江西省自然科学基金(2007GZS2246)
- 作品数：2 被引量：3H指数：1
- 相关作者：廖频李昆仑郭波张炘更多>>
- 相关机构：南昌大学更多>>
- 发文基金：江西省自然科学基金江西省科技支撑计划项目江西省教育厅科技基金资助项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于级联支持向量机的人脸图像性别识别被引量：3
- 2012年
- 提出一种由若干个支持向量机(SVM)分类器串连而成的级联SVM算法,用于人脸图像性别识别。该算法把容易被前一层分类器分类的训练样本过滤掉,将难度较高的训练样本重新组织起来训练新一层的分类器。结合级联分类器和SVM理论的优势,在训练过程中能够使用更多的样本,具有更好的识别性能。在同一硬件实验条件下的实验结果表明,单层SVM最多只能训练7万样本,而四层级联SVM的训练样本数可达12万以上,相应的识别率也从96.6%上升至98.4%。
- 李昆仑廖频
- 关键词：统计学习支持向量机分类器级联性别识别
- 一种基于条件矩阵的最大频繁项集挖掘算法
- 2010年
- 在数据挖掘问题的研究中,为减少候选最大频繁项集数量和降低超集存在判断的开销,为了优化算法,提出了一种基于条件矩阵挖掘最大频繁项集的算法(conditional matrix for maximal frequent itemsets,CMMFI)。将压缩频繁模式树表示的频繁项集信息投影到条件矩阵,采用最大顺序尾项排序和扩展2项集剪枝,有效削减了搜索空间,提高了算法的空间效率。使用标号数组优化超集检测的过程,减少了频繁项集比较的次数,减少了花费时间。最后,选用了两个模式长度不同的数据集,将算法与FPMax算法进行性能比较,实验结果验证了算法的有效性和优越性。
- 张炘廖频郭波
- 关键词：数据挖掘最大频繁项集
