您的位置: 专家智库 > >

刘晓欣

作品数:3 被引量:44H指数:3
供职机构:大连理工大学电子信息与电气工程学部更多>>
发文基金:国家自然科学基金更多>>
相关领域:自动化与计算机技术理学电子电信更多>>

文献类型

  • 3篇中文期刊文章

领域

  • 2篇自动化与计算...
  • 1篇电子电信
  • 1篇理学

主题

  • 3篇互信息
  • 1篇学习机
  • 1篇网络
  • 1篇密度函数
  • 1篇径向基
  • 1篇径向基函数
  • 1篇径向基函数网...
  • 1篇基函数
  • 1篇极端学习机
  • 1篇估计方法
  • 1篇概率密度
  • 1篇概率密度函数
  • 1篇COPULA
  • 1篇参数估计

机构

  • 3篇大连理工大学

作者

  • 3篇韩敏
  • 3篇刘晓欣

传媒

  • 1篇自动化学报
  • 1篇控制理论与应...
  • 1篇控制与决策

年份

  • 1篇2014
  • 1篇2013
  • 1篇2012
3 条 记 录,以下是 1-3
排序方式:
基于Copula熵的互信息估计方法被引量:14
2013年
互信息是一种常用的衡量变量相关性的方法,但在互信息估计过程中,联合概率密度的估计往往十分困难.为了避免联合概率密度的估计,同时有效提高互信息估计的准确度与效率,本文提出一种基于Copula熵的互信息估计方法.利用Copula熵与互信息之间的关系,将互信息的估计转化为对Copula熵值的估计.采用基于Kendall秩相关系数的参数估计方法对Copula函数的参数进行估计.所提算法分别与直方图法、核方法、k近邻法和极大似然法进行比较.二维高斯数据上的仿真结果表明,所提方法能够快速准确地对互信息值进行估计.
韩敏刘晓欣
关键词:互信息COPULA概率密度函数参数估计
基于互信息的分步式输入变量选择多元序列预测研究被引量:21
2012年
针对多元序列分析中存在的输入变量选择问题,提出一种基于k-近邻互信息估计的分步式变量选择算法.该算法通过两步过程分别实现相关变量的选择与弱相关变量的剔除.同时将分步变量选择算法应用于径向基函数(Radial basis function,RBF)神经网络结构的优化中.在K均值聚类的基础上,通过分析隐含层神经元的输出权值与神经网络输出的相关性,对隐含层节点进行选择,改进网络的结构与性能.Friedman数据的仿真实验验证了分步变量选择算法的有效性;Gas furnace多元时间序列以及Boston housing数据的仿真结果表明,优化后的RBF网络能够在保证模型精度的基础上有效控制网络规模.
韩敏刘晓欣
关键词:互信息径向基函数网络
一种基于互信息变量选择的极端学习机算法被引量:9
2014年
针对回归问题中存在的变量选择和网络结构设计问题,提出一种基于互信息的极端学习机(ELM)训练算法,同时实现输入变量的选择和隐含层的结构优化.该算法将互信息输入变量选择嵌入到ELM网络的学习过程之中,以网络的学习性能作为衡量输入变量与输出变量相关与否的指标,并以增量式的方法确定隐含层节点的规模.在Lorenz、Gas Furnace和10组标杆数据上的仿真结果表明了所提出算法的有效性.该算法不仅可以简化网络结构,还可以提高网络的泛化性能.
韩敏刘晓欣
关键词:极端学习机互信息
共1页<1>
聚类工具0