-
题名基于半监督学习方法的磨煤机故障预警
被引量：20
- 1
-
-
作者
肖黎
罗嘉
欧阳春明
-
机构
广东电科院能源技术有限责任公司
广东电网有限责任公司电力科学研究院
-
出处
《热力发电》
CAS
北大核心
2019年第4期121-127,共7页
-
基金
中国南方电网有限责任公司科技项目(GDKJQQ20152014)~~
-
文摘
火电机组磨煤机运行环境恶劣,故障频发,对磨煤机故障进行预警,评估设备在相关故障状态下的剩余可用时间,对提高火电机组运行安全具有重要意义。本文提出一种基于半监督学习方法的磨煤机故障预警技术。首先采用DBSCAN聚类将磨煤机的历史运行数据划分为正常状态和故障状态,分配类标记并统计设备剩余可用时间,然后采用随机森林方法建立基于类标记序列的磨煤机运行状态分类预警模型,对磨煤机运行数据进行状态预测,根据类标记序列判断故障类别和对应的设备剩余可用时间。将此方法用于某火电厂磨煤机实际运行数据,并与k-近邻算法、朴素贝叶斯和线性判别分析的预警模型进行比较,结果表明:本文方法优于其他预警模型,可准确标记磨煤机不同故障发展阶段,也能较准确地给出磨煤机剩余可用时间。
-
关键词
磨煤机
DBSCAN聚类
故障预警
随机森林
半监督学习方法
预测
-
Keywords
coal mill
DBSCAN clustering
fault prediction
random forest
semi-supervised learning method
prediction
-
分类号
TK223
[动力工程及工程热物理—动力机械及工程]
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于随机特征子空间的半监督情感分类方法研究
被引量：16
- 2
-
-
作者
苏艳
居胜峰
王中卿
李寿山
周国栋
-
机构
苏州大学自然语言处理实验室
-
出处
《中文信息学报》
CSCD
北大核心
2012年第4期85-90,共6页
-
基金
国家自然科学基金资助项目(61003155
60873150)
模式识别国家重点实验室开发课题基金资助项目
-
文摘
情感分类是目前自然语言处理领域的一个热点研究问题。该文关注情感分类中的半监督学习方法(即基于少量标注样本和大量未标注样本进行学习的方式),提出了一种新的基于动态随机特征子空间的半监督学习方法。首先,动态生成多个随机特征子空间;然后,基于协同训练(Co-training)在每个特征子空间中挑选置信度高的未标注样本;最后使用这些挑选出的样本更新训练模型。实验结果表明我们的方法明显优于传统的静态产生方式及其他现有的半监督方法。此外该文还探索了特征子空间的划分数目问题。
-
关键词
情感分类
半监督学习方法
特征子空间
-
Keywords
sentiment classification
semi-supervised learning
feature subspace method
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于半监督对手协商偏好学习的协商模型
被引量：1
- 3
-
-
作者
彭艳斌
廖备水
郑志军
艾解清
李吉明
-
机构
浙江科技学院信息与电子工程学院
浙江大学语言与认知研究中心
浙江大学计算机学院
浙江警察学院刑事科学技术系
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2012年第9期2082-2090,共9页
-
基金
国家自然科学基金资助项目(61175058)
浙江省自然科学基金资助项目(Y1100036
+3 种基金
LY12F02018)
浙江省教育厅科研计划基金资助项目(Y201016929
Y201222997)
浙江省高校优秀青年教师资助计划~~
-
文摘
针对自动化协商问题,提出一种基于协同训练的半监督对手协商偏好学习方法。在该方法中,将协商过程映射到出价轨迹特征空间和交互轨迹特征空间两个新的特征空间。在两个特征空间中分别训练支持向量回归机,两个学习机迭代,互相提供可靠的有标记训练样本,以扩大训练样本规模。由两个学习机共同学习,得到对手的协商偏好。协商决策模型以双方协商偏好为基础提出双赢的协商反建议。实验数据表明,所提方法可以提高协商总体效用,减少协商回合数,节省协商时间。
-
关键词
协商模型
半监督学习方法
支持向量回归机
偏好
模拟退火算法
-
Keywords
negotiation model
semi-supervised learning method
support vector regression machine
preference
simulated annealing algorithm
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于代价极速学习机的软件缺陷报告分类方法
被引量：4
- 4
-
-
作者
张天伦
陈荣
杨溪
祝宏玉
-
机构
大连海事大学信息科学技术学院
深圳大学计算机与软件学院
-
出处
《软件学报》
EI
CSCD
北大核心
2019年第5期1386-1406,共21页
-
基金
国家自然科学基金(61672122
61602077
61732011)~~
-
文摘
在所有的软件系统开发过程中,Bug的存在是不可避免的问题.对于软件系统的开发者来说,修复Bug最有利的工具就是Bug报告.但是人工识别Bug报告会给开发人员带来新的负担,因此,自动对Bug报告进行分类是一项很有必要的工作.基于此,提出用基于极速学习机的方法来对Bug报告进行分类.具体而言,主要解决Bug报告自动分类的3个问题:第1个是Bug报告数据集里不同类别的样本数量不平衡问题;第2个是Bug报告数据集里被标注的样本不充足问题;第3个是Bug报告数据集总体样本量不充足问题.为了解决这3个问题,分别引入了基于代价的有监督分类方法、基于模糊度的半监督学习方法以及样本迁移方法.通过在多个Bug报告数据集上进行实验,验证了这些方法的可行性和有效性.
-
关键词
软件Bug报告
有监督分类方法
半监督学习方法
样本迁移方法
极速学习机
-
Keywords
software bug report
supervised classification method
semi-supervised learning approach
sample transferring approach
extreme learning machine
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
