您的位置: 专家智库 > >

钱鹏江

作品数:31 被引量:113H指数:6
供职机构:江南大学数字媒体学院更多>>
发文基金:国家自然科学基金江苏省自然科学基金江苏省产学研前瞻性联合研究项目更多>>
相关领域:自动化与计算机技术文化科学理学自然科学总论更多>>

文献类型

  • 30篇期刊文章
  • 1篇学位论文

领域

  • 25篇自动化与计算...
  • 4篇文化科学
  • 1篇自然科学总论
  • 1篇理学

主题

  • 11篇聚类
  • 6篇知识
  • 6篇聚类算法
  • 4篇历史知识
  • 4篇密度估计
  • 4篇模糊聚类
  • 3篇数据集
  • 3篇图像
  • 3篇图像分割
  • 3篇谱聚类
  • 3篇谱聚类算法
  • 3篇迁移
  • 3篇半监督学习
  • 3篇大数据
  • 2篇隐私
  • 2篇隐私保护
  • 2篇正则
  • 2篇正则化
  • 2篇支持向量
  • 2篇支持向量机

机构

  • 30篇江南大学
  • 4篇南京理工大学
  • 3篇无锡职业技术...
  • 2篇凯斯西储大学
  • 2篇香港理工大学
  • 1篇中国科学院
  • 1篇无锡市第四人...
  • 1篇北美飞利浦公...

作者

  • 31篇钱鹏江
  • 14篇王士同
  • 10篇蒋亦樟
  • 9篇邓赵红
  • 4篇徐华
  • 3篇陈爱国
  • 2篇薛恒新
  • 2篇谢振平
  • 2篇顾晓清
  • 2篇颜惠琴
  • 2篇程旸
  • 2篇郑佳敏
  • 1篇钟富礼
  • 1篇孔丽丹
  • 1篇袁超
  • 1篇王骏
  • 1篇蔡及时
  • 1篇吴小俊
  • 1篇章洁
  • 1篇史荧中

传媒

  • 4篇计算机工程
  • 4篇控制与决策
  • 4篇无锡职业技术...
  • 3篇计算机应用研...
  • 2篇自动化学报
  • 2篇计算机应用
  • 2篇计算机科学与...
  • 1篇电子与信息学...
  • 1篇水利学报
  • 1篇电子学报
  • 1篇计算机工程与...
  • 1篇软件学报
  • 1篇计算机工程与...
  • 1篇江南大学学报...
  • 1篇智能系统学报
  • 1篇现代信息科技

年份

  • 2篇2020
  • 1篇2019
  • 2篇2018
  • 2篇2017
  • 4篇2016
  • 4篇2015
  • 2篇2014
  • 1篇2013
  • 2篇2012
  • 3篇2011
  • 4篇2010
  • 2篇2009
  • 1篇2006
  • 1篇2005
31 条 记 录,以下是 1-10
排序方式:
具备迁移能力的类中心距离极大化聚类算法被引量:3
2016年
传统的聚类算法在以下两种情况下存在直接失效的风险:一是数据稀少或存在大量干扰数据;二是为了调控数据间的差异性,对数据集进行缩放。为了同时解决上述两个问题,提出了历史知识迁移准则与中心间距极大化准则,并将其运用到极大熵聚类算法中,称之为具备历史迁移能力的中心极大化聚类算法。算法有三大突出的优点:在当前数据稀少或存在污染时,算法有效利用了历史知识进行迁移学习,从而证明了较好的聚类有效性;在数据缩放到一定倍数时,传统聚类算法取得的类中心趋于一致,而算法利用类中心间距极大化准则,有效避免了类中心一致的问题;算法所利用的历史知识均不暴露历史源数据,因此算法具有良好的历史数据隐私保护效果。通过模拟数据集和真实数据集的实验,验证了算法的上述优点。
孙寿伟钱鹏江陈爱国蒋亦樟
关键词:历史知识隐私保护模糊聚类
基于最大中心间隔的缩放型η-极大熵聚类算法被引量:7
2013年
为了调控数据之间的差异性,一般化的处理方式是对数据简单地进行按比例缩放,而此类做法本身对于数据的信息是不存在任何破坏的。但在进行聚类分析时,大部分算法对于按比缩放的数据都是很敏感的,其中较典型的算法有极大熵聚类(MEC)算法。大量的实验表明,当缩放尺度位于10-3数量级以下时,极大熵聚类算法已经失效,通过该算法得到的聚类中心趋于一致。为了解决上述问题,在MEC算法的基础上引入最大中心间隔项与缩放因子η,构造出了全新的目标函数,称为η型最大中心间隔极大熵聚类(η-MCS-MEC)算法。该算法通过调控中心点间的距离使之达到最大,并有效利用缩放因子η对各类划分进行调控,从而避免了聚类中心趋于一致。通过在模拟数据集以及UCI仿真数据集上的实验,结果均显示出算法对变化的数据不再敏感而具有鲁棒性。
陈爱国蒋亦樟钱鹏江
熵加权多视角协同划分模糊聚类算法被引量:21
2014年
当前,基于协同学习机制的多视角聚类技术存在如下两点不足:第一,以往构造的用于各视角协同学习的逼近准则物理含义不明确且控制简单;第二,以往算法均默认各视角的重要性程度是相等的,缺少各视角重要性自适应调整的能力.针对上述不足:首先,基于具有良好物理解释性的Havrda-Charvat熵构造了一个全新的异视角空间划分逼近准则,该准则能有效地控制异视角间的空间划分相似程度;其次,基于香农熵理论提出了多视角自适应加权策略,可有效地控制各视角的重要性程度,提高算法的聚类性能;最后,基于FCM框架提出了熵加权多视角协同划分模糊聚类算法(entropy weight-collaborative partition-multi-view fuzzy clustering algorithm,简称EW-CoP-MVFCM).在模拟数据集以及UCI数据集上的实验结果均显示,所提算法较之已有多视角聚类算法在应对多视角聚类任务时具有更好的适应性.
蒋亦樟邓赵红王骏钱鹏江王士同
关键词:模糊C均值聚类
“物云大智”在现代教育中的应用与思考被引量:5
2016年
随着社会信息化的不断加快,传统的教育模式已不再适用于现代人们的教育需求。物联网、云计算、大数据、智能技术等现代信息化技术的出现,催生着更加现代、更具创新意义的教育模式的出现。本文通过对物联网、云计算、大数据、智能技术(简称"物云大智")的介绍,将其引入到现代教育中去,对"物云大智"在教育中的应用和思考进行了详细的研究与分析。
蒋亦樟钱鹏江谢振平
关键词:物联网云计算大数据智能技术现代教育
基于二次特征的模糊分类算法在普适计算上下文变化感知中的研究
2010年
为了简化普适计算环境原始特征的复杂度,方便该环境下的知识推理,采用核典型相关分析方法进行原始特征的二次提取,得到简约而重要的二次特征。在此二次特征的基础上施以模糊K近邻法计算待测模式相对于各类中心的隶属度,并按最大隶属度原则确定该模式所属上下文场景类。本算法致力于在不显著损失分类准确度的情况下尽可能地降低分类复杂度,从而解决普适计算环境中上下文变化感知的问题。
钱鹏江王士同颜惠琴
关键词:普适计算核典型相关分析
一种新颖的MCES方法优化布点被引量:1
2009年
研究了一种新颖的客观特征选择方法——蒙特卡罗估计选择(MCES)方法。采用多宇宙并行量子遗传算法对MCES方法进行优化,使其具有更快速的收敛能力和更好的搜索效率,从而能更有效地优化建模。仿真实验中用该方法进行优化布点,优选出的采样点位能够有效地代表和代替原先监测的众多点位,表明该方法用于环境监测优化布点,具有简便、快速、结果合理稳定、易于推广等优点。
徐华薛恒新吴小俊钱鹏江
关键词:优化布点环境监测
流形学习与成对约束联合正则化非负矩阵分解被引量:4
2020年
为处理目标数据集仅有部分成对约束信息可用的半监督聚类场景,基于非负矩阵分解(NMF)架构,通过学习给定成对约束知识和运用流形正则化理论提出了流形学习与成对约束联合正则化非负矩阵分解聚类方法(NMF-JRMLPC)。该方法一方面引入图拉普拉斯以刻画大量无标记样本蕴含的流形结构信息,另一方面将已知样本间的must-link或cannot-link成对约束规则融入目标优化设计,在很大程度上提高了所得算法的聚类性能。此外基于l2,1范数的损失函数设计也有助于优化NMF-JRMLPC的鲁棒性。在八个真实数据集上的实验结果证实了所提方法的有效性。
曹佳伟钱鹏江
关键词:聚类流形正则化半监督学习
大数据集快速均值漂移谱聚类算法被引量:5
2010年
均值漂移谱聚类(MSSC)算法为模式识别聚类任务提供了一种较新的方案.然而由于其内嵌均值漂移过程的时间复杂度与样本容量呈平方关系,其在大数据集环境的实用性受到大大削弱.利用快速压缩集密度估计器(FRSDE)替代Parren窗密度估计式(PW)并融合基于图的松弛聚类(GRC)方法,提出了快速均值漂移谱聚类(FMSSC)算法.相比原MSSC,该算法的总体渐进时间复杂度与样本容量呈线性关系,并具有自适应性和便捷性.
钱鹏江王士同邓赵红
关键词:密度估计均值漂移谱聚类时间复杂度
基于KCCA优化的网络入侵检测算法被引量:1
2009年
入侵检测系统所得原始特征通常是高维度的,这些高维度特征带来了较大的计算开销。针对该问题,采用核典型相关分析方法进行原始特征的二次提取,得到简约而重要的二次特征。在该二次特征的基础上运用二叉树多分类支持向量机法判别待测网络状态所属类别。仿真实验证明,该算法在不显著损失检测准确度的情况下可提升系统实时性,从而达到优化目标。
钱鹏江王士同徐华颜惠琴
关键词:入侵检测系统核典型相关分析二叉树支持向量机
知识迁移极大熵聚类算法被引量:6
2015年
为解决数据不足或失真等环境下传统聚类技术效果不佳的问题,基于历史类中心和历史隶属度提出两种知识迁移机制,并与极大熵聚类方法融合提出知识迁移极大熵聚类算法KT-MEC.KT-MEC的优点是:利用历史知识,KT-MEC聚类有效性和实用性明显增强;内嵌迁移机制均不暴露源域数据,从而拥有源域隐私保护能力;KT-MEC基于的"参数寻优+聚类有效性度量"机制理论上保证其性能不差于经典极大熵算法,避免了负迁移问题.
钱鹏江孙寿伟蒋亦樟王士同邓赵红
关键词:知识迁移隐私保护负迁移
共4页<1234>
聚类工具0