基于SVM的不同特征空间多分类方法研究

目前,在基于SVM的分解多分类方法中,各个子分类器都采用相同的核参数进行整体优化.如果采用不同的核函数参数分别优化各个子分类器,相当于在不同的特征空间进行分类,此时,能否直接采用求输出最大值(MaxWin)等判别策略,需要研究各分类器的输出是否可比.利用相对间隔对此问题进行深入的研究,说明在基于SVM的"一对多"等多分类方法中,采用不同的核参数分别优化各个子分类器,其决策函数的输出结果仍是可比的,且具有更好的泛化能力.     

商业银行信用风险评估中"拒真纳伪"两类错误的平衡控制研究

在信用风险评估过程中不可避免的会出现“拒真纳伪”两类错误．本通过对“拒真纳伪”两类错误在商业银行企业信用风险评估中不同影响的分析比较．选择支持向量机(SVM)作为信用风险评估的建模工具．并利用实际数据对两类错误的平衡控制进行了研究．实验结果表明．在SVM模型中．选取一个适当的损失比例系数．能在保证整体准确率较高的前提下，有效的降低第一类错误率．这在实际应用中具有反映问题本质的现实意义。     

基于注意力和图网络的多粒度脚本事件推理方法

[目的]对于一些覆盖面广、延续时间长的事件(如台风、洪水等自然灾害),考虑事件演化过程复杂多变,所获取的事件信息存在疏密程度不均的问题,研究其事件推理问题.[方法]提出一种基于注意力机制和图网络的多粒度脚本事件推理方法,通过提取及合并不同粒度的事件信息以获得更丰富的事件语义信息,并结合图注意力网络和事件转移概率矩阵以充分利用密集事件连接提升推理性能.具体而言,首先采用自注意力机制从事件链中获得事件片段,并结合单个事件和事件片段的表示扩展模型输入信息,然后充分利用密集的事件连接,从海量事件新闻中提取事件链构建事件演化图来获得事件转移矩阵,提高模型推理准确率.[结果]在多个真实台风事件以及标准数据集上的实验结果表明,本文所提方法优于传统的基于事件链、基于事件对以及基于事件图等的事件推理模型.[结论]采用自注意力机制从事件链中获得事件片段,并结合单个事件和事件片段的表示扩展模型输入信息可以缓解事件稀疏带来的推理困难问题;仅采用时序关系不能完全表示基本事件链与候选事件的关系,构建事件演化图可以更好的提取事件间的复杂交互信息;多粒度事件信息的融合可以更好地反映候选事件与基本事件链的关系.     

基于随机森林的潜在k近邻算法及其在基因表达数据分类中的应用

随机森林被广泛应用于包括癌症诊断在内的生物信息学领域. 从自适应k近邻的角度分析了随机森林的分类机理,分析其存在的信息损失, 据此提出一种新的投票机制,称为基于随机森林的潜在k近邻算法RF-PN,能够充分利用决策树上的OOB样本信息, 显著改善随机森林的分类性能.6个癌症基因表达数据集上的对比实验表明,RF-PN的分类准确率优于原算法.     

网络基础设施中重要网元子图的确定

网元子图是指大规模网络基础设施中包含承载具体业务网元的拓扑子图,网元子图可用于网络基础设施运维中的故障排查、诊断与修复.首先定义重要网元的概念;其次,为确定重要网元子图,提出一个统一框架来度量网元在结构和业务两方面的影响力,将其作为重要网元的衡量标准,并设计了从重要网元扩展生成重要网元子图的高效算法.基于真实的网络基础设施数据以及合成的业务承载数据进行实验,实验结果验证了该方法可以高效地找到高质量的重要网元子图,并用于网络基础设施的运维,提高运维的效率,节省运维的成本.     

基于数据挖掘的茶叶价格鉴定

针对茶叶价格鉴定中传统感官评审方法遇到的问题与挑战,利用数据挖掘技术,研究茶叶价格自动评定模型与方法.在已有研究的基础上,对茶叶价格鉴定中的多个属性进行重要性分析、关联分析等,并建立一个基于随机森林的茶叶价格评定模型.该模型基于已有历史数据的分析和学习,对新茶叶的价格鉴定可以给出较为客观的评定,从而降低人工评定的代价和人为生理因素的影响.在实际收集的铁观音茶叶数据集上的实验结果表明,所提出的方法与模型具有客观、准确的评价结果,可以作为茶叶价格评定的辅助评价模型.     

常用核函数的几何度量与几何性质

研究核函数的几何度量和几何性质,并给出核函数选择(核选择)的建议.首先通过对核函数所蕴含的几何度量的深入分析,导出了常用的高斯径向基核函数和多项式核函数的黎曼度量、距离度量和角度度量;然后总结了这些几何度量的性质,并进行了数学证明;最后在几何性质的基础上,给出了核选择的一些建议.     

一种基于支持向量机的结构损伤识别方法

提出了结合随机振动响应互相关函数、小波包分解和支持向量机(support vector machine,SVM)的结构损伤识别方法,计算了相邻测点响应的互相关函数幅值.采用小波包对得到的幅值进行分解,得到各个频带上的总能量;利用各频带上能量值存在的差异性作为输入到分类器的特征向量,训练SVM模型并对结构的损伤进行识别.应用该方法对Benchmark模型结构进行损伤判别,实验通过对比其他基于SVM的方法,结果表明该方法具有较好的识别精度.     

基于图增强和图神经网络的层次社区发现方法

[目的]现有的多分辨率层次社区发现方法需要搜索分辨率参数得到特定层次的社区划分,且无法利用网络拓扑与节点属性之间的关联获取社区结构信息.为解决这些限制,本文提出一种基于图增强和图神经网络的层次社区发现方法HCEG.[方法]首先在图增强过程中对原始网络进行重构,使得构建的初始社区种子能涵括节点属性和拓扑信息,然后对初始种子社区集进行合并,再采用基于图神经网络的方法进行拓展,以搜寻网络中不同层次的社区划分.[结果]与其他SOTA方法相比,所提出的HCEG方法可以准确地找到不同类型真实网络中的分层社区结构,并可在不同规模的真实网络中可以获得良好的社区发现性能.[结论]在社交网络、引文网络、网页超链接网络等真实数据集上的一系列实验,验证了HCEG方法的可行性和有效性.