Query：
学者姓名：何振峰
Refining：
Year
Type
Indexed by
Source
Complex
Former Name
Co-
Language
Clean All
Abstract ：
朴素贝叶斯具有强的独立性假设,而特征加权是解决这一问题的方法.CFW 算法是一种简单有效的加权算法,但该算法的权重计算公式纳入了特征间冗余性,从而影响为每个特征所赋予的权值,降低了分类精度.针对CFW算法中存在的权重冗余问题,本文提出了 CFS-CFW 算法.该算法使用特征选择算法 CFS 有效降低权重冗余性,使得每个特征被赋予更合适的权重.在 13 个UCI数据集上的实验结果表明,该算法具有更高的分类精度.在UCI的spambase的垃圾邮件分类数据集上,该算法的准确性也更高.
Keyword ：
朴素贝叶斯 朴素贝叶斯 特征加权 特征加权 特征选择 特征选择
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 黄丽媛 , 何振峰 . 降低权重冗余的分类算法CFS-CFW研究 [J]. | 福建电脑 , 2024 , 40 (1) : 9-15 . |
| MLA | 黄丽媛 等. "降低权重冗余的分类算法CFS-CFW研究" . | 福建电脑 40 . 1 (2024) : 9-15 . |
| APA | 黄丽媛 , 何振峰 . 降低权重冗余的分类算法CFS-CFW研究 . | 福建电脑 , 2024 , 40 (1) , 9-15 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
MonteCloPi算法是一种基于蒙特卡洛树搜索(Monte Carlo tree search, MCTS)的任意时间子群发现算法,旨在使用MCTS策略构建非对称的最佳优先搜索树来发现高质量的多样性模式集,但是限制了目标为二值变量.为此,本文结合了数值目标的特点,通过为置信度上界(upper confidence bound, UCB)公式选取合适的C值、动态调整各个样本的拓展权重并对搜索树进行剪枝、使用自适应top-k均值更新策略,将MonteCloPi算法拓展到了数值目标.最后,在UCI数据集、全国健康与营养调查(national health and nutrition examination survey, NHANES)听力测试数据集上的实验结果表明本文的算法相比其他算法可以发现更高质量的多样性模式集,并且最优子群的可解释性也更好.
Keyword ：
任意时间算法 任意时间算法 子群发现 子群发现 数值目标 数值目标 蒙特卡洛树搜索 蒙特卡洛树搜索
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 关承彬 , 何振峰 . 基于蒙特卡洛树搜索的数值目标子群发现算法 [J]. | 计算机系统应用 , 2024 , 33 (05) : 195-202 . |
| MLA | 关承彬 等. "基于蒙特卡洛树搜索的数值目标子群发现算法" . | 计算机系统应用 33 . 05 (2024) : 195-202 . |
| APA | 关承彬 , 何振峰 . 基于蒙特卡洛树搜索的数值目标子群发现算法 . | 计算机系统应用 , 2024 , 33 (05) , 195-202 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
传统的聚类算法能够将数据集划分成不同的簇,但是这些簇通常都是难以解释的. IMM (iterative mistake minimization)是一种常见的可解释聚类算法,通过单个特征来构造阈值树,每个簇都可以用根节点到叶子节点路径上的特征-阈值对进行解释.然而,阈值树在每一轮划分数据时仅考虑错误最少的特征-阈值对,这种贪心的方法容易导致局部最优解.针对这一问题,本文引入了集束搜索,通过在阈值树的每一轮划分过程当中保留预定数量的状态来减缓局部最优,进而提高阈值树提供的聚类划分与初始聚类划分的一致性.最后,通过实验验证了该算法的有效性.
Keyword ：
K-means K-means 可解释聚类 可解释聚类 阈值树 阈值树 集束搜索 集束搜索
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 李钰群 , 何振峰 . 基于集束搜索的可解释阈值树构造 [J]. | 计算机系统应用 , 2023 , 32 (11) : 247-252 . |
| MLA | 李钰群 等. "基于集束搜索的可解释阈值树构造" . | 计算机系统应用 32 . 11 (2023) : 247-252 . |
| APA | 李钰群 , 何振峰 . 基于集束搜索的可解释阈值树构造 . | 计算机系统应用 , 2023 , 32 (11) , 247-252 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
以K-means为代表的聚类算法被广泛地应用在许多领域,但是K-means不能直接处理不完整数据集.k_m-means是一种处理不完整数据集的聚类算法,通过调整局部距离计算方式,减少不完整数据对聚类过程的影响.然而k_m-means初始化阶段选取的聚类中心存在较大的不可靠性,容易陷入局部最优解.针对此问题,本文引入可信度,提出了结合可信度的k_m-means聚类算法,通过可信度调整距离计算,增大初始化过程中选取聚类中心的可靠性,提高聚类算法的准确度.最后,通过UCI和UCR数据集验证算法的有效性.
Keyword ：
K-means K-means 不完整数据 不完整数据 可信度 可信度 局部距离 局部距离 聚类中心 聚类中心
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 熊君竹 , 何振峰 . 结合可信度的k_m-means算法 [J]. | 计算机系统应用 , 2022 , 31 (06) : 175-181 . |
| MLA | 熊君竹 等. "结合可信度的k_m-means算法" . | 计算机系统应用 31 . 06 (2022) : 175-181 . |
| APA | 熊君竹 , 何振峰 . 结合可信度的k_m-means算法 . | 计算机系统应用 , 2022 , 31 (06) , 175-181 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
Weighted K-Means (WKM) algorithms are increasingly important with the increase of data dimension. WKM faces an initialization problem that is more complicated than K-Means' because in addition to picking initial cluster centers, it should also provide feature weights. Moreover, the one-dimensional solution to WKM's widely used objective function is unacceptable in most cases. Yet, the initialization of WKM, especially the initialization of feature weight, has been largely ignored. This paper studies the problem by analyzing Feature weight self-adjustment K-Means(FWSA K-Means), a popular WKM proposed to avoid the one-dimensional solution. Experimental results suggest that the algorithm is actually easy to cluster mainly based on a single feature information when it is not well initialized. Moreover, the paper argues that initial feature weights and cluster centers are equally important in determining the final partition. Therefore it suggests using feature level constraints to improve the initialization and proposes a semi-supervised algorithm Constrained FWSA K-Means (CFWSA K-Means). The algorithm uses constraints in evaluating feature weights and clusters to guide their evolution at the stage of initialization. Experimental results suggest that it is effective and robust in utilizing constraints. In addition, if its initialization process is started by the cluster centers provided by BRIk, an initialization approach for K-Means, the performance can be further improved.
Keyword ：
feature level constraint feature level constraint initialization initialization semi-supervised clustering semi-supervised clustering Weighted K-Means Weighted K-Means
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | He, Zhenfeng . Initializing FWSA K-Means With Feature Level Constraints [J]. | IEEE ACCESS , 2022 , 10 : 132976-132987 . |
| MLA | He, Zhenfeng . "Initializing FWSA K-Means With Feature Level Constraints" . | IEEE ACCESS 10 (2022) : 132976-132987 . |
| APA | He, Zhenfeng . Initializing FWSA K-Means With Feature Level Constraints . | IEEE ACCESS , 2022 , 10 , 132976-132987 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
FSSD (fast and efficient subgroup set discovery)是一种子群发现算法, 旨在短时间内提供多样性模式集, 然而此算法为了减少运行时间, 选择域数量少的特征子集, 当特征子集与目标类不相关或者弱相关时, 模式集质量下降. 针对这个问题, 提出一种基于集成特征选择的FSSD算法, 它在预处理阶段使用基于ReliefF (Relief-F)和方差分析的集成特征选择来获得多样性和相关性强的特征子集, 再使用FSSD算法返回高质量模式集. 在UCI数据集、全国健康和营养调查报告(NHANES)数据集上的实验结果表明, 改进后的FSSD算法提高了模式集质量, 归纳出更有趣的知识. 在NHANES数据集上, 进一步分析模式集的特征有效性和阳性预测值.
Keyword ：
ReliefF ReliefF 子群发现 子群发现 方差分析 方差分析 集成特征选择 集成特征选择
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 张崟 , 何振峰 . 基于集成特征选择的FSSD算法 [J]. | 计算机系统应用 , 2022 , 31 (3) : 275-281 . |
| MLA | 张崟 等. "基于集成特征选择的FSSD算法" . | 计算机系统应用 31 . 3 (2022) : 275-281 . |
| APA | 张崟 , 何振峰 . 基于集成特征选择的FSSD算法 . | 计算机系统应用 , 2022 , 31 (3) , 275-281 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
在许多数据挖掘的实际应用中要求每一个类别的实例数量相对平衡.而独立子空间聚类的熵加权K-means算法(EWKM)会产生不均衡的划分,聚类质量很差.本文定义了一种兼顾平衡划分与特征分布的多目标熵,然后应用该熵改进了EWKM算法的目标函数,同利用迭代方法和交替方向乘子法设计其求解流程,并提出基于熵的平衡子空间K-means算法(EBSKM).最后,在UCI、UCR等公开数据集进行聚类实验,结果表明所提算法在准确率和平衡性方面都优于同类算法.
Keyword ：
K-means K-means 子空间聚类 子空间聚类 平衡聚类 平衡聚类 特征加权 特征加权
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 康泰榕 , 何振峰 . 基于熵的平衡子空间K-means算法 [J]. | 计算机系统应用 , 2022 , 31 (12) : 266-272 . |
| MLA | 康泰榕 等. "基于熵的平衡子空间K-means算法" . | 计算机系统应用 31 . 12 (2022) : 266-272 . |
| APA | 康泰榕 , 何振峰 . 基于熵的平衡子空间K-means算法 . | 计算机系统应用 , 2022 , 31 (12) , 266-272 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
基于国内外地铁列车驾驶技术的发展现状,提出并阐述了地铁列车驾驶技术发展的4个阶段为人工驾驶、自动驾驶、无人驾驶、智能无人驾驶.概括了我国无人驾驶地铁列车的建设情况,针对目前基于神经网络这类机器学习方法的列车控制方法可解释性差的弊端,引入了深度模糊系统的概念,提出了基于人机混合智能的地铁智能无人驾驶基本框图,为将处理紧急情况的专家经验、人工智能算法和无人驾驶系统结合起来,实现智能无人驾驶提供了一种具有前景的解决思路.
Keyword ：
人工智能 人工智能 人机混合智能 人机混合智能 地铁 地铁 无人驾驶 无人驾驶 智能无人驾驶 智能无人驾驶
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 赖文柱 , 陈德旺 , 何振峰 et al. 地铁列车驾驶技术发展综述:从人工驾驶到智能无人驾驶 [J]. | 智能科学与技术学报 , 2022 , 4 (3) : 335-343 . |
| MLA | 赖文柱 et al. "地铁列车驾驶技术发展综述:从人工驾驶到智能无人驾驶" . | 智能科学与技术学报 4 . 3 (2022) : 335-343 . |
| APA | 赖文柱 , 陈德旺 , 何振峰 , 邓新国 , GIUSEPPE CARLO Marano . 地铁列车驾驶技术发展综述:从人工驾驶到智能无人驾驶 . | 智能科学与技术学报 , 2022 , 4 (3) , 335-343 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
Subgroup discovery (SD) identifies disproportionally distributed subsets from a dataset according to a target concept. Numerical features are often discretized before SD to avoid generating too many interval based patterns and aggravating the 'pattern flooding' problem. However, early discretization greatly reduces the quality of subgroups. The addition of a few features, especially numerical features, often sharply prolongs the running time of SD, so removing irrelevant features may be a better choice. FSSD, a recently proposed non-discretization SD approach for numerical features, uses an empirical method to select a subset of features. Yet, the method ignores the labelling information, so it can not remove irrelevant features effectively. This paper analyses Relief based feature selection for SD, and suggests using interval based local subgroups to evaluate the discrimination ability of a feature. It presents ReliefSD, a novel feature selection method for SD by updating ReliefF. As interesting subgroups have many positive instances, ReliefSD only selects positive instances. Moreover, for each feature ReliefSD constructs a single feature based local subgroup whose boundary is defined by the randomly selected instance and its neighbouring positive instances. By evaluating the purity of the subgroups, ReliefSD iteratively estimates the importance of features. Experimental results on 10 UCI datasets suggest ReliefSD is the best in selecting feature subsets for FSSD when compared with the empirical method and ReliefF. © 2022 Technical Committee on Control Theory, Chinese Association of Automation.
Keyword ：
Feature Selection Feature Selection Iterative methods Iterative methods Numerical methods Numerical methods
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | He, Zhenfeng , Zhang, Yin . ReliefSD: Selecting Numerical Features for Fast Subgroup Discovery [C] . 2022 : 3214-3219 . |
| MLA | He, Zhenfeng et al. "ReliefSD: Selecting Numerical Features for Fast Subgroup Discovery" . (2022) : 3214-3219 . |
| APA | He, Zhenfeng , Zhang, Yin . ReliefSD: Selecting Numerical Features for Fast Subgroup Discovery . (2022) : 3214-3219 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
基于国内外地铁列车驾驶技术的发展现状,阐述了地铁列车智能驾驶发展及研究的必要性.针对当前无人驾驶采用的机器学习算法可解释性差的缺陷,引入模糊系统,提出了基于人机混合智能的地铁列车无人驾驶系统,以两种方式实现人机混合智能.探索了结合认知系统的地铁列车无人驾驶系统,为实现真正意义上的强人工智能地铁列车无人驾驶系统提供了一种面向未来的解决方案.
Keyword ：
人机混合智能 人机混合智能 地铁 地铁 无人驾驶 无人驾驶
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 黄本遵 , 陈德旺 , 何振峰 et al. 基于人机混合智能的地铁列车无人驾驶系统研究 [J]. | 智能科学与技术学报 , 2022 , 4 (4) : 584-591 . |
| MLA | 黄本遵 et al. "基于人机混合智能的地铁列车无人驾驶系统研究" . | 智能科学与技术学报 4 . 4 (2022) : 584-591 . |
| APA | 黄本遵 , 陈德旺 , 何振峰 , 邓新国 , GIUSEPPE CARLO Marano . 基于人机混合智能的地铁列车无人驾驶系统研究 . | 智能科学与技术学报 , 2022 , 4 (4) , 584-591 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Export
| Results： |
Selected to |
| Format： |
