余养强
- 作品数：6 被引量：16H指数：3
- 供职机构：福建师范大学数学与计算机科学学院更多>>
- 发文基金：福建省农科院青年科技人才创新基金福建省自然科学基金教育部重点实验室开放基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 半监督学习若干问题的研究
- 在现实应用中,由于资源、人力与不可克服的条件限制,标签数据的获取存在一定的困难。在少量标签数据和大量未标签数据的情况下,如何有效地提高传统监督学习模型的泛化能力和无监督学习的高效性成为半监督学习的主要问题。半监督学习的研...
- 余养强
- 关键词：半监督学习
- 文献传递
- 半监督的移动对象离群轨迹检测算法被引量：4
- 2011年
- 移动数据的研究逐渐成为了数据挖掘研究领域的热点.已有的移动对象离群轨迹检测算法部分参数敏感且需人工调节,导致算法不稳定,可扩展性不理想;同时,已有算法完全根据自己主观定义的度量来探测离群轨迹,没有充分利用已知轨迹反映的信息.因此,提出一种基于半监督技术的移动对象离群轨迹检测算法,利用半监督技术,根据已知的信息确定敏感参数,克服算法不稳定的缺点,并从整体与局部相结合的角度设计新的度量,以发现有意义的移动对象离群轨迹.实验表明该算法可以发现更有意义的移动对象离群轨迹并减少参数的人工调节.
- 黄添强余养强郭躬德秦小麟
- 关键词：半监督学习离群点挖掘数据挖掘
- 基于调和平均测地线核的局部线性嵌入算法被引量：1
- 2010年
- 为解决现有局部线性嵌入算法不适合处理非均匀分布数据和未利用距离远点信息的问题,提出相应的改进算法。首先引入测地线距离,以便能利用远点信息;然后使用调和平均规范化构造调和平均测地线核矩阵,使算法能更好地处理分布不均匀数据并具有鲁棒性。在UCI数据集上的实验结果表明,改进后的算法能够取得比局部线性嵌入算法更好的降维效果。
- 曾文赋黄添强李凯余养强郭躬德
- 关键词：局部线性嵌入核方法测地线流形学习
- 基于少量标签的高维数据半监督聚类
- 半监督聚类算法常用于提高聚类效果.针对现实中高维标签数据较少的问题，提出利用聚类融合扩充高维标签数据集，在此基础上训练“测评”分类器，用于评估高维数据各维度的重要性权重，用半监督的方法实现降维并聚类，避免了“维度灾难”问...
- 李凯黄添强郭躬德余养强
- 关键词：半监督聚类分类器维度灾难
- 文献传递
- 结构复杂数据的半监督聚类被引量：6
- 2010年
- 基于成对限制,提出一种半监督聚类算法(SCCD),它能够处理存在多种密度结构复杂的数据且识别任意形状的簇.利用成对限制反映的多密度分布信息计算基于密度的聚类算法(DBSCAN)的邻域半径参数Eps,并利用不同参数的DBSCAN算法处理复杂形状且密度变化的数据集.实验结果表明,SCCD算法能在噪声环境下发现任意形状且多密度的簇,性能优于已有同类算法.
- 黄添强余养强秦小麟
- 关键词：半监督聚类基于密度聚类
- 非线性降维算法及其在医院绩效考核上的应用被引量：4
- 2010年
- 流形学习算法中的等距嵌入算法(ISOMAP)具有对离群点敏感的瑕疵,针对此问题,提出利用基于共享近邻的距离度量方式,并充分利用了流形上对象的局部密度信息,有效改善了算法的性能,提高了算法的健壮性。同时,首次尝试将该改进的流形学习算法应用于医院绩效考核。人工数据与真实数据上的实验表明,改进的算法健壮且有效,在绩效考核上应用成功。
- 李凯黄添强余养强郭躬德
- 关键词：非线性降维离群点绩效考核
