基于改进CRITIC-GAHP的通信干扰效果在线评估方法

1

作者 侯文君 彭闯 +1 位作者 金虎 雷迎科 《系统工程与电子技术》 北大核心 2025年第7期2389-2398,共10页

针对通信干扰效果在线评估的无标签样本分类问题,提出一种基于主客观权重的通信干扰效果在线评估方法。从发送方抗干扰的角度选取多种通信行为参数作为干扰效果评估指标,分别使用改进的准则重要性相关法(criteria importance through in... 针对通信干扰效果在线评估的无标签样本分类问题,提出一种基于主客观权重的通信干扰效果在线评估方法。从发送方抗干扰的角度选取多种通信行为参数作为干扰效果评估指标,分别使用改进的准则重要性相关法(criteria importance through inter-criteria correlation,CRITIC)和群层次分析法(group analytic hierarchy process,GAHP)确定客观和主观权重。通过最小信息熵原理确定组合权重后,根据各指标参数的变化程度判断干扰效果,划分干扰效果等级,实现无标签样本分类。同时,提出动态更新各指标归一化参数的方法,使其应对变化的环境。实验结果表明,提出的方法在指标参数范围变化和小样本情况下仍具有较稳定的性能。 展开更多

关键词 通信干扰效果 在线评估 无标签样本分类 主客观权重

在线阅读 下载PDF 职称材料

一种使用未标记样本聚类信息的自训练方法 被引量：1

2

作者 刘伟涛 许信顺 《计算机应用研究》 CSCD 北大核心 2010年第9期3341-3344,共4页

为了有效地利用结构信息,提出了一种新的自学习算法,算法中利用聚类方法从自标记样本中选择可信度高的样本,同时用一个数据编辑方法从这些可信度高的样本中剔除被错标的可能性较高的样本。算法在UCI数据上进行了验证,效果和收敛速度比... 为了有效地利用结构信息,提出了一种新的自学习算法,算法中利用聚类方法从自标记样本中选择可信度高的样本,同时用一个数据编辑方法从这些可信度高的样本中剔除被错标的可能性较高的样本。算法在UCI数据上进行了验证,效果和收敛速度比对比算法要好,说明引入聚类选择候选样本是有效的。 展开更多

关键词 自训练 无标签样本 聚类 半监督学习

在线阅读 下载PDF 职称材料

基于GMM-KNN-LSTM的烧结矿化学指标预测 被引量：1

3

作者 閤光磊 吴朝霞 +1 位作者 刘梦园 姜玉山 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第3期314-322,共9页

针对烧结矿化学指标检测频率低导致无标签样本无法被机器学习利用的问题,提出了一种充分利用样本中有用信息的烧结矿化学指标预测模型.首先,结合高斯混合模型(GMM)和K-近邻(KNN)算法,将无标签样本转化为有标签样本,然后与长短期记忆(LS... 针对烧结矿化学指标检测频率低导致无标签样本无法被机器学习利用的问题,提出了一种充分利用样本中有用信息的烧结矿化学指标预测模型.首先,结合高斯混合模型(GMM)和K-近邻(KNN)算法,将无标签样本转化为有标签样本,然后与长短期记忆(LSTM)单元相结合,用于预测烧结矿的总铁质量分数、FeO质量分数和碱度3个化学指标.通过与反向传播神经网络(BPNN)、循环神经网络(RNN)和LSTM三种模型对比,结果表明所建模型具有较低的预测误差.总铁质量分数和FeO质量分数的预测命中率在允许误差±0.5%内时分别达到98.73%和95.33%,碱度的预测命中率在允许误差±0.05内为98.13%,展现了较高的预测精度. 展开更多

关键词 烧结矿化学指标 预测模型 无标签样本处理算法 LSTM 数据预处理

在线阅读 下载PDF 职称材料

基于深度信念网络的电力变压器故障分类建模 被引量：83

4

作者 石鑫 朱永利 +2 位作者 萨初日拉 王刘旺 孙岗 《电力系统保护与控制》 EI CSCD 北大核心 2016年第1期71-76,共6页

基于深度信念网络,构建了深度信念网络分类器模型,分析并用典型数据集对其分类性能进行测试。在此基础上结合电力变压器油中溶解气体分析数据,提出了基于深度信念网络分类器的变压器故障分类新方法,它使用油中溶解气体分析结果作为故障... 基于深度信念网络,构建了深度信念网络分类器模型,分析并用典型数据集对其分类性能进行测试。在此基础上结合电力变压器油中溶解气体分析数据,提出了基于深度信念网络分类器的变压器故障分类新方法,它使用油中溶解气体分析结果作为故障分类属性。对所提出的方法进行了测试,测试结果表明该方法适用于变压器故障分类,具有较强的从样本中提取特征的能力和容错特性,性能优于BP神经网络和支持向量机的方法。 展开更多

关键词 电力变压器 故障诊断 深度信念网络 无标签样本 油中溶解气体分析

在线阅读 下载PDF 职称材料

基于k均值聚类的直推式支持向量机学习算法 被引量：12

5

作者 王立梅 李金凤 岳琪 《计算机工程与应用》 CSCD 2013年第14期144-146,共3页

针对直推式支持向量机(TSVM)学习模型求解难度大的问题,提出了一种基于k均值聚类的直推式支持向量机学习算法——TSVMKMC。该算法利用k均值聚类算法,将无标签样本分为若干簇,对每一簇样本赋予相同的类别标签,将无标签样本和有标签样本... 针对直推式支持向量机(TSVM)学习模型求解难度大的问题,提出了一种基于k均值聚类的直推式支持向量机学习算法——TSVMKMC。该算法利用k均值聚类算法,将无标签样本分为若干簇,对每一簇样本赋予相同的类别标签,将无标签样本和有标签样本合并进行直推式学习。由于TSVMKMC算法有效地降低了状态空间的规模,因此运行速度较传统算法有了很大的提高。实验结果表明,TSVMSC算法能够以较快的速度达到较高的分类准确率。 展开更多

关键词 直推式学习 支持向量机 K均值聚类 无标签样本

在线阅读 下载PDF 职称材料

集成最近邻规则的半监督顺序回归算法 被引量：1

6

作者 何海江 何文德 刘华富 《计算机应用》 CSCD 北大核心 2010年第4期1022-1025,共4页

监督型顺序回归算法需要足够多的有标签样本,而在实践中,标注样本的序数耗时耗力,甚至难以完成。为此,提出一种集成最近邻规则的半监督顺序回归算法。基于最近邻,针对每个有标签样本,在无标签数据集选择与其最近似的若干样本赋以相同序... 监督型顺序回归算法需要足够多的有标签样本,而在实践中,标注样本的序数耗时耗力,甚至难以完成。为此,提出一种集成最近邻规则的半监督顺序回归算法。基于最近邻,针对每个有标签样本,在无标签数据集选择与其最近似的若干样本赋以相同序数;再由监督型顺序回归算法训练有标签样本和新标注样本。多个数据集的实验结果显示,该方法能显著改善顺序回归性能。另外,引入折扣因子λ评估新标注样本的可信度,并讨论了λ和有标签数据集大小对方法的影响。 展开更多

关键词 半监督顺序回归 最近邻 无标签样本 折扣因子

在线阅读 下载PDF 职称材料

近邻渐进直推式支持向量机算法

7

作者 李云飞 《计算机工程》 CAS CSCD 北大核心 2008年第17期191-192,195,共3页

针对渐进直推式支持向量机算法训练速度慢和学习性能不稳定的问题,提出一种近邻渐进直推式支持向量机算法。该算法利用支持向量机中支持向量信息,选择支持向量附近的无标签样本点进行标注,采用支持向量预选取的方法减少训练集的规模,提... 针对渐进直推式支持向量机算法训练速度慢和学习性能不稳定的问题,提出一种近邻渐进直推式支持向量机算法。该算法利用支持向量机中支持向量信息,选择支持向量附近的无标签样本点进行标注,采用支持向量预选取的方法减少训练集的规模,提高算法的速度。实验结果表明了该算法的有效性。 展开更多

关键词 渐进直推式支持向量机 无标签样本 近邻

在线阅读 下载PDF 职称材料

基于DCAE-KSSELM的变压器故障诊断方法 被引量：12

8

作者 郝玲玲 朱永利 王永正 《中国电力》 CSCD 北大核心 2022年第2期125-130,共6页

为了充分利用变压器发生故障时产生的大量无标签样本,提高故障诊断精度,提出基于深度收缩自编码器(DCAE)与核半监督极限学习机(KSSELM)相结合的故障诊断方法。首先使用无标签样本对DCAE网络逐层训练,初始化网络参数,然后用有标签样本数... 为了充分利用变压器发生故障时产生的大量无标签样本,提高故障诊断精度,提出基于深度收缩自编码器(DCAE)与核半监督极限学习机(KSSELM)相结合的故障诊断方法。首先使用无标签样本对DCAE网络逐层训练,初始化网络参数,然后用有标签样本数据对网络参数进行微调,最后将有标签样本与无标签样本一起作为深度收缩自编码器与核半监督极限学习机(DCAE-KSSELM)混合网络的输入并完成故障诊断。实验结果表明,所提模型稳定性好,故障诊断精度高,鲁棒性强。 展开更多

关键词 变压器 故障诊断 无标签样本 收缩自编码器

在线阅读 下载PDF 职称材料

一种双优选的半监督回归算法 被引量：3

9

作者 程康明 熊伟丽 《智能系统学报》 CSCD 北大核心 2019年第4期689-696,共8页

针对一些工业过程中存在的有标签样本少,而传统的半监督学习无法保证对无标签样本准确预测的问题,提出一种双优选的半监督回归算法。首先,确定有标签样本密集区中心,并计算无标签样本与该中心的相似度,实现对无标签样本的优选,同时根据... 针对一些工业过程中存在的有标签样本少,而传统的半监督学习无法保证对无标签样本准确预测的问题,提出一种双优选的半监督回归算法。首先,确定有标签样本密集区中心,并计算无标签样本与该中心的相似度,实现对无标签样本的优选,同时根据有标签样本间相似度优选有标签样本;然后,利用高斯过程回归方法对选出的有标签样本建立辅学习器,以对优选出的无标签样本预测标签;最后,利用这些伪标签样本提升主学习器的预测效果。通过数值例子以及实际脱丁烷塔过程数据进行建模仿真,证明了所提方法在有标签样本较少的情况下有良好的预测性能。 展开更多

关键词 无标签样本 优选 半监督回归 样本密集区中心 相似度 高斯过程回归 辅学习器 主学习器 脱丁烷塔过程 预测性能

在线阅读 下载PDF 职称材料

一种自训练框架下的三优选半监督回归算法 被引量：4

10

作者 程康明 熊伟丽 《智能系统学报》 CSCD 北大核心 2020年第3期568-577,共10页

工业生产过程数据由于主导变量分析代价等因素可能出现有标签样本少而无标签样本多的情况,为提升对无标签样本利用的准确性与充分性,提出一种自训练框架下的三优选半监督回归算法。对无标签样本与有标签样本进行优选,保证两类数据的相似... 工业生产过程数据由于主导变量分析代价等因素可能出现有标签样本少而无标签样本多的情况,为提升对无标签样本利用的准确性与充分性,提出一种自训练框架下的三优选半监督回归算法。对无标签样本与有标签样本进行优选,保证两类数据的相似性,以提高无标签样本预测的准确性;利用高斯过程回归方法对所选有标签样本集建模,预测所选无标签样本集,得到伪标签样本集;通过对伪标签样本集置信度进行判断,优选出置信度高的样本用于更新初始样本集;为了进一步提高无标签样本利用的充分性,在自训练框架下,进行多次循环筛选提高无标签样本的利用率。通过对脱丁烷塔过程实际数据的建模仿真,验证了所提方法在较少有标签样本情况下的良好预测性能。 展开更多

关键词 工业生产 无标签样本 优选 半监督回归 相似性 高斯过程回归 置信度判断 自训练 预测

在线阅读 下载PDF 职称材料

基于深度网络的滚动轴承智能故障诊断 被引量：4

11

作者 李金才 付文龙 +2 位作者 王仁明 陈星 孟嘉鑫 《工矿自动化》 北大核心 2022年第4期78-88,共11页

针对变工况环境中滚动轴承的源域与目标域数据分布不同及目标域样本不含标签的问题,提出一种基于深度自适应迁移学习网络(DATLN)的滚动轴承故障诊断模型。首先,搭建领域共享特征提取网络,采用多尺度卷积神经网络(MSCNN)抑制噪声的干扰,... 针对变工况环境中滚动轴承的源域与目标域数据分布不同及目标域样本不含标签的问题,提出一种基于深度自适应迁移学习网络(DATLN)的滚动轴承故障诊断模型。首先,搭建领域共享特征提取网络,采用多尺度卷积神经网络(MSCNN)抑制噪声的干扰,进而有效提取振动信号中蕴含的局部故障信息;其次,结合双向长短时记忆网络(BiLSTM)进一步学习局部故障信息中的时间特征;最后,引入迁移学习,以域对抗(DA)训练结合自适应联合分布(AJD)度量构建域自适应模块,通过最大化域分类损失和最小化AJD距离,实现源域与目标域特征样本对齐。在开源CWRU数据集与机械故障平台实测数据集上分别进行抗噪实验和迁移实验。抗噪实验表明:①在无噪声环境下,MSCNN-BiLSTM网络的识别准确率均达到99%以上,说明其具有较好的特征提取能力;②MSCNN-BiLSTM,LeNet-5,MSCNN和BiLSTM四种网络的识别准确率随着噪声强度的增强而降低;③在3,5,10 dB噪声环境下,MSCNN-BiLSTM网络的平均识别准确率比LeNet-5,MSCNN和BiLSTM网络的平均识别准确率均高,说明MSCNN-BiLSTM网络具有较好的抗噪声干扰性能;④MSCNN-BiLSTM网络在无噪声环境和3 dB噪声环境下,均最先达到收敛且波动较小。迁移实验表明:①在无标签目标域数据集上,DA+AJD方法的平均识别准确率为97.36%,均高于Baseline,迁移成分分析(TCA),域对抗神经网络(DANN)的识别准确率;②在测试集混淆矩阵上,DA+AJD方法仅有1个样本被错误识别,表明基于域适应的DA+AJD方法具备更好的故障迁移诊断性能;③利用t-SNE算法对处理后的源域与目标域特征样本进行可视化,DA+AJD方法只有少量目标域的滚动体故障和外圈故障特征样本被错误对齐到源域的内圈故障特征样本区域,说明DA+AJD方法可有效减少源域与目标域的边缘分布和条件分布差异,进而达到更好的特征样本对齐效果。 展开更多

关键词 滚动轴承 智能故障诊断 多尺度卷积神经网络 无标签目标域样本 深度学习 迁移学习 自适应联合分布

在线阅读 下载PDF 职称材料