门昌骞

作品数：13被引量：76H指数：5
导出分析报告
供职机构：山西大学计算机与信息技术学院更多>>
发文主题：基尼指数决策树支撑向量机SVM高斯核更多>>
发文领域：自动化与计算机技术理学更多>>
发文期刊：《计算机工程与设计》《模式识别与人工智能》《山东大学学报（理学版）》《数据采集与处理》更多>>
所获基金：国家自然科学基金山西省自然科学基金山西省回国留学人员科研经费资助项目山西省青年科技研究基金更多>>
-
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：
融合随机傅里叶特征的混合神经网络模型
《小型微型计算机系统》2024年第12期2875-2881,共7页支凯茹 张凯 门昌骞 王文剑 
国家自然科学基金项目(U21A20513,62076154)资助;中央引导地方科技发展项目(YDZX20201400001224)资助;山西省自然科学基金项目(201901D111030)资助。
深度神经网络模型作为目前最成功的学习模型之一,在模型训练时涉及大量的参数学习,特别对于较大规模的样本存在特征处理困难、模型结构复杂等问题.线性或亚线性时间复杂度的核近似算法具有计算开销小、易于扩展到大规模数据的优点.因此...
关键词：核近似 随机傅里叶特征 模型优化 混合神经网络 
基于随机傅里叶特征空间的高斯核近似模型选择算法被引量：2
《数据采集与处理》2023年第3期616-628,共13页张凯 门昌骞 王文剑 
国家自然科学基金(U21A20513,62076154);中央引导地方科技发展资金(YDZX20201400001224);山西省国际科技合作计划项目(201903D421050);山西省自然科学基金(201901D111030)。
核方法是一种把低维空间的线性不可分问题转化为高维空间中线性可分问题的方法,其广泛应用于多种学习模型。然而现有的核模型选择方法在大规模数据中计算效率较低,时间成本很大。针对这一问题,本文引入随机傅里叶特征变换,将原始核特征...
关键词：核方法 高斯核 傅里叶变换 核近似 模型选择 
基于模型决策树的AdaBoost算法被引量：5
《山东大学学报（理学版）》2023年第1期67-75,共9页梁云 门昌骞 王文剑 
国家自然科学基金资助项目(62076154,U21A20513,U1805263);中央引导地方科技发展资金资助项目(YDZX20201400001224);山西省自然科学基金资助项目(201901D111030);山西省国际科技合作重点研发计划项目(201903D421050)。
AdaBoost算法是一种将多个基学习器通过合理策略结合生成强学习器的集成算法,其性能取决于基学习器的准确率和多样性。但弱学习器分类精度不高往往也导致了最终强分类器性能较差,因此进一步为了提高算法的分类精确率,本文提出一种MDTAd...
关键词：基尼指数 决策树 集成学习 ADABOOST算法 间隔分析 
一种核的上下文多臂赌博机推荐算法被引量：3
《智能系统学报》2022年第3期625-633,共9页王鼎 门昌骞 王文剑 
国家自然科学基金项目(62076154,U1805263);中央引导地方科技发展资金项目(YDZX20201400001224);山西省自然科学基金项目(201901D111030);山西省国际科技合作重点研发计划项目(201903D421050).
个性化推荐服务在当今互联网时代越来越重要,但是传统推荐算法不适应一些高度变化场景。将线性上下文多臂赌博机算法(linear upper confidence bound,LinUCB)应用于个性化推荐可以有效改善传统推荐算法存在的问题,但遗憾的是准确率并不...
关键词：个性化推荐 变化场景 多臂赌博机 线性上下文多臂赌博机 核方法 点击率 非线性 探索–利用困境 
多核贝叶斯优化的模型决策树算法被引量：11
《国防科技大学学报》2022年第3期67-76,共10页高虹雷 门昌骞 王文剑 
国家自然科学基金资助项目(62076154,U1805263);中央引导地方科技发展资金资助项目(YDZX20201400001224);山西省国际科技合作重点研发计划资助项目(201903D421050);山西省自然科学基金资助项目(201901D111030)。
构造模型决策树时超参数较多,参数组合复杂,利用网格搜索等调参方法将会消耗大量的时间,影响模型性能的提升。提出了一种多核贝叶斯优化的模型决策树算法,该算法为应对不同分类数据特性,采用三种高斯过程建模寻优,利用贝叶斯优化技术,...
关键词：模型决策树 贝叶斯优化 高斯过程 
一种利用SPXY采样的标签噪声主动清洗方法被引量：5
《小型微型计算机系统》2021年第9期1865-1870,共6页门昌骞 孟晓超 姜高霞 王文剑 
国家自然科学基金项目(62076154,U1805263)资助;山西省国际合作重点研发计划项目(201903D421050)资助;山西省自然科学基金项目(201901D111030)资助。
基于主动学习的标签噪声清洗方法(Active label noise cleaning,ALNC)是一种通过主动学习筛选疑似噪声样本,进而交给人工专家进行再标记的标签噪声清洗方法.虽然该方法既有很好的噪声识别效果又能保持原有数据的完整性,但仍存在人工额...
关键词：标签噪声 噪声清洗 主动学习 SPXY采样 
一种特征值区间划分的模型决策树加速算法被引量：4
《小型微型计算机系统》2021年第6期1136-1143,共8页高虹雷 门昌骞 王文剑 
国家自然科学基金项目(62076154,61673249,U1805263)资助;山西省国际科技合作重点研发计划项目(201903D421050)资助;山西省自然科学基金项目(201901D111030)资助.
目前对决策树(Decision Tree,DT)分类问题的相关研究已取得了很多成果,但仍存在一些问题,如决策树在寻找最优切分点时需要遍历特征的所有取值,当数据集规模较大时,递归构建决策树所需时间将会很长,因此在保证分类精度的前提下加速决策...
关键词：决策树 基尼指数 模型决策树 等精度特征值区间划分 变精度特征值区间划分 
PAC最优的RMAX-KNN探索算法被引量：2
《计算机科学与探索》2020年第3期513-526,共14页李超 门昌骞 王文剑 
国家自然科学基金 Nos.61673249,U1805263;山西省国际科技合作重点研发计划项目 No.201903D421050~~
探索与利用的均衡是强化学习研究的重点之一。探索帮助智能体进一步了解环境来做出更优决策;而利用帮助智能体根据其自身当前对于环境的认知来做出当前最优决策。目前大多数探索算法只与值函数相关联,不考虑当前智能体对于环境的认知程...
关键词：探索与利用的均衡 值函数 状态空间自适应离散化 概率近似正确(PAC)最优探索算法 
一种模型决策森林算法被引量：17
《计算机科学与探索》2020年第1期108-116,共9页尹儒 门昌骞 王文剑 
国家自然科学基金Nos.61673249,61703252,U1805263~~
随机森林(RF)具有抗噪能力强,预测准确率高,能够处理高维数据等优点,因此在机器学习领域得到了广泛的应用。模型决策树(MDT)是一种加速的决策树算法,虽然能够提高决策树算法的训练效率,但是随着非纯伪叶结点规模的增大,模型决策树的精...
关键词：基尼指数 模型决策森林(MDF) 模型决策树(MDT) 随机森林(RF) 
模型决策树：一种决策树加速算法被引量：14
《模式识别与人工智能》2018年第7期643-652,共10页尹儒 门昌骞 王文剑 刘澍泽 
国家自然科学基金项目(No.61673249)、山西省回国留学人员科研基金项目(No.2016-004)、赛尔网络下一代互联网技术创新项目(No.NGIL20170601)
决策树算法采用递归方法构建,训练效率较低,过度分类的决策树可能产生过拟合现象.因此,文中提出模型决策树算法.首先在训练数据集上采用基尼指数递归生成一棵不完全决策树,然后使用一个简单分类模型对其中的非纯伪叶结点(非叶结点且结...
关键词：基尼指数 决策树(DT) 模型决策树 分类 
全选清除导出
共2页<12>
检索报告 对象比较 聚类工具 使用帮助 返回顶部