基于改进合成少数类过采样技术的非概率可靠性指标解 被引量：1

1

作者 张梦 陈旭勇 +1 位作者 彭元林 李书雅 《武汉工程大学学报》 CAS 2024年第2期231-236,共6页

当结构的功能函数呈现高度非线性、极限状态曲面为多区域的情形时,现有算法无法有效求解非概率可靠性指标,为解决此类问题,将合成少数类过采样技术(SMOTE)进行改进,提出了基于改进SMOTE算法的非概率可靠性指标解法。首先基于非概率可靠... 当结构的功能函数呈现高度非线性、极限状态曲面为多区域的情形时,现有算法无法有效求解非概率可靠性指标,为解决此类问题,将合成少数类过采样技术(SMOTE)进行改进,提出了基于改进SMOTE算法的非概率可靠性指标解法。首先基于非概率可靠性指标的几何意义,将样本分类策略、超球限制策略与标准SMOTE算法相结合,提出了改进SMOTE算法来进一步提升算法在极限状态曲面附近的采样效率;然后结合改进SMOTE算法在标准化空间中高精度的拟合局部极限状态曲面,进而搜索得到非概率可靠性指标;最后给出了基于改进SMOTE算法的非概率可靠性指标解的主要流程。数值算例表明,当极限状态曲面呈现局部闭合、多区域的特点时,改进后的SMOTE算法可以高效地获取位于极限状态曲面附近的样本点,进而高精度地拟合极限状态曲面。将本文方法的计算结果与解析解对比,相对误差远远小于工程中的最大误差限值5%,说明改进SMOTE算法能够较好地处理高度非线性功能函数,验证了所提算法的有效性和实用性。 展开更多

关键词 非概率可靠性指标 合成少数类过采样技术 样本分类策略 超球限制策略 极限状态曲面

在线阅读 下载PDF 职称材料

聚类边界过采样不平衡数据分类方法 被引量：31

2

作者 楼晓俊 孙雨轩 刘海涛 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2013年第6期944-950,共7页

针对传统SMOTE过采样方法在生成合成样本的过程中存在的盲目性,以及对噪声敏感且容易出现过拟合现象的问题,提出一种改进的聚类边界样本过采样(CB-SMOTE)方法,通过引入"聚类一致性系数"找到少数类样本的边界,利用边界样本的... 针对传统SMOTE过采样方法在生成合成样本的过程中存在的盲目性,以及对噪声敏感且容易出现过拟合现象的问题,提出一种改进的聚类边界样本过采样(CB-SMOTE)方法,通过引入"聚类一致性系数"找到少数类样本的边界,利用边界样本的最近邻密度来剔除噪声点和确定合成样本的数量,对SMOTE方法的新样本合成规则进行了优化.该方法是一种指导性的过采样方法,合成样本更加有利于分类器的学习.通过实验对比6种不同方法在UCI公共数据集上的分类性能,结果表明:CB-SMOTE方法对少数类样本和多数类样本都具有较高的分类准确率,且对过采样倍数的变化具有更高的稳定性. 展开更多

关键词 不平衡数据 过采样 聚类边界 最近邻密度 合成样本

在线阅读 下载PDF 职称材料

融合簇边界移动与自适应合成的混合采样算法 被引量：5

3

作者 高雷阜 张梦瑶 赵世杰 《电子学报》 EI CAS CSCD 北大核心 2022年第10期2517-2529,共13页

针对伪负采样算法(Pseudo-Negative Sampling,PNS)存在的类内子聚集和类别重叠问题,提出一种融合簇边界负样本移动策略(Cluster Boundary Negative Movement Strategy,CBNMS)与自适应正样本合成技术(Adaptive Pos⁃itive Synthesis Techn... 针对伪负采样算法(Pseudo-Negative Sampling,PNS)存在的类内子聚集和类别重叠问题,提出一种融合簇边界负样本移动策略(Cluster Boundary Negative Movement Strategy,CBNMS)与自适应正样本合成技术(Adaptive Pos⁃itive Synthesis Technology,ADPST)的改进混合采样算法(Improved Cluster Boundary Negative Movement Strategy,ICB⁃NMS),以提升非均衡数据的整体分类性能和正类识别精度.CBNMS策略采用凝聚层次聚类对正负类样本进行划分,并通过各局部样本间相似关系识别潜在负类中且与正类相关性较大的簇边界负样本,提高采样的局部精确性和时效性.为进一步加强CBNMS策略对正样本重叠区域的识别性能,ICBNMS算法在簇边界负样本移动均衡化基础上,引入ADPST技术,利用稀疏度与距离复合因子组合加权以自适应确定最优样本生成区域,从而有效削弱样本的重叠性且丰富样本的多样性.实验结果表明,相比其他采样算法,ICBNMS算法在10个非均衡数据集的多组实验中G-mean和Fmeasure等指标获得最优值,且时间效率比CDSMOTE和PNS算法分别提升了32.27%和27.88%,凸显出更优越的鲁棒性和泛化性. 展开更多

关键词 非均衡数据分类 凝聚层次聚类 簇边界负样本移动 自适应正样本合成 混合采样

在线阅读 下载PDF 职称材料

面向不平衡图像数据的对抗自编码器过采样算法

4

作者 职为梅 常智 +1 位作者 卢俊华 耿正乾 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第11期4208-4218,共11页

许多适用于低维数据的传统不平衡学习算法在图像数据上的效果并不理想。基于生成对抗网络(GAN)的过采样算法虽然可以生成高质量图像,但在类不平衡情况下容易产生模式崩溃问题。基于自编码器(AE)的过采样算法容易训练,但生成的图像质量... 许多适用于低维数据的传统不平衡学习算法在图像数据上的效果并不理想。基于生成对抗网络(GAN)的过采样算法虽然可以生成高质量图像,但在类不平衡情况下容易产生模式崩溃问题。基于自编码器(AE)的过采样算法容易训练,但生成的图像质量较低。为进一步提高过采样算法在不平衡图像中生成样本的质量和训练的稳定性,该文基于生成对抗网络和自编码器的思想提出一种融合自编码器和生成对抗网络的过采样算法(BAEGAN)。首先在自编码器中引入一个条件嵌入层,使用预训练的条件自编码器初始化GAN以稳定模型训练;然后改进判别器的输出结构,引入一种融合焦点损失和梯度惩罚的损失函数以减轻类不平衡的影响;最后从潜在向量的分布映射中使用合成少数类过采样技术(SMOTE)来生成高质量的图像。在4个图像数据集上的实验结果表明该算法在生成图像质量和过采样后的分类性能上优于具有辅助分类器的条件生成对抗网络(ACGAN)、平衡生成对抗网络(BAGAN)等过采样算法,能有效解决图像数据中的类不平衡问题。 展开更多

关键词 不平衡图像数据 过采样 生成对抗网络 对抗自编码器 合成少数类过采样技术

在线阅读 下载PDF 职称材料

面向不平衡数据集的浓香型白酒基酒等级分类研究 被引量：2

5

作者 王继华 李兆飞 +2 位作者 杨壮 赵娜 张贵宇 《中国酿造》 CAS 北大核心 2024年第1期184-189,共6页

为解决基于气相色谱-质谱联用(GC-MS)仪采集的浓香型白酒基酒等级分类中样本不均衡导致分类模型性能下降的问题,提出了一种面向不平衡数据集的浓香型白酒基酒分类研究。该方法首先采用合成少数类过采样技术(SMOTE)对浓香型基酒样品中少... 为解决基于气相色谱-质谱联用(GC-MS)仪采集的浓香型白酒基酒等级分类中样本不均衡导致分类模型性能下降的问题,提出了一种面向不平衡数据集的浓香型白酒基酒分类研究。该方法首先采用合成少数类过采样技术(SMOTE)对浓香型基酒样品中少数类样本进行扩充,改善样本的不均衡性;然后结合稀疏主成分分析(SPCA)对GC-MS图谱数据进行降维;最后使用深度森林(DF)分类器建立浓香型白酒基酒分类识别模型。结果表明,使用SMOTE算法对基酒数据集进行平衡之后能够有效提高模型分类准确率,所建立的浓香型基酒分类模型正确率达到96.61%,该分类模型的建立对基酒等级分类能起到一定的指导和借鉴作用。 展开更多

关键词 气相色谱-质谱联用 浓香型白酒基酒 合成少数类过采样技术 稀疏主成分分析 基酒分类

在线阅读 下载PDF 职称材料

小样本下基于SMOTE-IGWO-RF的轮毂电机轴承故障诊断

6

作者 葛平淑 王朝阳 +3 位作者 王阳 张涛 薛红涛 夏晨迪 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第8期1-9,共9页

轮毂电机复杂多变的运行环境可能导致轴承故障而危及电动车辆行驶安全,为解决传统故障诊断方法在小样本条件下识别精度低的问题,提出一种基于SMOTE-IGWO-RF的轮毂电机轴承故障诊断方法。首先,通过合成少数过采样技术(SMOTE)扩展训练数据... 轮毂电机复杂多变的运行环境可能导致轴承故障而危及电动车辆行驶安全,为解决传统故障诊断方法在小样本条件下识别精度低的问题,提出一种基于SMOTE-IGWO-RF的轮毂电机轴承故障诊断方法。首先,通过合成少数过采样技术(SMOTE)扩展训练数据集,生成与真实样本分布相似的故障样本,并使用主成分分析(PCA)优化其时域和频域的特征。然后,通过引入非线性收敛因子和Levy飞行策略改进传统的灰狼优化算法(GWO),使用改进的灰狼优化算法(IGWO)优化随机森林(RF)模型的参数。最后,基于SMOTE-IGWO-RF的轮毂电机轴承故障诊断模型实现故障状态的识别,并在轮毂电机试验台架上进行了实验验证。结果表明,所提出的轮毂电机轴承故障诊断方法在7种转速工况下平均准确率均超过96%,具有高精度和稳定性。与遗传算法(GA)、粒子群优化算法(PSO)、GWO优化RF相比,提出的IGWO-RF模型在3种小样本训练集下的诊断准确率均超过90%,且准确率均明显高于其他3个对比算法,能够有效实现小样本条件下的轮毂电机轴承故障诊断。 展开更多

关键词 轮毂电机 轴承 合成少数类过采样技术(SMOTE) 改进灰狼优化算法(IGWO) 随机森林(RF) 故障诊断

在线阅读 下载PDF 职称材料

基于SMOTE算法的腹膜透析患者合并重度贫血的预测模型构建

7

作者 燕雯雯 储杨敏 +1 位作者 束永兵 罗寅亮 《皖南医学院学报》 2025年第1期29-32,37,共5页

目的:探讨腹膜透析患者合并重度贫血的危险因素,并基于少数类样本合成过抽样技术(SMOTE)算法构建腹膜透析患者合并重度贫血的预测模型。方法:选取2020年1月~2022年10月六安市中医院诊治的212例腹膜透析患者作为研究对象。采用多因素Logi... 目的:探讨腹膜透析患者合并重度贫血的危险因素,并基于少数类样本合成过抽样技术(SMOTE)算法构建腹膜透析患者合并重度贫血的预测模型。方法:选取2020年1月~2022年10月六安市中医院诊治的212例腹膜透析患者作为研究对象。采用多因素Logistic回归分析筛选腹膜透析患者合并重度贫血的危险因素,应用SMOTE算法构建腹膜透析患者合并重度贫血的预测模型,并对其预测效能进行分析。结果:212例腹膜透析患者中有72例患者发生重度贫血,重度贫血的发生率为33.96%(72/212)。Logistic回归分析结果显示,血清铁降低、营养不良、未使用补血药物及C-反应蛋白(C-reactive protein,CRP)水平升高等是腹膜透析患者合并重度贫血的危险因素,铁蛋白升高、转铁蛋白升高是腹膜透析患者合并重度贫血的保护因素(P<0.05)。基于SMOTE算法的预警模型Logit(P)=1.266血钙+1.702血清铁+1.578营养不良+1.815未使用补血药物-0.115铁蛋白-2.687转铁蛋白+0.511CRP+12.199,H-L检验结果(决定系数R 2=0.187,P=0.924)提示基于SMOTE算法的预警模型拟合度良好。Logistic回归模型的ROC曲线下面积(AUC)为0.902(95%CI:0.860~0.945),基于SMOTE算法的预测模型的AUC为0.936(95%CI:0.911~0.962),基于SMOTE算法的预测模型的ROC曲线下面积高于Logistic回归模型(P<0.05)。结论:血清铁降低、营养不良、未使用补血药物及CRP等是腹膜透析患者合并重度贫血的危险因素,铁蛋白升高、转铁蛋白升高是腹膜透析患者合并重度贫血的保护因素,基于SMOTE算法的预警模型对腹膜透析患者合并重度贫血预测的准确性较高。 展开更多

关键词 腹膜透析 重度贫血 危险因素 少数类样本合成过抽样技术

在线阅读 下载PDF 职称材料

基于改进深度残差收缩网络的心电信号分类算法

8

作者 龚玉晓 高淑萍 《应用数学和力学》 CSCD 北大核心 2023年第8期977-988,共12页

心电信号分类是医疗保健领域的重要研究内容.针对大多数方法不能很好地降低样本数量少的类别漏诊率,以及降低预处理操作的复杂性问题,提出了一种基于改进深度残差收缩网络(IDRSN)的心电信号分类算法(即DRSL算法).首先,使用合成少数类过... 心电信号分类是医疗保健领域的重要研究内容.针对大多数方法不能很好地降低样本数量少的类别漏诊率,以及降低预处理操作的复杂性问题,提出了一种基于改进深度残差收缩网络(IDRSN)的心电信号分类算法(即DRSL算法).首先,使用合成少数类过采样技术(SMOTE)扩充数量少的类别样本,从而解决了类不平衡问题;其次,利用改进深度残差收缩网络提取空间特征,其残差模块可以避免网络层加深造成的过拟合,压缩激励和软阈值化子网络可以提取重要局部特征并自动去除噪声;然后,通过长短期记忆网络(LSTM)提取时间特征;最后,利用全连接网络输出分类结果.在MIT-BIH心律失常数据集上的实验结果表明,该算法的分类性能优于IDRSN、DRSN、GAN+2DCNN、CNN+LSTM_ATTENTION、SE-CNN-LSTM分类算法. 展开更多

关键词 心电信号 合成少数类过采样技术 深度残差收缩网络 压缩激励 长短期记忆网络

在线阅读 下载PDF 职称材料

基于人体三维重建的痰湿与阴虚质辨识模型研究

9

作者 王子琰 杨涛 +1 位作者 周作建 胡孔法 《南京中医药大学学报》 CSCD 北大核心 2024年第12期1340-1347,共8页

目的提出一种基于单目光学摄像头拍摄的人体全身二维图像,通过人体三维重建算法得到人体三维形态参数,并基于此对痰湿、阴虚与其他体质进行智能辨识。方法采集受试者自然状态下标准静态站姿图像,并让受试者填写体质量表或由主任中医师... 目的提出一种基于单目光学摄像头拍摄的人体全身二维图像,通过人体三维重建算法得到人体三维形态参数,并基于此对痰湿、阴虚与其他体质进行智能辨识。方法采集受试者自然状态下标准静态站姿图像,并让受试者填写体质量表或由主任中医师判断以得到其体质信息,以体质作为数据标注,利用参数化人体三维重建算法提取人体三维形态特征,并通过合成少数类过采样技术(SMOTE)改善样本的分布,利用神经网络建立人体形态与体质之间的联系。结果基于人体三维重建的痰湿、阴虚质辨识模型精度和F 1分数分别达到86.16%和79.35%。在使用SMOTE之后,精度和F 1分数进一步提升至89.91%和84.33%。这说明该辨识模型具备良好的可行性和准确性。结论基于人体三维重建提取的人体形态特征可以有效辨识痰湿、阴虚质。相较于已有方法,该方法更加便捷,能够快速发现个体存在的偏颇体质隐患。通过提前干预、纠正以达到“治未病”的目的,在门诊和健康体检等临床场景中具有一定的应用潜力和价值,为中医体质辨识的智能化、客观化提供了新思路。 展开更多

关键词 中医体质辨识 痰湿质 阴虚质 人体三维重建 合成少数类过采样技术

在线阅读 下载PDF 职称材料

基于SMOTE-UVE-SVM的小麦种子纯度高光谱图像检测 被引量：1

10

作者 朱潘雨 黄敏 赵鑫 《激光技术》 CAS CSCD 北大核心 2024年第2期281-287,共7页

为了解决基于高光谱成像技术的小麦种子纯度检测过程中样本不均衡及波段信息冗余导致纯度检测模型性能下降的问题,提出了一种融合合成少数类过采样技术(SMOTE)、非信息变量剔除(UVE)和支持向量机(SVM)的种子纯度高光谱检测模型。该模型... 为了解决基于高光谱成像技术的小麦种子纯度检测过程中样本不均衡及波段信息冗余导致纯度检测模型性能下降的问题,提出了一种融合合成少数类过采样技术(SMOTE)、非信息变量剔除(UVE)和支持向量机(SVM)的种子纯度高光谱检测模型。该模型利用SMOTE算法对小麦种子少数类(杂质)样本进行扩充,改善样本的不均衡性;同时利用UVE对高维的高光谱特征进行选择,并构建SVM模型作为分类器,以进一步提高分类的性能。结果表明,5类小麦种子的平均准确率、精确率和负样本检出率分别达到95.98%、94.94%和89.32%,较传统方法分别提高了3.89%、7.18%和12.42%。所提出的方法在基于高光谱成像技术的小麦种子纯度检测中具有较好的应用前景。 展开更多

关键词 光谱学 高光谱成像技术 合成少数类过采样技术 非信息变量剔除 种子纯度

在线阅读 下载PDF 职称材料

基于改进SMOTE的不平衡数据挖掘方法研究 被引量：31

11

作者 杨智明 乔立岩 彭喜元 《电子学报》 EI CAS CSCD 北大核心 2007年第B12期22-26,共5页

少类样本合成过采样技术（SMOTE）是一种新型的过采样方法，能够有效地处理不平衡数据分类问题，但SMOTE在产生合成样本的过程中，存在一定的盲目性．因此本文提出一种改进的过采样方法一自适应SMOTE，根据样本集内部分布特性，自适应调... 少类样本合成过采样技术（SMOTE）是一种新型的过采样方法，能够有效地处理不平衡数据分类问题，但SMOTE在产生合成样本的过程中，存在一定的盲目性．因此本文提出一种改进的过采样方法一自适应SMOTE，根据样本集内部分布特性，自适应调整SMOTE方法中近邻选择策略，控制合成样本的质量．算法分析和仿真结果表明，文中提出的方法在不影响计算复杂度的前提下，有效地提高了分类算法的整体分类准确率。 展开更多

关键词 不平衡数据集 少类样本合成过采样技术 自适应SMOTE 合成样本 近邻选择策略

在线阅读 下载PDF 职称材料

一种带式输送机故障诊断方法 被引量：15

12

作者 张喆 陶云春 +1 位作者 梁睿 迟鹏 《工矿自动化》 北大核心 2020年第4期81-84,108,共5页

针对传统浅层神经网络用于带式输送机故障诊断时存在故障状态样本数据不足、准确率不高等问题,提出了一种基于合成少数类过采样技术(SMOTE)和深度置信网络(DBN)的带式输送机故障诊断方法.该方法利用SMOTE生成带式输送机故障状态样本数据... 针对传统浅层神经网络用于带式输送机故障诊断时存在故障状态样本数据不足、准确率不高等问题,提出了一种基于合成少数类过采样技术(SMOTE)和深度置信网络(DBN)的带式输送机故障诊断方法.该方法利用SMOTE生成带式输送机故障状态样本数据,克服样本数据分布不平衡现象;将样本数据输入DBN,利用无监督逐层训练方式提取数据中的故障特征,并通过有监督微调来优化故障诊断能力,实现带式输送机故障精确诊断.仿真结果表明,该方法提高了带式输送机故障诊断准确率. 展开更多

关键词 带式输送机 故障诊断 合成少数类过采样技术 深度置信网络

在线阅读 下载PDF 职称材料

基于卷积神经网络的庞氏骗局合约检测方法

13

作者 袁政 葛斌 任萍 《佳木斯大学学报（自然科学版）》 CAS 2022年第5期9-11,86,共4页

现有庞氏骗局合约检测方法主要结合账户特征和代码特征进行检测,对无账户特征的初步部署智能合约检测精度较低,为此提出一种基于改进卷积神经网络的庞氏骗局合约检测方法。首先,选取初步部署合约的唯一特征操作码作为数据源,改进合成少... 现有庞氏骗局合约检测方法主要结合账户特征和代码特征进行检测,对无账户特征的初步部署智能合约检测精度较低,为此提出一种基于改进卷积神经网络的庞氏骗局合约检测方法。首先,选取初步部署合约的唯一特征操作码作为数据源,改进合成少数类过采样技术生成人工样本,解决数据集样本类分布不均衡问题。然后,创新性引入卷积神经网络用于庞氏骗局智能合约检测,为提升检测精度,改进卷积神经网络,使用不同卷积核进行双路卷积,充分提取数据特征,在融合层进行特征融合。实验结果表明,该方法对初步部署合约具有较高检测精度。 展开更多

关键词 以太坊 智能合约 庞氏骗局 卷积神经网络 合成少数类过采样技术

在线阅读 下载PDF 职称材料