基于特征交互的样本不均衡的玉米病害检测方法 被引量：1

1

作者 姜飞 叶炜 +2 位作者 李兆星 王洪凯 王教瑜 《华南农业大学学报》 北大核心 2025年第3期399-406,共8页

【目的】解决复杂环境中玉米叶片病害数据样本不均衡、检测精度低的问题。【方法】设计一种改进的目标检测网络SF_YOLOv5。首先,在YOLOv5的多尺度金字塔结构基础上,设计一种新的空间−特征金字塔结构(SPD-FPN),增强网络对小目标病害特征... 【目的】解决复杂环境中玉米叶片病害数据样本不均衡、检测精度低的问题。【方法】设计一种改进的目标检测网络SF_YOLOv5。首先,在YOLOv5的多尺度金字塔结构基础上,设计一种新的空间−特征金字塔结构(SPD-FPN),增强网络对小目标病害特征在高分辨率层次上的识别能力,保留大目标在低分辨率层次上的信息,整体提升网络的检测精度和鲁棒性。其次,引入Focal Loss损失函数,通过增加难分类样本的权重,减少易分类样本的影响,确保模型能够更关注不平衡数据集中易被忽略的少量样本。此外,将迁移学习的思想应用于SF_YOLOv5的设计中,将预训练得到的YOLOv5模型参数迁移到改进的SF_YOLOv5网络上进行训练,利用已有的大规模数据集知识,提升网络对玉米病害检测的泛化能力。【结果】在构建的玉米病害数据集上验证SF_YOLOv5模型的均值检测精度(mAP)达93.3%,召回率为89.6%,相比原始YOLOv5模型有显著提升。且模型体积较小,易部署于移动端设备。【结论】改进后的网络检测样本不均衡的玉米叶片病害效果优于原模型,可用于农田场景下样本不均衡的玉米病害的智能诊断,为农业领域实时监测玉米病害提供理论基础。 展开更多

关键词 深度学习 玉米病虫害 特征交互 样本不均衡

在线阅读 下载PDF 职称材料

样本不均衡下基于CGAN-CNN的逆变器故障诊断方法 被引量：4

2

作者 孙权 彭飞 +2 位作者 李宏胜 于翔海 孙国栋 《电源学报》 CSCD 北大核心 2024年第6期318-326,共9页

三相逆变器是电动汽车电机驱动系统的重要部件,当出现故障时因发生时间较短导致故障样本规模受限,进而造成样本不均衡。为解决上述问题,提出1种融合条件生成对抗网络CGAN(conditional generative adversarial network)与卷积神经网络CNN... 三相逆变器是电动汽车电机驱动系统的重要部件,当出现故障时因发生时间较短导致故障样本规模受限,进而造成样本不均衡。为解决上述问题,提出1种融合条件生成对抗网络CGAN(conditional generative adversarial network)与卷积神经网络CNN(convolutional neural network)的逆变器故障诊断方法。首先将相电流作为故障敏感信号,经快速傅里叶变换FFT(fast Fourier transform)得到其频域特征,并进行归一化预处理;然后将各样本添加标签后输入CGAN模型进行对抗训练,生成各故障模式下的新样本。最后,采用CNN模型实现逆变器各类故障模式判别。实验结果表明,基于CGAN-CNN的故障诊断正确率可达98%以上,说明所提样本生成方法优于传统合成少数类过采样技术SMOTE(synthetic minority over-sampling technique)方法和生成对抗网络GAN(generative adversarial network)方法,可为新能源电动汽车智能运维提供理论支撑。 展开更多

关键词 故障诊断 样本不均衡 样本生成 条件生成对抗网络 卷积神经网络

在线阅读 下载PDF 职称材料

基于样本不均衡和特征优选多源融合的输电线路故障类型辨识 被引量：9

3

作者 孙文成 李健 +3 位作者 彭宇辉 余前勇 谢迎谱 雷梦飞 《电测与仪表》 北大核心 2024年第12期79-89,共11页

输电线路发生各种类型故障时将严重威胁系统的安全稳定运行,传统基于故障录波的输电线路故障诊断方法侧重于利用故障录波提供的零序电流信息,难以准确辨识所发生故障的类型。文章提出了基于样本不均衡和特征优选多源融合的(kepler optim... 输电线路发生各种类型故障时将严重威胁系统的安全稳定运行,传统基于故障录波的输电线路故障诊断方法侧重于利用故障录波提供的零序电流信息,难以准确辨识所发生故障的类型。文章提出了基于样本不均衡和特征优选多源融合的(kepler optimization algorithm-convolutional neural network-bidirectional long short-term memory network-selfattention,KOA-CNN-BiLSTM-Selfattention)输电线路故障类型辨识方法,获取输电线路分布式在线监测装置提供的行波数据,整合形成输电线路的实际有效故障波形数据库及带标签信息数据库;基于融合改进(synthetic minority over-sampling,technique,SMOTE)算法进行样本均衡,采用时域函数、快速傅里叶变换(fast fourier transform,FFT)、小波包分析、波形函数提取不同输电线路故障类型的时域、频域、时频域及波形脉宽等故障特征,基于Deep Lasso(deep least absolute shrinkage and selection operator)回归完成特征优选再进行多源信息融合,最后采用KOA-CNN-BiLSTM-Selfattention算法完成输电线路的故障类型辨识。通过基于输电线路历史故障跳闸数据的算例验证了所述方法的正确性和有效性。 展开更多

关键词 样本不均衡 特征优选 多源融合 深度学习 故障辨识

在线阅读 下载PDF 职称材料

样本不均衡条件下基于自调整支持向量机的故障诊断 被引量：10

4

作者 易辉 宋晓峰 +2 位作者 姜斌 刘宇芳 周智华 《北京理工大学学报》 EI CAS CSCD 北大核心 2013年第4期394-398,共5页

故障数据样本和正常运行数据样本量的不均衡将导致支持向量机在构建故障分类超平面时发生偏移,降低了基于支持向量机的故障诊断的诊断准确率.针对该问题,文中提出一种能够自动调整风险惩罚因子的新型支持向量机.该方法能够自举式地对有... 故障数据样本和正常运行数据样本量的不均衡将导致支持向量机在构建故障分类超平面时发生偏移,降低了基于支持向量机的故障诊断的诊断准确率.针对该问题,文中提出一种能够自动调整风险惩罚因子的新型支持向量机.该方法能够自举式地对有效样本进行挑选,并加大高信息量数据样本的风险惩罚因子,抑制样本不均衡导致的分类超平面偏移,进而提高故障诊断的准确性.所提方法被用于变压器故障诊断实验,实验过程中正负样本的风险损失始终相等,有效地抑制了样本不均衡现象对诊断造成的影响,验证了所提算法的有效性. 展开更多

关键词 故障诊断 自调整支持向量机 样本不均衡

在线阅读 下载PDF 职称材料

样本不均衡时轴承故障的非平衡卷积网络诊断 被引量：2

5

作者 裴红蕾 《制造技术与机床》 北大核心 2023年第4期174-180,共7页

为了提高样本不均衡条件下轴承故障诊断精度,提出了基于VAE-SNN的样本增广方法和基于非平衡损失网络的故障诊断方法。首先,使用变分自编码器用于数据生成,并依据孪生神经网络对生成数据的类别进行判定,实现了基于变分自编码器和孪生神... 为了提高样本不均衡条件下轴承故障诊断精度,提出了基于VAE-SNN的样本增广方法和基于非平衡损失网络的故障诊断方法。首先,使用变分自编码器用于数据生成,并依据孪生神经网络对生成数据的类别进行判定,实现了基于变分自编码器和孪生神经网络的样本增广;其次,分析了卷积神经网络无差别对待样本的缺点,针对不均衡样本的特殊性,提出了非平衡损失函数卷积网络,该网络能够自动关注数量少、难分的样本训练。经实验验证,生成对抗网络增广的样本相似度为0.847,孪生神经网络增广的样本相似度比对抗网络提高了6.61%,说明孪生神经网络的样本增广效果更好;在相同诊断方法前提下,样本增广后比增广前的准确率提高了9.42%,说明样本增广有利于提高轴承的故障诊断准确率;非均衡损失网络比卷积神经网络的诊断精度提高了7.17%,比自适应深度学习提高了4.12%,验证了非均衡损失网络的高准确率和优越性。 展开更多

关键词 样本不均衡 轴承故障诊断 非平衡损失函数 孪生神经网络 变分自编码器

在线阅读 下载PDF 职称材料

样本不均衡下的DCGAN轴承故障诊断方法 被引量：9

6

作者 张笑璐 邹益胜 +2 位作者 曾大懿 彭飞 赵市教 《机械科学与技术》 CSCD 北大核心 2022年第1期9-15,共7页

在实际工况下,轴承可采集到的故障样本分布往往呈现极强的不均衡特性,该特性对故障诊断精度具有不可忽略的影响。为提高样本不均衡情况下的轴承故障诊断精度,采用样本生成扩充的思路,提出一种基于深度卷积生成对抗网络的故障诊断方法。... 在实际工况下,轴承可采集到的故障样本分布往往呈现极强的不均衡特性,该特性对故障诊断精度具有不可忽略的影响。为提高样本不均衡情况下的轴承故障诊断精度,采用样本生成扩充的思路,提出一种基于深度卷积生成对抗网络的故障诊断方法。首先针对轴承振动数据信号的特性,采用快速傅里叶变换使其转化为频域,并通过归一化进行预处理;其次利用深度卷积生成对抗网络进行对抗训练,生成具有真实样本特征的虚拟样本。模型采用衰减学习率并增设Dropout层,提高了模型生成的效率及真实性。最后,构建一维卷积神经网络模型完成故障诊断。实验验证结果表明,提出的方法能有效提高样本不均衡情况下的诊断精度以及诊断稳定性。 展开更多

关键词 轴承 故障诊断 样本不均衡 样本生成

在线阅读 下载PDF 职称材料

不均衡下分类器评价辅助GAN的轴承故障诊断方法

7

作者 张越宏 袁昭成 +2 位作者 黄锋飞 张楷 郑庆 《中国测试》 北大核心 2025年第6期170-178,共9页

大数据和物联网技术的发展为滚动轴承数据监测提供保障,但其采集的大多是正常状态数据,可利用的各类故障数据较少。由此产生的正常与故障样本极不均衡的情况将影响滚动轴承故障诊断准确率。针对此问题,提出一种不均衡下分类器评价辅助... 大数据和物联网技术的发展为滚动轴承数据监测提供保障,但其采集的大多是正常状态数据,可利用的各类故障数据较少。由此产生的正常与故障样本极不均衡的情况将影响滚动轴承故障诊断准确率。针对此问题,提出一种不均衡下分类器评价辅助生成对抗网络(classifier evaluation-assisted generative adversarial networks,CEAGAN)的滚动轴承故障诊断方法。该方法首先通过短时傅里叶变换提取一维信号的时频特征;其次,在生成对抗网络中构建辅助分类模块,约束生成样本的类别;然后,通过辅助分类器与判别器共同对生成样本评分,使生成器生成指定类别样本;最后,生成样本与原始不均衡样本混合构成新均衡数据集,并通过构建的卷积神经网络训练与测试,验证所提方法的有效性。实验结果表明,在凯斯西储大学轴承公开数据集与风力发电机齿轮箱工程实测数据下,所提方法对数据进行扩充后,对比不均衡情形诊断准确率分别提升15.20%与13.93%,证明CEAGAN对不均衡样本进行数据增强后能够有效提高故障诊断准确率。 展开更多

关键词 滚动轴承 故障诊断 样本不均衡 生成对抗网络

在线阅读 下载PDF 职称材料

样本不平衡条件下的甘南地区金矿定量预测方法

8

作者 谢淼 柳炳利 +3 位作者 李芸和 王政尧 曹昌杰 吴艺骁 《地学前缘》 北大核心 2025年第4期108-121,共14页

深度学习模型因其在数据特征提取方面的强大能力而在成矿预测领域得到了广泛应用。然而,基于监督学习的深度学习方法常常面临着训练样本不足和正负样本不均衡的问题,尤其是成矿事件的稀有性易导致模型的稳健性与泛化能力不足。为了解决... 深度学习模型因其在数据特征提取方面的强大能力而在成矿预测领域得到了广泛应用。然而,基于监督学习的深度学习方法常常面临着训练样本不足和正负样本不均衡的问题,尤其是成矿事件的稀有性易导致模型的稳健性与泛化能力不足。为了解决这一问题,本文使用了3种不同的数据增强方法:一是使用滑动窗口的数据增强方法,以“已知正负样本”为中心,采用多次滑动的方式完成增强;二是使用生成式模型,如生成对抗网络(generative adversarial networks,GAN);三是带梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP),利用真实样本训练网络,基于训练完备的生成器实现增强。3种不同的数据增强方法能够在样本量扩充的同时,尽可能地保留地质意义。为了验证数据增强的有效性,本文使用真实样本与生成样本之间的FID(Frechet inception distance)值和卷积神经网络(convolutional neural network,CNN)进行评估。结果表明,基于WGAN-GP增强后的数据集在CNN模型具有更强的泛化能力,绘制的甘南地区金矿成矿远景图为未来的矿产资源勘查工作提供了重要的启示。 展开更多

关键词 样本不均衡 数据增强 卷积神经网络 定量预测

在线阅读 下载PDF 职称材料

不均衡小样本下多特征优化选择的生命体触电故障识别方法 被引量：6

9

作者 高伟 饶俊民 +1 位作者 全圣鑫 郭谋发 《电工技术学报》 EI CSCD 北大核心 2024年第7期2060-2071,共12页

针对现有的剩余电流保护装置无法有效识别触电事故的问题,该文提出了一种不均衡小样本下多特征优化选择的生命体触电故障识别方法。首先通过变分自编码器(VAE)对实验收集到的生命体触电小样本数据进行增殖以实现正负样本均衡;然后在时... 针对现有的剩余电流保护装置无法有效识别触电事故的问题,该文提出了一种不均衡小样本下多特征优化选择的生命体触电故障识别方法。首先通过变分自编码器(VAE)对实验收集到的生命体触电小样本数据进行增殖以实现正负样本均衡;然后在时域上提取能够反映波形动态变化特性的23个特征量,并利用高斯核Fisher判别分析(GKFDA)与最大信息系数(MIC)法从中选择最优表达特征组;最后,提出基于遗忘因子的在线顺序极限学习机(FOS-ELM)算法实现生命体触电行为的鉴别。实验结果表明,所提方法利用不均衡小样本触电数据集就可以训练出一个优秀的分类模型,诊断准确率可达98.75%,诊断时间仅为1.33 ms。其优良的性能结合在线增量式学习分类器设计,使得模型具备新知识学习能力,具有极好的工程应用前景。 展开更多

关键词 剩余电流保护装置 生命体触电故障 多特征优化选择 基于遗忘因子的在线顺序 极限学习机(FOS-ELM) 不均衡小样本

在线阅读 下载PDF 职称材料

一种基于少样本且不均衡的网络攻击流量检测系统 被引量：8

10

作者 石欣然 张奇支 +1 位作者 赵淦森 郑伟平 《华南师范大学学报（自然科学版）》 CAS 北大核心 2021年第1期100-108,共9页

为解决网络攻击流量检测中使用的有监督学习方法严重依赖标签数据规模的问题,针对一种少样本且不均衡的攻击流量检测场景,即训练数据仅包含少量蜜罐捕获的攻击流量且无正常流量,设计了一个攻击流量检测系统,并构建了基于孪生网络和深度... 为解决网络攻击流量检测中使用的有监督学习方法严重依赖标签数据规模的问题,针对一种少样本且不均衡的攻击流量检测场景,即训练数据仅包含少量蜜罐捕获的攻击流量且无正常流量,设计了一个攻击流量检测系统,并构建了基于孪生网络和深度学习卷积神经网络(CNN)的网络攻击流量检测模型(CNN-Siamese),以实现少样本且不均衡的攻击流量检测目的;随后为了解决CNN-Simaese在训练样本对构造采样时造成的预测不稳定的问题,结合迁移学习的思路,构建了基于预训练的检测模型(AE-CNN-Siamese);此外,对孪生网络中常用的对比损失函数进行了改进.实验结果表明:CNN-Siamese可以准确地检测攻击流量,与CNN、CNN-SVM相比,在漏报率无明显差距情况下,可将误报率从30%降低至2%;AE-CNN-Siamese的预测结果比CNN-Siamese更稳定;改进后的损失函数提高了模型的收敛速度,加速了模型训练. 展开更多

关键词 流量分类 少样本 样本不均衡 孪生网络 损失函数

在线阅读 下载PDF 职称材料

融合动态样本选择器的时序因果关系挖掘方法

11

作者 王梓行 李帅 周晓锋 《小型微型计算机系统》 北大核心 2025年第4期783-788,共6页

时序因果关系挖掘一直是一个备受关注的研究领域,然而当前基于神经网络的时序因果关系挖掘方法会受到数据集样本不均衡的影响,从而导致因果信息的丢失,因果关系挖掘准确率下降.为解决这一问题,本文提出了一种融合动态样本选择器的时序... 时序因果关系挖掘一直是一个备受关注的研究领域,然而当前基于神经网络的时序因果关系挖掘方法会受到数据集样本不均衡的影响,从而导致因果信息的丢失,因果关系挖掘准确率下降.为解决这一问题,本文提出了一种融合动态样本选择器的时序因果关系挖掘方法.首先,本文通过一个智能体动态选择样本以构建动态训练集,有效解决了因样本不均衡而导致的因果信息丢失问题;然后,使用动态训练集对时序因果关系挖掘网络进行训练;最后,计算因果关系挖掘网络训练后得到的权重模值,获取因果关系图.实验结果表明本文提出的方法在时序因果关系挖掘性能上显著优于现有的基线方法.该方法为解决时序因果关系挖掘中的样本不均衡问题提供了一种新的思路. 展开更多

关键词 动态样本选择器 样本不均衡 时序因果关系挖掘 神经网络 智能体

在线阅读 下载PDF 职称材料

一种有效的不均衡样本生成方法及其在行星变速箱故障诊断中的应用 被引量：16

12

作者 吴春志 冯辅周 +2 位作者 吴守军 陈汤 江鹏程 《兵工学报》 EI CAS CSCD 北大核心 2019年第7期1349-1357,共9页

针对实际运行中行星变速箱故障数据较少、各个状态样本不均衡的问题,提出了由Wasserstein生成式对抗网络(WGAN)样本生成模型和卷积神经网络(CNN)分类模型组合的WGAN-CNN故障诊断分类模型。该模型对故障数据的频谱信号进行过采样,以扩展... 针对实际运行中行星变速箱故障数据较少、各个状态样本不均衡的问题,提出了由Wasserstein生成式对抗网络(WGAN)样本生成模型和卷积神经网络(CNN)分类模型组合的WGAN-CNN故障诊断分类模型。该模型对故障数据的频谱信号进行过采样,以扩展故障样本数量,从而更好地对故障状态进行分类。采用加州大学欧文分校人工数据集对WGAN生成模型以及经典过采样方法进行对比,并在行星变速箱故障试验台上进行验证。结果表明,样本不均衡会严重影响分类结果,而WGAN-CNN模型可以很好地扩充故障样本集,提高在故障样本稀少情况下的诊断准确率。 展开更多

关键词 行星变速箱 样本不均衡 Wasserstein生成式对抗网络 卷积神经网络

在线阅读 下载PDF 职称材料

自适应交叉融合局部特征的空间目标小样本识别方法

13

作者 谢文茜 任笑圆 +2 位作者 王粲雨 蒋李兵 王壮 《国防科技大学学报》 北大核心 2025年第3期162-172,共11页

针对空间目标在低频次观测的小样本识别场景中,不同姿态下图像表征变化剧烈导致的辨识性特征提取难、图像间特征关联难的问题,提出一种自适应交叉融合局部特征的空间目标小样本识别方法。在现有小样本学习框架上,引入基于自注意力和互... 针对空间目标在低频次观测的小样本识别场景中,不同姿态下图像表征变化剧烈导致的辨识性特征提取难、图像间特征关联难的问题,提出一种自适应交叉融合局部特征的空间目标小样本识别方法。在现有小样本学习框架上,引入基于自注意力和互注意力的特征交叉融合模块,自适应地学习局部特征之间的相关关系,提高不同姿态下特征提取的判别性和鲁棒性,有效挖掘支持集和查询集之间的相似性,提升存在表征差异条件下的特征关联准确性。同时,在损失函数中引入基于邻域密度的样本标签权重,以解决空间目标数据集中姿态不均衡导致的网络模型学习偏差问题。通过在不同数据集上的验证,证明提出的方法具有更高的识别精度。 展开更多

关键词 空间目标识别 小样本学习 样本不均衡 特征交叉融合 注意力机制

在线阅读 下载PDF 职称材料

DCGAN结合CNN诊断不均衡小样本的滚动轴承故障 被引量：9

14

作者 施杰 胡益嘉 +2 位作者 王森 张溟晨 张毅杰 《噪声与振动控制》 CSCD 北大核心 2022年第6期130-136,142,共8页

针对滚动轴承故障样本过少且故障类间样本不均衡所导致诊断效果不佳的问题,提出一种将深度卷积生成对抗网络(Deep Convolution Generative Adversarial Network,DCGAN)与以遗传算法(Genetic Algorithm,GA)优化卷积神经网络(Convolution ... 针对滚动轴承故障样本过少且故障类间样本不均衡所导致诊断效果不佳的问题,提出一种将深度卷积生成对抗网络(Deep Convolution Generative Adversarial Network,DCGAN)与以遗传算法(Genetic Algorithm,GA)优化卷积神经网络(Convolution Neural Network,CNN)相结合的智能诊断方法。首先,利用GA以最小信息熵作为目标函数解决变分模态分解(variational Mode Decomposition,VMD)中本征模态函数分解个数和二次惩罚因子难以确定的问题。再根据平均峭度指标对分解后的信号进行重构,并将其转换为二维时频信号。然后,将小批量时频信号样本作为训练集放入构建的DCGAN模型中,对抗生成辅助故障样本。其次,通过GA寻优CNN中学习率和批处理大小的最优组合,实现对CNN的优化(Convolution Neural Network Optimized by Genetic Algorithm,GA-CNN)。再将对抗后的样本放到优化后的GA-CNN模型中进行训练,构造出适应于小故障样本及故障类间样本不均衡条件下的机械故障智能诊断模型。最后,采用西储大学和XJTU-SY轴承振动数据对该诊断方法进行测试。测试结果表明,该方法的诊断正确率达到95.22%,模型具有较好的泛化能力和鲁棒性。 展开更多

关键词 故障诊断 不均衡小样本 深度卷积生成对抗网络 卷积神经网络 变分模态分解

在线阅读 下载PDF 职称材料

不均衡数据集下基于生成对抗网络的改进深度模型故障识别研究 被引量：15

15

作者 包萍 刘运节 《电子测量与仪器学报》 CSCD 北大核心 2019年第3期176-183,共8页

由于传统轴承故障诊断方法依赖于信号处理能力且模型泛化能力差的问题,提出一种不均衡数据集下基于深度对抗网络的故障诊断方法,该方法首先通过构建小样本训练集进行生成对抗网络训练,将生成样本加入到原始小类别样本训练集中,得到样本... 由于传统轴承故障诊断方法依赖于信号处理能力且模型泛化能力差的问题,提出一种不均衡数据集下基于深度对抗网络的故障诊断方法,该方法首先通过构建小样本训练集进行生成对抗网络训练,将生成样本加入到原始小类别样本训练集中,得到样本训练集,降低不同类别样本的不平衡性;然后引入深度学习的模型优化技术,提出适合轴承故障诊断的深度卷积神经网络模型,该模型直接作用于训练样本集,自适应地从原始数据中逐层学习故障特征,实现不同故障的准确识别;为了增强诊断系统最终分类预测的准确性,引入Focal损失函数对分类层进行故障识别。大量的定性定量实验表明,所提的改进网络在检测率与误检率方面均优于现有的其他深度模型,并且拥有较快的收敛速度与泛化能力。 展开更多

关键词 深度学习 对抗网络 故障识别 振动信号 样本不均衡 损失函数

在线阅读 下载PDF 职称材料

基于灰狼优化算法的信用评估样本均衡化与特征选择同步处理 被引量：7

16

作者 储安琪 丁志军 《计算机科学》 CSCD 北大核心 2022年第4期134-139,共6页

随着互联网金融行业的迅速发展,面对海量数据,传统信用风险评估面临着挑战。信用评估中样本类别不均衡,且特征冗余度高,成为影响目前评估分类精度的关键因素。为了解决以上问题,提出了一种基于灰狼优化算法同步处理样本欠采样与特征选... 随着互联网金融行业的迅速发展,面对海量数据,传统信用风险评估面临着挑战。信用评估中样本类别不均衡,且特征冗余度高,成为影响目前评估分类精度的关键因素。为了解决以上问题,提出了一种基于灰狼优化算法同步处理样本欠采样与特征选择的方法。该方法将分类器的性能作为灰狼优化算法的启发式信息,然后进行智能搜索,以得到最优样本与特征集的组合,并在原始灰狼算法中引入禁忌表策略,避免算法陷入局部最优。实验表明,该方法相较于其他方法有较大改进,在不同数据集上的表现均证明了该方法能够有效解决样本不均衡问题,降低特征空间维度,同时提高分类准确率。其在信用风险评估上相比原始数据准确率提高了3%左右,证实了该方法在信用评估领域的适用性与优越性。 展开更多

关键词 信用评估 样本不均衡 特征选择 灰狼优化算法

在线阅读 下载PDF 职称材料

基于图神经网络增强句嵌入的中医文献多标签分类方法研究 被引量：2

17

作者 陈靖耀 李敬华 于彤 《世界科学技术-中医药现代化》 北大核心 2025年第2期420-430,共11页

目的提出一种使用图神经网络增强句嵌入的中医文献多标签分类方法,能够有效获取相似文章之间的关联,通过与文本语义信息的相互融合,提高分类性能。方法获取论文句嵌入数据,建立中医文献异构网络,通过图神经网络GraphSAGE模型学习论文在... 目的提出一种使用图神经网络增强句嵌入的中医文献多标签分类方法,能够有效获取相似文章之间的关联,通过与文本语义信息的相互融合,提高分类性能。方法获取论文句嵌入数据,建立中医文献异构网络,通过图神经网络GraphSAGE模型学习论文在异构网络上的表征信息和自身的句嵌入信息,将得到的特征向量输入模型进行多标签分类。结果在中医文献数据集下,基于图神经网络的模型的多标签分类精确率和F1值,达到了0.83与0.72,优于主流基线模型。结论本文提出的方法在中医文献多标签分类任务中具有有效性。 展开更多

关键词 多标签分类 样本不均衡 中医文献异构网络 图神经网络

在线阅读 下载PDF 职称材料

基于改进ViT的网络流量分类方法

18

作者 李道全 高洁 +1 位作者 聂若琳 胡一帆 《计算机工程与设计》 北大核心 2025年第2期431-437,共7页

目前网络流量分类方法中存在模型结构复杂、特征提取不足等问题,提出一种基于稀疏注意力的改进ViT(SA-ViT)网络流量分类模型。去除数据集中无关字段并转化为灰度图,划分为块序列输入编码器提取特征;引入Longformer稀疏注意力对Self-atte... 目前网络流量分类方法中存在模型结构复杂、特征提取不足等问题,提出一种基于稀疏注意力的改进ViT(SA-ViT)网络流量分类模型。去除数据集中无关字段并转化为灰度图,划分为块序列输入编码器提取特征;引入Longformer稀疏注意力对Self-attention进行优化,使其具有更高的局部与全局特征表达能力;通过对比图像相似度实现流量分类。通过网络公开数据集进行检测,其结果表明,所提算法在分类准确率、精确率以及F1分数等方面有较大提升,验证了该模型的科学性与可行性。 展开更多

关键词 流量分类 Vision Transformer(ViT) 稀疏注意力 Longformer 编解码器 样本不均衡 灰度图

在线阅读 下载PDF 职称材料

基于ERF和BO-SVC的交流接触器触头故障识别方法 被引量：1

19

作者 刘树鑫 祁新智 吕先锋 《电力工程技术》 北大核心 2024年第6期173-182,共10页

针对交流接触器各状态样本不均衡导致故障状态识别精度低和特征冗余度高的问题,文中提出一种基于嵌入式随机森林(embedded random forest,ERF)和贝叶斯优化非线性支持向量机(Bayesian optimization-support vector classification,BO-S... 针对交流接触器各状态样本不均衡导致故障状态识别精度低和特征冗余度高的问题,文中提出一种基于嵌入式随机森林(embedded random forest,ERF)和贝叶斯优化非线性支持向量机(Bayesian optimization-support vector classification,BO-SVC)的复合识别方法。首先,通过交流接触器全寿命试验平台提取接触器状态特征,并针对各状态样本间不均衡导致识别精度低现象,提出一种基于权重法的样本均衡处理策略。然后,使用ERF对均衡后样本进行特征选择和降维,提取最能表征触头状态变化规律的最优特征。最后,将最优特征输入到BO-SVC识别模型,与另外2种代表性模型作为对比,以精确率、召回率和F1-分数3个指标对各模型性能进行评估。在3个指标上,文中方法的结果分别达到95.22%、98.91%和97.01%,均高于对比模型。以F1-分数为指标,在4组样本上对各模型性能进行测试,结果表明文中方法的F1-分数平均高出对比模型0.56%和27.28%,验证文中研究有效解决了交流接触器特征冗余和故障识别精度低的问题。 展开更多

关键词 交流接触器 故障识别 样本不均衡 特征选择 嵌入式随机森林(ERF) 贝叶斯优化非线性支持向量机(BO-SVC)

在线阅读 下载PDF 职称材料

基于双通道卷积神经网络的多标签图像标注 被引量：6

20

作者 陈立潮 武晨燕 +2 位作者 曹建芳 潘理虎 张英俊 《计算机工程与设计》 北大核心 2019年第12期3601-3607,共7页

针对图像语义标注中存在的训练样本不均衡导致低频标注词标注准确率低的问题,提出一种双通道卷积神经网络模型(double channel convolution neural network,DCCNN)。其中一个通道是为训练低频样本设立的,以此提高低频样本在整个模型中... 针对图像语义标注中存在的训练样本不均衡导致低频标注词标注准确率低的问题,提出一种双通道卷积神经网络模型(double channel convolution neural network,DCCNN)。其中一个通道是为训练低频样本设立的,以此提高低频样本在整个模型中所占比重,另一个通道用于训练全部的训练集。在标注过程中把两个通道的输出进行融合,对所需标注的标注词共同做出决策。在Pascal VOC2012标准数据集上对模型进行验证,实验结果表明,DCCNN模型相对于卷积神经网络(convolution neural network,CNN)无论是对低频标注词的标注准确率还是效率都有很大的提升,验证了该模型的有效性。 展开更多

关键词 图像标注 卷积神经网络 样本不均衡 多标签 双通道卷积神经网络

在线阅读 下载PDF 职称材料