Query：
学者姓名：何振峰
Refining：
Year
Type
Indexed by
Source
Complex
Former Name
Co-
Language
Clean All
Abstract ：
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 [C] //第三届 RISC-V 技术及生态研讨会论文集 . 2023 : 247-252 . |
| MLA | 李钰群 等. "基于集束搜索的可解释阈值树构造" 第三届 RISC-V 技术及生态研讨会论文集 . (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 第三届 RISC-V 技术及生态研讨会论文集 . (2023) : 247-252 . |
| 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 ：
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 et al. "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 ：
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 ：
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 ：
在软件定义网络(SDN)环境下,通过深度包检测(DPI)技术对网络流量进行分类识别.在应用层部署的DPI功能节点越多,网络流量分析的总处理时延就越小.但由于DPI节点的部署成本昂贵,因此需要优化部署方案.针对SDN中DPI节点部署问题,根据QoS处理时延,对DPI节点进行负载均衡,将该问题抽象为多商品流的线性规划问题,并设计基于成本的两阶段贪心算法加以解决.通过贪心策略为入口交换机选择低成本的DPI节点,并针对流处理过程进行负载均衡,进而通过搜素算法寻找最短路径用以降低时延.实验结果表明,该方法优化了DPI节点部署成本,提升了流量分析与检测的请求成功率.
Keyword ：
QoS时延 QoS时延 深度包检测 深度包检测 线性规划 线性规划 节点部署 节点部署 负载均衡 负载均衡 软件定义网络 软件定义网络
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 朱丹红 , 李洪 , 张栋 et al. 软件定义网络中DPI功能节点的部署研究 [J]. | 现代电子技术 , 2021 , 44 (4) : 119-123 . |
| MLA | 朱丹红 et al. "软件定义网络中DPI功能节点的部署研究" . | 现代电子技术 44 . 4 (2021) : 119-123 . |
| APA | 朱丹红 , 李洪 , 张栋 , 何振峰 . 软件定义网络中DPI功能节点的部署研究 . | 现代电子技术 , 2021 , 44 (4) , 119-123 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
Disproportionality based methods are widely used in detecting occupational hazard signals. Yet, deciding on a proper background is hard because there are subgroups vulnerable to given exposures, and in many cases such subgroups can not be defined by job. This paper presents an interactive way to do disproportionality analysis on occupational health examination data. It firstly uses multi-dimensional scaling to project data from a subspace to a two-dimensional space, which is further divided into rectangle cells. Then each cell is served as a background to evaluate disproportionality for potential hazard record(PHR), which is jointly defined by a cell and a company. The PHRs with high disproportionalities are checked interactively to select interesting ones. The method has been used to analyse an occupational hearing loss data, and has found an interesting potential signal for further analysis.
Keyword ：
data visualization data visualization disproportionality analysis disproportionality analysis multidimensional scaling multidimensional scaling occupational hazard signal detection occupational hazard signal detection
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | He, Zhenfeng , Lan, Shuxiu , Shen, Bo . Interactive detection of potential occupational hazard signals [C] . 2019 : 109-112 . |
| MLA | He, Zhenfeng et al. "Interactive detection of potential occupational hazard signals" . (2019) : 109-112 . |
| APA | He, Zhenfeng , Lan, Shuxiu , Shen, Bo . Interactive detection of potential occupational hazard signals . (2019) : 109-112 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
Hub会对高维数据分析产生显著消极影响,现有研究分别采用了五种降Hubness策略以提高分类效果,但单个降Hubness策略适用范围有限.为解决这一问题,提出对五种降Hub分类器进行基于PM-MD的集成,PM-MD集成是通过KNN确定分类对象的决策表以及通过分类器得到分类对象的类支持向量,最后通过比较决策表和类支持向量的相似性计算分类器的竞争力权重.由于PM-MD在处理高维数据集时高斯势函数存在弱化距离导致区分度不足的倾向,因此提出了采用欧氏距离直接计算决策表以提高分类精度.在12个UCI数据集上的实验结果表明:PM-MD不仅获得更好且稳定的分类结果,而改进后的PM-MD则进一步提高了分类精度.
Keyword ：
Hubness Hubness PM-MD PM-MD 分类器 分类器 集成 集成 高维 高维
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 吴立凡 , 何振峰 . 改进PM-MD的分类器集成 [J]. | 计算机系统应用 , 2019 , 28 (4) : 157-162 . |
| MLA | 吴立凡 et al. "改进PM-MD的分类器集成" . | 计算机系统应用 28 . 4 (2019) : 157-162 . |
| APA | 吴立凡 , 何振峰 . 改进PM-MD的分类器集成 . | 计算机系统应用 , 2019 , 28 (4) , 157-162 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
子空间聚类是解决高维数据聚类问题的有效方法之一,其面临的主要挑战是如何高效率地搜索一系列子空间.算法Chameleoclust利用可演化的染色体结构来搜索子空间聚类,取得了较好的聚类效果.但由于其以自然选择作为进化的主要驱动力,无法对进化过程中最主要的突变“中性突变”进行评价,因此缺乏足够的启发信息来引导搜索,导致搜索效率不高,且极易陷入局部最优等问题.本文提出一种中性游走驱动的Chameleoclust算法(Chameleoclust NW),该算法主要特点是以中性理论的思想为基础,将中性突变视为进化的主角,以进化潜力为启发信息对染色体进一步评价,并利用中性游走对算法搜索过程进行引导.实验结果表明,与Chameleoclust相比,Chameleoclust NW具有更高的搜索效率和准确率.
Keyword ：
中性游走 中性游走 中性理论 中性理论 子空间聚类 子空间聚类 进化算法 进化算法
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 林鑫涛 , 何振峰 . 中性游走驱动的进化子空间聚类算法 [J]. | 小型微型计算机系统 , 2019 , 40 (3) : 477-481 . |
| MLA | 林鑫涛 et al. "中性游走驱动的进化子空间聚类算法" . | 小型微型计算机系统 40 . 3 (2019) : 477-481 . |
| APA | 林鑫涛 , 何振峰 . 中性游走驱动的进化子空间聚类算法 . | 小型微型计算机系统 , 2019 , 40 (3) , 477-481 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Export
| Results： |
Selected to |
| Format： |
