一种基于核距离的核函数度量方法

核方法的效果依赖于所使用的核,因此核的选择和其参数的确定是至关重要的。从特定的数据中学习核需要核度量方法评价核的质量。核排列度量核与学习任务的一致性,因为它具有高效性和有效性,是目前应用最为广泛的核度量方法。然而,有研究表明,核排列仅是最优核函数的充分非必要条件。其主要原因是核排列在特征空间中不具有线性变换不变性。提出了一种新的核度量方法用于核选择,称其为核距离排列。该方法能够克服核排列的局限性,并且同样具有高效性和简单的形式。对比实验表明,该方法能够有效地对核进行度量。     

核函数的度量研究进展

核函数的度量(简称核度量)研究两个核函数(或一个核函数与另一个目标函数)之间相似性的度量方法,是核函数研究中的一个重要课题。系统综述了核度量的研究状况以及目前的研究进展,分析了典型核度量方法的特点及不足,并凝炼了其进一步研究的方向。     

基于统计检验的核函数度量方法研究

将统计检验方法应用于核函数度量.以核函数、规范化核函数、中心化核函数和核距离作为样本在特征空间中的几何关系度量,使用t检验和F检验等7种统计检验方法检验特征空间中同类样本间几何关系度量值与异类样本间几何关系度量值的分布差异,以此反映特征空间中同类样本间内聚性与异类样本间分离性间的差异.在11个UCI数据集上进行的核函数选择实验表明,基于统计检验的核度量方法达到或超过了核校准与特征空间核度量标准等方法的效果,适用于核函数度量;并且发现两类数据分布差异主要体现在了方差差异上.此外,对核函数的处理(规范化或中心化)会改变特征空间,使得度量结果失真.     

高斯核函数选择的广义核极化准则

核函数及其参数的选择是核方法研究中的一个基本却很困难的问题,高斯核是目前各类核方法中最常使用的一种核函数.关于高斯核参数的优化已有很多研究,然而这些方法大多存在时间复杂度高,或是算法实现困难,或是样本数据需服从多元正态分布的前提假设等不足.提出的广义核极化准则可用来解决分类问题中的高斯核参数优化,该准则通过保持类内局部结构信息及中心化核矩阵以更准确地刻画特征空间中类别间的分离度,进而获得更好的高斯核参数来提高分类性能.给出了广义核极化准则对应目标函数的近似最优解的存在唯一性证明,且由于该准则独立于学习算法,因此可用许多成熟的优化算法来寻找最优参数.此外,还补充了已有文献提出的局部核极化准则对应目标函数近似最优解的存在唯一性证明,并且指出该准则是所提出的广义核极化准则的一个特例.针对多分类问题,分别给出广义核极化准则及局部核极化准则的多分类拓展形式.在标准数据集上的实验结果表明所提准则的有效性.     

一个CRM的度量标准

对于任何CRM实施来说,如何确定其度量标准历来都会引起非常大的争议。 在这里,我们谈论的不是狭隘的CRM软件,而是广义上的CRM——一种商业策略,它用来达到以下目的:获得“优质”的客户;保持住“优质”的客户,最大化“优质”客户的赢利率。 多数情况下,尤其是在中国,有一个问题常常会被忽略,那就是客户和一个商业实体联系的渠道,比如企业的员工。正是企业的员工向客户传递着企业的承诺和价值,因而,我们需要的不只是注重“客户”,而是要在企业、员工和客户之间寻求平衡,确保同时照顾到三方。 从客户出发,到实现商业实体的最终目标——赢利,其中有一些不可缺少的环节,那就是“策略”、“人员”、“流程”、“技术”和“客户”。因此,在考虑     

简介国际信息安全管理度量标准

信息安全管理是目前信息安全领域里最热门的话题之一,而作为指导和规范信息安全管理的标准更是重中之重。本文就国际信息安全管理度量标准(ISMM)草案中的目标、适用范围和意义,以及建立、实施和完善信息安全管理度量标准的需求和具体过程进行了介绍,对于指导现阶段我国的信息安全管理体系标准化建设有着重要的意义。     

核耦合度量学习方法及其在步态识别中的应用

针对已有基于线性变换的耦合度量学习方法在解决实际问题时会遇到维数灾难和无法很好描述非线性模型等问题,通过引入核方法,提出核耦合度量学习方法。首先采用非线性变换将来自不同集合的数据投影到同一个高维耦合空间,使两个集合中具有相关关系的元素投影后尽可能接近。然后在这个公共的耦合空间使用传统的核方法进行运算。最后将其应用到步态识别中,以解决步态识别中不同集合间的匹配问题。采用CASIA(B)步态数据库进行实验分析,结果表明文中方法取得较满意的识别效果。     

军用软件质量度量和军用软件标准

保证军用软件质量，以及对军用软件的规范化管理，目前颁布了不少军用软件标准，作为军用标准中比较重要的标准，军用软件开发规范，已经颁布了六，七年的时间，随着软件技术的发展，该标准已经不能适应新的需求，因此参照美军标的新的开发规范正在修订，本文就新旧标准与质量的关系作一些论述，以使军用标准在软件质量领事发挥更大的作用。     

软件质量度量及其模型指标的研究

软件开发技术是信息技术的核心,如何提高软件的质量始终是计算机科学领域研究的重要方向之一,基于度量的量化管理是最有效的质量保证手段。阐述了度量的概念和范围,提出了一种软件度量模型,并对相关度量模型方法进行了比较。     

软件度量模型及其方法的研究

如何提高软件的质量始终是软件工程领域研究的重要方向。基于度量的量化管理是目前最有效的质量保证手段之一,为此对软件度量的概念和范围进行了研究,提出了一种软件度量模型和度量指标,并对相关度量模型方法进行了比较。     

基于凸包估计的核参数选择方法

核及相关参数的选择是支撑向量机（support vector machine,SVM）研究中的核心问题之一.基于统计学习理论,提出一种通过角度切割样本集求解训练样本的近似凸包来进行最优核参数选择的方法.该方法可以克服传统的基于求解优化问题的方法所具有的计算复杂度高的缺点,且无论数据是否稠密,分布是否均匀都可适用.数值实验说明了提出的方法可行性与有效性.     

基于核矩阵学习的XML文档相似度量方法

XML文档作为一种新的数据形式,成为当前的研究热点.XML文档间相似度的计算是XML文档分析、管理及文本挖掘的基础.结构链接向量模型(structuredlink vector model,简称SLVM)是一种综合考虑XML文档结构信息与内容信息进行XML文档相似度量的方法.体现XML文档结构单元关系的核矩阵在结构链接向量模型中扮演着重要角色.为自动捕获XML文档结构单元关系,提出了两种核矩阵的学习算法,分别是基于支持向量机(support vector machine,简称SVM)的回归学习算法和基于矩阵迭代的学习算法.相似搜索实验对比结果表明,基于核矩阵学习方法的XML文档相似度量方法的准确性明显优于其他方法.进一步实验表明,基于矩阵迭代学习的核矩阵学习算法与基于支持向量机的回归学习算法相比,不仅具有更高的准确性,而且所需训练文档更少、计算代价更小.     

一种基于高斯分布的SVM核选择方法

核选择是支撑向量机(Support Vector Machine,SVM)研究中的核心问题之一。提出了一种基于数据分布特征的SVM核函数及其参数选择的方法。首先分析了确定数据分布特征的重要性,然后给出了判断数据呈高斯分布的方法,并探讨了SVM核函数及其参数选择与数据分布的相关性。数值实验说明了本文提出的方法的可行性与有效性。     

通用网络教学评价模块的设计与实现

网络教学已成为一种非常重要的教学手段,但其评价体系还很不完善。从网络教学实践出发,文章对网络教学评价进行了深入的剖析,提出了网络教学评价系统的基本需求,给出了系统工作模型。并分析和实现了模型的通用性,使用户可以在这一系统上方便、灵活地配置评价指标、指标权值等教学评价参数,实现对网络教学系统中各课程的综合评价。     

基于Web的通用效能评估仿真架构实现研究

为实现复杂系统效能评估、多方案对比,构建了基于Web的通用效能评估仿真架构。对评估模式进行了创新,基于评估流程化管理方式,实现任务驱动执行、任务导航和数据的自动流转。针对指标体系建模的复杂性,利用树状、网状或环状等视图对指标模型进行可视化展示,并实现多专业协同指标分解和指标完整性专业审核,确保了指标分解的客观性。基于数据采集挖掘、统计分析等多种先进的智能技术,将仿真系统产生的海量数据引入效能评估仿真分析环节,使得效能评估过程可有效利用仿真真实数据,提高效能评估结果的可信性。构建基于脚本引擎调用实现效能评估算法集成与扩展,提升了效能评估仿真框架的通用性和扩展性。最后,通过多样本、多方案评估结果对比分析工具的实现,提升了效能评估工具实用性。     

基于CPSO的混合核SVM参数选择及其应用

支持向量机中参数的寻优一般只针对惩罚系数和核参数,而混合核的引入,使支持向量机(SVM)又多了一个可调参数,而这个可调参数一般是根据经验或人工随机调试得到,不能确保该参数为最优.针对此问题,提出以惩罚系数、核参数以及混合核可调参数为寻优目标,用混沌粒子群(CPSO)对其进行综合寻优的方法,来寻找满足条件的最优参数组合,从而提高模型的精度.通过对工业双酚A生产过程软测量建模的仿真研究表明,混合核参数优化后的模型比普通模型效果要好,泛化能力有所提升.     

基于随机傅里叶特征空间的高斯核近似模型选择算法

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,将原始核特征空间转换为另一个相对低维的显式随机特征空间,并给出核近似误差上界理论分析以及在核近似的随机特征空间中训练学习模型的误差上界,得到核近似的收敛一致性和误差上界与核近似参数之间的关系。基于随机傅里叶特征空间选择出最优模型参数,避免了对最优原始高斯核模型参数的大规模搜索,从而大幅降低原始高斯核模型选择所需的时间成本。实验表明,本文给出的误差上界确由核近似参数控制,核近似选择的最优模型相较于原始高斯核模型有较高的准确率,并且模型选择时间相对网格搜索法大幅减小。