王正欧 作品数:114 被引量:1,171 H指数:21 供职机构: 天津大学管理与经济学部系统工程研究所 更多>> 发文基金: 国家自然科学基金 山东省自然科学基金 天津市自然科学基金 更多>> 相关领域: 自动化与计算机技术 理学 经济管理 轻工技术与工程 更多>>
基于RBF网络的混沌动力系统辨识 被引量:5 2002年 提出用 RBF神经网络对混沌动力系统进行辨识 ,设计了一个三层 RBF网络结构 ,仿真实验说明了 RBF网络用于学习混沌动力系统时的基本性质 .用辨识模型重建吸引子方法定性地评价辨识模型 ,通过计算辨识模型的 L yapunov指数定量地评价辨识模型的性能 ,同时推导了 RBF网络模型 L yapunov指数的计算公式 .仿真结果表明 ,该辨识模型能很好地逼近原混沌动力系统 。 李冬梅 王正欧关键词:混沌系统辨识 RBF神经网络 混沌动力系统 基于RBF网络的高技术项目投资评估决策模型的研究 被引量:16 2000年 在作者提出的一种具有高泛化性能的 RBF神经网络的基础上提出了一种对高技术项目投资的评估决策模型 .在对所提出的网络学习算法作了简介后 ,研究了对投资项目评估的影响因素以及它们在神经网络模型中的表示模式 ,然后给出了具有层次结构的用于高技术项目投资的评估决策模型 。 王正欧 朱涛 王书新 申绮 王荣椿关键词:RBF网络 一种适合于增量学习的支持向量机的快速循环算法 被引量:28 2003年 当样本数量大到计算机内存中放不下时,常规支持向量机方法就失去了学习能力,为了解决这一问题,提高支持向量机的训练速度,文章分析了支持向量机分类的本质特征,根据支持向量机分类仅与支持向量有关的特点,提出了一种适合于支持向量机增量学习的快速循环算法(PFI SVM),提高了支持向量机的训练速度和大样本学习的能力,而支持向量机的分类能力不受任何影响,取得了较好的效果。 安金龙 王正欧关键词:数据挖掘 支持向量机 基于模式聚类和遗传算法的文本特征提取方法 被引量:6 2005年 采用模式聚类和遗传算法进行文本特征提取,并用Kohonen网络进行分类。模式聚类可以有效降低文本特征的维数,使得特征从几千维降为几百维。但几百维的维数对Kohonen网络来说仍然太高,因此采用遗传算法在此基础上继续降维。实验结果表明,这两种方法结合可以极大地降低文本的维数,并能提高分类准确率。 郝占刚 王正欧关键词:特征提取 模式聚类 遗传算法 KOHONEN网络 一种基于改进的支持向量机的多类文本分类方法 被引量:33 2006年 提出了一种基于二叉树、预抽取支持向量机及循环迭代算法的改进的支持向量机(SVM)的多类文本分类方法,与现有的多类分类SVM算法相比,该方法具有较高的计算效率。给出了具体实现过程并将其用于文本分类中,实验表明该算法用于文本分类的有效性及其高效率。 应伟 王正欧 安金龙关键词:文本分类 支持向量机 迭代算法 二叉树 基于模糊决策树的文本分类规则抽取 被引量:18 2005年 提出一种合并分枝的模糊决策树文本分类方法对相似文本类进行分类,并可抽取出分类精度较高的模糊分类规则。首先研究改进了的χ2统计量,并根据改进的χ2统计量对文本的特征词条进行聚合,有效地降低了文本向量空间的维数。然后使用一种合并分枝的模糊决策树进行分类,大大减少了抽取的规则数量。从而既保证了决策树分类的精度和速度,又可抽取出可理解的模糊分类规则。 王煜 王正欧关键词:规则抽取 模糊决策树 基于模式聚合和决策树的文本分类规则抽取 被引量:4 2006年 本文首先提出一种改进的χ2统计量,以此衡量词条对文本分类的贡献。然后根据模式聚合理论,将对各文本类分类贡献比例相近似的词条聚合为一个特征,建立出文本集的特征向量空间模型。此方法有效地降低了文本特征向量空间的维数。最后使用决策树进行分类,从而既保证了分类精度又获得了决策树易于抽取可理解的分类规则的优势。 王煜 王正欧关键词:规则抽取 决策树 基于潜在语义索引和遗传算法的文本特征提取方法 被引量:22 2006年 本文采用潜在语义索引(LSI)和遗传算法(GA)进行文本特征提取。在采用潜在语义索引将语义关系体现在VSM(Vector Space Model)中,通过奇异值分解(SVD,Singular Value De-composition)可以有效地降低向量空间的维数,但通过维数约简后的文本特征仍要保持在数百维左右,因此本文采用遗传算法在此基础上继续降维。实验结果表明,这两种方法结合可以极大的降低文本向量空间的维数,并能提高分类准确率。 郝占刚 王正欧关键词:特征提取 潜在语义索引 遗传算法 KOHONEN网络 一种新的支持向量机多类分类方法 被引量:87 2004年 分析了目前的支持向量机多类分类方法存在的问题以及缺点.针对以上问题及缺点,提出了基于 二叉树的支持向量机的多类分类方法,并在UCI数据库上进行了验证,取得了良好效果. 安金龙 王正欧 马振平关键词:支持向量机 二叉树 迭代算法 预抽取支持向量机的支持向量 被引量:18 2004年 训练支持向量机,可以归结为求解二次规划问题,而求解二次规划时的复杂度随着样本数量的增加而显著增长,这样就大大延长了支持向量机的训练时间。为了提高支持向量机的训练速度,根据支持向量机的基本原理,该文提出了一种从给定训练样本中预抽取支持向量的新方法,即两凸包相对边界向量方法(FFMVM),此方法大幅度减小了训练支持向量机的训练样本的数量,从而大大提高了支持向量的训练速度,而支持向量机的分类能力不受任何影响。 安金龙 王正欧关键词:数据挖掘 支持向量机