李吉明
- 作品数：6 被引量：19H指数：2
- 供职机构：浙江警察学院更多>>
- 发文基金：浙江省自然科学基金浙江省教育厅科研计划国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信天文地球更多>>
- 对手偏好主动学习驱动的协商框架
- 2012年
- 针对自动化协商问题,提出一种基于主动学习算法的对手协商偏好学习方法.在该方法中,协商过程表示为建议序列,将建议序列映射到出价轨迹特征空间,建立训练样本集.在激烈竞争的电子商务环境中,样本标记的成本较高,引入主动学习算法后,在预算范围内,提高了对手协商偏好预测的精度.实验数据表明,该方法能在少量有标记训练样本下获得良好的预测能力,减少了协商回合数,提高了协商总效用.
- 彭艳斌艾解清李吉明
- 关键词：电子商务
- 基于半监督对手协商偏好学习的协商模型被引量：1
- 2012年
- 针对自动化协商问题,提出一种基于协同训练的半监督对手协商偏好学习方法。在该方法中,将协商过程映射到出价轨迹特征空间和交互轨迹特征空间两个新的特征空间。在两个特征空间中分别训练支持向量回归机,两个学习机迭代,互相提供可靠的有标记训练样本,以扩大训练样本规模。由两个学习机共同学习,得到对手的协商偏好。协商决策模型以双方协商偏好为基础提出双赢的协商反建议。实验数据表明,所提方法可以提高协商总体效用,减少协商回合数,节省协商时间。
- 彭艳斌廖备水郑志军艾解清李吉明
- 关键词：协商模型支持向量回归机模拟退火算法
- 基于分类器融合的自动化协商决策模型被引量：2
- 2013年
- 为了解决电子商务环境中由于信息的保密性使协商参与者无法获得对手协商偏好从而影响协商性能的问题,提出一种基于分类器融合的自动化协商决策模型.该模型融合支持向量机和贝叶斯分类器,通过结合2种分类器的优点,提高对协商偏好的分类学习效果.在准确估计对手协商偏好的基础上,采用粒子群优化算法搜寻最优协商反建议.实验数据分析表明,新方法的效果优于单一分类器,并且在有噪声的小规模训练样本集下,仍然保持较高的协商总效用.
- 彭艳斌郑志军于成波李吉明
- 关键词：支持向量机贝叶斯
- 基于深度贝叶斯主动学习的高光谱图像分类被引量：8
- 2019年
- 针对高光谱图像分类中标记样本获取费时费力,无标记数据难以得到有效利用以及主动学习与深度学习结合难等问题,结合贝叶斯深度学习与主动学习的最新进展,提出一种基于深度贝叶斯的主动学习高光谱图像分类算法。利用少量标记样本训练一个卷积神经网络模型,根据与贝叶斯方法结合的主动学习采样策略从无标记样本中选择模型分类最不确定性的样本,选取的样本经人工标记后加入到训练集重新训练模型,减小模型不确定性,提高模型分类精度。通过PaviaU高光谱图像分类的实验结果表明,在少量的标记样本下,提出的方法比传统的方法分类效果更好。
- 杨承文李吉明杨东勇
- 关键词：高光谱遥感图像
- 基于协同网和任务情景的服务组合方法
- 2014年
- 介绍了服务映射库、协同网和任务情景的基本概念,提出了基于协同网和任务情景的服务组合方法.对用户查询请求的每一个输出对象单独生成完备协同网集,将输出的各协同网组合成组合服务以满足用户的需求,通过基于综合任务情景相似度的方法选取最佳组合服务并返回用户.结果表明,所提出的方法能够提高服务组合的成功率和效率.
- 彭艳斌郑志军李吉明苏先创于成波
- 关键词：任务情景
- 基于光谱特征和纹理特征协同学习的高光谱图像数据分类被引量：8
- 2012年
- 高光谱遥感图像中包含有大量的高维数据,传统的有监督学习算法在对这些数据进行分类时要求获取足够多的有标记样本用于分类器的训练。然而,对高光谱图像中大量的复杂地物像元所属类别进行准确标注通常需要耗费极大的人力。在本文中,我们提出了一种基于半监督学习的光谱和纹理特征协同学习(STF-CT)算法,利用协同学习机制将高光谱图像光谱特征和空间纹理特征这两种不同的特征结合起来,用于小训练样本集下的高光谱图像数据分类问题。STF-CT算法充分利用了高光谱图像的光谱和纹理特征这两个独立视图,构建起一种有效的半监督分类方法,用于提升分类器在小训练样本集情况下的分类精度。实验结果表明该算法在小训练样本集下的高光谱地物分类问题上具有很好的效果。
- 李吉明贾森彭艳斌
- 关键词：高光谱图像半监督学习
