汪华东 作品数:7 被引量:49 H指数:5 供职机构: 中国科学院 更多>> 发文基金: 国家自然科学基金 国家教育部博士点基金 更多>> 相关领域: 理学 自动化与计算机技术 社会学 经济管理 更多>>
因素空间中改进的因素分析法 被引量:18 2015年 为进一步提高因素空间中因素分析法的运行速度和对样本信息的利用,对文献[7]给出的因素分析算法进行了改进.因素分析法在因素晋升时采用逐列推进方式,而逐列推进产生的决定域要小于按逐类推进产生的决定域,而且决定域的删除是降低算法的运算量、提高算法运行速度的关键.因此,在继承原算法优点的基础上,将逐列推进改成逐类推进,这种改进不但降低了算法的计算量,而且提高了样本信息的利用率.测试结果表明,改进效果明显,在测试准确率和运行速度均优于原算法. 汪华东 汪培庄 郭嗣琮关键词:因素空间 时间复杂度 模糊结构元诱导的两类加权模糊数度量 2014年 针对模糊数度量中不同隶属程度对度量的贡献程度应不同的客观事实,给出两类模糊数的结构元加权度量。首先,在区间[-1,1]上的同序标准单调有界函数类B[-1,1]上定义两类结构元加权度量dH、dp,分别讨论了这两类度量空间的完备性和可分性;其次,利用正则模糊结构元导出的模糊泛函,给出一种由B[-1,1]上度量诱导有界闭模糊数全体上的度量方法,进而给出由dH、dp诱导的两类模糊数结构元加权度量dNH、dNp,并分析了两类诱导的模糊数度量空间的完备性和可分性;最后,给出了dNH、dNp与传统方法定义的模糊数度量的区别与联系。 汪华东 郭嗣琮关键词:模糊数 模糊结构元 L2损失大规模线性非平行支持向量顺序回归模型 被引量:5 2019年 顺序回归是一种标签具有序信息的多分类问题,广泛存在于信息检索、推荐系统、情感分析等领域.随着互联网、移动通信等技术的发展,面对大量具有大规模、高维、稀疏等特征的数据,传统的顺序回归算法往往表现不足.非平行支持向量顺序回归模型具有适应性强,在性能上优于其他基于SVM的方法等优点,该文在此模型基础上提出基于L2损失的大规模线性非平行支持向量顺序回归模型,其中线性模型的设计可处理大规模数据,基于L2的损失可使标签偏离较大的样本得到更大惩罚.此外,该文从模型的两种不同角度分别设计了信赖域牛顿算法和坐标下降算法求解该线性模型,并比较了两种算法在性能上的差异.为验证模型的有效性,该文在大量数据集上对提出的模型及算法进行了分析,结果表明,该文提出的模型表现最优,尤其采用坐标下降算法求解的该模型在数据集上获得了最好的测试性能. 石勇 李佩佳 汪华东关键词:支持向量机 因素空间反馈外延包络及其改善 被引量:7 2015年 研究了因素空间中概念外延的两种近似方法,即反馈外延外包络和反馈外延内包络。首先从概念及其对立概念出发定义了这两种外延近似,讨论了其与粗糙集的上、下近似的关系,得出它们之间具有一致性的结论,并以此给出了两种包络之间的相关性质。随后,讨论了反馈外延包络对概念外延逼近精度问题,给出了四种改善方法。 汪华东 郭嗣琮关键词:因素空间 包络 粗糙集 基于结构元理论的模糊多元线性回归模型 被引量:14 2014年 针对系数为模糊数的多元线性回归模型,运用基于模糊结构元理论的最小二乘法,研究模型的解析表达式.首先运用模糊结构元方法定义了模糊数距离公式,该公式与文[1]给出的距离公式在一定条件下等价,但避免了后者因区间运算而带来的不便.对模糊参数用结构元理论表示,得到了模型的解析表达式.再根据定义的距离公式采用最小二乘法得到了估计模糊参数的方法.根据该方法得到系数为LR-型模糊数的回归模型.最后给出一个应用算例,说明本文方法的简便性. 汪华东 郭嗣琮 岳立柱关键词:最小二乘法 模糊结构元 三角模糊数 基于因素空间反馈外延外包络的DFE决策 被引量:9 2015年 逆向思维是决策中常用的一种思维方法,但目前的反馈外延决策方法(Decision-making of Feedback Extension,DFE)均未考虑这一点。为此,在因素空间理论基础上,从对立概念角度出发构造了一种概念的外延逼近即反馈外延外包络,在此基础上提出了基于反馈外延外包络的DFE决策方法。通过土壤肥力评级的实例验证了该方法的有效性和可行性。 汪华东 郭嗣琮关键词:因素空间 包络 基于有序编码的核极限学习顺序回归模型 被引量:3 2018年 顺序回归是机器学习领域中介于分类和回归之间的有监督问题。在实际中,许多带有序关系标签的问题都可以被建模成顺序回归问题,因此顺序回归受到众多学者的关注。基于极限学习机(ELM)的算法能有效避免因迭代过程陷入的局部最优解,减少训练时间,但基于极限学习机的算法在顺序回归问题上的研究较少。该文将核极限学习机与纠错输出编码相结合,提出了一种基于有序编码的核极限学习顺序回归模型。该模型有效解决了如何在顺序回归中取得良好的特征映射以及如何避免传统极限学习机中隐层节点个数依赖于人工设置的问题。为验证提出模型的有效性,该文在多个顺序回归数据集上进行了测试,测试结果表明,相比于传统ELM模型,该文提出的模型在准确率上平均提升了10.8%,在数据集上预测表现最优,而且获得了最短的训练时间,从而验证了模型的有效性。 李佩佳 石勇 汪华东 汪华东关键词:纠错输出编码 极限学习机 核函数