您的位置： 专家智库 > >

吴黎霞

作品数：3 被引量：1H指数：1
供职机构：大连理工大学计算机科学与技术学院更多>>
发文基金：国家自然科学基金更多>>
相关领域：自动化与计算机技术理学更多>>

合作作者

文献类型

  • 1篇期刊文章
  • 1篇学位论文
  • 1篇会议论文

领域

  • 3篇自动化与计算...
  • 1篇理学

主题

  • 2篇隐马尔可夫模...
  • 2篇马尔可夫
  • 2篇马尔可夫模型
  • 1篇邻居
  • 1篇半监督学习
  • 1篇HMM
  • 1篇SELF-T...

机构

  • 3篇大连理工大学

作者

  • 3篇吴黎霞
  • 2篇孟军
  • 2篇易亚娟
  • 1篇王秀坤
  • 1篇欧润林

传媒

  • 1篇计算机工程与...

年份

  • 1篇2012
  • 1篇2011
  • 1篇2010
共 3 条 记 录，以下是 1-3
全选 清除 导出
排序方式：
改进线性邻近点传播在时间序列分类中的运用
2012年
线性邻近点传播(LNP)是一种非常有效的基于图的半监督分类方法,而类重叠与数据分布不平衡问题会使LNP构造图时由于选择的邻居不合理而影响分类性能。采用谱聚类来分析数据的分布,根据聚类结果对邻居选择时的距离度量进行调整,使得选择的邻居更合理。将基于谱聚类的LNP方法应用于时间序列分类,在UCR时间序列挖掘库的四个数据集上进行实验,结果表明该方法比LNP方法具有更高的分类准确率。
易亚娟吴黎霞孟军欧润林
基于半监督学习的时间序列分类研究与实现
时间序列广泛存在于现实生活的各个领域,包括语音识别、金融管理等。而实现时间序列的分类也是数据挖掘领域的重要内容。传统的时间序列序列方法主要有两类,即基于相似度与基于模型的方法。这些分类方法属于监督的学习算法,需要大量的标...
吴黎霞
关键词：半监督学习隐马尔可夫模型
文献传递
基于Self-Training和HMM的时间序列分类
提出了一种基于Self-Training和隐马尔可夫模型的时间序列分类方法，采用基于动态弯曲路径距离的Self-Training最近邻方法采扩大标记时间序列数据集，利用扩大的标记数据初始化HMM，并且使用基于半监督的迭代...
孟军吴黎霞王秀坤易亚娟
关键词：隐马尔可夫模型
全选 清除 导出
共1页<1>
聚类工具0