苗青
- 作品数：5 被引量：24H指数：3
- 供职机构：中国科学院成都计算机应用研究所更多>>
- 发文基金：四川省科技支撑计划国家高技术研究发展计划中国科学院西部之光基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于CUDA的汇流分析并行算法的研究与实现被引量：6
- 2010年
- 针对基于数字高程模型(DEM)生成流域等流时线的快速运算问题,提出了一种基于统一设备计算架构(CUDA)平台同时可发挥图形处理器(GPU)并行运算特性的汇流分析的快速并行算法。采用改进后的归并排序算法进行数据排序及新的内存分配策略和改进的并行算法进行汇流分析。用该并行算法和CPU上的串行算法,对生成基于DEM的等流时线运算时间和矩阵乘法运算时间进行分析验证。实验结果表明,基于CUDA的汇流分析并行算法能提高系统的计算效率,具有较好的效果。
- 赵向辉苗青付忠良苏畅李昕
- 关键词：并行计算图形处理器数字高程模型
- 面向目标的带先验概率的AdaBoost算法被引量：2
- 2010年
- 针对集成学习算法研究中多个分类器的最佳组合问题,改进了传统的AdaBoost集成学习算法。用于组合的各个分类器通常是基于样本集通过一定的训练得到,样本集中不同类目标的比率可以反映分类目标的先验概率。使用该参数给出了新的组合参数和投票表决阈值计算公式,巧妙的利用样本权值并将其加入到样本属性上进行训练学习,采用新的策略来选择基分类器,给出了面向目标的带先验概率的AdaBoost算法(GWPP AdaBoost算法)和分类器的最佳组合。依据UCI实验数据对传统的AdaBoost算法、Bagging算法、GWPP AdaBoost算法的错误率和性能进行了比较分析,验证了GWPP AdaBoost的有效性。
- 赵向辉姚宇付忠良苗青谢会云
- 关键词：ADABOOST算法分类器组合先验概率
- 基于CUDA的并行改良随机抽样一致性算法被引量：3
- 2010年
- 针对传统RANSAC的许多局限性——样本多、模型复杂或数据错误率高时计算效率低,模型检验精度与数据错误率不易合理设置,无法批处理同模型不同样本集,提出一种基于CUDA的RANSAC并行改良,在保证计算结果置信概率与传统RANSAC一致的前提下,同时对抽样、解模型及检验模型并行同步处理,最终选择出符合要求的最优模型参数。以NVIDIAGPU支持的CUDA为并行计算环境,挖掘其硬件架构的通用计算特性,设计并实现了RANSAC的高效GPU运算模式。实验表明,改良后的算法能够克服传统RANSAC的诸多局限性,且保留了其简单易用的特点。
- 苗青付忠良赵向辉徐可佳
- 关键词：并行计算RANSACCUDA
- 基于属性组合的集成学习算法被引量：5
- 2010年
- 针对样本由数字属性构成的分类问题,在AdaBoost算法流程基础上,改传统的基于单属性分类器构造方法为基于组合属性分类器构造方法,提出了一种基于样本属性线性组合的集成学习算法。对属性组合系数的构造,提出了一般性的构造思路,按照该思路,提出了几种具体的组合系数构造方法,并对构造方法的科学合理性进行了分析。利用UC I机器学习数据集中的数据对提出的方法进行了实验与分析,结果表明,基于属性组合的集成学习算法不仅有是有效的,而且比传统AdaBoost算法好。
- 付忠良赵向辉苗青姚宇
- 关键词：ADABOOST算法分类器组合
- AdaBoost算法的推广——一组集成学习算法被引量：9
- 2010年
- 针对AdaBoost算法只适合于不稳定学习算法这一不足,基于增加新分类器总是希望降低集成分类器训练错误率这一思想,提出了利用样本权值来调整样本类中心的方法,使AdaBoost算法可以与一些稳定的学习算法结合成新的集成学习算法,如动态调整样本属性中心的集成学习算法、基于加权距离度量分类的集成学习算法和动态组合样本属性的集成学习算法,大大拓展了AdaBoost算法适用范围。针对AdaBoost算法的组合系数和样本权值调整策略是间接实现降低训练错误率目标,提出了直接面向目标的集成学习算法。在UCI数据上的实验与分析表明,提出的AdaBoost推广算法不仅有效,而且部分算法比AdaBoost算法效果更好。
- 付忠良赵向辉苗青姚宇
- 关键词：ADABOOST分类器组合
