李航
- 作品数：9 被引量：12H指数：1
- 供职机构：重庆邮电大学更多>>
- 发文基金：国家社会科学基金重庆市教育委员会科学技术研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于温度补偿的自适应时间同步方法
- 本发明涉及一种基于温度补偿的自适应时间同步方法，属于无线传感器网络技术领域。考虑到环境温度对时钟晶振频率的较大影响，该方法首先利用时钟漂移与温度之间的相关性，建立温度‑晶振频率模型，节点可以在此模型下根据温度的变化情况对...
- 谢昊飞熊辉辉王平高兴柯俊逸艾尔帕提·艾尔肯李航
- 文献传递
- 一种O2O优惠券使用大数据预测方法
- 本发明请求保护一种O2O优惠券使用大数据预测方法，包括：101对用户的历史消费数据集进行预处理操作；102对用户的历史消费数据集打标，划分和构建训练集和预测集；103对用户的历史消费数据集进行特征工程构建；104特征选择...
- 王进范磊杨阳欧阳卫华邵帅李航邓欣胡峰李智星陈乔松
- 文献传递
- 基于标签特定特征的多目标回归集成算法及应用
- 近年来，多目标回归学习在生态学和经济学等多个领域中得到了广泛关注，在现实世界中也具有越来越重要的潜在应用价值。多目标回归任务需要对一个样本同时预测多个目标，因此它的主要挑战来自于对输入要素和输出目标变量之间的基础关系进行...
- 李航
- 文献传递
- 一种基于温度补偿的自适应时间同步方法
- 本发明涉及一种基于温度补偿的自适应时间同步方法，属于无线传感器网络技术领域。考虑到环境温度对时钟晶振频率的较大影响，该方法首先利用时钟漂移与温度之间的相关性，建立温度‑晶振频率模型，节点可以在此模型下根据温度的变化情况对...
- 谢昊飞熊辉辉王平高兴柯俊逸艾尔帕提·艾尔肯李航
- 文献传递
- 一种基于MPI和Adaboost.MH的中文文本分类方法
- 本发明公开了一种基于MPI和Adaboost.MH的中文文本分类方法，用于解决当数据量较大时，Adaboost.MH训练时间较长因而导致总的中文文本分类时间较长的问题。该方法包括：将经过分词处理的中文文本保存到训练数据集...
- 王进高延雨李颖李航余薇高选人邓欣陈乔松胡峰
- 文献传递
- 基于粗糙集的不平衡数据采样方法研究
- 不平衡数据分类问题是机器学习领域里一个重要的研究内容。在不平衡数据中，样本在各个类别之间地分布是不平衡的。由于少数类样本数量稀少，用传统的机器学习方法在应对不平衡数据分类问题时会出现分类结果更多倾向于多数类，而少数类样本...
- 李航
- 关键词：粗糙集不平衡数据采样方法
- 文献传递
- 一种基于条件式生成对抗网络的在线笔迹识别方法
- 本发明请求保护一种基于条件式生成对抗网络的在线笔迹识别方法，包括：101用户注册模块：用户的基本信息；102接收模块：接收到用户输入的一段文字信息，包括：书写文字的风格、书写文字的力度、书写文字的间距；103条件式生成对...
- 王进陈知良颉小凤李颖欧阳卫华高选人陈乔松李航余薇邓欣
- 文献传递
- 一种基于增量式超网络的多标签分类方法被引量：9
- 2019年
- 在层次多标签分类问题中,一个样本同时被赋予多个类别标签,并且这些类别标签被组织成一定的层次结构。层次多标签分类问题的主要挑战在于:①分类方法的输出必须符合标签的层次结构约束;②层次深的节点所代表的标签往往只有很少的样本与之相关,造成标签不平衡的问题。提出一种用于层次多标签分类问题的增量式超网络学习方法(hierarchical multi-label classification using incremental hypernetwork,HMC-IMLHN),通过将超网络的超边组织成相应的层次结构,使输出的预测标签能够满足标签的层次约束。此外,超网络学习方法可以利用标签之间的关联减少标签不平衡问题对分类性能的影响。实验结果表明,与其他层次多标签分类方法相比,提出的增量式超网络方法能够取得较好的分类准确性。
- 王进陈知良李航李智星卜亚楠陈乔松邓欣
- 关键词：超网络
- 基于Spark的多标签超网络集成学习被引量：1
- 2017年
- 近年来,多标签学习在图像识别和文本分类等多个领域得到了广泛关注,具有越来越重要的潜在应用价值。尽管多标签学习的发展日新月异,但仍然存在两个主要挑战,即如何利用标签间的相关性以及如何处理大规模的多标签数据。针对上述问题,基于MLHN算法,提出一种能有效利用标签相关性且能处理大数据集的基于Spark的多标签超网络集成算法SEI-MLHN。该算法首先引入代价敏感,使其适应不平衡数据集。其次,改良了超网络演化学习过程,并优化了损失函数,降低了算法时间复杂度。最后,进行了选择性集成,使其适应大规模数据集。在11个不同规模的数据集上进行实验,结果表明,该算法具有较好的分类性能,较低的时间复杂度且具备良好的处理大规模数据集的能力。
- 李航王进赵蕊
- 关键词：超网络APACHESPARK
