陈春萍
- 作品数:3 被引量:10H指数:2
- 供职机构:西安电子科技大学通信工程学院更多>>
- 发文基金:国家自然科学基金北京市自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于Fisher准则的SVM参数选择算法被引量:7
- 2012年
- 支持向量机(support vector machine,SVM)分类性能主要受到SVM模型选择(包括核函数的选择和参数的选取)的影响,目前SVM模型参数选择的方法并不能较好地确定模型参数。为此基于Fisher准则提出了SVM参数选择算法。该算法利用样本在特征空间中的类别间的线性可分离性,结合梯度下降算法进行参数寻优,并基于Matlab实现选择算法。实验结果表明参数选择算法既提高了SVM训练性能,又大大减少了训练时间。
- 刘飚陈春萍封化民李洋
- 关键词:核函数支持向量机FISHER准则梯度下降算法
- 基于SVM与AdaBoost组合的分类算法研究
- 支持向量机(Support Vector Machines,SVM)是Vapnik提出的一种基于结构风险最小化的学习技术,也是一种新的具有很好泛化性能的回归方法。在模式识别、回归估计、概率密度函数估计等方面都有应用。Ad...
- 陈春萍
- 关键词:人工智能数据分类
- 一种基于多模态特征融合的垃圾邮件过滤方法被引量:2
- 2011年
- 近年来,垃圾邮件制造者为了逃避基于文本的垃圾邮件过滤系统的检测,将垃圾信息嵌入到图像中,并将其附着在邮件正文中进行传播。传统的基于文本的过滤方式无法处理此类包含垃圾信息的邮件图像。为了应对这种同时包含文本和图像的垃圾邮件,本文提出了一种基于多模态特征的融合文本、图像等多媒体信息的过滤方法。首先通过抽取邮件的文本特征和图像特征构建多个分类器,然后采用多分类器融合技术对各分类器的输出结果进行综合。通过对TREC垃圾邮件语料集的测试实验表明,本文提出多模态特征融合的方法获得了比单个分类器更好的效果,准确率达到90%以上。
- 杨兴华封化民江超陈春萍
- 关键词:垃圾邮件过滤多分类器融合置信度