摘要：
按照算法的类型对个人的 Paper Reading 博客进行汇总，涉及多个研究方向的论文将按照个人主观感觉的主要方向排列。 目录不平衡学习决策树集成学习进化计算神经决策模型神经网络图学习特征工程 不平衡学习 A Novel Model for Imbalanced Data Classificati 阅读全文
摘要：
这些都是照着《计算机操作系统(第四版)》整理的，因为这本书超级厚，不爱带来带去。如果在《操作系统导论》中有看到感兴趣的内容，也会整理到这里来。 #操作系统 操作系统：操作系统概述 #进程管理 操作系统：进程的概念与控制 操作系统：线程的概念 操作系统：处理机调度 操作系统：多级反馈队列和比例份额 # 阅读全文
摘要：
#基础知识 CTF-WEB：PHP 弱类型 CTF-WEB：PHP 变量 CTF-WEB：PHP 伪协议 CTF-WEB：PHP 反序列化 CTF-WEB：字符串和正则匹配 CTF-WEB：后台扫描与备份泄露 CTF-WEB：BurpSuite 工具应用 CTF-WEB：文件上传和 webshell 阅读全文
摘要：
#基础理论 计算机网络这门课涵盖了 TCP/IP 协议栈的所有层，但是网络规划主要侧重于链路层(交换机)和网络层(路由器)。因此想要快速上手网络技术的学习，可以先从这些基本的理论入门。 网络技术：网络互联设备 网络技术：以太网 网络技术：网络互联模型 网络技术：IP 编址 网络技术：子网划分 #基础 阅读全文
摘要：
#数据库原理 数据库原理：数据库系统概述 数据库原理：数据模型和关系数据库 数据库原理：求最小依赖集和候选键 数据库原理：关系规范化 数据库原理：数据库设计 数据库原理：数据库恢复和并发控制 #SqlServer SQL Server 是由 Microsoft 开发和推广的关系数据库管理系统（DBM 阅读全文
摘要：
#DVWA 靶场 DVWA 靶场的网页应用程序很脆弱，它的主要目标是帮助安全专业人员在实际环境中测试他们的技能和工具，帮助 web 开发人员更好地理解保护 web 应用程序的过程，并帮助教师/学生在教室环境中教授/学习 web 应用程序安全。 Brute Force (爆破) Command Inj 阅读全文
摘要：
#预备知识 数据结构个人学习推荐 C++面向过程编程 C++ STL 库快速上手 #线性表 顺序表结构详解 链表结构和例题详解 SkipList (跳跃表)解析及其实现 静态链表及 PTA 重组链表 #栈和队列 栈结构解析及其应用 队列结构解析及其应用 栈和队列应用：迷宫问题 PTA习题解析——银行 阅读全文
摘要：
[TOC] #学习经验分享 [计算机网络个人学习经验](https://www.cnblogs.com/linfangnan/p/17017625.html) #概述 [计算机网络：互联网概述](https://www.cnblogs.com/linfangnan/p/15056612.html) 阅读全文
摘要：
为了对深度森林设计出信息量更大、计算成本更低的特征表示，本文提出了一种新的深度森林模型——高阶交互深度森林(hiDF)，利用输入特征的稳定高阶交互来生成信息丰富且多样化的特征表示。具体而言，本文设计了一个广义版本的随机交叉树(gRIT)来发现稳定的高阶相互作用，并应用激活线性组合(ALC)将这些相互作用转化为新的特征表示，这些特征表示可以跨多层与输入特征交互。在级联的堆叠下，hiDF 可以有效地挖掘输入特征之间的高阶交互，并利用它们来提高预测性能。通过实验表明，hiDF 在显著减少时间和内存成本的情况下获得了极具竞争力的预测性能。 阅读全文
摘要：
针对欠采样方法会丢弃大量多数类样本导致信息缺失的问题，本文提出了基于哈希的欠采样集成 HUE 模型，它利用 Bagging 和多数类样本的分布特征来构建多样化的训练子集。首先 HUE 通过散列将大多数类样本划分为不同的特征子空间，然后使用所有少数样本和主要从同一哈希子空间中提取的部分多数样本来构建训练子集，最后使用每个训练子集来训练一个基分类器，通过投票法将这些基分类器集成在一起。该方法在 25 个 UCI 数据集和两个大型数据集上与多种方法进行了对比，实验结果表明该方法优于其他方法，在高度不平衡的数据集上取得了良好的效果。 阅读全文
摘要：
针对决策树模型的缺点，受 Network in Network 和斜决策树的启发，本文提出树中树(TnT)算法将传统的决策树扩展为一个决策图。TnT 不是基于贪心的方法自顶向下生成树结构，通过在内部节点或叶节点内递归地生长决策树来构造决策图。TnT 的时间复杂度与图中的节点数成线性关系，可以在大型数据集上构造决策图。在相同的模型复杂性约束下，TnT 在独立或集成的情况下都优于现有的决策树算法。同时它不依赖于预定义的图/树结构，而是能够从单个叶结点开始学习图连接，并提供完全可解释的决策过程。 阅读全文
摘要：
针对 CTC 分类性能较差和 Bagging 的可解释性较差的问题，本文提出了一种结合 CTC 和 Bagging 的算法 PCTBagging。首先构建一棵不完整的 CTC，CTC 的规模由超参数合并比来确定，接着使用 Bagging 完成后续的树结构的生成。将 PCTBagging 的结果与 Bagging、CTC 和 C4.5 的进行比较，从实验结果可见 PCTBagging 在保持 CTC 的可解释结构的同时，实现了与 Bagging 相似的分类能力。 阅读全文
摘要：
针对存在大量相关特征时重要特征的影响被削弱的问题，本文设计了一种通过稀疏森林来消除相关偏差的特征选择算法 ControlBurn。首先使用套袋和提升等方法生成森林，然后通过一个平衡特征稀疏性和预测性能的组 LASSO 惩罚目标为每棵树选择稀疏权值，从而减少树的数量。与 Wrapper 特征选择方法不同，ControlBurn 只需要一次训练迭代即可运行。通过实验说明，当应用于具有相关特征的数据集时，ControlBurn 优于传统的特征选择算法。 阅读全文
摘要：
按照算法的类型对个人的 Paper Reading 博客进行汇总，涉及多个研究方向的论文将按照个人主观感觉的主要方向排列。 目录不平衡学习决策树集成学习进化计算神经决策模型神经网络图学习特征工程 不平衡学习 A Novel Model for Imbalanced Data Classificati 阅读全文
摘要：
本文将集成特征选择问题建模为具有两个目标的帕累托优化问题，提出一种类型的异构集成特征选择算法 PEFS。首先采用两种聚合方法对四种不同 FS 方法得到的结果进行组合，接着使用双目标优化来评估这些结果，最后根据非优势特征在双目标空间中的拥挤距离进行排序。该方法平衡了关联度和冗余性两种不同的 FS 方法，对相关性最大、冗余最少的特征给出更高的排序。实验使用了 7 个真实的数据集，将 PEFS 与一些基本的 FS 算法和集成 FS 算法进行比较，结果表明本文提出的方法在 acc、F1 和运行时间上比其他方法更好。 阅读全文
摘要：
为了提高计算机视觉模型的可解释性，本文融合深度学习和决策树提出了神经支持决策树(NBDTs)。NBDT 使用一个可微的倾斜决策树取代了神经网络的最后一个线性层，和经典的决策树方法不同，NBDT 使用从模型参数派生的层次结构，不使用分层 softmax。NBDT 可以从任何现有的分类神经网络中创建，无需对模型架构进行修改。这样的模型结构不会过度拟合特征空间，减少了决策树对高度不确定决策的依赖，并鼓励对高级概念的准确识别。通过实验证明 NBDT 在 ImageNet、TinyImageNet200 和 CIFAR100 上的性能等同于或优于一些现有的模型，模型提供的解释可以让用户更方便地识别模型的错误，并且可用于识别模糊的 ImageNet 标签。 阅读全文
摘要：
针对数据集存在缺失值的问题，本文提出了一种基于多树 GP(MTGP) 的迁移学习方法 pMTGPDA，用于将知识从完整的源域转移到不完整的目标域中。首先在源域的数据集上训练多个 SR 模型，通过模型中的训练细节计算源域的特征和实例的权重作为先验知识。然后将提取的权重知识用于基于 MTGP 的转换，构造源特征空间到目标特征空间的非对称映射，实现估算目标域中缺失的值的作用。产生变换后的特征和实例以及权重后，对输入的目标数据进行正常的 SR，得到输出的结果。对于 MTGP 的交叉、变异操作，本文开发了新的遗传算子进行优化，而且设置的适应度函数能同时度量域之间的不匹配度和 SR 的学习性能。 阅读全文
摘要：
本文提出了一种类不平衡问题的功能树(FT4cip)，该模型使用了考虑类不平衡的分割评估函数 Twoing，以及使用了一种优化 AUC 的新型剪枝算法。同时对多变量分割使用特征选择，进一步提高分类性能和可解释性。通过大量的实验分析证明，FT4cip 在 AUC 上的分类性能优于 LMT 和 Gama。接着对几种算法进行元分析，显示了 FT4cip 比 LMT 和 Gama 具有更好性能的问题类型。最后根据对分类性能的影响对算法的不同进行排序，证明所采取的设计决策是合理的。 阅读全文