期刊文献+
共找到176篇文章
< 1 2 9 >
每页显示 20 50 100
基于VAE-CWGAN和特征统计重要性融合的网络入侵检测方法 被引量:12
1
作者 刘涛涛 付钰 +1 位作者 王坤 段雪源 《通信学报》 EI CSCD 北大核心 2024年第2期54-67,共14页
针对传统入侵检测方法受限于数据集类不平衡以及所选特征代表性不强等问题,提出一种基于VAE-CWGAN和特征统计重要性融合的检测方法。首先,为提升数据质量对数据集进行预处理;其次,搭建VAE-CWGAN模型生成新样本以解决数据集类不平衡问题... 针对传统入侵检测方法受限于数据集类不平衡以及所选特征代表性不强等问题,提出一种基于VAE-CWGAN和特征统计重要性融合的检测方法。首先,为提升数据质量对数据集进行预处理;其次,搭建VAE-CWGAN模型生成新样本以解决数据集类不平衡问题,使分类模型不再偏向于多数类;再次,使用标准差、中值均值差对特征进行排序,并融合其统计重要性来进行特征选择旨在获得代表性更强的特征,从而使模型更好地学习数据信息;最后,通过一维卷积神经网络对特征选择后的混合数据集进行分类。实验结果表明,所提方法在NSL-KDD、UNSW-NB15和CIC-IDS-2017数据集上都表现出较好的性能优势,准确率分别为98.95%、96.24%和99.92%,有效提升了入侵检测性能。 展开更多
关键词 入侵检测 网络流量 类不平衡 特征选择 统计重要性融合
在线阅读 下载PDF
基于特征选择与改进的Tri-training的半监督网络流量分类 被引量:2
2
作者 李道全 祝圣凯 +1 位作者 翟豫阳 胡一帆 《计算机工程与应用》 CSCD 北大核心 2024年第23期275-285,共11页
网络流量分类对网络管理意义重大,目前基于机器学习的流量分类方法存在标注瓶颈、样本不平衡的问题。针对这两个问题,提出一种基于特征选择与改进的Tri-training算法结合的半监督网络流量分类模型。根据最大信息系数、皮尔逊系数选择出... 网络流量分类对网络管理意义重大,目前基于机器学习的流量分类方法存在标注瓶颈、样本不平衡的问题。针对这两个问题,提出一种基于特征选择与改进的Tri-training算法结合的半监督网络流量分类模型。根据最大信息系数、皮尔逊系数选择出与类高度相关但彼此不相关的特征,利用改进的Relief F选择出有利于少数类分类的特征,并将选择出的特征组合成最优特征子集缓解不平衡数据对分类的影响。结合集成思想,优化迭代和加权决策改进传统Tri-training算法,利用改进的Tri-training算法解决标注瓶颈问题。在Moore数据集上进行了实验,实验结果表明提出的方法在利用不平衡的少量有标记的数据下在F-measure上达到了95.26%,与先进的机器学习算法和原始Tri-training方法及其一些改进算法相比具有更好的分类性能。 展开更多
关键词 半监督网络 类不平衡 网络流量分类 特征选择 TRI-TRAINING
在线阅读 下载PDF
KNN特征增强与互信息特征选择的两阶段多维分类方法 被引量:1
3
作者 李二超 张宝新 贾彬彬 《计算机工程与应用》 北大核心 2025年第15期167-177,共11页
现有多维分类的特征增强方法虽丰富了特征空间,但对特征内在质量缺乏有效评估,易引入冗余,影响分类性能。提出基于KNN特征增强与互信息特征选择的两阶段多维分类方法KMFM。第一阶段通过KNN特征增强扩展特征空间,第二阶段基于互信息评估... 现有多维分类的特征增强方法虽丰富了特征空间,但对特征内在质量缺乏有效评估,易引入冗余,影响分类性能。提出基于KNN特征增强与互信息特征选择的两阶段多维分类方法KMFM。第一阶段通过KNN特征增强扩展特征空间,第二阶段基于互信息评估并筛选相关性最强的特征子集,且通过计算类别空间组合熵考虑类别变量间的依赖关系。在10个基准数据集上的实验结果表明,KMFM在汉明分值、精确匹配和亚精确匹配指标上相比现有方法取得显著提升。在90种配置中,KMFM实现77.8%的最佳表现;与只采用特征增强的KRAM相比,性能提升显著;与只进行互信息特征选择MIFS相比,分类性能在9个指标上全面优越,充分说明了该算法的有效性和泛用性。 展开更多
关键词 多维分类 特征增强 特征选择 互信息 类依赖
在线阅读 下载PDF
改进GAN数据增强的小样本管道漏磁缺陷识别
4
作者 温江涛 闫鹏 +1 位作者 周家鑫 孙洁娣 《电子测量与仪器学报》 北大核心 2025年第6期142-153,共12页
针对复杂管道漏磁缺陷识别研究中,因实际漏磁缺陷样本数量少、差异大导致的智能识别模型在实际应用中性能不佳的问题,提出了一种基于改进生成对抗网络的数据增强方法。首先,该方法研究了多类别混合估计的方法为生成器提供原始信号的先... 针对复杂管道漏磁缺陷识别研究中,因实际漏磁缺陷样本数量少、差异大导致的智能识别模型在实际应用中性能不佳的问题,提出了一种基于改进生成对抗网络的数据增强方法。首先,该方法研究了多类别混合估计的方法为生成器提供原始信号的先验信息,改进生成器的随机噪声输入,同时在生成器网络中引入多头注意力机制以捕获全局关键特征,提高生成样本质量;然后,研究了基于变分自编码重构误差的样本筛选方法,从生成样本中选取质量更高的样本,用来改善识别模型的训练效率;最后,将筛选出的生成样本及原始样本组合构成缺陷样本数据集,实现了数据增强。为验证数据增强效果,实验中采用常用的分类方法对扩充后的漏磁缺陷信号进行分类识别,实验结果表明,改进的方法在样本量较小的情况下平均识别准确率可达93%,相比其他类似方法具有更好的性能。 展开更多
关键词 管道漏磁检测 小样本 生成对抗网络 多头注意力 多类别混合估计 样本筛选
在线阅读 下载PDF
基于加权与动态选择的不平衡数据流分类算法
5
作者 韩萌 李春鹏 +3 位作者 李昂 孟凡兴 何菲菲 张瑞华 《计算机工程与应用》 北大核心 2025年第10期79-95,共17页
在数据挖掘领域中,数据流挖掘是一项关键任务,旨在处理不断产生和演化的数据流。与传统的批处理数据挖掘不同,数据流挖掘强调对实时数据的处理和分析,具有更高的时效性和实用性。然而,现实世界的数据流中存在多类别不平衡、变化的类别... 在数据挖掘领域中,数据流挖掘是一项关键任务,旨在处理不断产生和演化的数据流。与传统的批处理数据挖掘不同,数据流挖掘强调对实时数据的处理和分析,具有更高的时效性和实用性。然而,现实世界的数据流中存在多类别不平衡、变化的类别不平衡比和概念漂移等实际挑战,会极大地降低分类器的性能。针对这些问题,提出了一种基于加权与动态选择的不平衡数据流分类算法(sample difficulty weighting and dynamic ensemble selection,SDW-DES),通过综合考虑样本难度和数据动态性,为实时应用提供可靠解决方案。引入一种基于样本分类难度的加权策略,结合样本的边际值和Focal Loss,以更有效地关注易分类错误的样本和少数类样本,从而提高分类器的准确性。提出一种灵活的动态集成选择方法,通过设计样本滑动窗口和困难样本滑动窗口,来综合分析分类器在不同窗口上的表现并加权,选出集成中最好的分类器进行预测,以适应数据分布的动态变化。在多种数据流环境和评估指标上与9种先进的算法进行了全面的实验评估,实验结果表明SDW-DES在4个评估指标中平均排名第一,并且更能够适应数据流中的不平衡和概念漂移问题。 展开更多
关键词 数据流分类 多类不平衡 概念漂移 样本加权 动态集成选择
在线阅读 下载PDF
“双一流”建设高校如何遴选研究生导师--基于政策文本的计量分析 被引量:16
6
作者 王传毅 肖灿 彭湃 《江苏高教》 CSSCI 北大核心 2020年第5期22-28,共7页
基于导师遴选办法的计量分析发现:"双一流"建设高校在导师任职的基本条件上有刚性标准,但也探索柔性的遴选机制;教学要求主要集中于教学工作量;科研要求具有明确的量化标准,且覆盖论文、课题、知识转化多个方面,在校际呈现层... 基于导师遴选办法的计量分析发现:"双一流"建设高校在导师任职的基本条件上有刚性标准,但也探索柔性的遴选机制;教学要求主要集中于教学工作量;科研要求具有明确的量化标准,且覆盖论文、课题、知识转化多个方面,在校际呈现层次性特征;博士生导师遴选大多数是由学校审批,硕士生导师更多是由学院组织选拔聘任。大多数高校细化师德师风、学术伦理等评价规则,建立了明晰的"负面清单"。优化导师遴选需要回归导师职业活动的本身,更加注重教学过程、研究生指导的评价,并关注新型指导模式。 展开更多
关键词 “双一流”建设高校 研究生导师 遴选
在线阅读 下载PDF
北京中小学体育改革与发展的新方向、新赛道与新策略——“京八条”的意义、特点、实施困境与应对策略
7
作者 毛振明 李海燕 +2 位作者 陈帅 陈璐 向静文 《首都体育学院学报》 北大核心 2025年第3期233-243,共11页
北京市教育委员会于2025年2月发布了《关于进一步加强新时代中小学体育工作的若干措施》(简称“京八条”),引发了教育界的高度关注,北京市中小学在落实“京八条”过程中面临着新的困境,但也出现了新赛道,需要把握“京八条”的特点与意义... 北京市教育委员会于2025年2月发布了《关于进一步加强新时代中小学体育工作的若干措施》(简称“京八条”),引发了教育界的高度关注,北京市中小学在落实“京八条”过程中面临着新的困境,但也出现了新赛道,需要把握“京八条”的特点与意义,逐步进入体育工作新赛道。“京八条”的特点与意义:1)是根据教育强国战略要求补齐学校体育短板出台的政策;2)具有全国引领意义、兼具前瞻性与超前性;3)其中虚实结合的“虚措施”有待教学改革实践进一步推动细化;4)贯彻落实过程中需要平衡与传统体育教育目标导向之间的矛盾;5)对中小学体育教师提出更高的工作标准与专业能力要求;6)需要中小学体育教育工作者充满教育智慧与创新精神;7)超越中小学体育场地时空局限,促进家校社形成一体化体育与健康共育机制;8)将推动义务教育阶段体育系统性改革;9)措施内涵持续变化并不断丰富。“京八条”为北京市中小学体育教学改革开辟的新赛道包括“挤时间“”丰内容”“及全员”“提质量”“求精准”“结队友“”增动力“”盘资源“”优管理“”谋新局”,在步入新赛道过程中,当前面临着实施困境,应采取应对策略。 展开更多
关键词 教育强国 京八条 学校体育 学生体质精准提升 体育选项走班制 班级联赛 体教融合
在线阅读 下载PDF
连续属性离散化的Imp-Chi2算法 被引量:2
8
作者 桑雨 闫德勤 +1 位作者 刘磊 梁宏霞 《计算机工程》 CAS CSCD 北大核心 2008年第17期39-41,共3页
连续属性离散化是机器学习和数据挖掘领域中的一个重要问题,离散化是否合理决定着表达和提取相关信息的准确性。经过研究Chi2系列算法,提出一种新的基于属性重要性的连续属性离散化方法——Imp-Chi2算法,该算法依据属性重要性程度对属... 连续属性离散化是机器学习和数据挖掘领域中的一个重要问题,离散化是否合理决定着表达和提取相关信息的准确性。经过研究Chi2系列算法,提出一种新的基于属性重要性的连续属性离散化方法——Imp-Chi2算法,该算法依据属性重要性程度对属性离散化的顺序进行了合理的调整,能够更准确地对连续属性进行离散化。文章通过C4.5和支持向量机分别对离散化后的结果进行了实验,在实验过程中,提出一种训练集类比例抽取方法,避免了训练集随机抽取的不均匀性。实验结果证明了所提算法的有效性。 展开更多
关键词 连续属性离散化 CHI2算法 属性重要性 训练集类比例抽取
在线阅读 下载PDF
基于两阶段特征选择的电力系统暂态功角与电压一体化稳定性评估方法
9
作者 徐艳春 张婧宇 +2 位作者 张涛 席磊 MI Lu 《智慧电力》 北大核心 2025年第4期11-19,共9页
随着电力系统暂态功角与电压稳定性问题耦合加剧,针对高维冗余特征的一体化评估需求凸显。提出了两阶段特征选择方法。首先通过类可分离性评分和皮尔逊相关系数筛选关键特征,消除分类低效与冗余;进而采用二进制竞争搜索算法优化特征子集... 随着电力系统暂态功角与电压稳定性问题耦合加剧,针对高维冗余特征的一体化评估需求凸显。提出了两阶段特征选择方法。首先通过类可分离性评分和皮尔逊相关系数筛选关键特征,消除分类低效与冗余;进而采用二进制竞争搜索算法优化特征子集,结合多任务卷积门控循环网络构建评估模型。算例验证表明,该方法在降低特征维度的同时显著提升了暂态稳定评估效果。 展开更多
关键词 特征选择 暂态功角稳定 暂态电压稳定 类可分离性 竞争搜索算法 卷积门控循环单元
在线阅读 下载PDF
基于OC-SVM的大型数据集分类方法 被引量:4
10
作者 张瑜 罗可 《计算机工程与应用》 CSCD 北大核心 2011年第4期131-133,共3页
支持向量机是最有效的分类技术之一,具有很高的分类精度和良好的泛化能力,但其应用于大型数据集时的训练过程还是非常复杂。对此提出了一种基于单类支持向量机的分类方法。采用随机选择算法来约简训练集,以达到提高训练速度的目的;同时... 支持向量机是最有效的分类技术之一,具有很高的分类精度和良好的泛化能力,但其应用于大型数据集时的训练过程还是非常复杂。对此提出了一种基于单类支持向量机的分类方法。采用随机选择算法来约简训练集,以达到提高训练速度的目的;同时,通过恢复超球体交集中样本在原始数据中的邻域来保证支持向量机的分类精度。实验证明,该方法能在较大程度上减小计算复杂度,从而提高大型数据集中的训练速度。 展开更多
关键词 单类支持向量机 随机选择 支持向量机分类 大型数据集
在线阅读 下载PDF
HSMC-SVM的二次逼近快速训练算法 被引量:2
11
作者 徐图 罗瑜 何大可 《电子与信息学报》 EI CSCD 北大核心 2008年第11期2746-2749,共4页
HSMC-SVM是一种直接型高速多类支持向量机,适合用于类别较多的分类场合,但由于SMO算法采用经验方法选择工作集,使得在用SMO算法训练HSMC-SVM时,收敛速度较慢。为提高HSMC-SVM的收敛速度,该文提出用基于二次逼近的可行方向法来训练HSMC-S... HSMC-SVM是一种直接型高速多类支持向量机,适合用于类别较多的分类场合,但由于SMO算法采用经验方法选择工作集,使得在用SMO算法训练HSMC-SVM时,收敛速度较慢。为提高HSMC-SVM的收敛速度,该文提出用基于二次逼近的可行方向法来训练HSMC-SVM,并使用了样本缩减策略。实验表明,这种方法可以有效提高HSMC-SVM的收敛速度,其收敛速度已经超过了基于libsvm的组合多类支持向量机,完全可以用于分类类别多、样本数量大的分类场合。 展开更多
关键词 超球体多类支持向量机 SMO训练算法 工作集选择:二次逼近
在线阅读 下载PDF
基于E类功放的恒压和宽范围ZVS型CPT系统研究
12
作者 周玮 陈泽林 +3 位作者 李志强 李孟孟 徐德昊 麦瑞坤 《电机与控制学报》 北大核心 2025年第4期87-97,共11页
针对电容式无线电能传输系统中,E类功率放大器输出与零电压开关(ZVS)特性受后级阻抗和自身参数影响的问题,研究基于E类功率放大器的电容式无线电能传输(CPT)系统准恒压与宽范围零电压开关特性。采用数值、频域与时域建模方法,建立高频... 针对电容式无线电能传输系统中,E类功率放大器输出与零电压开关(ZVS)特性受后级阻抗和自身参数影响的问题,研究基于E类功率放大器的电容式无线电能传输(CPT)系统准恒压与宽范围零电压开关特性。采用数值、频域与时域建模方法,建立高频全桥整流器、电容耦合机构及E类功率放大器的数学模型,推导出E类功率放大器的零电压开关临界条件方程与恒压输出条件,进而提出一种可准恒压和宽范围零电压开关运行的系统参数设计与整流二极管选型方法。搭建72 W系统原理样机,实验结果表明,当负载在40Ω至400Ω区间内,系统保持软开关运行且输出电压波动率仅为6.68%,系统峰值效率达88.0%,验证了所提方法的有效性。 展开更多
关键词 E类功率放大器 电容式 无线电能传输 恒压 零电压开关 二极管选型
在线阅读 下载PDF
新疆夏洛莱牛杂交新类群无角性状的分子鉴定
13
作者 杨杨 张葭慧 +3 位作者 苏政 彭健 朱婷婷 代蓉 《家畜生态学报》 北大核心 2025年第4期47-50,128,共5页
为了建立新疆夏洛莱牛杂交新类群的无角性状分子鉴定方法,为无角品系的选育提供技术支撑,采用PCR扩增和测序技术筛查了P_(202ID)突变位点在485头新疆夏洛莱牛杂交新类群中的分布情况。结果表明:485头新疆夏洛莱牛杂交新类群中P_(202ID)... 为了建立新疆夏洛莱牛杂交新类群的无角性状分子鉴定方法,为无角品系的选育提供技术支撑,采用PCR扩增和测序技术筛查了P_(202ID)突变位点在485头新疆夏洛莱牛杂交新类群中的分布情况。结果表明:485头新疆夏洛莱牛杂交新类群中P_(202ID)突变位点的基因型与牛角表型观测结果一致,无角个体全部为Pc/prs杂合基因型,有角个体全部为prs/prs纯合基因型,基因型频率分别为12.37%和87.63%;群体中未鉴定到Pc/Pc纯合基因型个体。P_(202ID)突变与新疆夏洛莱牛杂交新类群牛角表型极显著相关(P<0.01),但有角和无角牛在体尺数据上无显著差异(P>0.05)。本研究表明,P_(202ID)突变位点的不同基因型能有效鉴定新疆夏洛莱牛杂交新类群无角与有角表型,可用于指导无角品系的选育。 展开更多
关键词 角的表型 P_(202ID)位点 辅助选择标记 新疆夏洛莱牛杂交新类群
在线阅读 下载PDF
基于分治策略的NP-MLSTM非侵入式负荷辨识方法 被引量:5
14
作者 易灵芝 黄其森 +3 位作者 刘文翰 赵健 陈章 罗显光 《电力系统及其自动化学报》 CSCD 北大核心 2021年第10期112-118,共7页
为降低电力负荷数据样本类别不平衡、提高负荷辨识精度,提出一种基于分治策略的二分类多层长短时记忆网络模型非侵入式负荷辨识方法。首先,对负荷样本进行平衡化处理,降低样本间的不平衡度;然后,选择合适的特征变量,并进行特征变量与样... 为降低电力负荷数据样本类别不平衡、提高负荷辨识精度,提出一种基于分治策略的二分类多层长短时记忆网络模型非侵入式负荷辨识方法。首先,对负荷样本进行平衡化处理,降低样本间的不平衡度;然后,选择合适的特征变量,并进行特征变量与样本标签的相关性分析;接着,利用分治策略的思想将多分类问题转化为多层择优二分类问题,构建基于分治策略的NP-MLSTM非侵入式负荷辨识模型;最后,选用公开数据集对55户家庭中的11种不同类别的电器进行负荷辨识测试,并与其他模型进行效果对比。结果表明,本文提出的负荷辨识模型综合精确度达到92%以上,各性能指标均优于其他模型。 展开更多
关键词 非侵入式负荷辨识 类别不平衡 特征选取 核典型关联分析 长短时记忆网络 辨识精度
在线阅读 下载PDF
强相关树基因选择方法及AE-RSVM分类研究
15
作者 张岩 闫德勤 +1 位作者 吕志超 郑宏亮 《计算机工程与应用》 CSCD 2013年第17期245-249,共5页
对肿瘤基因表达谱进行分析,从而有效区分正常样本与肿瘤样本的关键是:准确找出能够决定样本类别的最少特征基因,并用一个性能较好的分类器进行分类预测。针对该问题,用修订的特征记分准则(RFSC)去除分类无关基因;对两两冗余法进行改进,... 对肿瘤基因表达谱进行分析,从而有效区分正常样本与肿瘤样本的关键是:准确找出能够决定样本类别的最少特征基因,并用一个性能较好的分类器进行分类预测。针对该问题,用修订的特征记分准则(RFSC)去除分类无关基因;对两两冗余法进行改进,提出强相关树法用于冗余基因的去除;对粗糙支持向量机(RSVM)改进,提出近似等价粗糙支持向量机(AE-RSVM)对样本集进行分类测试。以肿瘤样本集为例进行测试,实验结果表明了提出方法的可行性和有效性。 展开更多
关键词 基因表达谱 肿瘤分类 基因选择 支持向量机 等价类
在线阅读 下载PDF
气相色谱-负化学源质谱联用法测定水产品及食用油中氟乐灵的残留量 被引量:9
16
作者 王莉 夏广辉 +5 位作者 沈伟健 吴斌 张睿 陆慧媛 沈崇钰 赵增运 《色谱》 CAS CSCD 北大核心 2014年第3期314-317,共4页
建立了一种可用于水产品及食用油中氟乐灵残留量分析的分散型固相萃取-气相色谱-负化学离子源质谱方法。水产品及食用油经乙腈提取,4℃冷藏后,采用分散型固相萃取法净化,由气相色谱-负化学离子源质谱选择离子监测技术进行测定与确证... 建立了一种可用于水产品及食用油中氟乐灵残留量分析的分散型固相萃取-气相色谱-负化学离子源质谱方法。水产品及食用油经乙腈提取,4℃冷藏后,采用分散型固相萃取法净化,由气相色谱-负化学离子源质谱选择离子监测技术进行测定与确证,同位素内标法定量。在1~40μg / L 范围内氟乐灵农药的线性关系良好;方法定量限(LOQ)为0.02μg / kg;对鳗鱼、烤鳗、梭子蟹、小龙虾、猪油和橄榄油等6种复杂基质进行1.0、2.0和3.0μg / kg 等3个水平的添加回收试验,平均回收率均处于80%~100%之间,RSD≤10.3%;无干扰现象出现。该方法可作为水产品及食用油中氟乐灵残留检测的确证方法。 展开更多
关键词 分散型固相萃取 气相色谱-负化学离子源质谱联用 选择离子监测 氟乐灵 水产品 食用油 disperse solid phase extraction( DSPE) gas chromatography-negative chemical ionization mass SPECTROMETRY ( GC-MS NCI ) selected ion monitoring ( SIM )
在线阅读 下载PDF
基于CSP和SFFS-SFBS的两级双向脑电导联特征选取方法 被引量:2
17
作者 张德明 殷国栋 +1 位作者 金贤建 庄伟超 《东南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2019年第1期125-132,共8页
针对多任务运动想象条件下脑电导联选取质量差、搜索时间长的问题,提出了一种基于公共空间模式(CSP)和顺序浮动双向选择算法(SFFS-SFBS)的两级导联特征选取方法.首先,结合空域滤波分析各个被试的时频特性,确定相应的特征时间和特征频率... 针对多任务运动想象条件下脑电导联选取质量差、搜索时间长的问题,提出了一种基于公共空间模式(CSP)和顺序浮动双向选择算法(SFFS-SFBS)的两级导联特征选取方法.首先,结合空域滤波分析各个被试的时频特性,确定相应的特征时间和特征频率;然后由训练集的CSP滤波系数计算各个导联在特征提取过程中的权重大小,根据权重排序缩小导联搜索空间;最后,运用以训练集交叉检验正确率为评价准则的SFFS-SFBS算法在相应的搜索空间内双向选择最优的导联序列.实验结果表明,在保证较高分类正确率的前提下,与传统SFFS算法和改进SFFS算法相比,该方法选取的导联数量分别减少了51. 36%,47. 52%,对应的搜索时间缩短了90. 95%,80%.因此,基于CSP和SFFS-SFBS的两级特征选取方法可快速选择优质导联序列,有效提高脑机接口的实际使用性能. 展开更多
关键词 多任务运动想象 导联选取 公共空间模式 顺序浮动双向选择算法
在线阅读 下载PDF
MIF-CNNIF:一种基于CNN的交叉特征的多分类图像数据框架 被引量:1
18
作者 王盼红 朱昌明 《计算机科学》 CSCD 北大核心 2022年第S02期502-509,共8页
近年来,图像多分类任务和深度学习受到越来越多学者的重视,基于卷积神经网络(Convolutional Neural Network,CNN)的多分类图像数据框架也得到了广泛应用。传统的基于卷积神经网络的多分类图像数据学习(MIF-CNN)普遍存在图像处理复杂、... 近年来,图像多分类任务和深度学习受到越来越多学者的重视,基于卷积神经网络(Convolutional Neural Network,CNN)的多分类图像数据框架也得到了广泛应用。传统的基于卷积神经网络的多分类图像数据学习(MIF-CNN)普遍存在图像处理复杂、特征维数大、时间复杂度高等问题。针对这一问题,提出了一种基于CNN的交叉特征的多分类图像数据框架(MIFCNNIF)。MIF-CNNIF是一种基于多种特征选择算法得到相交特征并以此交叉特征代替原特征集处理图像多分类任务的框架。在10个多类图像数据集上进行了丰富的对比实验,结果验证了MIF-CNNIF的有效性。MIF-CNNIF的贡献在于:1)使用预先训练好的CNN模型,避免了设置过多参数;2)与MIF-CNN相比,有效降低了特征维度和时间复杂度;3)具有比MIF-CNN更好的平均分类准确率;4)在多分类图像数据集上成功验证了组合特征算法的有效性。 展开更多
关键词 卷积神经网络 特征选择 交叉特征 图像多分类 组合特征
在线阅读 下载PDF
基于DESMID-AD动态选择的类别不平衡信用评估模型 被引量:3
19
作者 向欣 陆歌皓 《计算机应用研究》 CSCD 北大核心 2021年第12期3604-3610,共7页
针对现实信用评估业务中样本类别不平衡和代价敏感的情况,为降低信用风险评估的误分类损失,提出一种基于DESMID-AD动态选择的信用评估集成模型,根据每一个测试样本的特点动态地选择合适的基分类器对其进行信用预测。为提高模型对信用差... 针对现实信用评估业务中样本类别不平衡和代价敏感的情况,为降低信用风险评估的误分类损失,提出一种基于DESMID-AD动态选择的信用评估集成模型,根据每一个测试样本的特点动态地选择合适的基分类器对其进行信用预测。为提高模型对信用差客户(小类)的识别能力,在基分类器训练前使用过采样的方法对训练数据作类别平衡,采用元学习的方式基于多个指标进行基分类器的性能评估并在此阶段设计权重机制增强小类的影响。在三个公开信用评估数据集上,以AUC、一型、二型错误率以及误分类代价作为评价指标,与九种信用评估常用模型做比较,证明了该方法在信用评估领域的有效性和可行性。 展开更多
关键词 信用评估 类别不平衡 代价敏感 动态选择 动态集成选择 集成学习
在线阅读 下载PDF
融合选择性稀疏采样的细粒度图像分类
20
作者 孙红 陈玉娟 宋冬豪 《小型微型计算机系统》 CSCD 北大核心 2024年第6期1460-1465,共6页
常用的细粒度分类方法通过提取局部信息学习细粒度特征,容易忽视周围环境因素影响问题,造成分类精度下降.针对这一问题提出了一个简单有效的框架,称为选择性稀疏采样.通过类峰值响应产生稀疏注意定位有信息的对象部分,根据图像内容选择... 常用的细粒度分类方法通过提取局部信息学习细粒度特征,容易忽视周围环境因素影响问题,造成分类精度下降.针对这一问题提出了一个简单有效的框架,称为选择性稀疏采样.通过类峰值响应产生稀疏注意定位有信息的对象部分,根据图像内容选择动态数量的稀疏注意,生成判别性和补充性两个分支进行视觉表示,使得特征部分和全局信息相辅相成.对于容易产生混淆的部分,引入了一个“梯度增强”损失,只关注每个样本的混淆类,为补充性分支提供更多的细节特征.通过实验结果表明,该方法在常用数据集的基准测试中分别达到了88.6%,92.8%和94.8%的精确度,验证了该方法的有效性. 展开更多
关键词 细粒度图像分类 选择稀疏采样 类峰值响应 梯度增强 卷积神经网络
在线阅读 下载PDF
上一页 1 2 9 下一页 到第
使用帮助 返回顶部