张远健
- 作品数：20 被引量：70H指数：4
- 供职机构：同济大学电子与信息工程学院更多>>
- 发文基金：国家自然科学基金江西省自然科学基金上海市自然科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 基于改进卷积神经网络的多标记分类算法被引量：9
- 2019年
- 良好的特征表达是提高模型性能的关键,然而当前在多标记学习领域,特征表达依然采用人工设计的方式,所提取的特征抽象程度不高,包含的可区分性信息不足。针对此问题,提出了基于卷积神经网络的多标记分类模型 ML_DCCNN,该模型利用卷积神经网络强大的特征提取能力,自动学习能刻画数据本质的特征。为了解决深度卷积神经网络预测精度高,但训练时间复杂度不低的问题,ML_DCCNN利用迁移学习方法缩减模型的训练时间,同时改进卷积神经网络的全连接层,提出双通道神经元,减少全连接层的参数量。实验表明,与传统的多标记分类算法以及已有的基于深度学习的多标记分类模型相比,ML_DCCNN保持了较高的分类精度并有效地提高了分类效率,具有一定的理论与实际价值。
- 余鹰王乐为吴新念伍国华张远健
- 关键词：多标记学习卷积神经网络损失函数
- 一种商拓扑能量递阶动态规划的无线传感网路由方法
- 一种商拓扑能量递阶动态规划的无线传感网路由方法<b>，</b>是将网络生命周期首轮根据传感网节点地理属性划分商集，得出备选划分方案，通过竞争找到最优首层虚分簇并记录簇头。首层各虚簇用同样的方式找到...
- 徐健锋张远健刘斓李宇刘承启黄文海涂敏汤涛何宇凡谢晓汶
- 文献传递
- 混合多机器学习的ICU病人生死预测框架被引量：1
- 2014年
- ICU病人生死预测一直都是医学界的研究热点和难点。数据挖掘的机器学习方法近年来在该领域取得了一定的进展,但依然有很大的发展空间。针对ICU时序数据的高维度和不确定间隔采样特性,提出了不确定间隔采样转化为确定间隔的空采样的思想和相应的处理策略;在此基础上将传统的时间序列聚类与机器学习方法相结合,提出了一个两阶段的混合多机器学习算法框架,使得数据集的高维和不确定性得到了约简,从而可以采用经典的机器学习方法挖掘病人生死知识。在一个公开数据集上的两组实验结果表明,基于该算法框架的ICU病人死亡预测方法对于少数样本的分类效果优于传统方法,弹性时间间隔下的预测效果更好,最优时间间隔的选取可以通过实验效果来验证。
- 张远健徐健锋涂敏黄学坚刘清
- 关键词：ICU
- 一种商拓扑能量递阶博弈的无线传感网路由方法
- 一种商拓扑能量递阶博弈的无线传感网路由方法，包括：整个网络生命周期分为若干轮。在第各轮中的传感网节点根据地理属性诱导出基数相同的不同的节点商集划分，并且通过能量博弈确定是否需要分簇并找到最好的划分作为第一层分簇（划分），...
- 徐健锋李宇刘斓张远健涂敏王振黄学坚许园严军峰陈明威
- 文献传递
- 商空间WSN动态拓扑分簇路由算法被引量：1
- 2015年
- 商空间方法是粒计算领域处理复杂问题求解的重要方法,其精髓在于运用保真保假定理对粒度空间的分层递阶诱导.合理高效地对无线传感器网络的分簇以延长网络寿命是近年来普遍认为的一个复杂问题.本文主要运用能量保假原理和分层递阶的思想逐层建立合理的分簇,对节点传输能量消耗进行优化,然后确定每个传感器节点到簇头和基站的传输路径.由此建立了基于商空间的WSN粒度模型,并提出了基于商空间的WSN动态拓扑分簇路由算法(QSRA),同时在此基础上研究了基于商空间的WSN动态拓扑多跳分簇路由算法(QSRA-M).算法中WSN的分簇形态可以动态适应网络能量消耗,使得节点能量消耗分布更合理.MATLAB仿真实验表明,与经典的分簇路由算法相比,该算法能够有效延长网络生命周期,同时体现了商空间理论在该领域的实际应用价值.
- 李宇徐健锋涂敏张远健许园刘清
- 关键词：无线传感网分簇粒计算递阶商空间
- 多粒度时间序列及其在ICU医学预测应用的研究
- 具有领域背景的时序数据具有典型的大数据特征。粒计算是解决复杂问题的重要求解方法，但是对于时序数据的粒度还缺乏系统的研究。ICU医学预测是ICU医学研究领域的重要课题，具有典型的时间序列特征，其主要目标在于通过准确预测病人...
- 张远健
- 关键词：急诊医学粒计算时间序列模型聚类方法
- 文献传递
- 基于层次信息粒表示的属性图链接预测模型被引量：2
- 2019年
- 随着具有结点属性信息的网络图数据的增加,结点属性及结点链接关系越来越复杂,这对复杂网络的链接预测任务带来了一系列的挑战.这些不同来源的原始数据之间存在着不一致性,即结点的属性诱导的潜在链接关系与网络拓扑结构观测到的链接边之间存在着不一致的情况,这一现象将直接影响结点对之间的链接预测准确性与精确性.为了有效处理多源数据的不一致性,融合异构数据的差异,借助粒计算思想,通过对原始数据的多粒度表示,将原始数据在不同层次的粒度进行信息表示建模.最终依据这些数据的粒度表示,寻找最优的粒层结构,并最大化地消除数据内在的不一致性.首先,定义了数据的粒度不同层次表示及粒层关系;其次,对所观测到的链接数据,构建对数似然统计模型,并综合不同粒度层数据特点对模型进行修正;最后,使用多源数据训练统计模型,将学习好的模型用于预测结点对之间的链接概率.实验表明:与现有链接预测模型相比,多源数据经过粒度表示极大地平衡了多源数据的不一致性,有效提升了链接预测任务的准确性.
- 罗晟苗夺谦张志飞张远健张远健
- 关键词：粒计算链接预测数据融合
- 分段延迟代价敏感三支决策被引量：1
- 2022年
- 决策粗糙集理论中,三支决策代价目标函数是典型的单调线性函数.然而,在实践经验中经常发现延迟决策的代价与决策概率之间的函数关系往往呈现非单调特性,决策粗糙集理论的经典代价敏感三支决策模型无法对上述非单调现象进行直接的建模和推理,导致决策粗糙集理论的应用受到了限制.为了求解这种具有非单调延迟代价的代价敏感三支决策问题,提出一种新型分段延迟代价敏感三支决策模型.该模型定义了具有单调递增和单调递减特性的两组延迟决策损失函数,并结合经典正负域决策损失函数构造了分段延迟三支决策代价目标函数体系、度量指标和分段决策策略;然后,基于条件概率、损失函数及基础度量指标之间关系的4种分段延迟代价敏感三支决策分类模式被提了出来,并且对相应的三支分类阈值进行了推理;最后,通过一组典型实例,验证了分段延迟代价敏感三支决策模型及其三支分类是可行的.
- 徐健锋苗夺谦张远健
- 关键词：目标函数
- 基于弯曲距离三支决策的时序相似性算法被引量：1
- 2017年
- 动态时间弯曲距离算法(DTW)是目前公认的最有效的时间序列相似性计算方法之一,但是较高的时间复杂度一直是其主要缺点。快速弯曲距离算法(FTW)能有效提高DTW的计算速度,但是该算法对不同粒度时间序列剪枝的行为是典型的二支决策,与人类处理不确定问题时普遍采用的三支判断不同。因此,通过将三支决策理论引入到DTW算法的优化工作中,建立了DTW三支决策模型;然后对DTW三支决策模型中的决策阈值α和β进行了基于误识别率的推导,并且给出了具体求解阈值α和β的模拟退火算法;最后基于上述理论提出了基于弯曲距离三支决策的时序相似性算法(3WD-DTW)。通过对比实验表明,与FTW算法相比,3WD-DTW算法在保持较快的计算速度的前提下明显提升了计算准确度,使其接近DTW的水平。
- 徐健锋何宇凡张远健汤涛
- 关键词：动态时间弯曲模拟退火
- 延迟代价双量化三支决策被引量：4
- 2019年
- 决策粗糙集理论中,三种单调性的代价目标函数被用来评价三支决策的风险.然而,在实际应用中,其中的延迟代价目标函数经常存在着非单调现象.针对这种现象,本研究首先提出了一种基于三支决策代价目标函数间逻辑关系的阈值计算方法.然后,提出了双量化延迟代价目标函数的策略,并且分别讨论了相应的三支决策阈值推导,重点阐述了延迟代价双量化的乐观视角和悲观视角.最后,通过一组典型的实例证明了上述代价双量化三支决策的设计和推理的可行性.
- 徐健锋苗夺谦苗夺谦
- 关键词：代价函数非单调阈值
