增量式学习相关论文
孪生支持向量回归机（Twin Support Vector Regression,TSVR）是一种解决回归问题的机器学习算法。由于TSVR只需求解一对规模较小的二......
近年来,入侵检测系统已发展成为网络安全领域的一个重要组成部分,应用前景非常广阔。但是,目前的入侵检测系统还存在检测精度低、......
本文首先分析比较了基于粗糙集理论的各种属性约简的算法，在引入信息向量表示信息系统中的对象后，提出了求粗糙集理论中等价类、不......
自20世纪90年代中期由Vapnik等人提出支持向量机(SVMs)，由于其具有通用性、鲁棒性以及良好推广性等特点，已经成为解决分类、回归等统......
推荐系统在数字图书馆中有着重要作用。通过帮助用户发现他们感兴趣的图书，推荐系统既充分利用了数字图书馆的资源，也更好满足了用户......
文章针对区间值信息系统中对象动态增加的数据环境,提出一种信息熵的区间值信息系统增量式属性约简算法。首先研究了区间值信息系......
偏好信息挖掘是人工智能领域一个重要的研究内容,近年来得到了广泛的研究。CP-nets在人工智能领域具有广泛的应用,主要被应用在协......
双论域模糊概率粗糙集是针对双论域信息系统的一种新的数据挖掘模型,现实应用中的双论域信息系统总是处于动态更新中,针对该问题提......
随着主动维修思想的出现,其优势日趋明显,同时,油液分析技术作为其实现的前提条件,已经得到广泛的应用,人们开发出各样的油液分析......
视频目标跟踪是计算机视觉的一个研究热点,已经在监视、机器人、医学图像、以及人机交互等领域有着许多应用。尽管学者们在这个研......
针对实际数据大多是动态变化的,在增加样本后,原约简集可能已不再有效,需要对其动态更新.邻域决策系统中现有的增量算法都是从代数......
在处理大规模数据时,近似支持向量机及其增量式版本(ISVM)是一种比传统支持向量机更加简单而有效的分类器.但在处理高维数据时,由......
针对数据流时变性产生的概念漂移问题,在利用L-M算法优化BP神经网络的基础上,引入增量式学习机制,提出了一种具有动态自适应能力的......
三支决策模型是近年来提出的一种新的决策理论,双论域信息系统下的三支决策是目前的研究热点。针对双论域信息系统的动态更新问题,......
增量式属性约简是一种针对动态数据集的新型属性约简方法。然而目前的增量式属性约简很少有对不完备混合型的信息系统进行研究。针......
为了解决增量式最小二乘孪生支持向量回归机存在构成的核矩阵无法很好地逼近原核矩阵的问题,提出了一种增量式约简最小二乘孪生支......
当决策系统增加新数据时，原约简集可能不再有效，这就需要对原约简集进行动态更新，目前已有的增量算法只研究了属性或样本的动态增加。......
概念漂移是数据流挖掘的一个研究热点与难点,判断认知收敛是研究盲区.粗糙集已被应用于概念漂移探测,但存在适应性问题,缺少增量式......
增量式属性约简是一种针对动态环境下的数据挖掘方法.目前已经提出的增量式属性约简算法仅适用于符号型的信息系统,而很少有对混合......
针对增量数据集,结合粗糙集理论和多变量决策树的优点,给出了增量式的多变量决策树构造算法。该算法针对新增样本与已有规则集产生......
为有效地获得用户的真实情感状态,促进和谐的人机交互体验.结合AVS情感空间和大五人格理论,提出一种基于高斯混合模型的增量式情感......
传统的人脸识别模型采用离线方式进行训练,同时由于人脸特征维数较高导致算法的实时性不足。文中分别从人脸特征与分类器两方面来......
针对非监督式流形学习算法面临的增量式学习问题，提出一种带标志点的增量式局部切空间排列算法。该方法在局部切空间排列算法的基础......
针对传统流形学习方法难以处理大批量设备运行数据的特点，提出了一种采用增量式流形学习方法的机械设备状态监测方法．该方法首先利用......
陆、海、空的战场侦察、监视、定位和跟踪等应用领域产生了海量、动态增加的雷达辐射源信号参数侦察数据.传统雷达辐射源信号参数......
针对目前室内指纹定位算法存在实时性差、对动态环境适应性不足的问题,提出一种新的基于半监督极限学习机的定位算法。该算法首先......
将Rough集理论应用于规则归纳系统，提出了一种基于粗糙集获取规则知识库的增量式学习方法，能够有效处理决策表中不一致情形，采用启发......
在信息等价矩阵的基础上利用粗集理论扩展了矩阵算法,设计了相对核和相对约简以及规则获取算法,提出了增量式规则挖掘的信息压缩矩......
数据挖掘技术已经应用到很多研究领域中,数据挖掘的类型也越来越复杂。其中一类数据本身是有顺序相关的,且是实值型数据,定义具有......
针对流形学习算法的批量处理方式无法利用已学习的流形结构实现新样本的增量处理问题,提出一种增量式局部切空间排列算法。阐述局......
规则获取的增量式算法是知识发现领域的一个热点问题.作者根据粗糙集理论,提出 -不可分辨关系的概念,建立了 -决策表及其 -决策矩......
文中提出一种离散和连续混合属性的复杂信息系统增量式属性约简算法.首先,将粒计算模型中的知识粒度在混合型信息系统下进行推广,......
当前动态数据流下的实时分类问题存在3个难点：针对海量数据的实时处理；概念漂移的跟踪和模型的更新；模型的稳定和鲁棒性。针对上述问......
在一些模式识别应用中,具有类属信息的样本数量较少,此时监督学习算法会遇到小样本问题,导致分类器的识别精度大幅低于预期水平。......
模式分类是RBF神经网络应用的一个重要方面。在线环境中数据集是经常变动的，采用批量式学习算法（如OLS算法）训练RBF网络会产生大量的......
增量式学习中,当信息系统的对象和决策属性不变而不断增加条件属性时,为了获得该系统的约简属性,一般方法是对决策表中的所有数据......
针对传统基于回归的人脸对齐算法在人脸尺度归一化时会造成纹理的损失,以及为了提升算法模型的泛化能力必须扩充数据集重新训练而......
针对鲁棒非负矩阵分解(RNMF)的运算规模随训练样本数量逐渐增多而不断增大的问题,提出一种稀疏限制的增量式鲁棒非负矩阵分解算法......
概念飘移是数据流挖掘的一个研究热点与难点,目前概念飘移尚未有统一定义,如何判断认知收敛更是研究盲区。粗糙集在处理不确定性问......
为了获取最小决策规则,当增加新例子时,传统的方法通常需要对决策表中所有数据重新计算,效率欠佳,为了尽量减少重复计算量,该文从R......
粗糙集理论研究中对求解属性的最小约简或较小约简以及求取最简规则集的算法已经进行了一些研究。而数据库是动态的,为了获取最小......
为了获取最小决策规则集,当增加新样本时,传统的方法通常需要对决策表中所有数据重新计算,效率欠佳。从可变精度粗集模型理论出发,......
生物医学命名实体识别是从生物医学文献中获取关键知识的基础与关键任务．文中提出基于深层条件随机场的生物医学命名实体识别方法，构......
属性约简是粗糙集理论在机器学习领域的重要应用。通过对传统的属性约简算法构造增量式学习,从而提高了动态数据环境下的属性约简......
为了在邻域型信息系统下进行增量式属性约简的研究,采用邻域知识粒度构造出一种邻域型信息系统的增量式属性约简算法.首先将信息系......
现实世界中数据集都是动态变化的,非增量式属性约简方法从头重新计算原始数据集,而且未考虑先前约简结果中的信息,将耗费大量的时......
针对流形学习算法的增量处理问题,提出-种邻域自适应增量式PCA-LPP流形学习算法,阐述了算法的基本原理以及增量样本处理方法.对新......
对于复杂工业系统的故障诊断,由于非线性的存在,使得利用核函数的多元统计方法存在因核函数选择不同导致诊断结果不同的问题.本文......
