您的位置： 专家智库 > >

申丰山

作品数：9 被引量：13H指数：2
供职机构：郑州大学信息工程学院更多>>
发文基金：国家自然科学基金陕西省科学技术研究发展计划项目国防科技技术预先研究基金更多>>
相关领域：自动化与计算机技术文化科学更多>>

合作作者

文献类型

  • 8篇期刊文章
  • 1篇学位论文

领域

  • 7篇自动化与计算...
  • 2篇文化科学

主题

  • 5篇支持向量
  • 5篇向量
  • 4篇支持向量机
  • 4篇向量机
  • 3篇SVM
  • 2篇模糊支持向量...
  • 2篇FSVM
  • 1篇多类分类
  • 1篇学习机
  • 1篇样例
  • 1篇隐层
  • 1篇噪声
  • 1篇知识
  • 1篇知识积累
  • 1篇软件工程
  • 1篇三本
  • 1篇三本学生
  • 1篇神经网
  • 1篇神经网络
  • 1篇识别率

机构

  • 8篇郑州大学
  • 6篇西安电子科技...
  • 1篇南阳理工学院

作者

  • 9篇申丰山
  • 5篇张军英
  • 1篇王黎明
  • 1篇蒋胜利
  • 1篇刘松华
  • 1篇王开军
  • 1篇马玉军

传媒

  • 3篇华中科技大学...
  • 2篇计算机科学
  • 1篇模式识别与人...
  • 1篇计算机时代
  • 1篇科教导刊

年份

  • 1篇2014
  • 3篇2013
  • 1篇2012
  • 1篇2011
  • 2篇2010
  • 1篇2009
共 9 条 记 录，以下是 1-9
全选 清除 导出
排序方式：
操作系统理论课程问题分析及解决
2013年
操作系统理论课程具有讲、学两难的特征,分析了操作系统课程学习的困难所在。总结了克服困难的一些经验和措施,包括理论联系实际、运用软件工程思想分析复杂系统、加强学生解题训练的规范性、分层抽象、避免整体与局部脱节、采用直观表达形式描述对象、提高清晰性、避免单调性等。实践证明,将理论与实践结合,不仅提高了学生学习的趣味性,而且提高了学生的理解水平和应用水平。
申丰山
关键词：操作系统软件工程规范性
基于预分类的FSVM被引量：1
2013年
模糊支持向量机(fuzzy support vector machine,FSVM)通过为每个样例设置模糊化训练参数,达到抑制离群点及噪声数据对分类器不利影响的目的。提出了基于预分类的FSVM,每个样例的模糊权重通过关联于该样例的预分类面来确定。该方法不仅考虑了各个样例在未来分类中的作用效果,还考虑了分类器对离群点及噪声数据的敏感性。这样确定的模糊权重能使SVM根据离群点及噪声数据的影响情况决定抑制强度,减少或避免无视数据具体特征的盲目抑制。在IDA、UCI等标准数据集上的实验验证了所提方法的合理性和有效性。
申丰山
关键词：敏感性
使用模拟切削算法的SVM增量学习机制被引量：2
2010年
提出使用模拟切削算法的SVM增量学习机制.模拟切削算法在核函数映射的特征空间中计算每个样本的预期贡献率,仅选取预期贡献率较高的样本参与SVM增量学习,有效解决传统SVM增量学习代价高、目标样本选取准确性低、分类器缺乏鲁棒性的问题.一个样本的预期贡献率采用通过该样本的映射目标的合适分离面对两类样本的识别率来表示.对目标样本的选取酷似果蔬削皮的过程,所提算法由此得名.基准数据实验表明,文中算法在学习效率和分类器泛化性能上具有突出优势.在有限资源学习问题上的应用表明该算法在大规模学习任务上的良好性能.
申丰山张军英王开军
关键词：切削厚度
基于分类信息制导的SVM知识积累方法被引量：1
2009年
针对支持向量机(SVM)适应性学习过程中产生的知识积累问题,提出了基于分类信息制导的知识积累方法.该方法为每个样本产生了用误分率表示的分类信息,误分率低的样本作为保留样本用于知识积累、参与训练和更新SVM.输入空间先被映射到高维特征空间,在该空间中依次为每个映射样本构造一个合适的分离超平面,使其对训练样本具有较低误分率,该误分率即作为相应样本包含的分类信息.与基于距离计算的传统方法相比,该方法对目标样本的定位准确性大为提高,增强了SVM的鲁棒性,提高了其适应能力.实验比较表明,该方法在计算效率和分类性能上具有非常突出的优势.
申丰山张军英刘松华蒋胜利
关键词：支持向量机知识积累分类信息分离超平面
熏陶式三本教学尝试被引量：2
2013年
学习态度消极成为影响三本教学质量的重要障碍。单纯的教学内容改革无助于问题的根本解决,对于学风问题必须采取一定的强制措施才能使学生慢慢养成良好的习惯。借鉴博士研究生的熏陶培养模式,将部分学习训练任务前置到课堂,在教师监管下当场完成,培养学生立即行动的能力和积极态度,使学生养成自律和独立思考问题的习惯,戒除散漫、依赖的不良习惯。
申丰山
关键词：三本学生
用于FSVM抑噪的统计型模糊权重函数被引量：3
2012年
提出了用于设计模糊支持向量机(FSVM)的统计型模糊权重函数,该函数基于模式分类思想为每个训练数据建立一个分类面,数据的模糊权重根据分类面对2类数据的识别率来计算.靠近分类间隔的疑似噪声/离群点将获得相对较小的模糊权值,其作用受到抑制;而远离间隔区域的数据不容易受到盲目抑制.该方法能够有效识别噪声/离群点,降低它们对分类器的影响.实验验证了所提方法的合理性和有效性.统计型模糊权重函数对于含噪情况未知的训练数据尤其显得重要,因为数据含噪情况可以籍由函数分类功能得到恰当的估计.
申丰山张军英
关键词：噪声识别率
渐进支持向量的一种新颖选取策略
2010年
渐进支持向量决定渐进支持向量机的泛化能力,其选取至关重要。对此提出了一种新颖的基于概率计算的渐进支持向量选取策略。该方法为每个样本点构造一个通过该样本点的合适分离面,该样本点成为渐进支持向量的概率是根据该分离面对两类样本的分离率来估计的。具有较高概率值的训练样本被选为渐进支持向量,用以训练和更新渐进支持向量机。比较性的实验表明,该方法在保持渐进支持向量机泛化能力的前提下,在训练效率上具有非常突出的优势。
申丰山马玉军张军英
样例权重估计及在此基础上的SVM
样例权重估计和支持向量机(SVM)是从学习样例中获取知识的两类工具，在解决复杂分类学习任务中具有重要的作用。虽然SVM具有优良的泛化性能，但是其应对大规模样本、增量样本及噪声样本的能力有待于改善。如何通过样例权重估计有效...
申丰山
基于SVM技术的精简极速学习机被引量：6
2014年
针对极速学习机(ELM)性能过分依赖于隐层节点稠密的单隐层前馈神经网络(SLFN)问题,提出了适用于多类分类的精简型ELM,即SVM-ELM(基于支持向量机优化的ELM).该方法大幅削减隐层节点数为类别数,同时通过SVM技术优化每个节点的线性决策函数,显著提高单个节点的决策水平,为ELM的宏观决策提供有利条件.在HCL2000,MNIST和USPS等公共数据集上的实验表明:该方法能够减少节点数目而不损害学习精度,当类别数为10时,基于SVM-ELM方法构造的10节点SLFN泛化性能即可超越基于原始ELM方法构造的包含成千上万个隐层节点SLFN的泛化性能.
申丰山王黎明张军英
关键词：多类分类泛化性能
全选 清除 导出
共1页<1>
聚类工具0