检索结果-维普期刊中文期刊服务平台

传统机器学习模型的超参数优化技术评估被引量：20: 1; 作者李海霞宋丹蕾 +2 位作者孔佳宁宋亚飞常海艳《计算机科学》 CSCD 北大核心 2024年第8期242-255,共14页; 合理的超参数能够保证机器学习模型适应不同背景和不同任务。为了避免在模型超参数数量过多、搜索空间过大的情况下出现手动调节导致的效率低下问题,多种超参数优化技术已经被研发并运用到机器学习模型训练中。文中首先回顾了8种常见的... 展开更多; 关键词传统机器学习超参数优化贝叶斯优化多保真技术元启发式算法; 在线阅读下载PDF 职称材料

基于集成学习的雷达自动目标识别综述被引量：1: 2; 作者洪梓榕包广清《计算机应用》北大核心 2025年第2期371-382,共12页; 雷达自动目标识别(RATR)在军事和民用领域中都有广泛的应用。由于集成学习通过集成已有的机器学习模型改善模型分类性能,具有较好的鲁棒性,因此被越来越多地应用于雷达目标检测与识别领域。系统梳理和提炼现有相关文献对集成学习在RATR... 展开更多; 关键词目标检测与识别集成学习合成孔径雷达高分辨距离像传统机器学习深度学习; 在线阅读下载PDF 职称材料

脑电图信号在疲劳驾驶检测中的应用与挑战被引量：2: 3; 作者宗少杰董芳 +5 位作者程永欣喻大华袁凯王娟马宇欣张飞《生物化学与生物物理进展》 SCIE CAS CSCD 北大核心 2024年第7期1645-1669,共25页; 当前快节奏生活已经成为日常生活的常态,对人们的身心健康带来了不少负面影响,特别是在驾驶过程中容易出现疲劳困倦的情况。因此,疲劳驾驶检测技术成为了研究的热点,并取得了显著的进展。本文将介绍基于脑电图(electroencephalogram,EEG... 展开更多; 关键词脑电图信号疲劳驾驶检测脑功能连接传统机器学习深度学习; 在线阅读下载PDF 职称材料

药物分子与靶标蛋白结合亲和力预测研究进展被引量：1: 4; 作者刘正美魏雪梅 +5 位作者张俊鹏覃泊渊蒋玉张琦杨皓琳高健《计算机工程与应用》 CSCD 北大核心 2024年第23期79-90,共12页; 研究药物分子与靶标蛋白结合亲和力有助于了解生物系统和辅助药物开发。随着生物大数据驱动下的计算生物学技术发展,药物分子与靶标蛋白结合亲和力研究策略从传统单一生物医学实验迈向综合计算技术辅助预测,为药物开发提供新技术新方法... 展开更多; 关键词结合亲和力药物分子靶标蛋白传统机器学习深度学习; 在线阅读下载PDF 职称材料

基于卷积神经网络的蜜蜂采集花粉行为的识别方法被引量：4: 5; 作者薛勇王立扬 +1 位作者张瑜沈群《河南农业科学》北大核心 2020年第8期162-172,共11页; 实时监测蜜蜂觅食行为不仅有助于评估当地农作物授粉状况,也有助于及时采取措施提升蜜蜂产品的产量和品质。将计算机视觉技术引入蜜蜂觅食行为(是否携带花粉)的监测,设计5种浅层卷积神经网络(CNN)进行对比分析,并与深层网络GoogLeNet V... 展开更多; 关键词蜜蜂觅食行为农作物授粉卷积神经网络对比分析 GoogLeNet V1 传统机器学习; 在线阅读下载PDF 职称材料

基于混合神经网络的恶意TLS流量识别研究被引量：18: 6; 作者韦佶宏郑荣锋刘嘉勇《计算机工程与应用》 CSCD 北大核心 2021年第7期107-114,共8页; 针对使用传统机器学习方法来识别恶意TLS流量受到专家经验的影响较大、识别与分类效果不理想的问题,提出了HNNIM(Hybrid Neural Network Identification Model)模型来进行识别与分类。模型由两层组成:第一层用于提取特征,第二层用于识... 展开更多; 关键词 TLS流量识别恶意加密流量传统机器学习深度神经网络特征自动挖掘; 在线阅读下载PDF 职称材料

题名传统机器学习模型的超参数优化技术评估被引量：20: 1; 作者李海霞宋丹蕾孔佳宁宋亚飞常海艳; 机构北方自动控制技术研究所西安交通大学数学与统计学院空军工程大学防空反导学院; 出处《计算机科学》 CSCD 北大核心 2024年第8期242-255,共14页; 基金国家自然科学基金(61806219,61876189) 陕西省高校科协青年人才托举计划(20220106) 陕西省创新能力支撑计划(2020KJXX-065)。; 文摘合理的超参数能够保证机器学习模型适应不同背景和不同任务。为了避免在模型超参数数量过多、搜索空间过大的情况下出现手动调节导致的效率低下问题,多种超参数优化技术已经被研发并运用到机器学习模型训练中。文中首先回顾了8种常见的超参数优化技术,即网格搜索、随机搜索、贝叶斯优化、Hyperband、BOHB、遗传算法、粒子群优化算法和协方差矩阵自适应进化策略,并从时间性能、最终结果、并行能力、可拓展性、稳健性和灵活性5个方面分析各类方法的优缺点。其次,将8种方法应用到LightGBM、XGBoost、随机森林和KNN这4种传统机器学习模型上,在4个基准数据集上完成了回归、二分类和多分类的实验,对各类方法进行了比较。最后总结了各类方法的优缺点,给出了不同方法的适用情景。; 关键词传统机器学习超参数优化贝叶斯优化多保真技术元启发式算法; Keywords Traditional machine learning Hyperparameter optimization Bayesian optimization Multi-fidelity technology Meta-heuristic algorithms; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于集成学习的雷达自动目标识别综述被引量：1: 2; 作者洪梓榕包广清; 机构兰州理工大学电气工程与信息工程学院西南石油大学电气信息学院; 出处《计算机应用》北大核心 2025年第2期371-382,共12页; 基金甘肃省高等学校创新基金资助项目(2023A-201)。; 文摘雷达自动目标识别(RATR)在军事和民用领域中都有广泛的应用。由于集成学习通过集成已有的机器学习模型改善模型分类性能,具有较好的鲁棒性,因此被越来越多地应用于雷达目标检测与识别领域。系统梳理和提炼现有相关文献对集成学习在RATR中的研究进展。首先,介绍集成学习的概念、框架与发展历程,将集成学习与传统机器学习、深度学习方法对比,并总结集成学习理论和常见集成学习方法的优势、不足及研究的主要聚焦点;其次,简述RATR的概念;接着,重点阐述集成学习在不同雷达图像分类特征中的应用,详细讨论基于合成孔径雷达(SAR)和高分辨距离像(HRRP)的目标检测与识别方法,并总结这些方法的研究进展和应用成效;最后,讨论RATR以及集成学习所面临的挑战,并对集成学习在雷达目标识别领域的应用进行展望。; 关键词目标检测与识别集成学习合成孔径雷达高分辨距离像传统机器学习深度学习; Keywords target detection and recognition ensemble learning Synthetic Aperture Radar(SAR) High Resolution Range Profile(HRRP) traditional machine learning deep learning; 分类号 TN953 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名脑电图信号在疲劳驾驶检测中的应用与挑战被引量：2: 3; 作者宗少杰董芳程永欣喻大华袁凯王娟马宇欣张飞; 机构内蒙古科技大学数智产业学院(网络安全学院) 西安电子科技大学生命科学与技术学院; 出处《生物化学与生物物理进展》 SCIE CAS CSCD 北大核心 2024年第7期1645-1669,共25页; 基金国家脑科学和类脑智能技术计划(2022ZD0214500) 国家自然科学基金(82260359,82371500,U22A20303,61971451) 内蒙古自然科学基金(2021MS08014,2023QN08007)资助项目。; 文摘当前快节奏生活已经成为日常生活的常态,对人们的身心健康带来了不少负面影响,特别是在驾驶过程中容易出现疲劳困倦的情况。因此,疲劳驾驶检测技术成为了研究的热点,并取得了显著的进展。本文将介绍基于脑电图(electroencephalogram,EEG)信号的疲劳驾驶检测方法。本文首先概述基于EEG信号的疲劳驾驶检测的总体流程,包括信号采集、预处理、特征提取和分类等步骤。然后,详细介绍EEG信号中与疲劳相关的特征及其在疲劳驾驶检测中的应用。这些特征包括频域特征、时域特征、拓扑特征等,通过分析这些特征可以有效地识别出驾驶员是否处于疲劳状态。接下来,探讨目前已有的疲劳驾驶检测模型的性能评估和评价指标。针对基于EEG信号的疲劳驾驶检测,常用的指标包括准确率、灵敏度、特异度等。本文分析不同模型在这些指标上的表现,并比较它们的优劣。本文还简单介绍了EEG信号分类方法及其应用现状。常见的分类方法包括支持向量机、神经网络、贝叶斯分类器等,这些方法在疲劳驾驶检测中得到了广泛应用。针对目前基于EEG信号的疲劳驾驶检测面临的问题,本文提出了一些解决方法。例如,统一数据标注标准、增加被试数量等。最后,在总结全文内容的基础上讨论了基于EEG信号的疲劳驾驶技术未来的发展方向。在未来,可以进一步提升疲劳驾驶检测技术的准确性和实用性,以更好地应对快节奏社会给驾驶员安全带来的挑战。; 关键词脑电图信号疲劳驾驶检测脑功能连接传统机器学习深度学习; Keywords electroencephalogram signals fatigue driving detection brain functional connectivity traditional machine learning deep learning; 分类号 U463.6 [机械工程—车辆工程] TN911.7 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名药物分子与靶标蛋白结合亲和力预测研究进展被引量：1: 4; 作者刘正美魏雪梅张俊鹏覃泊渊蒋玉张琦杨皓琳高健; 机构大理大学工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2024年第23期79-90,共12页; 基金大理大学博士科研启动基金(KYBS2023002)。; 文摘研究药物分子与靶标蛋白结合亲和力有助于了解生物系统和辅助药物开发。随着生物大数据驱动下的计算生物学技术发展,药物分子与靶标蛋白结合亲和力研究策略从传统单一生物医学实验迈向综合计算技术辅助预测,为药物开发提供新技术新方法。鉴于药物分子与靶标蛋白结合亲和力研究的重要性,从传统生物实验方法和计算生物学方法两个维度对其研究进展进行综述,重点介绍了预测药物分子与靶标蛋白结合亲和力的分子计算模拟、传统机器学习和深度学习方法,并阐述了每种计算生物学方法的应用场景、特点、优势和不足。最后,讨论了药物分子与靶标蛋白结合亲和力预测算法存在的问题以及未来方向,旨在为开发高性能药物分子与靶标蛋白结合亲和力预测模型提供参考。; 关键词结合亲和力药物分子靶标蛋白传统机器学习深度学习; Keywords binding affinity drug molecule target protein traditional machine learning deep learning; 分类号 TP39 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于卷积神经网络的蜜蜂采集花粉行为的识别方法被引量：4: 5; 作者薛勇王立扬张瑜沈群; 机构中国农业大学食品科学与营养工程学院中国农业大学国家果蔬加工工程技术研究中心中国农业大学信息与电气工程学院中国农业大学; 出处《河南农业科学》北大核心 2020年第8期162-172,共11页; 基金国家自然科学基金项目(81803234)。; 文摘实时监测蜜蜂觅食行为不仅有助于评估当地农作物授粉状况,也有助于及时采取措施提升蜜蜂产品的产量和品质。将计算机视觉技术引入蜜蜂觅食行为(是否携带花粉)的监测,设计5种浅层卷积神经网络(CNN)进行对比分析,并与深层网络GoogLeNet V1的迁移学习进行对比,寻找适合监测蜜蜂觅食行为的最优模型。发现GoogLeNet V1的识别准确率最高,达0.9536,但训练耗时最长(7326 s);浅层卷积神经网络中准确率最高的模型为11层神经网络模型(含4层卷积层),测试准确率为0.9036,耗时相对较短(1054 s)。最后,对比传统机器学习算法,发现深度学习优势明显。研究表明,GoogLeNet V1深层网络适用于精度要求高、设备条件好的蜜蜂监测环境;而11层卷积神经网络更符合智能养蜂的实际需求。; 关键词蜜蜂觅食行为农作物授粉卷积神经网络对比分析 GoogLeNet V1 传统机器学习; Keywords Bee foraging behavior Crop pollination Convolutional neural network Comparative analysis GoogLeNet V1 Traditional machine learning; 分类号 S128 [农业科学—农业基础科学] S89 [农业科学—特种经济动物饲养]; 在线阅读下载PDF 职称材料

题名基于混合神经网络的恶意TLS流量识别研究被引量：18: 6; 作者韦佶宏郑荣锋刘嘉勇; 机构四川大学网络空间安全学院四川大学电子信息学院; 出处《计算机工程与应用》 CSCD 北大核心 2021年第7期107-114,共8页; 基金国家自然科学基金(61872255)。; 文摘针对使用传统机器学习方法来识别恶意TLS流量受到专家经验的影响较大、识别与分类效果不理想的问题,提出了HNNIM(Hybrid Neural Network Identification Model)模型来进行识别与分类。模型由两层组成:第一层用于提取特征,第二层用于识别与分类。第一层中,提取的特征分为两部分,一部分特征由深度神经网络自动挖掘,另一部分特征根据专家经验选取,并由深度神经网络进一步筛选;第二层将第一层筛选出的特征进行聚合,采用全连接的深度神经网络进一步学习和拟合。通过分析大量TLS流量样本,最终选用TLS流量中的ClientHello与ServerHello消息报文与TCP协议交互信息这两部分来作为特征空间。实验的结果表明,HNNIM模型在恶意TLS流量的识别任务上关于恶意样本的F1值为0.989,较随机森林、SVM、XGBoost、卷积神经网络模型,在F1值上分别提升了0.016、0.016、0.019、0.043;在多分类任务上的平均准确率为89.28%,较随机森林、SVM、XGBoost、卷积神经网络模型分别提升了9.92%、9.09%、11.31%、7.03%。; 关键词 TLS流量识别恶意加密流量传统机器学习深度神经网络特征自动挖掘; Keywords TLS traffic identification malicious encryption traffic traditional machine learning deep neural network automatic feature mining; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	传统机器学习模型的超参数优化技术评估	李海霞宋丹蕾孔佳宁宋亚飞常海艳	《计算机科学》 CSCD 北大核心	2024	20	在线阅读下载PDF 职称材料
2	基于集成学习的雷达自动目标识别综述	洪梓榕包广清	《计算机应用》北大核心	2025	1	在线阅读下载PDF 职称材料
3	脑电图信号在疲劳驾驶检测中的应用与挑战	宗少杰董芳程永欣喻大华袁凯王娟马宇欣张飞	《生物化学与生物物理进展》 SCIE CAS CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
4	药物分子与靶标蛋白结合亲和力预测研究进展	刘正美魏雪梅张俊鹏覃泊渊蒋玉张琦杨皓琳高健	《计算机工程与应用》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
5	基于卷积神经网络的蜜蜂采集花粉行为的识别方法	薛勇王立扬张瑜沈群	《河南农业科学》北大核心	2020	4	在线阅读下载PDF 职称材料
6	基于混合神经网络的恶意TLS流量识别研究	韦佶宏郑荣锋刘嘉勇	《计算机工程与应用》 CSCD 北大核心	2021	18	在线阅读下载PDF 职称材料