题名 ML型迁移学习模糊系统
被引量：34
1
作者
蒋亦樟 邓赵红 王士同
机构
江南大学数字媒体学院
出处
《自动化学报》
EI
CSCD
北大核心
2012年第9期1393-1409,共17页
基金
国家自然科学基金(60903100 61170122) +2 种基金 江苏省自然科学基金(BK2009067) 中央高校基本科研业务费专项资金(JUSRP21128) 江苏省信息融合软件工程技术研究开发中心开放基金项目(SR-2011-01)资助~~
文摘
经典模糊系统构建方法训练时通常仅考虑单一的场景,其伴随的一个重要缺陷是:如当前场景重要信息缺失,则受训所得系统泛化能力较差.针对此问题,以Mamdani-Larsen(ML)型模糊系统为对象,探讨了具有迁移学习能力的模糊系统,即ML型迁移学习模糊系统.ML型迁移学习模糊系统不仅能充分利用当前场景的数据信息,而且能有效地利用历史知识来进行学习,具有通过迁移历史场景知识来弥补当前场景信息缺失的能力.具体地,基于经典的压缩集密度估计(Reduced setdensity estimator,RSDE)ML型模糊系统构建方法,通过引入迁移学习机制提出了一种基于密度估计的ML型迁移模糊系统构建方法.在模拟数据和真实数据上的实验研究亦验证了该迁移模糊系统在信息缺失场景下较之于传统模糊系统建模方法的更好适应性.
关键词
迁移学习 信息缺失 压缩 集 密度估计 Mamdani—Larsen模糊系统
Keywords
Transfer learning, information missing, reduced set density estimator （RSDE）, ML fuzzy inference systems Citation
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 在大规模数据集上进行快速自适应同步聚类
被引量：11
2
作者
应文豪 许敏 王士同 邓赵红
机构
江南大学数字媒体学院 常熟理工学院计算机科学与工程学院
出处
《计算机研究与发展》
EI
CSCD
北大核心
2014年第4期707-720,共14页
基金
国家自然科学基金项目(61272210 61202311) +1 种基金 江苏省自然科学基金项目(BK2012552 BK2012209)
文摘
现有的同步聚类方法Sync在同步过程中需要将样本中的每一个分量看作相位振子进行计算,具有较高的时间复杂度,因此在大规模数据集上聚类时具有相当大的局限性.为了解决这一问题,提出了快速自适应同步聚类方法(fast adaptive KDE-based clustering by synchronization,FAKCS).FAKCS首先引入基于压缩集密度估计和中心约束最小包含球技术的快速压缩方法对大规模数据集进行压缩,然后通过使用Davies-Bouldin指标,在压缩集上进行ε参数自适应的同步聚类,并采用新定义的序列参量来评价局部同步的程度.另外,研究了序列参量和核密度估计间的联系,从理论上揭示了样本点的局部同步在概率密度意义下的本质.FAKCS可以在大规模数据集上得到任意形状、个数、密度的聚类而无需预设聚类数目.在图像分割和大规模UCI数据集上的实验验证了FAKCS的有效性.
关键词
核密度估计 最小包含球 同步 压缩 集 密度估计 聚类
Keywords
kernel density estimation minimal enclosing ball synchronization reduced set density estimator clustering
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—计算机科学与技术]
题名 基于RSDE的领域自适应概率密度估计方法
被引量：2
3
作者
许敏 王士同 顾鑫 俞林
机构
江南大学数字媒体学院 无锡职业技术学院电子与信息技术学院 无锡北方湖光光电有限公司研发部
出处
《控制与决策》
EI
CSCD
北大核心
2013年第1期125-130,共6页
基金
国家自然科学基金项目(60903100 60975027 +1 种基金 61170122) 江苏省研究生创新工程项目(CXZZ12-0759)
文摘
同一应用领域不同时间、地点或设备,采集的样本数据可能存在扰动、噪音或缺失,如何对样本数据集进行有效的预处理是其进一步应用的前提.针对上述问题,提出一种新的基于压缩集密度估计(RSDE)算法的领域自适应概率密度估计方法A-RSDE,通过学习源域(训练域)知识,使目标域(测试域)概率密度估计更接近真实概率密度分布,并用基于近似最小包含球的核心集快速算法求解A-RSDE,将其应用于大数据集密度估计.Benchmark和UCI数据集上的实验表明,该算法具有较好的性能.
关键词
领域自适应 压缩 集 密度估计 最小包含球 核心集
Keywords
domain adaptiom reduced set density estimator minimum enclosing ball core-sets
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 面向小目标图像的快速核密度估计图像阈值分割算法
被引量：10
4
作者
王骏 王士同 邓赵红 应文豪
机构
江南大学数字媒体学院
出处
《自动化学报》
EI
CSCD
北大核心
2012年第10期1679-1689,共11页
基金
国家自然科学基金(60903100) 江苏省自然科学基金(BK2009067 +2 种基金 BK2011417) 中央高校基本科研业务费专项资金(JUSRP111A38) 江苏省信息融合软件工程技术研究开发中心开放基金项目(SR-2012-01)资助~~
文摘
针对当前小目标图像阈值分割研究工作面临的难题,提出了快速核密度估计图像阈值分割新方法.首先给出了基于加权核密度估计器的概率计算模型,通过引入二阶Renyi熵作为阈值选取准则,提出了基于核密度估计的图像阈值分割算法(Kernel density estimator based image thresholding algorithm,KDET),然后通过引入快速压缩集密度估计(Fastreduced set density estimator,FRSDE)技术,得到核密度估计的稀疏权系数表示形式,提出快速核密度估计图像阈值分割算法fastKDET,并从理论上对相关性质进行了深入探讨.实验表明,本文算法对小目标图像阈值分割问题具有更广泛的适应性,并且对参数变化不敏感.
关键词
核密度估计 快速压缩 集 密度估计 阈值分割 小目标图像
Keywords
Kernel density estimation, fast reduced set density estimator （FRSDE）, image thresholding, small targetimage
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于代表点评分策略的快速自适应聚类算法
被引量：5
5
作者
张远鹏 邓赵红 钟富礼 杭文龙 王士同
机构
江南大学数字媒体学院 南通大学医学信息学系 香港理工大学计算学系
出处
《计算机研究与发展》
EI
CSCD
北大核心
2018年第1期163-178,共16页
基金
国家自然科学基金项目(81701793 61170122 +3 种基金 61272210 61572236) 江苏省自然科学基金项目(BK20114172) 江苏省自然科学基金杰出青年基金项目(BK20140001)~~
文摘
在基于代表点的聚类算法中,为了解决算法自适应性和聚类速度问题,在快速压缩集密度估计的基础上,提出了一种基于代表点评分策略的快速自适应聚类算法.该算法的提出基于3个非常重要的假设:1)每个簇有一个代表点,且代表点来自簇内高密度样本;2)代表点或在压缩集中,或在压缩集附近且与压缩集中样本具有高度相似性;3)各簇中样本围绕代表点并沿着压缩集扩散.基于第1个和第2个假设,提出用代表点分值来评估样本成为代表点的可能性,并分析了其合理性.基于第3个假设和代表点分值,构建了一种快速的自适应聚类算法,该算法将所有样本按照其代表点分值从大到小排序,形成代表点候选集;然后从代表点候选集中逐个选择代表点,利用其邻域不断传递标签至整个压缩集;最后采用同样的方法将压缩集中样本的标签扩散至整个数据集,在此过程中引入抽样,提高标签传播速度.在人工数据集和真实数据集上的实验表明:所提出的算法能够处理任意形状的数据集和大规模数据集,且不需要指定类别数.
关键词
词代表点分值 快速压缩 集 密度估计 器 压缩 集 标签传播 抽样
Keywords
exemplar score fast reduced set density estimator(FRSDE) reduced set label propagation sampling
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 大规模数据集引力同步聚类
被引量：3
6
作者
乔颖 王士同 杭文龙
机构
江南大学数字媒体学院
出处
《控制与决策》
EI
CSCD
北大核心
2017年第6期1075-1083,共9页
基金
国家自然科学基金项目(61272210 61170122) 江苏省自然科学基金项目(BK20130155)
文摘
受Kuramoto模型启发,构造一种新的万有引力同步模型,用以解决现有同步聚类算法时间复杂度高的问题,并提出大规模数据集的引力同步聚类算法(LSCGS).首先,使用快速压缩集密度估计(RSDE)算法对大规模数据集进行压缩;然后,通过万有引力同步聚类算法对压缩数据集进行聚类,使用Davies-Bouldin指标自动寻优到最佳聚类数;最后,利用提出的剩余样本聚类(RSC)算法对除压缩集以外的剩余数据进行聚类,可以有效地区分孤立类以及噪声点.通过在大规模人造数据集、UCI真实数据集和图像数据上的实验,验证LSCGS算法的有效性,与传统同步聚类算法相比,聚类的运算成本得到大幅度的降低.
关键词
大规模数据 快速压缩 集 密度估计 万有引力 同步聚类
Keywords
large scale dataset fast reduced set density estimator gravity synchronization clustering
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
题名 基于压缩集密度估计的ML模糊推理系统构建
7
作者
邓赵红 王士同
机构
江南大学信息工程学院 南京大学软件新技术国家重点实验室 浙江大学CAD&CG国家重点实验室
出处
《江南大学学报（自然科学版）》
CAS
2010年第1期1-6,共6页
基金
国家自然科学基金项目(60903100) 江苏省自然科学基金项目(BK2009067) +1 种基金 南京大学软件新技术国家重点实验室开放课题项目(A200602) 浙江大学CAD&CG国家重点实验室开放课题项目(A0802)
文摘
基于高斯混合模型揭示了ML模糊推理系统构建可以等价为压缩集密度估计问题。利用此发现提出基于压缩集密度估计器RSDE的ML模糊推理系统训练算法。该算法有如下特点:①无需人为设定模糊规则数目;②是一个二次优化问题,可利用快速的二次规划算法快速求解。通过模拟和真实数据集验证,实验结果亦证实了上述优点。
关键词
ML模糊推理系统 压缩 集 密度估计 器高斯混合模型
Keywords
ML fuzzy inference systems, reduced set density estimator, Gaussian mixture model
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
