公开(公告)号：CN104462614A

公开(公告)日：2015-03-25

申请号：CN201510018109.2

申请日：2015-01-14

Applicant: 苏州大学

Inventor： 赵朋朋 ,  徐海辉 ,  和天旭 ,  吴健 ,  崔志明

IPC: G06F17/30

CPC classification number: G06F17/30705

Abstract: 本发明提供了一种基于网络数据的主动学习方法及装置，本发明利用未标注样本构建样本关系矩阵，样本关系矩阵中不仅包含每个样本的自身信息含量，还包括各个未标注样本之间的关系信息含量，所以样本关系矩阵考虑了样本的非独立分布的特性，即各个样本之间的关系特性；在样本关系矩阵的基础上构建目标函数，目标函数值越大代表所挑选的样本的信息含量越大，求解目标函数得到使目标函数值最大的多个未标注样本，多个未标注样本组成最优样本子集。本申请能够在大量未标注的网络数据中选择最优样本子集，以便对选择的样本子集进行人工标注后，重新构建分类器模型，从而提高分类器模型对网络数据的分类性能。

公开(公告)号：CN103927392B

公开(公告)日：2017-03-22

申请号：CN201410183963.X

申请日：2014-05-04

Applicant: 苏州大学

Inventor： 赵朋朋 ,  周徐 ,  和天旭 ,  吴健 ,  崔志明

IPC: G06F17/30

Abstract: 本申请公开了一种深层网络数据源异常点的检测方法及系统，该方法包括从深层网络数据源中采集多个初始样本，然后按照预设规则，对每个所述初始样本进行分层得到s层，分层后按照预设算法，确定每一层中包含异常点的概率，按照最优采样策略，将规定的重采样次数分配到s层中，确定每一层的重采样次数，按照确定的重采样次数进行重采样，最后综合重采样数据与分层后的初始样本，进行异常点的检测。本申请的方法对有限的样本数据进行分层处理，由于异常点大部分集中在少数几个层中，通过着重对这几个层的重新采样，可以找到更多的异常点。解决了对深层网络数据源异常点的检测问题。

公开(公告)号：CN103927392A

公开(公告)日：2014-07-16

申请号：CN201410183963.X

申请日：2014-05-04

Applicant: 苏州大学

Inventor： 赵朋朋 ,  周徐 ,  和天旭 ,  吴健 ,  崔志明

IPC: G06F17/30

CPC classification number: G06F17/3089

Abstract: 本申请公开了一种深层网络数据源异常点的检测方法及系统，该方法包括从深层网络数据源中采集多个初始样本，然后按照预设规则，对每个所述初始样本进行分层得到s层，分层后按照预设算法，确定每一层中包含异常点的概率，按照最优采样策略，将规定的重采样次数分配到s层中，确定每一层的重采样次数，按照确定的重采样次数进行重采样，最后综合重采样数据与分层后的初始样本，进行异常点的检测。本申请的方法对有限的样本数据进行分层处理，由于异常点大部分集中在少数几个层中，通过着重对这几个层的重新采样，可以找到更多的异常点。解决了对深层网络数据源异常点的检测问题。