【摘 要】
：
提出了一种基于概率神经网络和K-L散度的样例选择算法。该算法利用概率神经网络估计训练样例的概率分布,利用K-L散度作为启发式来进行样例选择,用该方法选出的样例大多分布在分类边界附近。与五个著名的样例选择算法CNN、ENN、RNN、MCS和ICF进行了实验比较,实验结果显示,算法的选择比更低,训练出分类器具有更好的泛化能力,提出的方法是有效的。
【机 构】
：
河北大学数学与计算机学院河北省机器学习与计算智能重点实验室
论文部分内容阅读
提出了一种基于概率神经网络和K-L散度的样例选择算法。该算法利用概率神经网络估计训练样例的概率分布,利用K-L散度作为启发式来进行样例选择,用该方法选出的样例大多分布在分类边界附近。与五个著名的样例选择算法CNN、ENN、RNN、MCS和ICF进行了实验比较,实验结果显示,算法的选择比更低,训练出分类器具有更好的泛化能力,提出的方法是有效的。
其他文献
针对一类时滞基因调控网络的全局渐进稳定性进行了研究,利用Lyapunov泛函、线性矩阵不等式(LMIs)和自由权值矩阵(free-weighting matrices)技术,得到了一些新的时滞相关的基因调控网络稳定性充分条件。通过在Lyapunov泛函中使用辅助矩阵E,并对调控函数条件一般化,取得的结果具有较少的保守型和更广的适用性。该结果为人工设计基因芯片提供一定的参考作用。仿真示例进一步验证了
针对传统的基于GPU的光线投射算法绘制效率较低的问题,利用CUDA架构的并行计算特性和对三维纹理的处理能力进行改进和优化。将体数据映射为三维纹理,利用CUDA三维数组进行存储与绑定,纹理拾取的浮点返回值利用线性滤波进行平滑。在传输函数的设计中引入中心差分梯度幅值增强对体数据边界面的绘制效果。每条光线的求交及颜色积累采用并行计算,按照由前向后进行颜色及不透明度累积。设置不透明度阈值,采用不透明度提前
提出了一种新的适用于三角形和四边形拓扑结构的坐标系计算方法。通过利用几何方法寻找到三角形和四边形坐标系在几何空间中相似的一一映射关系。基于直观的几何解释,实现了四边形坐标系的解在BC(barycentric coordinates)中从三维空间降低到二维空间。此外,结合多项式插值和物理模型构造变形空间实现图像的非线性变形。结果表明,该计算方法具有实现图像线性和非线性变形直观、方便的优点,是一种实现
为了提高图像信息隐藏的鲁棒性和不可感知性,提出了一种基于图像块最大奇异值移位的鲁棒信息隐藏算法。算法首先对图像分块并对每个图像块进行奇异值分解,根据图像块最大奇异值的大小选择合适的阈值,并对图像块的最大奇异值进行区间划分,通过将最大奇异值移位到与秘密信息比特相对应的区间实现秘密信息的嵌入。实验结果表明,该算法具有较大的嵌入容量,且在嵌入相同大小的秘密信息时与其他同类算法相比,具有更好的图像视觉质量
无线传感器网络是近年来研究的热点。节点部署是无线传感器网络的基本问题之一,有效的节点部署能够提高网络的覆盖率和连通性。提出了一种改进的虚拟力节点部署方法,在传统的基于虚拟力的网络节点部署算法的基础上,利用计算几何中的Delaunay三角剖分定义了节点之间的邻接关系,当前节点所受的虚拟力仅被限制在具有邻接关系的节点之间。仿真结果表明,所提出的方法不仅能克服传统虚拟力方法对初始状态依赖的问题,还能较快
针对传统集群调度器在异构环境中无法处理约束的问题,提出了一种约束调度机制,包括约束描述方法和约束调度算法。该描述方法通过易拓展的属性集合方式,描述异构化的任务需求和机器属性,进而描述各种约束;该调度算法将硬约束作为过滤标准,软约束作为选择标准,综合考虑软硬约束,为任务分配最优机器。实验表明,提出的约束调度机制不仅具有良好的易用性、较短的调度响应延迟,而且可以显著提高任务执行效率。因此,该调度机制可
针对异质无线传感网络的覆盖性能测试评估困难的问题,提出了一种基于目标移动轨迹的评估方法。该方法通过改进覆盖势力剖分算法(CFA)对异质网络的覆盖势力剖分,运用兼顾单节点覆盖性能与距离的薄弱点排序模型,并以轨迹暴露量及轨迹长度为指标,定性、定量地分析评估了传感网络覆盖性能。实验结果表明,改进后的算法(ICFA)对于异/同质网络覆盖性能的评估均适用,且与基于网格的贪婪算法相比,具有算法复杂度低和本地化
针对在高分辨率SAR图像上具有明显L型结构高亮特征的建筑物目标,提出了一种提取高分辨率SAR图像建筑物L型结构中心线,并进而提取建筑物几何信息的方法。运用基于Gabor纹理特征和模糊C均值的方法对SAR图像进行分割,再结合骨架提取、骨架跟踪、最小外接矩形提取、最小二乘准则等技术实现了L型结构中心线的提取,最后利用中心线获取了建筑物的长度、宽度和方位角信息。基于机载SAR图像的实验表明,利用提出的方
为了快速地从互联网上的海量图像中检索出含有某种特殊标志的图像,提出了一种基于形状矩阵傅氏描述子(shape matrix Fourier descriptor,SMFD)的图像标志检索算法。该算法通过对图像内容进行分割得到目标对象的边界信息,并在光栅系统中进行目标轮廓边界点统计获得形状矩阵,然后分析其周期性变化规律和特点,对形状矩阵按列展开为一维向量并进行傅里叶变换,取傅里叶变换系数中模值大于模值
为了探究足底压力特征在身份识别中的应用,提出了一种静态步态聚类算法。该算法首先从压力测试板提取的静态数据中提取当前常用的足底压力特征,包含全局及局部特征,形成特征向量来表征样本对象;接着利用非负矩阵分解方法(non-negative matrix factorization,NMF)获取样本在变换特征空间中的映射及低维表示;最后结合模糊C-均值算法(fuzzy C-means algorithm,