陶谢对宋前思想文化的择取与反驳 被引量：1

1

作者 姚素华 《中国文学研究》 CSSCI 北大核心 2015年第1期31-34,50,共5页

陶渊明、谢灵运所受思想文化的影响前代已有诸多论述,且基本都是从儒道思想的引申意义中阐发,难以窥见其细微处。从陶谢对《论语》的直接摘引可以看出,陶渊明对儒家思想的践行在于人之为人的责任与担当,谢灵运对《论语》的态度则随情景... 陶渊明、谢灵运所受思想文化的影响前代已有诸多论述,且基本都是从儒道思想的引申意义中阐发,难以窥见其细微处。从陶谢对《论语》的直接摘引可以看出,陶渊明对儒家思想的践行在于人之为人的责任与担当,谢灵运对《论语》的态度则随情景的变化而改变,征引其内容来表现自我情志,更像是一个口号,并没有真正践行。陶谢对老庄的摘引取其旷达的精神境界,陶渊明重在用人情化味纯粹的"自然",谢灵运则将其作为暂时安顿心理郁结的权宜之计,不入内心。他们对《论语》《老子》《庄子》的态度代表了这一时期两种典型的士人心态类型:底层士人保身而现实生活有诸多苦痛,高级士人无贫苦之痛却难以保全性命。他们对前代思想文化的态度是向往中有所超越与反驳。 展开更多

关键词 陶谢 《论语》 老庄 择取

下载PDF 职称材料

中学生数学学习选择能力研究 被引量：3

2

作者 张文宇 范文贵 《长春师范学院学报（自然科学版）》 2007年第2期121-125,共5页

中学生的数学学习选择能力是一个值得引起关注的问题。本文从数学研究中的选择、数学学习选择能力的概念、数学学习选择能力与数学思维品质等角度,在有关文献的基础上对数学学习选择能力进行研究。

关键词 选择 学习选择性 数学学习选择能力 数学直觉

下载PDF 职称材料

选择性集成学习算法综述 被引量：139

3

作者 张春霞 张讲社 《计算机学报》 EI CSCD 北大核心 2011年第8期1399-1410,共12页

集成学习因其能显著提高一个学习系统的泛化能力而得到了机器学习界的广泛关注,但随着基学习机数目的增多,集成学习机的预测速度明显下降,其所需的存储空间也迅速增加.选择性集成学习的主要目的是进一步改善集成学习机的预测效果,提高... 集成学习因其能显著提高一个学习系统的泛化能力而得到了机器学习界的广泛关注,但随着基学习机数目的增多,集成学习机的预测速度明显下降,其所需的存储空间也迅速增加.选择性集成学习的主要目的是进一步改善集成学习机的预测效果,提高集成学习机的预测速度,并降低其存储需求.该文对现有的选择性集成学习算法进行了详细综述,按照算法采用的选择策略对其进行了分类,并分析了各种算法的主要特点,最后对选择性集成学习在将来的可能研究方向进行了探讨. 展开更多

关键词 选择性集成学习 基学习机 集成学习机 多样性 泛化能力

下载PDF 职称材料

基于EMD和选择性集成学习算法的磨机负荷参数软测量 被引量：42

4

作者 汤健 柴天佑 +4 位作者 丛秋梅 苑明哲 赵立杰 刘卓 余文 《自动化学报》 EI CSCD 北大核心 2014年第9期1853-1866,共14页

针对磨机筒体振动和振声信号组成复杂难以解释、蕴含信息存在冗余性和互补性、与磨机负荷参数映射关系难以描述等问题,提出了基于经验模态分解(Empirical mode decomposition,EMD)技术和选择性集成学习算法分析筒体振动与振声信号组成,... 针对磨机筒体振动和振声信号组成复杂难以解释、蕴含信息存在冗余性和互补性、与磨机负荷参数映射关系难以描述等问题,提出了基于经验模态分解(Empirical mode decomposition,EMD)技术和选择性集成学习算法分析筒体振动与振声信号组成,建立磨机负荷参数软测量模型的新方法.首先从机理上定性分析了筒体振动及振声信号组成的复杂性;然后采用EMD技术将原始信号自适应分解为具有不同时间尺度的系列组成成分,即本征模态函数(Intrinsic mode function,IMF);接着在频域内基于互信息(Mutual information,MI)方法分析并选择IMF频谱特征;最后采用基于核偏最小二乘(Kernel partial least square,KPLS)建模方法、分支定界优化算法的选择性集成学习方法建立磨机负荷参数软测量模型,实现了多源多尺度频谱特征的选择性信息融合.基于实验球磨机的实际运行数据仿真验证了该方法的有效性. 展开更多

关键词 经验模态分解 选择性集成建模 磨机负荷参数 选择性信息融合 频谱特征

下载PDF 职称材料

一种基于选择性协同学习的网络用户异常行为检测方法 被引量：36

5

作者 陆悠 李伟 +2 位作者 罗军舟 蒋健 夏怒 《计算机学报》 EI CSCD 北大核心 2014年第1期28-40,共13页

为了快速准确检测网络用户的异常行为,机器学习技术得到了广泛应用.但随着用户规模的扩大及用户行为的复杂化,基于机器学习的传统检测方法面临着大量标记训练样本而导致的巨大开销、实际网络用户异常行为数据非平衡性而导致的检测准确... 为了快速准确检测网络用户的异常行为,机器学习技术得到了广泛应用.但随着用户规模的扩大及用户行为的复杂化,基于机器学习的传统检测方法面临着大量标记训练样本而导致的巨大开销、实际网络用户异常行为数据非平衡性而导致的检测准确性不足等问题.因此,将选择性集成技术引入到协同学习过程中,提出了一种基于选择性协同学习的网络用户异常行为检测方法,使用基于多数类分布的改进EasyEnsemble方法将非平衡训练样本划分为平衡的样本子集,然后使用基于混合扰动的生成方法构造差异性成员分类器对样本子集进行协同学习,在学习过程中使用选择性集成进行置信度计算与数据更新以减少开销,并基于准确性选择构建集成分类器用于实际检测,使得检测方法在获得非平衡性复杂分布数据的处理能力的同时进一步提高检测准确性.实验结果表明,该方法较传统方法减少了对训练样本中标记数据的需求,同时在准确性评价指标上表现更好,能更快速准确地检测出网络用户的异常行为. 展开更多

关键词 网络用户异常行为检测 协同学习 选择性集成学习 支持向量机 机器学习

下载PDF 职称材料

基于KELM选择性集成的复杂网络环境入侵检测 被引量：25

6

作者 刘金平 何捷舟 +3 位作者 马天雨 张五霞 唐朝晖 徐鹏飞 《电子学报》 EI CAS CSCD 北大核心 2019年第5期1070-1078,共9页

为解决复杂网络环境网络入侵事件特征复杂多变、新型入侵检测度低、检测时间长、难以实现实时检测的问题,本文提出一种基于核极限学习机(Kernel Extreme Learning Machine,KELM)选择性集成的网络入侵检测方法(SEoKELM-NID).该方法采用Ba... 为解决复杂网络环境网络入侵事件特征复杂多变、新型入侵检测度低、检测时间长、难以实现实时检测的问题,本文提出一种基于核极限学习机(Kernel Extreme Learning Machine,KELM)选择性集成的网络入侵检测方法(SEoKELM-NID).该方法采用Bagging策略独立快速训练出多个KELM子学习器;然后基于边缘距离最小化(Margin Distance Minimization,MDM)准则对KELM子学习器的集成增益进行度量,通过选择增益度高的部分KELM子学习器进行选择性集成,获得泛化能力强、效率高的选择性集成学习器;同时,引入一种基于批量样本增量学习的KELM子分类器在线更新策略,实现入侵检测模型的在线更新,使SEoKELM-NID能有效适应复杂网络环境的变化.在KDD99数据集和一个以太网和无线网络混合的复杂网络仿真实验平台上进行了仿真实验验证,结果表明,SEoKELM-NID相比基于单个学习器以及传统集成学习的网络入侵检测方法具有更好的识别准确性以及更快的识别速度,特别对于未知的网络入侵连接事件响应速度快、漏报率低. 展开更多

关键词 网络入侵检测 极限学习机(ELM) 异常检测 选择性集成学习 边缘距离最小化

下载PDF 职称材料

基于专业课程改革需要的高职数学课程改革实践 被引量：22

7

作者 肖前军 周金玉 +1 位作者 邓总纲 欧阳章东 《职业技术教育》 北大核心 2009年第29期8-10,13,共4页

基于对高职数学课程改革历程的归纳和现状分析,提出"模块案例一体化+MathCAD软件实现+三自主"的高等数学课程模式,即高职数学教学内容实现数学模块与专业案例的一体化,数学与专业相融合;通过Math-CAD软件处理复杂计算,达到培... 基于对高职数学课程改革历程的归纳和现状分析,提出"模块案例一体化+MathCAD软件实现+三自主"的高等数学课程模式,即高职数学教学内容实现数学模块与专业案例的一体化,数学与专业相融合;通过Math-CAD软件处理复杂计算,达到培养学生应用能力的教学目标;以"自主选择学习模块,自主选择学习时间,自主选择授课教师"的"三自主"方式,充分体现学生学习的主体地位。 展开更多

关键词 高等职业院校 数学课程 模块案例 MATHCAD 三自主

下载PDF 职称材料

基于萤火虫群优化算法的选择性集成雾霾天气预测方法 被引量：19

8

作者 倪志伟 张琛 倪丽萍 《模式识别与人工智能》 EI CSCD 北大核心 2016年第2期143-153,共11页

雾霾目前已成为严重的环境污染问题,因此需要预测雾霾天气,最小化雾霾的负面影响.文中提出基于萤火虫群优化算法的选择性集成学习方法,首先使用混合核SVM独立训练多个个体支持向量机,然后利用改进的离散型萤火虫群优化算法选择部分精度... 雾霾目前已成为严重的环境污染问题,因此需要预测雾霾天气,最小化雾霾的负面影响.文中提出基于萤火虫群优化算法的选择性集成学习方法,首先使用混合核SVM独立训练多个个体支持向量机,然后利用改进的离散型萤火虫群优化算法选择部分精度较高、差异度较大的个体分类器参与集成,最后通过多数投票法得到最终的分类预测结果.应用文中方法预测中国雾霾天气,实验表明方法的有效性和可行性. 展开更多

关键词 选择性集成学习 萤火虫群优化算法 混合核函数支持向量机 雾霾预测

下载PDF 职称材料

萤火虫优化和随机森林的WSN异常数据检测 被引量：13

9

作者 许欧阳 李光辉 《计算机科学与探索》 CSCD 北大核心 2018年第10期1633-1644,共12页

异常数据检测在无线传感器网络(wireless sensor network,WSN)环境监测系统中发挥重要作用。针对传统的随机森林(random forest,RF)算法因冗余决策树导致异常数据检测效率不高的问题,根据选择性集成思想,提出了一种基于变异二进制萤火... 异常数据检测在无线传感器网络(wireless sensor network,WSN)环境监测系统中发挥重要作用。针对传统的随机森林(random forest,RF)算法因冗余决策树导致异常数据检测效率不高的问题,根据选择性集成思想,提出了一种基于变异二进制萤火虫算法(mutation binary glowworm swarm optimization,MBGSO)以及自适应更新随机森林的WSN异常数据检测算法MBGSO-ARF。该算法使用改进的BGSO算法优化RF进行选择性集成以得到最优子集成分类器,并使得检测模型随数据流的变化而自适应更新,提高了检测准确性并节省了检测时间,对优化算法MBGSO和二进制粒子群算法(binary particle swarm optimization,BPSO)进行了实验对比。仿真实验结果表明:该优化算法优于BPSO算法,MBGSO-ARF算法在准确率上较其余算法都有提升,且集成模型大小得到了压缩。以上结果证明了MBGSO-ARF算法的有效性。 展开更多

关键词 异常检测 随机森林 无线传感器网络(WSN) 萤火虫算法 选择性集成学习

下载PDF 职称材料

基于萤火虫算法的短期电力负荷预测方法 被引量：13

10

作者 范海虹 《中国电力》 CSCD 北大核心 2021年第3期141-148,共8页

近年来,电力行业快速发展,对电力负荷进行预测也越来越重要,其中短期负荷预测对于电力系统的调度和市场运行起到极其重要的作用,精准的电力负荷预测可以有效提高发电设备利用度。融合卡帕(Kappa)测度和萤火虫算法的进行选择性集成学习... 近年来,电力行业快速发展,对电力负荷进行预测也越来越重要,其中短期负荷预测对于电力系统的调度和市场运行起到极其重要的作用,精准的电力负荷预测可以有效提高发电设备利用度。融合卡帕(Kappa)测度和萤火虫算法的进行选择性集成学习方法实现短期负荷预测,该方法首先使用自展法(bootstrap抽样)生成多个学习器,然后使用Kappa测度对学习器进行初步筛选,接着使用萤火虫算法从中选择部分差异度大、准确率高的学习器参与集成,其准确率相较于单个学习器而言,有着明显提升。选取2015-2016年武汉2家激光企业的日均负荷曲线作为研究对象,进行负荷预测,通过与其他预测方法进行对比,该方法的预测精度较高。 展开更多

关键词 短期电力负荷预测 萤火虫算法 选择性集成学习 气象因子 预测模型

下载PDF 职称材料

基于选择性集成学习的高速列车故障识别研究 被引量：8

11

作者 饶川 苟先太 金炜东 《计算机应用研究》 CSCD 北大核心 2018年第5期1365-1367,共3页

在SVM分类识别中,分类器模型一经训练得到,对所有测试样本进行无差别的识别。针对高速列车故障中样本的分类识别是存在区域分类精度的情况,提出了一种基于选择性集成学习的SVM多分类器融合算法。该方法选取测试样本最邻近的k个训练样本... 在SVM分类识别中,分类器模型一经训练得到,对所有测试样本进行无差别的识别。针对高速列车故障中样本的分类识别是存在区域分类精度的情况,提出了一种基于选择性集成学习的SVM多分类器融合算法。该方法选取测试样本最邻近的k个训练样本;然后选择对其分类效果好的SVM分类器进行融合,以提高分类准确率;最后使用高速列车故障数据进行了实验,并与Ada Boost、KNN、Bayes、SVM分类方法进行了比较。实验结果表明,该算法提高了分类识别准确率。 展开更多

关键词 选择性集成学习 支持向量机 多分类器融合 区域分类精度 高速列车故障分类

下载PDF 职称材料

基于互信息的选择性集成核极端学习机 被引量：6

12

作者 韩敏 吕飞 《控制与决策》 EI CSCD 北大核心 2015年第11期2089-2092,共4页

针对集成学习中的准确性和差异性平衡问题,提出一种基于信息论的选择性集成核极端学习机.采用具有结构简单、训练简便、泛化性能好的核极端学习作为基学习器.引入相关性准则描述准确性,冗余性准则描述差异性,将选择性集成问题转化为变... 针对集成学习中的准确性和差异性平衡问题,提出一种基于信息论的选择性集成核极端学习机.采用具有结构简单、训练简便、泛化性能好的核极端学习作为基学习器.引入相关性准则描述准确性,冗余性准则描述差异性,将选择性集成问题转化为变量选择问题.利用基于互信息的最大相关最小冗余准则对生成的核极端学习机进行选择,从而实现准确性和差异性的平衡.基于UCI基准回归和分类数据的仿真结果验证了所提出算法的优越性. 展开更多

关键词 互信息 选择性集成 核方法 极端学习机

原文传递

选择性神经网络集成的微博用户信用评估模型 被引量：6

13

作者 闫瑞姣 尹四清 《计算机工程与设计》 北大核心 2018年第5期1478-1483,共6页

为更好地监管微博平台,预防并降低社交失信事件的发生,针对微博用户特征,提出一种基于ReliefF的选择性集成学习的微博用户信用评估模型。利用ReliefF算法剔除冗余和相关性较弱的指标,在集成学习的基础上,采用聚类选择算法挑选分类性能... 为更好地监管微博平台,预防并降低社交失信事件的发生,针对微博用户特征,提出一种基于ReliefF的选择性集成学习的微博用户信用评估模型。利用ReliefF算法剔除冗余和相关性较弱的指标,在集成学习的基础上,采用聚类选择算法挑选分类性能较好的基分类器进行最终集成。实验对比分析结果表明,该评估模型在预测精度和运行效率方面有明显的提升,是一种切实可行、有效的评估模型。 展开更多

关键词 微博 信用 BP神经网络 选择性集成学习 ReliefF特征选择

下载PDF 职称材料

基于选择性集成分类器的面部表情识别研究 被引量：5

14

作者 贾澎涛 李阳 《计算机应用研究》 CSCD 北大核心 2017年第12期3825-3827,3833,共4页

为了提高面部表情的分类识别性能,基于集成学习理论,提出了一种二次优化选择性(quadratic optimization choice,QOC)集成分类模型。首先,对于九个基分类器,依据性能进行排序,选择前30%的基分类器作为集成模型的候选基分类器;其次,依据... 为了提高面部表情的分类识别性能,基于集成学习理论,提出了一种二次优化选择性(quadratic optimization choice,QOC)集成分类模型。首先,对于九个基分类器,依据性能进行排序,选择前30%的基分类器作为集成模型的候选基分类器;其次,依据组合规则产生集成模型簇;最后,对集成模型簇进行二次优化选择,选择具有最小泛化误差的集成分类器的子集,从而确定最优集成分类模型。为了验证QOC集成分类模型的性能,选择采用最大值、最小值和均值规则的集成模型作为对比模型。实验结果表明,相对基分类器,QOC集成分类模型取得了较好的分类效果,尤其是对于识别率较差的悲伤表情类,平均识别率提升了21.11%;相对于非选择性集成模型,QOC集成分类模型识别性能也有显著提高。 展开更多

关键词 选择性集成学习 多分类器 面部表情识别

下载PDF 职称材料

基于集成学习的音乐识别方法研究 被引量：4

15

作者 邱诚 王大海 +1 位作者 任伟家 邹权 《计算机科学》 CSCD 北大核心 2012年第12期184-187,203,共5页

随着信息和多媒体的发展,音乐数据变得更加丰富。如何能够高效地检索和管理音乐数据是一个挑战。音乐分类是音乐信息检索领域的一个关键问题,可以很好地管理不同类别的音乐数据。基于K-Means聚类的循环静态选择策略是一种双层选择集成模... 随着信息和多媒体的发展,音乐数据变得更加丰富。如何能够高效地检索和管理音乐数据是一个挑战。音乐分类是音乐信息检索领域的一个关键问题,可以很好地管理不同类别的音乐数据。基于K-Means聚类的循环静态选择策略是一种双层选择集成模型,它的第一层是通过基于聚类的选择策略在全部的基分类器中筛选出相互之间差异性较大的候选基分类器集合,然后通过第二层的循环静态选择策略进行第二轮的选择操作,并进行投票集成,以达到更好的集成效果。通过两组标准的音乐数据集验证了该策略的有效性。 展开更多

关键词 音乐信息检索 音乐分类 选择性集成学习 聚类 机器学习

下载PDF 职称材料

基于CSSE-OSELM算法的软测量建模及其工业应用 被引量：3

16

作者 李荣雨 戚桂洪 《计量学报》 CSCD 北大核心 2017年第5期650-655,共6页

针对软测量建模样本的特性,提出一种基于布谷鸟选择性集成学习的在线贯序极限学习机(CSSEOSELML)软测量建模方法。首先,以多个OSELM组合成集成学习的框架,并给每个OSELM赋予权重并设定阈值,借助于布谷鸟算法(CS)从中选择出满足阈值条件... 针对软测量建模样本的特性,提出一种基于布谷鸟选择性集成学习的在线贯序极限学习机(CSSEOSELML)软测量建模方法。首先,以多个OSELM组合成集成学习的框架,并给每个OSELM赋予权重并设定阈值,借助于布谷鸟算法(CS)从中选择出满足阈值条件的OSELM个体,重新组合成集成学习的子集。最终以该子集建立软测量模型,进行集成学习并做加权处理。以UCI标准数据集进行测试,同时对加氢裂化反应分馏塔航煤干点进行验证,仿真结果表明,该算法优于传统的方法,具有更高的预测精度和稳定性能。 展开更多

关键词 计量学 OSELM 软测量 选择性集成学习 布谷鸟算法

下载PDF 职称材料

选择方向强化学习的神经网络模型 被引量：2

17

作者 谈卫红 肖纯槐 梁明理 《生物物理学报》 CAS CSCD 北大核心 1992年第2期300-305,共6页

提出了神经网络模型的一种选择方向强化学习规则,定义并导出了新模型与Hopfield模型两种不同的筛选曲线,由此表明新模型对相关图样的分辨力优于Hopfield模型。在微机上模拟了由100个神经元构成的网络,结果显示新模型具有重复记忆这一神... 提出了神经网络模型的一种选择方向强化学习规则,定义并导出了新模型与Hopfield模型两种不同的筛选曲线,由此表明新模型对相关图样的分辨力优于Hopfield模型。在微机上模拟了由100个神经元构成的网络,结果显示新模型具有重复记忆这一神经生理学特点。定义并分行了记忆强度因子,模拟结果表明记忆强度因子愈大的记忆态,联想性能愈好,学习周期愈短。 展开更多

关键词 选择方向学习 生物模型 神经网络

下载PDF 职称材料

选择性集成学习多判别器生成对抗网络 被引量：2

18

作者 申瑞彩 翟俊海 侯璎真 《计算机科学与探索》 CSCD 北大核心 2022年第6期1429-1438,共10页

生成对抗网络(GAN)在图像生成方面具有广泛应用,但基于无监督方式与有监督方式的网络生成样本仍有较大差距。为解决生成对抗网络在无监督环境中生成样本多样性差、质量较低以及模型训练时间过长等问题,提出了具有选择性集成学习思想的... 生成对抗网络(GAN)在图像生成方面具有广泛应用,但基于无监督方式与有监督方式的网络生成样本仍有较大差距。为解决生成对抗网络在无监督环境中生成样本多样性差、质量较低以及模型训练时间过长等问题,提出了具有选择性集成学习思想的生成对抗网络模型。将生成对抗网络中的判别网络采用集成判别系统的形式,有效减少了由单判别器判别性能不佳导致判别误差的情况;同时考虑到若集成判别网络均采用统一网络设置,则在模型训练中基判别网络将趋近于一种表现形式,为鼓励判别网络判别结果多样且避免网络陷入雷同,设置拥有不同网络结构的判别网络,并在集成判别网络中引入具有动态调整基判别网络投票权重的多数投票策略,对集成判别网络的判别结果进行投票,有效地促进了模型的收敛且较大减少了实验误差。最后将提出的模型与同方向的模型在不同数据集上使用不同评价指标进行评价,实验结果表明提出的模型无论在生成样本多样性、生成样本质量还是在模型收敛速度上均明显优于几种竞争模型。 展开更多

关键词 生成对抗网络(GAN) 集成判别系统 选择性集成学习 多数投票策略

下载PDF 职称材料

基于分层筛选和动态更新的并行选择集成算法 被引量：2

19

作者 吴梅红 郭佳盛 +2 位作者 鞠颖 林子雨 邹权 《计算机科学》 CSCD 北大核心 2017年第1期48-52,共5页

提出一种选择性集成学习算法,该算法利用多线程并行优化基分类器的参数,通过多层筛选和动态更新筛选信息获取最优的候选基分类器集合,解决了以往在集成学习中选择分类器效率低下的问题。集成分类器采用分解合并的策略进行加权投票,通过... 提出一种选择性集成学习算法,该算法利用多线程并行优化基分类器的参数,通过多层筛选和动态更新筛选信息获取最优的候选基分类器集合,解决了以往在集成学习中选择分类器效率低下的问题。集成分类器采用分解合并的策略进行加权投票,通过使用二分法将大数据集的投票任务递归分解成多个子任务,并行运行子任务后合并投票结果以缩短集成分类器的投票运行时间。实验结果表明,相对于传统方法,所提出的算法在平均精度、F1-Measure以及AUC指标上都有着显著提升。 展开更多

关键词 选择性集成学习 分治算法 并行计算 分类

下载PDF 职称材料

基于Spark的多标签超网络集成学习 被引量：1

20

作者 李航 王进 赵蕊 《智能系统学报》 CSCD 北大核心 2017年第5期624-639,共16页

近年来,多标签学习在图像识别和文本分类等多个领域得到了广泛关注,具有越来越重要的潜在应用价值。尽管多标签学习的发展日新月异,但仍然存在两个主要挑战,即如何利用标签间的相关性以及如何处理大规模的多标签数据。针对上述问题,基于... 近年来,多标签学习在图像识别和文本分类等多个领域得到了广泛关注,具有越来越重要的潜在应用价值。尽管多标签学习的发展日新月异,但仍然存在两个主要挑战,即如何利用标签间的相关性以及如何处理大规模的多标签数据。针对上述问题,基于MLHN算法,提出一种能有效利用标签相关性且能处理大数据集的基于Spark的多标签超网络集成算法SEI-MLHN。该算法首先引入代价敏感,使其适应不平衡数据集。其次,改良了超网络演化学习过程,并优化了损失函数,降低了算法时间复杂度。最后,进行了选择性集成,使其适应大规模数据集。在11个不同规模的数据集上进行实验,结果表明,该算法具有较好的分类性能,较低的时间复杂度且具备良好的处理大规模数据集的能力。 展开更多

关键词 多标签学习 超网络 标签相关性 APACHE SPARK 选择性集成学习

下载PDF 职称材料