检索结果-维普期刊中文期刊服务平台

一种半监督机器学习的EM算法改进方法被引量：3: 1; 作者夏筱筠张笑东 +3 位作者王帅罗金鸣崔露露赵智阳《小型微型计算机系统》 CSCD 北大核心 2020年第2期230-235,共6页; EM(Expectation Maximization)算法是含有隐变量(latent variable)的概率参数模型最大似然估计、极大后验概率估计最有效的算法,但很容易进入局部最优现象,对此提出基于半监督机器学习机制的EM算法.本文方法是在最大似然函数中加入惩罚... 展开更多; 关键词半监督机器学习 EM算法改进分析局部最优; 在线阅读下载PDF 职称材料

基于半监督机器学习的滑坡易发性预测建模被引量：21: 2; 作者黄发明潘李含 +3 位作者姚池周创兵姜清辉常志璐《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2021年第9期1705-1713,共9页; 为了克服滑坡编录样本不足、扩充滑坡样本较困难、主观随机选择的非滑坡样本准确性较低等缺点,以江西省南康区为例,拟用半监督卡方自交互侦测决策树(SSCHAID)和半监督反向传播神经网络(SSBPNN)进行滑坡易发性预测(LSP),在已知滑坡样本... 展开更多; 关键词滑坡易发性预测(LSP) 半监督机器学习卡方自交互侦测决策树(CHAID) BP神经网络(BPNN) 地理信息系统(GIS); 在线阅读下载PDF 职称材料

基于半监督机器学习法的光伏阵列故障诊断被引量：24: 3; 作者李光辉段晨东武珊《电网技术》 EI CSCD 北大核心 2020年第5期1908-1913,共6页; 由于光伏组件的非线性输出特性,传统故障保护装置难以检测到所有故障,从而导致光伏阵列出现安全问题和火灾危险。针对传统故障保护装置存在的缺陷问题,提出一种基于半监督机器学习(semi-supervised machine learning,SSML)算法的光伏阵... 展开更多; 关键词光伏阵列故障检测故障分类半监督机器学习算法; 在线阅读下载PDF 职称材料

计及小波设计和半监督机器学习的非侵入式负载识别被引量：9: 4; 作者张致强周步祥 +2 位作者张冰王鑫罗燕萍《电力系统及其自动化学报》 CSCD 北大核心 2020年第5期143-150,共8页; 在非侵入式负载识别技术的基础上,为进一步提高电器设备的识别效率,克服传统智能算法对开关事件分类准确度的缺陷,提出了一种半监督机器学习的识别方法,小波设计和普鲁克分析用于提取家庭常用电器的开、关暂态特征信息,利用小波的能量... 展开更多; 关键词蒙特卡罗方法小波设计非侵入式负荷识别半监督机器学习协同训练; 在线阅读下载PDF 职称材料

一种基于紧密度的半监督文本分类方法被引量：11: 5; 作者郑海清林琛牛军钰《中文信息学报》 CSCD 北大核心 2007年第3期54-60,共7页; 自动的文本分类已经成为一个重要的研究课题。在实际的应用情况下,很多训练语料都只有一个数目有限的正例集合,同时语料中的正例和未标注文档在数量上的分布通常也是不均衡的。因此这种文本分类任务有着不同于传统的文本分类任务的特点... 展开更多; 关键词计算机应用中文信息处理文本分类半监督机器学习支持向量机紧密度; 在线阅读下载PDF 职称材料

半监督拉普拉斯特征映射算法被引量：4: 6; 作者刘海红周聪辉《计算机工程与设计》 CSCD 北大核心 2012年第2期601-606,共6页; 为了使流形学习方法具有半监督的特点,利用流形上某些已知低维信息的数据去学习推测出其它数据的低维信息,扩大流形学习算法的应用范围,把拉普拉斯特征映射算法(Laplacian Eigenmap,LE)与半监督的机器学习相结合,提出一种半监督的拉普... 展开更多; 关键词拉普拉斯特征映射算法半监督机器学习流形学习低维信息模式识别; 在线阅读下载PDF 职称材料

滑坡易发性预测建模的不确定性:不同“非滑坡样本”选择方式的影响被引量：10: 7; 作者黄发明曾诗怡 +3 位作者姚池熊浩文范宣梅黄劲松《工程科学与技术》 EI CAS CSCD 北大核心 2024年第1期169-182,共14页; 滑坡易发性预测建模中如何选择非滑坡是影响建模结果的重要不确定因素。为研究不同非滑坡选择方式的影响规律,拟用5种方式,即全区随机、坡度低于5°区域、滑坡缓冲300 m外区域、信息量(IV)法、半监督法来选择出与滑坡等比例的非滑... 展开更多; 关键词滑坡易发性预测非滑坡样本选择半监督机器学习信息量随机森林; 在线阅读下载PDF 职称材料

题名一种半监督机器学习的EM算法改进方法被引量：3: 1; 作者夏筱筠张笑东王帅罗金鸣崔露露赵智阳; 机构中国科学院沈阳计算技术研究所中国科学院大学沈阳工程学院; 出处《小型微型计算机系统》 CSCD 北大核心 2020年第2期230-235,共6页; 基金国家科技重大专项课题项目(2017ZX04011004)资助国家自然科学基金项目(61803271)资助.; 文摘 EM(Expectation Maximization)算法是含有隐变量(latent variable)的概率参数模型最大似然估计、极大后验概率估计最有效的算法,但很容易进入局部最优现象,对此提出基于半监督机器学习机制的EM算法.本文方法是在最大似然函数中加入惩罚最小二乘因子,同时引入非负约束作为先验信息,结合半监督机器学习方法,将EM算法改进转化为最小化求解问题,再采用最大似然方法求解EM模型,有效估计了混合矩阵和高斯混合模型参数,实现EM算法的改进.仿真结果表明,该方法能够很好地解决了EM算法容易局部最优化问题.; 关键词半监督机器学习 EM算法改进分析局部最优; Keywords semi-supervised machine learning EM algorithm improvement analysis local optimum; 分类号 TP391 [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

题名基于半监督机器学习的滑坡易发性预测建模被引量：21: 2; 作者黄发明潘李含姚池周创兵姜清辉常志璐; 机构南昌大学建筑工程学院武汉大学土木建筑工程学院; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2021年第9期1705-1713,共9页; 基金国家自然科学基金资助项目(41807285,41762020,51879127,51769014) 江西省自然科学基金资助项目(20192BAB216034,20192ACB2102,20192ACB20020) +2 种基金研究生创新专项资金资助项目(YC2020-S120).; 文摘为了克服滑坡编录样本不足、扩充滑坡样本较困难、主观随机选择的非滑坡样本准确性较低等缺点,以江西省南康区为例,拟用半监督卡方自交互侦测决策树(SSCHAID)和半监督反向传播神经网络(SSBPNN)进行滑坡易发性预测(LSP),在已知滑坡样本和随机选取的非滑坡样本基础上,用全监督机器学习将初始LSP划分成不同级别;将高分辨率遥感影像和初始滑坡易发性图中的极高易发区叠加,筛选一定数量的潜在滑坡栅格单元扩充滑坡样本;从极低易发区选取非滑坡栅格单元组合成新的输出变量;将新的输出变量导入全监督机器学习,获得最终LSP并评价其精度.结果表明:半监督机器学习的LSP精度远高于全监督机器学习的LSP精度.; 关键词滑坡易发性预测(LSP) 半监督机器学习卡方自交互侦测决策树(CHAID) BP神经网络(BPNN) 地理信息系统(GIS); Keywords landslide susceptibility prediction(LSP) semi-supervised machine learning Chi-squared automatic interaction detector(CHAID) BP neural network(BPNN) geographic information system(GIS); 分类号 P642.22 [天文地球—工程地质学]; 在线阅读下载PDF 职称材料

题名基于半监督机器学习法的光伏阵列故障诊断被引量：24: 3; 作者李光辉段晨东武珊; 机构长安大学电子与控制工程学院; 出处《电网技术》 EI CSCD 北大核心 2020年第5期1908-1913,共6页; 文摘由于光伏组件的非线性输出特性,传统故障保护装置难以检测到所有故障,从而导致光伏阵列出现安全问题和火灾危险。针对传统故障保护装置存在的缺陷问题,提出一种基于半监督机器学习(semi-supervised machine learning,SSML)算法的光伏阵列故障诊断模型,模型利用参考光伏组件将光伏阵列电压与电流归一化,通过半监督机器学习算法分析光伏阵列工作点状态,进而检测故障和识别故障类型。该故障诊断模型仅需要少量容易测量的标签数据,且对环境变化有较强适应能力。最后,通过仿真和实验,验证该故障诊断模型的有效性。; 关键词光伏阵列故障检测故障分类半监督机器学习算法; Keywords photovoltaic array fault detection fault classification SSML algorithm; 分类号 TM615 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名计及小波设计和半监督机器学习的非侵入式负载识别被引量：9: 4; 作者张致强周步祥张冰王鑫罗燕萍; 机构四川大学电气工程学院四川电力设计咨询有限责任公司; 出处《电力系统及其自动化学报》 CSCD 北大核心 2020年第5期143-150,共8页; 文摘在非侵入式负载识别技术的基础上,为进一步提高电器设备的识别效率,克服传统智能算法对开关事件分类准确度的缺陷,提出了一种半监督机器学习的识别方法,小波设计和普鲁克分析用于提取家庭常用电器的开、关暂态特征信息,利用小波的能量系数作为特征值,采用最近邻算法和决策树算法2个分类器协同训练分类出负载样本,分类准确度的判断使用蒙特卡罗方法进行评估,通过对4种常用电器进行仿真实验,结果表明,相比监督机器学习的一对余算法77%的准确度,所提方法准确度达到了95.6%,运行测试时间由一对余(OAR)算法的10~12 ms降为6 ms,提高了对负荷特征相近电器的识别准确度和识别速度。; 关键词蒙特卡罗方法小波设计非侵入式负荷识别半监督机器学习协同训练; Keywords Monte-Carlo method wavelet design non-intrusive load identification semi-supervised machine learning co-training; 分类号 TM763 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名一种基于紧密度的半监督文本分类方法被引量：11: 5; 作者郑海清林琛牛军钰; 机构复旦大学计算机科学与工程系; 出处《中文信息学报》 CSCD 北大核心 2007年第3期54-60,共7页; 基金国家自然科学基金资助项目(60305006); 文摘自动的文本分类已经成为一个重要的研究课题。在实际的应用情况下,很多训练语料都只有一个数目有限的正例集合,同时语料中的正例和未标注文档在数量上的分布通常也是不均衡的。因此这种文本分类任务有着不同于传统的文本分类任务的特点,传统的文本分类器如果直接应用到这类问题上,也难以取得令人满意的效果。因此,本文提出了一种基于紧密度衡量的方法来解决这一类问题。由于没有标注出来的负例文档,所以,本文先提取出一些可信的负例,然后再根据紧密度衡量对提取出的负例集合进行扩展,进而得到包含正负例的训练集合,从而提高分类器的性能。该方法不需要借助特别的外部知识库来对特征提取,因此能够比较好的应用到各个不同的分类环境中。在TREC’05(国际文本检索会议)的基因项目的文本分类任务语料上的实验表明,该算法在解决半监督文本分类问题中取得了优异的成绩。; 关键词计算机应用中文信息处理文本分类半监督机器学习支持向量机紧密度; Keywords computer application Chinese information processing text categorization semi-supervised learning support vector machine closeness; 分类号 TP391 [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

题名半监督拉普拉斯特征映射算法被引量：4: 6; 作者刘海红周聪辉; 机构华侨大学计算机科学与技术学院香港中文大学计算机科学与工程学系; 出处《计算机工程与设计》 CSCD 北大核心 2012年第2期601-606,共6页; 基金福建省自然科学基金项目(A0810013) 华侨大学科研基金项目(04BS313); 文摘为了使流形学习方法具有半监督的特点,利用流形上某些已知低维信息的数据去学习推测出其它数据的低维信息,扩大流形学习算法的应用范围,把拉普拉斯特征映射算法(Laplacian Eigenmap,LE)与半监督的机器学习相结合,提出一种半监督的拉普拉斯特征映射算法(semi-supervised Laplacian Eigenmap,SSLE),这种半监督的流形学习算法在分类识别等问题上,具有很好的效果。模拟实验和实际例子都表明了SSLE算法的有效性。; 关键词拉普拉斯特征映射算法半监督机器学习流形学习低维信息模式识别; Keywords Laplacian Eigenmap semi-supervised machine learning manifold learning low-dimensional information pattern recognize; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名滑坡易发性预测建模的不确定性:不同“非滑坡样本”选择方式的影响被引量：10: 7; 作者黄发明曾诗怡姚池熊浩文范宣梅黄劲松; 机构南昌大学工程建设学院成都理工大学地质灾害防治与地质环境保护国家重点实验室纽卡斯尔大学岩土科学与工程卓越研究中心; 出处《工程科学与技术》 EI CAS CSCD 北大核心 2024年第1期169-182,共14页; 基金国家自然科学基金项目(41807285,42377164,42272326)。; 文摘滑坡易发性预测建模中如何选择非滑坡是影响建模结果的重要不确定因素。为研究不同非滑坡选择方式的影响规律,拟用5种方式,即全区随机、坡度低于5°区域、滑坡缓冲300 m外区域、信息量(IV)法、半监督法来选择出与滑坡等比例的非滑坡样本;进一步将各选择方式与随机森林(RF)耦合构建随机RF、低坡度RF、缓冲区RF、IV–RF及半监督RF等模型。以江西南康区为例,获取高程、岩性、公路密度等19种环境因子和233个滑坡编录,将滑坡编录划分为2598个滑坡栅格单元构建上述耦合模型的输入–输出数据集。再采用预测精度和易发性指数分布等指标分析其建模不确定性。进一步针对耦合模型预测的滑坡易发性指数分布不合理等问题,在半监督RF建模时采用滑坡与非滑坡比例为1∶2的样本集开展建模并与1∶1等比例样本集工况作对比。结果表明:1)低坡度RF、缓冲区RF、IV–RF和半监督RF等模型的预测精度均大幅优于随机RF模型,可见准确选择非滑坡样本对易发性建模至关重要;2)半监督RF模型选择非滑坡样本的建模性能最优,且半监督RF在滑坡∶非滑坡=1∶2比其在1∶1时预测的易发性指数分布规律更准确可信。后续研究中有必要更深入探索滑坡与非滑坡样本的比例问题。; 关键词滑坡易发性预测非滑坡样本选择半监督机器学习信息量随机森林; Keywords landslide susceptibility prediction non-landslide samples selection semi-supervised machine learning information value random forest; 分类号 P642.22 [天文地球—工程地质学]; 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	一种半监督机器学习的EM算法改进方法	夏筱筠张笑东王帅罗金鸣崔露露赵智阳	《小型微型计算机系统》 CSCD 北大核心	2020	3	在线阅读下载PDF 职称材料
2	基于半监督机器学习的滑坡易发性预测建模	黄发明潘李含姚池周创兵姜清辉常志璐	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2021	21	在线阅读下载PDF 职称材料
3	基于半监督机器学习法的光伏阵列故障诊断	李光辉段晨东武珊	《电网技术》 EI CSCD 北大核心	2020	24	在线阅读下载PDF 职称材料
4	计及小波设计和半监督机器学习的非侵入式负载识别	张致强周步祥张冰王鑫罗燕萍	《电力系统及其自动化学报》 CSCD 北大核心	2020	9	在线阅读下载PDF 职称材料
5	一种基于紧密度的半监督文本分类方法	郑海清林琛牛军钰	《中文信息学报》 CSCD 北大核心	2007	11	在线阅读下载PDF 职称材料
6	半监督拉普拉斯特征映射算法	刘海红周聪辉	《计算机工程与设计》 CSCD 北大核心	2012	4	在线阅读下载PDF 职称材料
7	滑坡易发性预测建模的不确定性:不同“非滑坡样本”选择方式的影响	黄发明曾诗怡姚池熊浩文范宣梅黄劲松	《工程科学与技术》 EI CAS CSCD 北大核心	2024	10	在线阅读下载PDF 职称材料