郭高
- 作品数：5 被引量：29H指数：2
- 供职机构：西安理工大学理学院更多>>
- 发文基金：国家自然科学基金陕西省教育厅科研计划项目国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 基于预测值替代的相关向量回归稳健化方法被引量：1
- 2012年
- 针对相关向量机的性能易受到奇异值影响的情况,提出了一种增强相关向量机稳健性的方法。其主要思想如下:首先用原始训练数据训练相关向量机;然后,利用某种准则,从原始数据中挑选一些样本,用其预测值代替输出变量值;随后,用改变后的训练样本重新训练相关向量机。这个过程可重复几次。数据试验表明,较之相关向量机和变分稳健相关向量机,新算法对奇异值更加不敏感。
- 郭高鞠花
- 关键词：支撑向量机相关向量机稀疏性稳健性奇异值
- 对LLE图像超分辨率算法的几个改进
- 2019年
- 本文旨在对一种经典的图像超分辨率方法--LLE算法(局部线性嵌入算法)及其代码进行一些改进和优化。为提高对大量图像块的搜索速度,我们采用kd树算法整理样本集;鉴于像素点灰度值的非负性,我们采用非负最小二乘法而不是LLE原来的最小二乘法,确定低分辨率图像块与训练样本集中k最邻近图像块的回归系数;最后,考虑到样本集选取和变换会对实验结果造成影响,我们对训练样本图像的若干因素进行一系列组合,通过正交实验设计得出样本集的最佳选取标准。实验表明,改进后的LLE图像超分辨率算法相比传统的图像插值算法和原LLE算法,效果有较大的改进。
- 侯志明高阳洪明月江平松郭高
- 关键词：图像超分辨率LLE算法KD树正交实验设计
- 加权稳健支撑向量回归方法被引量：20
- 2005年
- 给出一类基于奇异值软剔除的加权稳健支撑向量回归方法(WRSVR).该方法的基本思想是首先由支撑向量回归方法(SVR)得到一个近似支撑向量回归函数,基于这个近似模型给出了加权SVR目标函数并利用高效的SVR求解技巧得到一个新的近似模型,然后再利用这个新的近似模型重新给出一个加权SVR目标函数并求解得到一个更为精确的近似模型,重复这一过程直至收敛.加权的目的是为了对奇异值进行软剔除.该方法具有思路简捷、稳健性强、容易实现等优点.实验表明,新算法WRSVR比标准SVR方法、稳健支撑向量网(RSVR)方法和加权最小二乘支撑向量机方法(WLSSVM)更加稳健,算法的逼近精度受奇异值的影响远小于SVM、RSVR和WLSSVM算法.
- 张讲社郭高
- 关键词：支撑向量机奇异值统计学习
- 半预不变凸集值向量优化问题的弱极小解
- 2010年
- 将单值映射的半预不变凸概念推广到集值映射,建立了半预不变凸集值映射的择一定理,并应用择一定理获得了半预不变凸集值映射向量优化问题的最优性必要条件,建立了两个Lagrange乘子定理和Lagrange对偶定理。
- 郭高赵东涛
- 关键词：最优性必要条件择一定理
- Out-of-bag样本的应用研究被引量：8
- 2011年
- Bagging集成通过组合不稳定的基分类器在很大程度上降低"弱"学习算法的分类误差,Out-of-bag样本是Bagging集成的自然产物。目前,Out-of-bag样本在估计Bagging集成的泛化误差、构建相关集成分类器等方面得到了广泛应用。文章对Out-of-bag样本的应用进行了综述,阐述了对其进行研究的主要内容和特点,并对它在将来可能的研究方向进行了讨论。
- 张春霞郭高
- 关键词：BAGGING泛化误差
