陈松灿

作品数：163被引量：883H指数：16
导出分析报告
供职机构：南京航空航天大学更多>>
发文主题：神经网络人脸识别核方法模式识别聚类更多>>
发文领域：自动化与计算机技术理学文化科学电子电信更多>>
发文期刊：《计算机教育》《南京大学学报（自然科学版）》《控制理论与应用》《山东大学学报（工学版）》更多>>
所获基金：国家自然科学基金江苏省自然科学基金国家教育部博士点基金江苏省高校自然科学研究项目更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
频域mixup增广和logit补偿的自监督多标记不平衡心电图分类
《计算机科学与探索》2025年第4期1011-1020,共10页操思源 陈松灿 
国家自然科学基金(62076124,62376126)。
自监督对比学习通过数据增广视图间的对比已被证明能习得好的特征表征,继而通过微调完成下游(分类)任务,因此得到广泛应用。心电图(ECG)作为非侵入、低风险和低成本的心血管疾病常用信号源,其分类有助于早期预防和精确治疗心率失常等。...
关键词：心电图分类 心率失常 自监督对比学习 多标记 类不平衡 
基于IMIU的在线类增量对比学习
《软件学报》2024年第12期5544-5557,共14页刘雨薇 陈松灿 
国家自然科学基金(62076124);南京航空航天大学研究生科研与实践创新计划(xcxjh20221601)。
在线类增量连续学习旨在数据流场景下进行有效的新类学习,并保证模型满足小缓存和小批次约束.然而由于数据流的单趟(one-pass)特性,小批次内的类别信息难以如离线学习那样被多趟探索利用.为缓解该问题,目前常采用数据多重增广并借助对...
关键词：机器学习 在线类增量学习 对比学习 插值混合 Universum 
分布式稀疏软大间隔聚类
《数据采集与处理》2024年第2期376-384,共9页谢云轩 陈松灿 
虽然软大间隔聚类(Soft large margin clustering,SLMC)相比其他诸如K-Means等算法具有更优的聚类性能与某种程度的可解释性,然而当面对大规模分布存储数据时,均遭遇了同样的可扩展瓶颈,其涉及的核矩阵计算需要高昂的时间代价。消减此...
关键词：交替方向乘子法 软大间隔聚类 分布式机器学习 核近似 
部分域适应研究综述被引量：2
《软件学报》2023年第12期5597-5613,共17页田青 储奕 孙赫阳 吴一昕 陈松灿 
国家自然科学基金(62176128);模式识别国家重点实验室开放课题(202000007);中央高校基本科研业务费(NJ2022028);江苏省“青蓝工程”优秀青年骨干教师人才计划;江苏省研究生科研实践创新计划(KYCX22_1205)。
域适应通过将源域知识迁移到任务相似的目标域,旨在辅助后者更好地学习.当目标域的数据标签集为源域标签的子集时,该类场景的域适应称为部分或偏域适应(partial domain adaption,PDA).相比一般的域适应,尽管PDA更具普遍性,但也更具挑战...
关键词：域适应 部分域适应 促进正迁移 抑制负迁移 
结构与纯度结合的新型决策树分裂准则
《南京航空航天大学学报》2023年第3期534-543,共10页杜斐 陈松灿 
国家自然科学基金(62076124)。
决策树(Desision tree,DT)生长关键步骤的分裂或分叉准则通常根据纯度和误分类误差等实现,分裂生长分为轴平行和非轴平行方式。这些分裂准则一般与数据内在结构(如类别是否是多簇或单簇组成)无关。为了弥补这一缺失,本文提出了两种混合...
关键词：决策树 分裂准则 全局结构 纯度 数据结构 
自监督增广的监督分类学习增强被引量：2
《软件学报》2023年第4期1870-1878,共9页耿传兴 谭正豪 陈松灿 
国家自然科学基金(62076124,62106102);中央高校基本科研业务费(NJ2020023)。
借助预置任务创建的免费监督信号/标记,自监督学习(SSL)能学得无标记数据的有效表示,并已在多种下游任务中获得了验证.现有预置任务通常先对原视图数据作显式的线性或非线性变换,由此形成了多个增广视图数据,然后通过预测上述视图或变...
关键词：机器学习 监督分类学习 自监督学习 多视图学习 数据增广 
基于高斯神经元的自组织映射网络研究被引量：3
《数据采集与处理》2023年第1期85-92,共8页刘达 陈松灿 
国家自然科学基金(61732006)。
自组织映射网络(Self-organizing map network,SOM)是一种经典的无监督学习方法,具有自组织和联机学习功能。由于其简明与实用等特点,不断涌现出SOM变体以适应各类问题。然而,这些工作基本都采纳了确定性神经元建立网络,忽略了数据本身...
关键词：无监督学习 自组织映射网络 数据不确定性 高斯神经元自组织映射 JS散度 
数据流聚类算法研究被引量：4
《数据采集与处理》2022年第4期894-908,共15页朱颖雯 陈松灿 
国家自然科学基金重点项目(61732006)。
许多应用程序会产生大量的流数据,如网络流、web点击流、视频流、事件流和语义概念流。数据流挖掘已成为热点问题,其目标是从连续不断的流数据中提取隐藏的知识/模式。聚类作为数据流挖掘领域的一个重要问题,在近期被广泛研究。不同于...
关键词：聚类 数据流 数据流聚类 流挖掘 
基于物理信息的神经网络:最新进展与展望被引量：27
《计算机科学》2022年第4期254-262,共9页李野 陈松灿 
南京航空航天大学新教师工作启动基金(90YAH20131);中央高校基本科研业务费(NJ2020023)。
基于物理信息的神经网络(Physics-informed Neural Networks,PINN),是一类用于解决有监督学习任务的神经网络,它不仅尽力遵循训练数据样本的分布规律,而且遵守由偏微分方程描述的物理定律。与纯数据驱动的神经网络学习相比,PINN在训练...
关键词：人工智能 机器学习 神经网络 物理模型 偏微分方程 
连续无监督异常检测被引量：1
《中国科学：信息科学》2022年第1期75-85,共11页倪一鸣 陈松灿 
航空发动机及燃气轮机重大专项基础研究项目(批准号:J2019-IV-0018-0086);国家自然科学基金(批准号:62076124)资助项目。
无监督异常检测(unsupervised anomaly detection,UAD)旨在检测任何未见过的偏离预期模式或正常分布的数据,由于其学习过程不依赖对罕见异常样本的获取,因此在现实动态环境下备受青睐.然而,在现实场景中,目标任务往往会随时间动态变化,...
关键词：异常检测 无监督 灾难性遗忘 连续学习 信息论 
全选清除导出
共17页<12345678910>
检索报告 对象比较 聚类工具 使用帮助 返回顶部