徐峻岭

作品数：4被引量：88H指数：2
导出分析报告
供职机构：南京大学计算机科学与技术系计算机软件新技术国家重点实验室更多>>
发文主题：互信息MARKOVBLANKETEDCLASSIFICATION更多>>
发文领域：自动化与计算机技术更多>>
发文期刊：《Journal of Southeast University(English Edition)》《计算机研究与发展》《计算机学报》更多>>
所获基金：国家自然科学基金国家重点基础研究发展计划国家高技术研究发展计划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1-4
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于互信息的无监督特征选择被引量：72
《计算机研究与发展》2012年第2期372-382,共11页徐峻岭 周毓明 陈林 徐宝文 
国家自然科学基金项目(61073029;90818027;60633010);国家"八六三"高技术研究发展计划基金项目(2009AA01Z147);国家"九七三"重点基础研究发展计划基金项目(2009CB320703)
在数据分析中,特征选择可以用来降低特征的冗余,提高分析结果的可理解性和发现高维数据中隐藏的结构.提出了一种基于互信息的无监督的特征选择方法(UFS-MI),在UFS-MI中,使用了一种综合考虑了相关度和冗余度的特征选择标准UmRMR(无监督...
关键词：特征选择 无监督特征选择 互信息 最小冗余-最大相关 无监督最小冗余-最大相关 
一种近似Markov Blanket最优特征选择算法被引量：15
《计算机学报》2007年第12期2074-2081,共8页崔自峰 徐宝文 张卫丰 徐峻岭 
国家杰出青年科学基金(60425206);国家自然科学基金(60503020);江苏省高校自然科学研究计划项目基金(04kjb520096)资助~~
特征选择可以有效改善分类效率和精度,传统方法通常只评价单个特征,较少评价特征子集.在研究特征相关性基础上,进一步划分特征为强相关、弱相关、无关和冗余四种特征,建立起Markov Blanket理论和特征相关性之间的联系,结合Chi-Square检...
关键词：特征选择 相关性 MARKOV BLANKET CHI-Square检验 分类 
Document classification approach by rough-set-based corner classification neural network被引量：1
《Journal of Southeast University(English Edition)》2006年第3期439-444,共6页张卫丰 徐宝文 崔自峰 徐峻岭 
The National Natural Science Foundation of China(No.60503020,60373066,60403016,60425206),the Natural Science Foundation of Jiangsu Higher Education Institutions ( No.04KJB520096),the Doctoral Foundation of Nanjing University of Posts and Telecommunication (No.0302).
A rough set based corner classification neural network, the Rough-CC4, is presented to solve document classification problems such as document representation of different document sizes, document feature selection and...
关键词：document classification neural network rough set meta search engine 
Heuristic feature selection method for clustering
《Journal of Southeast University(English Edition)》2006年第2期169-175,共7页徐峻岭 徐宝文 张卫丰 崔自峰 
TheNationalNaturalScienceFoundationofChina(No.60425206,60503020,60373066,60403016),theNationalBasicRe-searchProgramofChina(973Program)(No.2002CB312000),theNat-uralScienceFoundationofJiangsuProvince(No.BK2005060),theNaturalScienceFoundationofJiangsuHigherEducationInstitutions(No.04KJB520096).
In order to enable clustering to be done under a lower dimension, a new feature selection method for clustering is proposed. This method has three steps which are all carried out in a wrapper framework. First, all the...
关键词：feature selection CLUSTERING unsupervised learning 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部