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
2
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
基于包络学习和分级结构一致性机制的不平衡集成算法
被引量：
1
1
作者
李帆
张小恒
+1 位作者
李勇明
王品
《电子学报》
EI
CAS
CSCD
北大核心
2024年第3期751-761,共11页
集成方法是不平衡学习方法的重要分支,然而,现有不平衡集成方法均作用于原样本而没考虑样本的结构信息,因此其效能仍然有限.样本的结构信息包括局部和全局结构信息.为了解决上述问题,本文提出了一种基于深度样本包络网络(Deep Instance ...
集成方法是不平衡学习方法的重要分支,然而,现有不平衡集成方法均作用于原样本而没考虑样本的结构信息,因此其效能仍然有限.样本的结构信息包括局部和全局结构信息.为了解决上述问题,本文提出了一种基于深度样本包络网络(Deep Instance Envelope Network,DIEN)和分级结构一致性机制(Hierarchical Structure Consistency Mechanism,HSCM)的不平衡集成学习算法.该算法在考虑局部流形和全局结构信息的情况下,通过多层样本聚类,生成高质量的多层包络样本,从而实现类平衡化.首先,算法基于样本近邻拼接和模糊C均值聚类算法,设计DIEN来挖掘样本的结构信息,得到深度包络样本.然后,设计局部流形结构度量和全局结构分布度量来构建HSCM用于增强层间样本的分布一致性.接着,将DIEN和HSCM结合起来,构建出优化后的深度样本包络网络——DH(DIEN with HSCM).之后,将基分类器应用于包络样本.最后,设计bagging集成学习机制来融合基分类器的预测结果.文末组织了多组实验,采用了十多个公共数据集和有代表性的相关算法进行验证比较.实验结果表明,本文算法在AUC(Area Under Curve),F-measure等四个性能指标上显著最优.
展开更多
关键词
不平衡学习
包络学习
分级结构一致性机制
局部流形结构度量
全局结构分布度量
下载PDF
职称材料
双阶段帕金森病语音聚类包络卷积稀疏迁移学习算法
被引量：
4
2
作者
张小恒
李勇明
王品
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2022年第11期151-161,共11页
帕金森病(PD)语音识别算法研究对于其及时诊疗具有重要意义,但现有PD语音识别算法面临小样本数据量问题挑战。针对问题,本文提出双面双阶段均值聚类包络和卷积稀疏迁移学习算法。在双阶段学习方面,首先基于源数据集训练多组卷积核,然后...
帕金森病(PD)语音识别算法研究对于其及时诊疗具有重要意义,但现有PD语音识别算法面临小样本数据量问题挑战。针对问题,本文提出双面双阶段均值聚类包络和卷积稀疏迁移学习算法。在双阶段学习方面,首先基于源数据集训练多组卷积核,然后通过中间集得到最优卷积核并对目标集进行编码。在深度样本聚类包络方面,首先设计迭代均值聚类算法构建深度样本空间;然后进行样本特征同时选择并训练分类器模型;最后对不同样本空间的分类结果进行融合。实验选取代表性的PD语音数据集进行验证。实验结果表明,本文算法创新部分有效,与10多个经典和最新相关文献算法相比取得了显著改进,准确率达97.8%。此外,本文算法的时间复杂度不高,满足临床应用要求。
展开更多
关键词
帕金森病语音识别
包络学习
深度样本学习
均值聚类
双阶段卷积稀疏迁移学习
下载PDF
职称材料
题名
基于包络学习和分级结构一致性机制的不平衡集成算法
被引量：
1
1
作者
李帆
张小恒
李勇明
王品
机构
重庆大学微电子与通信工程学院
重庆广播电视大学
出处
《电子学报》
EI
CAS
CSCD
北大核心
2024年第3期751-761,共11页
基金
国家自然科学基金(No.61771080,No.U21A20448)
中央高校基本科研业务费(No.2022CDJJJ-003)。
文摘
集成方法是不平衡学习方法的重要分支,然而,现有不平衡集成方法均作用于原样本而没考虑样本的结构信息,因此其效能仍然有限.样本的结构信息包括局部和全局结构信息.为了解决上述问题,本文提出了一种基于深度样本包络网络(Deep Instance Envelope Network,DIEN)和分级结构一致性机制(Hierarchical Structure Consistency Mechanism,HSCM)的不平衡集成学习算法.该算法在考虑局部流形和全局结构信息的情况下,通过多层样本聚类,生成高质量的多层包络样本,从而实现类平衡化.首先,算法基于样本近邻拼接和模糊C均值聚类算法,设计DIEN来挖掘样本的结构信息,得到深度包络样本.然后,设计局部流形结构度量和全局结构分布度量来构建HSCM用于增强层间样本的分布一致性.接着,将DIEN和HSCM结合起来,构建出优化后的深度样本包络网络——DH(DIEN with HSCM).之后,将基分类器应用于包络样本.最后,设计bagging集成学习机制来融合基分类器的预测结果.文末组织了多组实验,采用了十多个公共数据集和有代表性的相关算法进行验证比较.实验结果表明,本文算法在AUC(Area Under Curve),F-measure等四个性能指标上显著最优.
关键词
不平衡学习
包络学习
分级结构一致性机制
局部流形结构度量
全局结构分布度量
Keywords
imbalanced
learning
envelope
learning
hierarchical
structure
consistency
mechanism
local
manifold
structure
measure
global
structure
distribution
measure
分类号
TP391.4 [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
双阶段帕金森病语音聚类包络卷积稀疏迁移学习算法
被引量：
4
2
作者
张小恒
李勇明
王品
机构
重庆开放大学
重庆大学微电子与通信工程学院
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2022年第11期151-161,共11页
基金
国家自然科学基金重点项目(U21A20448)
国家自然科学基金(61771080)
+2 种基金
重庆市自然科学基金(cstc2020jcyj-msxmX0100)
重庆市社会科学规划项目(2018YBYY133)
重庆市教委科学技术研究项目(KJQN202104002)资助。
文摘
帕金森病(PD)语音识别算法研究对于其及时诊疗具有重要意义,但现有PD语音识别算法面临小样本数据量问题挑战。针对问题,本文提出双面双阶段均值聚类包络和卷积稀疏迁移学习算法。在双阶段学习方面,首先基于源数据集训练多组卷积核,然后通过中间集得到最优卷积核并对目标集进行编码。在深度样本聚类包络方面,首先设计迭代均值聚类算法构建深度样本空间;然后进行样本特征同时选择并训练分类器模型;最后对不同样本空间的分类结果进行融合。实验选取代表性的PD语音数据集进行验证。实验结果表明,本文算法创新部分有效,与10多个经典和最新相关文献算法相比取得了显著改进,准确率达97.8%。此外,本文算法的时间复杂度不高,满足临床应用要求。
关键词
帕金森病语音识别
包络学习
深度样本学习
均值聚类
双阶段卷积稀疏迁移学习
Keywords
PD
speech
recognition
envelope
learning
deep
instance
learning
means
clustering
two-stage
convolution
sparse
transfer
learning
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TH77 [自动化与计算机技术—控制科学与工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于包络学习和分级结构一致性机制的不平衡集成算法
李帆
张小恒
李勇明
王品
《电子学报》
EI
CAS
CSCD
北大核心
2024
1
下载PDF
职称材料
2
双阶段帕金森病语音聚类包络卷积稀疏迁移学习算法
张小恒
李勇明
王品
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2022
4
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
