期刊导航
期刊开放获取
cqvip
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
3
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
基于半监督学习和支持向量机的煤与瓦斯突出预测研究
被引量：
5
1
作者
孙云霄
方健
马小平
《工矿自动化》
北大核心
2012年第11期40-42,共3页
针对支持向量机要求输入向量为已标记样本,而实际应用中已标记样本很难获取的问题,提出将半监督学习和支持向量机结合的煤与瓦斯突出预测方法;介绍了采用SVM预测煤与瓦斯突出的流程及其输入向量的选择;对半监督学习中的协同训练算法进...
针对支持向量机要求输入向量为已标记样本,而实际应用中已标记样本很难获取的问题,提出将半监督学习和支持向量机结合的煤与瓦斯突出预测方法;介绍了采用SVM预测煤与瓦斯突出的流程及其输入向量的选择;对半监督学习中的协同训练算法进行了改进:在同一属性集上训练2个不同分类器SVM和KNN,将2个分类器标记一致的样本加入训练集,从而充分利用未标记样本不断补充信息,更新训练集标记样本,达到强化训练集的目的。测试结果表明,改进后的算法比单独的支持向量机预测方法准确率更高。
展开更多
关键词
煤与瓦斯突出预测
支持向量机
半监督学习
协同训练
下载PDF
职称材料
一种基于多分类器协同训练的网络异常检测方法
被引量：
3
2
作者
杨弢
陈文
《四川大学学报（自然科学版）》
CAS
CSCD
北大核心
2012年第2期329-334,共6页
基于机器学习的网络异常检测方法是入侵检测领域的重要研究内容.传统的机器学习方法需要大量的已标记样本对分类器进行训练,然而已标记样本通常较难获取,导致分类器训练困难;此外单分类器训练面临难以消除的分类偏向性和检测孔洞.针对...
基于机器学习的网络异常检测方法是入侵检测领域的重要研究内容.传统的机器学习方法需要大量的已标记样本对分类器进行训练,然而已标记样本通常较难获取,导致分类器训练困难;此外单分类器训练面临难以消除的分类偏向性和检测孔洞.针对上述问题,本文提出了一种基于多分类器协同训练的异常检测方法MCAD,该方法利用少量的已标记样本和大量的未标记样本对多个分类器进行协同训练,以减少分类的偏向性和检测孔洞.对比实验采用经典的网络异常检测数据集KDD CUP99对MCAD的异常检测性能进行验证。实验结果表明,MCAD有效地降低了检测器训练代价,提高了网络异常检测性能.
展开更多
关键词
网络安全
入侵检测
异常检测
协同训练
原文传递
基于特定领域知识的医疗问答系统信息质量预测
3
作者
胡泽
张展
左德承
《智能计算机与应用》
2019年第6期124-131,共8页
伴随着智能手机以及移动互联网的高速普及,健康消费者越来越倾向于随时随地地在线咨询疾病、健康信息。其中最流行的方式便是医疗问答系统,因为其作为一种典型的在线问诊平台,可以为广大健康消费者提供足不出户、高效率以及高性价比的...
伴随着智能手机以及移动互联网的高速普及,健康消费者越来越倾向于随时随地地在线咨询疾病、健康信息。其中最流行的方式便是医疗问答系统,因为其作为一种典型的在线问诊平台,可以为广大健康消费者提供足不出户、高效率以及高性价比的专业医生诊断体验。然而由于缺乏有效的信息质量管控机制,当前的医疗问答系统仍然会出现医生回答质量参差不齐的状况,这不仅会误导健康消费者,而且会造成医生的重复努力,同时也导致了积累的医疗问答知识库无法被有效复用。因而,对医疗问答系统的信息质量进行自动化预测就显得迫在眉睫。为此,本文提出了一种基于特定领域知识视角、协同训练以及集成学习的医疗问答系统信息质量预测算法。通过俘获不同特定领域知识视角间的高度非线性关系,有效地挖掘出了嵌入在大量未标记医疗问答数据中的特定领域语义知识,显著地提升了信息质量的预测性能。
展开更多
关键词
特定领域时序特征
特定领域表面语言特征
特定领域社会特征
协同训练
集成学习
医疗问答系统
下载PDF
职称材料
题名
基于半监督学习和支持向量机的煤与瓦斯突出预测研究
被引量：
5
1
作者
孙云霄
方健
马小平
机构
中国矿业大学信电学院
新兴重工北京三兴汽车有限公司
出处
《工矿自动化》
北大核心
2012年第11期40-42,共3页
基金
国家自然科学基金项目(60974126)
文摘
针对支持向量机要求输入向量为已标记样本,而实际应用中已标记样本很难获取的问题,提出将半监督学习和支持向量机结合的煤与瓦斯突出预测方法;介绍了采用SVM预测煤与瓦斯突出的流程及其输入向量的选择;对半监督学习中的协同训练算法进行了改进:在同一属性集上训练2个不同分类器SVM和KNN,将2个分类器标记一致的样本加入训练集,从而充分利用未标记样本不断补充信息,更新训练集标记样本,达到强化训练集的目的。测试结果表明,改进后的算法比单独的支持向量机预测方法准确率更高。
关键词
煤与瓦斯突出预测
支持向量机
半监督学习
协同训练
Keywords
prediction of coal and gas outburst, support vector machine, semi-supervised learning,
cotraining
分类号
TD713 [矿业工程—矿井通风与安全]
下载PDF
职称材料
题名
一种基于多分类器协同训练的网络异常检测方法
被引量：
3
2
作者
杨弢
陈文
机构
网络与信息中心怀化学院
计算机学院四川大学
出处
《四川大学学报（自然科学版）》
CAS
CSCD
北大核心
2012年第2期329-334,共6页
基金
国家自然科学基金(61173159)
四川大学青年教师科研启动基金(2011SCU11086)
文摘
基于机器学习的网络异常检测方法是入侵检测领域的重要研究内容.传统的机器学习方法需要大量的已标记样本对分类器进行训练,然而已标记样本通常较难获取,导致分类器训练困难;此外单分类器训练面临难以消除的分类偏向性和检测孔洞.针对上述问题,本文提出了一种基于多分类器协同训练的异常检测方法MCAD,该方法利用少量的已标记样本和大量的未标记样本对多个分类器进行协同训练,以减少分类的偏向性和检测孔洞.对比实验采用经典的网络异常检测数据集KDD CUP99对MCAD的异常检测性能进行验证。实验结果表明,MCAD有效地降低了检测器训练代价,提高了网络异常检测性能.
关键词
网络安全
入侵检测
异常检测
协同训练
Keywords
Network security, intrusion detection, anomaly detection,
cotraining
分类号
TP309 [自动化与计算机技术—计算机系统结构]
原文传递
题名
基于特定领域知识的医疗问答系统信息质量预测
3
作者
胡泽
张展
左德承
机构
哈尔滨工业大学计算机科学与技术学院
出处
《智能计算机与应用》
2019年第6期124-131,共8页
基金
国家自然科学基金(61370085)
文摘
伴随着智能手机以及移动互联网的高速普及,健康消费者越来越倾向于随时随地地在线咨询疾病、健康信息。其中最流行的方式便是医疗问答系统,因为其作为一种典型的在线问诊平台,可以为广大健康消费者提供足不出户、高效率以及高性价比的专业医生诊断体验。然而由于缺乏有效的信息质量管控机制,当前的医疗问答系统仍然会出现医生回答质量参差不齐的状况,这不仅会误导健康消费者,而且会造成医生的重复努力,同时也导致了积累的医疗问答知识库无法被有效复用。因而,对医疗问答系统的信息质量进行自动化预测就显得迫在眉睫。为此,本文提出了一种基于特定领域知识视角、协同训练以及集成学习的医疗问答系统信息质量预测算法。通过俘获不同特定领域知识视角间的高度非线性关系,有效地挖掘出了嵌入在大量未标记医疗问答数据中的特定领域语义知识,显著地提升了信息质量的预测性能。
关键词
特定领域时序特征
特定领域表面语言特征
特定领域社会特征
协同训练
集成学习
医疗问答系统
Keywords
domain-specific surface linguistic features
domain-specific social features
domain-specific temporal features
cotraining
ensemble learning
medical question-answering systems
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
作者
出处
发文年
被引量
操作
1
基于半监督学习和支持向量机的煤与瓦斯突出预测研究
孙云霄
方健
马小平
《工矿自动化》
北大核心
2012
5
下载PDF
职称材料
2
一种基于多分类器协同训练的网络异常检测方法
杨弢
陈文
《四川大学学报（自然科学版）》
CAS
CSCD
北大核心
2012
3
原文传递
3
基于特定领域知识的医疗问答系统信息质量预测
胡泽
张展
左德承
《智能计算机与应用》
2019
0
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
