翟俊海
- 作品数：89 被引量：432H指数：9
- 供职机构：河北大学更多>>
- 发文基金：河北省自然科学基金国家自然科学基金河北省高等学校科学技术研究指导项目更多>>
- 相关领域：自动化与计算机技术理学文化科学一般工业技术更多>>
- 基于粗糙集属性熵权依赖度的决策树归纳
- ID3算法是典型的决策树归纳方法，它以信息增益作为选择扩展属性的标准，但是ID3算法倾向于选取取值较多的属性作为扩展属性。本文提出了一种基于粗糙集属性熵权依赖度的决策树归纳方法，该方法是完全数据驱动的，而且可以克服ID3...
- 翟俊海白展燕张素芳
- 关键词：粗糙集理论属性依赖度决策树
- 基于IFS的图形模拟方法被引量：6
- 2004年
- 首先介绍了图形的自相似性、迭代函数系统(IFS)和拼贴定理,然后提出了一种将迭代函数系统应用于图形模拟的新方法,拼贴定理保证了模拟的误差是可以控制的,对具有自相似特点的图形,此方法非常有效,且算法实现简单、高效.算法的关键是寻找合适的仿射变换.另外,也可以将此方法用于一般的图形模拟.
- 翟俊海刘振鹏
- 关键词：分形迭代函数系统自相似性
- 基于划分子集的属性约简算法被引量：3
- 2011年
- Pawlak提出的基于属性重要度的约简算法是常用的算法之一,它通过计算等价关系对论域划分的粒度来度量属性的重要度。但用该算法计算每一个属性的重要度时,都要计算不同等价关系对整个论域的划分,计算复杂度非常高。受决策树划分子集思想的启发,对基于属性重要度的属性约简算法进行了改进,提出了一种基于划分子集的属性约简算法。在核属性集形成划分的基础上,通过在核属性中添加非核属性从而形成更细的划分,如此反复。在保持正域不变的框架下,形成最细化分的属性集就是一个约简。理论分析显示该算法减少了求属性约简的计算时间复杂度,提高了求属性约简的效率。
- 翟俊海高原原王熙照陈俊芬
- 关键词：粗糙集属性约简计算复杂度信息系统
- 基于相对分类信息熵的进化特征选择算法被引量：7
- 2016年
- 针对离散值数据集特征选择问题,提出基于相对分类信息熵的进化特征选择算法.使用遗传算法搜索最优特征子集,使用相对分类信息熵度量特征子集的重要性.以相对分类信息熵作为适应度函数,使用二进制编码问题的解,使用赌轮方法选择产生下一代个体.实验表明文中算法在测试精度上优于其它方法,此外还从理论上证明文中算法的可行性.
- 翟俊海刘博张素芳
- 关键词：数据预处理进化计算遗传算法信息熵
- 多生成器生成对抗网络被引量：2
- 2021年
- 生成对抗网络(Generative adversarial networks,GAN)广泛应用于各种领域,尤其在图像生成方面.该模型由生成网络与判别网络2部分组成,在无监督的训练方式下,2个网络相互竞争相互提高.然而,GAN在训练时经常出现模式崩溃问题,进而导致模型收敛较慢,生成样本多样性较差.为解决这一问题,在深度卷积神经网络的基础上提出了一种多生成器生成对抗网络模型.该模型包含多个生成网络,每个生成网络均使用残差网络进行搭建,同时在生成网络间引入协作机制,以加快模型获取信息并减少参数量,最后将各生成网络的特征图进行融合得到最终图像输入到判别网络中.GAN在训练过程中还会出现梯度消失、训练不稳定问题.为避免出现这些问题,将Wasserstein距离和梯度惩罚引入模型的损失函数.通过在多个数据集上与多种相关方法进行实验比较,结果表明提出的模型在缓解模式崩溃问题、加快模型收敛速度以及减少参数量上均明显优于其他几种方法.
- 申瑞彩翟俊海侯璎真
- 大数据与大数据机器学习被引量：22
- 2018年
- 大数据时代已经到来,大数据是指具有海量(Volume)、多样(Variety)、时效(Velocity)、不精确(Veracity)和价值(Value)这5种特征的数据,大数据研究是近几年信息处理领域最热门的研究方向,已经引起了工业界、学术界乃至政府部门的高度关注.大数据之所以备受关注,是因为大数据里面蕴藏着巨大的价值.如何把蕴藏在大数据中的价值挖掘出来,为企业或政府部门提供决策支持具有重要的意义.大数据给传统的机器学习带来了许多挑战,这些挑战可以从大数据的5个特征或从5个不同的角度进行分析.本文首先介绍大数据的概念,并详细剖析大数据5种特征的内涵;然后在此基础上,重点分析大数据给机器学习带来的挑战及可能的解决方法.本文对从事大数据研究的人员,特别是从事大数据机器学习研究的人员具有较高的参考价值.
- 张素芳翟俊海王聪沈矗赵春玲
- 关键词：大数据云计算决策支持
- 基于结点敏感度的单隐含层前馈神经网络结构选择被引量：3
- 2014年
- 提出了一种基于结点敏感度的单隐含层前馈神经网络结构选择方法。该方法从一个隐含层结点个数较多的网络开始,首先利用结点敏感度度量隐含层结点的重要性,然后按重要性对隐含层结点由大到小排序,最后逐个剪去不重要的隐含层结点,直到满足预定义的停止条件。该算法的特点是不需要重复训练神经网络,得到的网络结构紧凑,具有较高的泛化能力。在实际数据集和UCI数据集上的实验结果显示,提出的算法是行之有效的。
- 翟俊海哈明光邵庆言王熙照
- 关键词：前馈神经网络敏感度交叉熵
- 基于最大Margin的决策树归纳学习系统及在多光谱数据分类中的应用
- 王熙照翟俊海鲁淑霞李艳何强冯慧敏李宁高相辉陈爱霞董令彩
- 课题重点研究了学习机器的推广能力与Margin间的关系问题，数据集合之间的距离与SVM分割超平面的间隔(Margin)之间的数量关系问题及将支持向量机的Margin作为决策树归纳学习系统的启发式来构建一种新的学习系统，使...
- 关键词：
- 关键词：支持向量机
- 选择性集成学习多判别器生成对抗网络被引量：2
- 2022年
- 生成对抗网络(GAN)在图像生成方面具有广泛应用,但基于无监督方式与有监督方式的网络生成样本仍有较大差距。为解决生成对抗网络在无监督环境中生成样本多样性差、质量较低以及模型训练时间过长等问题,提出了具有选择性集成学习思想的生成对抗网络模型。将生成对抗网络中的判别网络采用集成判别系统的形式,有效减少了由单判别器判别性能不佳导致判别误差的情况;同时考虑到若集成判别网络均采用统一网络设置,则在模型训练中基判别网络将趋近于一种表现形式,为鼓励判别网络判别结果多样且避免网络陷入雷同,设置拥有不同网络结构的判别网络,并在集成判别网络中引入具有动态调整基判别网络投票权重的多数投票策略,对集成判别网络的判别结果进行投票,有效地促进了模型的收敛且较大减少了实验误差。最后将提出的模型与同方向的模型在不同数据集上使用不同评价指标进行评价,实验结果表明提出的模型无论在生成样本多样性、生成样本质量还是在模型收敛速度上均明显优于几种竞争模型。
- 申瑞彩翟俊海侯璎真
- 长尾识别研究进展
- 2022年
- 长尾识别是目前深度学习领域最热门的研究方向之一,长尾识别的工作重点是解决长尾分布数据的计算机视觉识别任务.长尾分布的显著特征为2-8分布,即20%的类占据80%的样本.将少数几个类占据了大部分数据的类称之为头部类;而大多数类占据了很少部分数据的类称之为尾部类.首先,列举解决长尾识别问题的各种方法.然后,将其划分为重采样、重加权、迁移学习、解耦特征学习和分类器学习以及其他方法进行阐述.最后,阐述对相关方法的理解.
- 张明翟俊海许垒高光远
- 关键词：计算机视觉研究方法神经网络
