辽宁省科技厅博士启动基金(20081079) 作品数:14 被引量:72 H指数:5 相关作者: 张永 谢福鼎 杨东巍 蔡静颖 李卓然 更多>> 相关机构: 辽宁师范大学 牡丹江师范学院 大连理工大学 更多>> 发文基金: 辽宁省科技厅博士启动基金 国家自然科学基金 辽宁省教育厅高等学校科学研究项目 更多>> 相关领域: 自动化与计算机技术 电子电信 更多>>
一种基于Mahalanobis距离的增量聚类算法 被引量:4 2011年 经典的模糊c均值聚类算法对非球型或椭球型分布的数据集进行聚类效果较差。将经典的模糊c均值聚类中的欧氏距离用Mahalanobis距离替代,利用Mahalanobis距离的优点,将其用于增量学习中,提出一种基于马氏距离的模糊增量聚类学习算法。实验结果表明该算法能较有效地解决模糊聚类方法中的缺陷,提高了训练精度。 郑宏亮 王建英关键词:模糊C均值聚类 MAHALANOBIS距离 半监督模式下复杂网络分类的方法 2011年 提出了一种基于半监督模式的复杂网络社团划分新方法,通过引入物理学中的万有引力定理进而计算出有标签节点与周围无标签节点的相互作用值,最终将网络中的社团划分出来。实验表明,算法可以比较准确地划分出一些网络中的社团结构。 孔健 谢福鼎 孙岩 赵凤霞关键词:复杂网络 社团结构 半监督分类 应用主观逻辑的无线传感器网络信任更新算法 被引量:4 2011年 为了解决基于信誉的传感器网络安全框架存在的信任更新失真问题,提出了基于主观逻辑的信任更新算法。首先,对基于信誉的安全框架的信任更新过程进行认知和分解,指出了信誉随机变量期望描述的信任无法完全反映节点当前的行为趋势是导致信任更新失真的主要原因。在此基础上给出了总体设计模型。然后,改进了基于信誉随机变量期望的信任更新,采用主观逻辑意见忽略当前行为趋势支持度低的信任更新,避免了描述长期行为趋势的信任更新在反映节点当前行为趋势时出现的失真。最后,通过仿真实验,证明了所提算法既可以描述节点的长期行为趋势,又可以在一定程度上反映节点当前的行为趋势。 谢福鼎 周晨光 张永 杨东巍关键词:无线传感器网络 主观逻辑 基于伽马分布的传感器网络信任反馈收集算法 2011年 为了解决无线传感器网络信任管理系统信任反馈收集不足的问题,提出一种基于伽马分布的信任反馈收集算法。对时分复用节点休眠调度进行了认知与分解,指出了节点的严格异步唤醒策略是信任反馈收集不足的主要原因。在此基础上建立了总体设计模型,对节点休眠调度进行了调整,采用基于伽马分布的覆盖异步随机休眠调度来增加节点收集的信任反馈数量,从而避免了节点异步唤醒造成的信任反馈收集盲区。通过J-Sim仿真实验结果表明,该算法以较少的能耗代价增加了信任反馈收集数量。 杨东巍 谢福鼎 张永关键词:无线传感器网络 休眠调度 基于信任的无线传感器网络时隙分配博弈分析 2011年 为了帮助无线传感器网络作出既有利于自身收益又能抑制恶意节点的决策,提出了一种信任激励的时隙分配博弈模型。根据收益矩阵对恶意节点和簇头之间的非零和博弈关系进行了认知和分解,指出了破坏行为可以抑制的原因是纳什均衡可以作为惩罚阻止节点偏离收益更高的策略组合。在此基础上建立了博弈模型,然后证明了无限重复博弈中的纳什回归策略成为子博弈完美均衡的充分必要条件。采用单轮纳什均衡惩罚合作性策略的偏离者,从而使恶意节点与簇头的无限重复博弈能够产生合作效应。仿真实验结果表明,根据该模型作出的决策可以增加网络收益并抑制恶意节点的破坏行为。 杨东巍 谢福鼎 张永关键词:无线传感器网络 博弈论 信任 时隙分配 基于马氏距离特征加权的模糊聚类新算法 被引量:14 2012年 模糊聚类分析是模糊模式识别中一个重要研究领域,而其中最经典的模糊C均值算法认为样本矢量各特征对聚类结果贡献均匀,没有考虑不同的属性特征对模式分类的不同影响,在处理属性高相关的数据集时,该算法分错率增加。针对这些问题,提出了一种基于马氏距离特征加权的模糊聚类算法,利用自适应马氏距离的优点对特征加权处理,对高属性相关的数据集进行更有效的分类。实验证明该方法的可行性和有效性。 蔡静颖 谢福鼎 张永关键词:模糊C均值 特征加权 半监督模式下社团结构划分方法 被引量:1 2009年 为了对有标签和无标签节点混合的网络进行分类,给出了一种基于半监督学习的信息传递分类算法,算法首先确定网络中无标签节点的分类参数,然后通过对网络中所有无标签节点进行有限次的迭代计算,可以对所有节点进行分类。实验数据分析证明了该算法在进行半监督分类时具有比较好的效果。 孔健 谢福鼎 孙岩关键词:信息传递 半监督分类 聚类 复杂网络 社团结构 基于主动学习SMOTE的非均衡数据分类 被引量:23 2012年 少数类样本合成过采样技术(SMOTE)是一种典型的过采样数据预处理方法,它能够有效平衡非均衡数据,但会带来噪音等问题,影响分类精度。为解决此问题,借助主动学习支持向量机的分类性能,提出一种基于主动学习SMOTE的非均衡数据分类方法 ALSMOTE。由于主动学习支持向量机采用基于距离的主动选择最佳样本的学习策略,因此能够主动选择非均衡数据中的有价值的多数类样本,舍弃价值较小的样本,从而提高运算效率,改进SMOTE带来的问题。首先运用SMOTE方法均衡小部分样本,得到初始分类器;然后利用主动学习策略调整分类器精度。实验结果表明,该方法有效提高了非均衡数据的分类准确率。 张永 李卓然 刘小丹关键词:不平衡数据集 支持向量机 基于自适应马氏距离的模糊c均值算法 被引量:11 2010年 经典的模糊c均值(FCM)算法是基于欧氏距离的,它只适用于球型结构的聚类,且在处理高维的数据集时,分错率增加。针对以上两个问题,提出了一种新的聚类算法(FCM-M),它将马氏距离与模糊c均值相结合,并在目标函数中引进一个协方差矩阵的调节因子,利用马氏距离的优点,有效地解决了FCM算法中的缺陷,并利用特征值、特征矢量及伪逆运算来解决马氏距离中遇到的奇异问题。通过数据聚类和图像分割两组实验,证实了该方法的可行性和有效性。 蔡静颖 谢福鼎 张永关键词:模糊C均值 伪逆 聚类 基于集成的非均衡数据分类主动学习算法 被引量:4 2012年 当前,处理类别非均衡数据采用的主要方法之一就是预处理,将数据均衡化之后采取传统的方法加以训练。预处理的方法主要有过取样和欠取样,然而过取样和欠取样都有自己的不足,提出拆分提升主动学习算法SBAL(Split-Boost Active Learning),该算法将大类样本集根据非均衡比例分成多个子集,子集与小类样本集合并,对其采用AdaBoost算法训练子分类器,然后集成一个总分类器,并基于QBC(Query-by-committee)主动学习算法主动选取有效样本进行训练,基本避免了由于增加样本或者减少样本所带来的不足。实验表明,提出的算法对于非均衡数据具有更高的分类精度。 李卓然 张永关键词:非均衡数据