潘冬寅
- 作品数：4 被引量：4H指数：1
- 供职机构：南京林业大学信息科学技术学院更多>>
- 发文基金：江苏省“青蓝工程”基金江苏省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术理学电气工程电子电信更多>>
- 结肠癌基因表达谱的特征选取研究被引量：1
- 2012年
- 为了找到与结肠癌相关的基因,提高结肠癌样本的识别率,提出了基于Chernoff距离的浮动顺序搜索算法(sequential floating search method,SFSM)。通过对结肠癌基因表达谱数据集的分析,对每个基因进行评价和筛选;对筛选后的基因子集利用SFSM算法进行搜索,并以Chernoff距离作为其评估函数,生成若干候选特征基因子集;利用支持向量机(support vector machine,SVM)、K-近邻(K-nearest neighbor,KNN)和径向基(radical basis function,RBF)神经网络分类器来检验候选特征基因子集的分类效果。实验结果表明,利用SFSM及评估函数Chernoff距离发现在参数β=0.25时能找到最佳的特征基因组合,该组合能以很高的正确率识别结肠癌样本。
- 潘冬寅朱发徐昇业宁
- 关键词：支持向量机K-近邻径向基神经网络
- 电能质量扰动信号降维及分类研究
- 随着科学技术的不断进步，各种复杂的、精密的、对电能质量敏感的现代用电设备的不断普及，人们对电能质量的要求及标准越来越高，同时各种拥有非线性、冲击性及不平衡用电特性的电力电子装置的使用，使电网的干扰性负荷日益增多，导致电能...
- 潘冬寅
- 关键词：电能质量扰动
- 文献传递
- 基于支持向量集子集的支持向量机增量学习算法
- 支持向量机增量算法的关键是对历史样本集的剪辑，在历史样本集中选择出尽可能少又能尽可能多的代表历史样本集的一个子集，然后把这个子集加入到新训练样本集中进行学习。对于代表历史样本集子集的选择方法有很多。本文提出的Simple...
- 朱发业宁潘冬寅丁文
- 关键词：KKT条件SVM
- 基于最小样本平面距离的支持向量机增量学习算法被引量：3
- 2012年
- 支持向量机增量算法的关键是对历史样本集的剪辑,在历史样本集中选择出尽可能少又能表示尽可能多历史样本集信息的子集,再把这个子集与新增训练样本集放在一起进行训练。Liva Ralaivola[1]提出保留新增样本最近邻样本来表示历史样本集,而这样的最近邻样本中可能存在冗余样本。根据历史样本与分类平面间的距离可以去除新增样本最近邻样本集中的冗余样本。根据样本平面距离提出了MSPDISVM(minimum sample plane distance incremental support vector ma-chines)算法。实验结果表明,MSPDISVM比Liva Ralaivola提出的算法有更快的速度,而精度没有太大的差异。使用样本平面距离可以有效地去除新增样本最近邻中的冗余样本。
- 朱发业宁潘冬寅丁文
- 关键词：支持向量机
