贾小艳
- 作品数：3 被引量：6H指数：2
- 供职机构：江苏大学计算机科学与通信工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术农业科学金属学及工艺更多>>
- 自熔性合金粉末在农业机械中的应用被引量：4
- 2004年
- 采用氧乙炔喷焊工艺,制备农业机械特殊工况条件下的耐磨涂层,采用均匀试验对喷焊材料的组成进行设计,对涂层的组织和性能进行了研究分析。结果表明:该涂层具有良好的耐磨料磨损性能,比过去的工艺提高使用寿命3～8倍,具有很大的经济效益。
- 贾小艳姚冠新
- 关键词：农业机械磨料磨损使用寿命耕作机械
- 关联子空间离群点挖掘被引量：2
- 2015年
- 针对高维数据,已有的子空间离群点挖掘方法未能有效反映子空间的关联程度,对所有数据点采用统一的子空间,不能有效凸显不同离群点存在的特有子空间,导致挖掘精度不高和挖掘结果难以解释等问题.且都平等的对待数据点在多个子空间中的离群得分,使离群点与非离群点之间的对比度低.为此,提出一个新的关联子空间离群点挖掘算法.算法根据数据点及其局部邻域在一维投影上的分布特性,把一维投影上具有最大非均匀分布程度的维作为关联度子空间的基准维,用类Apriori算法将关联度大的子空间快速构造成不同数据点特有的关联子空间集合,并基于关联子空间进行离群点挖掘.算法给偏离度大的赋予较大的权值,加大了离群点与非离群点之间的对比度.实验表明,算法取得较高准确度,并优于现有方法.
- 葛清龙薛安荣贾小艳
- 关键词：离群点挖掘子空间
- 基于最大化依赖的恐怖行为背景特征提取方法
- 2015年
- 针对恐怖数据集中存在的属性值残缺问题,提出了基于最大化背景向量与行为之间依赖关系的压缩背景空间(CCS)方法。该方法基于希尔伯特-施密特独立标准和希尔伯特-施密特范数,它们能有效检测变量间的关联性。CCS通过使得背景向量线性投影后的低维特征与行为之间希尔伯特-施密特范数最大化,从而实现背景向量与行为之间的依赖关系最大化,更好地发现两者之间的关联性,减小属性值残缺带来的影响。然后利用分类模型(如支持向量机(SVM))对所得到的低维特征进行学习(CCS+SVM),实现高效预测。在MAROB数据集上的实验表明:与SVM模型、基于传统特征提取方法(如PCA和CCA)的SVM模型以及已有的恐怖行为预测算法CONVEX相比,CCS+SVM的性能在查全率和F值上分别提高1.5%和1.0%以上,而查准率和ROC曲线下面积(AUC)值与最好性能相当。实验结果表明,CCS+SVM能够较好地解决恐怖数据集中的属性值残缺问题。
- 薛安荣贾小艳葛清龙杨晓琴
- 关键词：特征提取支持向量机
