朱非易
《现代电子技术》
北大核心
2015年第9期90-95,共6页
在蛋白质与维生素绑定位点预测问题中,小类样本和大类样本之间存在显著的不平衡性,传统的机器学习方法将不再适用。针对此问题,在多重随机下采样的基础上结合支持向量机(SVM)集成来预测蛋白质与维生素的绑定位点,采用了一种改进的Ada Bo...
在蛋白质与维生素绑定位点预测问题中,小类样本和大类样本之间存在显著的不平衡性,传统的机器学习方法将不再适用。针对此问题,在多重随机下采样的基础上结合支持向量机(SVM)集成来预测蛋白质与维生素的绑定位点,采用了一种改进的Ada Boost集成方法,称为MAda Boost集成。通过实验比较了不同的集成策略,其中MAda Boost集成效果最优。实验结果表明,采用随机下采样结合SVM集成将有效提高蛋白质维生素绑定位点预测的精度。
展开更多
关键词
蛋白质-维生素相互作用
绑定位点预测
多重随机下采样
svm集成
ADABOOST算法
下载PDF
职称材料
基于简单帧选择的显著性检测方法
被引量:
2
6
作者
徐屹伟
刘政怡
赵悉超
《计算机工程与应用》
CSCD
北大核心
2019年第20期177-183,191,共8页
提出了一种新颖的视频显著性检测方法。为了提取视频序列中具有高置信度的特征,根据输入帧和输入帧的初始显著图提出一种简单帧选择标准,并使用该简单选择标准挑选出视频序列中比较容易且准确提取前景对象的帧,从简单帧中获得鲁棒的前...
提出了一种新颖的视频显著性检测方法。为了提取视频序列中具有高置信度的特征,根据输入帧和输入帧的初始显著图提出一种简单帧选择标准,并使用该简单选择标准挑选出视频序列中比较容易且准确提取前景对象的帧,从简单帧中获得鲁棒的前景背景标签;将图像进行超像素分割,提取时空特征与前景标签输入集成学习模型,经过多核SVM集成学习,最终生成像素级别的显著图,并且由运动特征扩散到整个视频集。各种视频序列的实验结果表明,该算法在定性和定量上优于传统的显着性检测算法。
展开更多
关键词
简单帧选择
显著性检测
多核
svm集成
学习
下载PDF
职称材料
题名
我国银行危机非线性系统SVM集成预警研究
被引量:
1
1
作者
潘闻闻
机构
上海发展改革研究院金融研究所
出处
《金融理论与实践》
北大核心
2014年第6期18-22,共5页
文摘
银行系统的内在脆弱性是形成和聚集银行危机的主要因素,并可能导致严重的金融危机,因此对银行危机预警研究非常重要。银行危机是一个非线性系统,通过应用支持向量机集成原理,建立银行危机评价的SVM集成模型,依据评价等级对银行危机预警评价指标进行分类,利用随机技术模拟生成样本,运用Bagging算法进行集成学习,通过对1991—2010年我国银行业经营数据进行实证分析,最终得到我国银行危机程度区间,可以对未来银行系统经营发展情况进行预测。
关键词
银行危机
svm集成
BAGGING算法
预警
分类号
F832.0 [经济管理—金融学]
下载PDF
职称材料
题名
基于SVM的多类分类集成
被引量:
2
2
作者
张红梅
高海华
王行愚
机构
华东理工大学信息科学与工程学院
桂林电子科技大学信息与通信学院
出处
《华东理工大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2008年第5期734-739,共6页
基金
国家自然科学基金(60543005,60674089)
教育部高校博士点基金(20040251010)
广西青年科学基金项目(桂科青0728091)
文摘
为了解决单个SVM可能产生的泛化能力恶化问题以及当SVM采用一对多组合策略解决多类分类时可能产生的误差无界情况,本文采用Bagging方法构造了一个基于SVM的多类分类集成模型,利用MIT KDD 99数据集进行仿真实验,通过实验探讨了其中的两个参数——训练样本数和单分类器个数对集成学习效果的影响,并将其与采用全部样本进行训练及部分样本进行训练的单分类器检测进行了比较。结果表明:集成学习算法能够有效降低采用全部样本进行训练所带来的计算复杂性,提高检测精度,而且也能够避免基于采样学习带来检测的不稳定性和低精度。
关键词
svm集成
多类分类
Bagging(自助聚集)
入侵检测
Keywords
svm
ensemble
multi-class classification
Bagging (Boostsrap aggregation)
intrusion detection
分类号
TP393 [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SVM动态集成的高光谱遥感图像分类
被引量:
7
3
作者
牛鹏
魏维
机构
西安通信学院通信装备管理系
出处
《计算机应用》
CSCD
北大核心
2010年第6期1590-1593,共4页
文摘
在Bagging支持向量机(SVM)的基础上,将动态分类器集选择技术用于SVM的集成学习,研究了SVM动态集成在高光谱遥感图像分类中的应用。结合高光谱数据特性,通过随机选取特征子空间和反馈学习改进了BaggingSVM方法;通过引进加性复合距离改善了K近邻局部空间的计算方法;通过将错分的训练样本添加到验证集增强了验证集样本的代表性。实验结果表明,与单个优化的SVM和其他常见的SVM集成方法相比,改进后的SVM动态集成分类精度最高,能有效地提高高光谱遥感图像的分类精度。
关键词
高光谱
分类
动态分类器集选择
集成
学习
svm
动态
集成
Keywords
hyperspectral
classification
dynamic ensemble selection
ensemble learning
dynamic
svm
ensemble
分类号
TP751.1 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于改进离散二进制粒子群的SVM选择集成算法
被引量:
1
4
作者
孟常亮
李卫忠
廖勇
华继学
机构
空军工程大学导弹学院
中国人民解放军
出处
《计算机工程与应用》
CSCD
北大核心
2011年第28期166-168,231,共4页
基金
国家自然科学基金(No.60975026)
陕西省自然科学基金(No.2007F19)~~
文摘
针对基于离散二进制粒子群(BPSO)的SVM选择集成算法的分类精度不高,以及所选分类器个数过多等问题,利用改进的离散二进制粒子群算法(IBPSO)和SVM选择集成算法相结合,提出基于IBPSO的SVM选择集成算法。通过选用合适的适应度函数以及调节因子k,进行多次仿真,实验表明,对由boostrap方式生成的SVM集合,基于IBPSO的SVM选择集成在精度和分类器个数方面均优于基于BPSO的SVM选择集成,证明了IBPSO算法的优越性。
关键词
离散二进制粒子群
支持向量机(
svm
)选择
集成
适应度函数
调节因子
Keywords
Binary Particle Swarm Optimization(BPSO)
Support Vector Maehine(
svm
) selection ensemble
fitness function
regulatory factor
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
基于支持向量机集成的蛋白质与维生素绑定位点预测
5
作者
朱非易
机构
南京理工大学计算机科学与工程学院
出处
《现代电子技术》
北大核心
2015年第9期90-95,共6页
基金
江苏省自然科学基金-面上项目:面向蛋白质生物计算的特征抽取及动态学习模型研究(BK20141403)
文摘
在蛋白质与维生素绑定位点预测问题中,小类样本和大类样本之间存在显著的不平衡性,传统的机器学习方法将不再适用。针对此问题,在多重随机下采样的基础上结合支持向量机(SVM)集成来预测蛋白质与维生素的绑定位点,采用了一种改进的Ada Boost集成方法,称为MAda Boost集成。通过实验比较了不同的集成策略,其中MAda Boost集成效果最优。实验结果表明,采用随机下采样结合SVM集成将有效提高蛋白质维生素绑定位点预测的精度。
关键词
蛋白质-维生素相互作用
绑定位点预测
多重随机下采样
svm集成
ADABOOST算法
Keywords
protein-vitamin interaction
binding site prediction
multiple random sampling
svm
ensemble
AdaBoost al-gorithm
分类号
TN911-34 [电子电信—通信与信息系统]
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
基于简单帧选择的显著性检测方法
被引量:
2
6
作者
徐屹伟
刘政怡
赵悉超
机构
安徽大学计算智能与信号处理实验室
安徽大学计算机学院
出处
《计算机工程与应用》
CSCD
北大核心
2019年第20期177-183,191,共8页
基金
国家科技支撑计划项目(No.2015BAK24B00)
安徽高校省级自然科学研究项目(No.KJ2015A009)
文摘
提出了一种新颖的视频显著性检测方法。为了提取视频序列中具有高置信度的特征,根据输入帧和输入帧的初始显著图提出一种简单帧选择标准,并使用该简单选择标准挑选出视频序列中比较容易且准确提取前景对象的帧,从简单帧中获得鲁棒的前景背景标签;将图像进行超像素分割,提取时空特征与前景标签输入集成学习模型,经过多核SVM集成学习,最终生成像素级别的显著图,并且由运动特征扩散到整个视频集。各种视频序列的实验结果表明,该算法在定性和定量上优于传统的显着性检测算法。
关键词
简单帧选择
显著性检测
多核
svm集成
学习
Keywords
simple frame selection
saliency detection
multi-kernel
svm
bootstrap learning
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
作者
出处
发文年
被引量
操作
1
我国银行危机非线性系统SVM集成预警研究
潘闻闻
《金融理论与实践》
北大核心
2014
1
下载PDF
职称材料
2
基于SVM的多类分类集成
张红梅
高海华
王行愚
《华东理工大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2008
2
下载PDF
职称材料
3
基于SVM动态集成的高光谱遥感图像分类
牛鹏
魏维
《计算机应用》
CSCD
北大核心
2010
7
下载PDF
职称材料
4
基于改进离散二进制粒子群的SVM选择集成算法
孟常亮
李卫忠
廖勇
华继学
《计算机工程与应用》
CSCD
北大核心
2011
1
下载PDF
职称材料
5
基于支持向量机集成的蛋白质与维生素绑定位点预测
朱非易
《现代电子技术》
北大核心
2015
0
下载PDF
职称材料
6
基于简单帧选择的显著性检测方法
徐屹伟
刘政怡
赵悉超
《计算机工程与应用》
CSCD
北大核心
2019
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