期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到92篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多通道数据双层增强的样本不平衡故障诊断方法
1
作者 郭一鸣 童一飞 +3 位作者 何非 谢中取 宋世达 黄静 《兵工学报》 北大核心 2025年第2期287-300,共14页
在复杂制造过程中常需要采集并分析多通道数据以实现状态监测和故障诊断,针对现有方法难以处理多通道数据复杂时空相关结构和样本不平衡的问题,提出了一种基于多通道数据双层增强的样本不平衡故障诊断方法。所提模型具有2阶段数据增强... 在复杂制造过程中常需要采集并分析多通道数据以实现状态监测和故障诊断,针对现有方法难以处理多通道数据复杂时空相关结构和样本不平衡的问题,提出了一种基于多通道数据双层增强的样本不平衡故障诊断方法。所提模型具有2阶段数据增强和全局优化的特点,通过先学习故障特征再转化为多通道数据的方式实现数据增强,引入分布差异评估机制有效地描述不同通道之间的数据相关性,基于多目标的全局优化策略来提高生成数据的质量。通过实际案例验证所提方法的有效性,实验结果表明:双层增强方法能有效扩充多通道数据的样本量,全局优化策略可以提高生成数据在故障诊断中的性能。与现有模型相比,所提方法在多种样本不平衡场景下均具有较高的故障诊断准确率。 展开更多
关键词 多通道数据 样本不平衡故障诊断 双层数据增强 全局优化
在线阅读 下载PDF
考虑样本不平衡条件下风机叶片覆冰诊断及其可解释性研究
2
作者 吕云龙 胡琴 +2 位作者 胡紫园 武雨凡 林晖尧 《电工技术学报》 北大核心 2025年第11期3667-3679,共13页
目前基于机器学习的覆冰诊断方法需要依赖大量的时间序列数据进行建模预测,在实际工作过程中,由于受到设备和工作条件的影响,收集足够多的覆冰样本监测数据非常困难,这导致数据不平衡的问题普遍存在。因此,该文提出了一种融合诊断模型,... 目前基于机器学习的覆冰诊断方法需要依赖大量的时间序列数据进行建模预测,在实际工作过程中,由于受到设备和工作条件的影响,收集足够多的覆冰样本监测数据非常困难,这导致数据不平衡的问题普遍存在。因此,该文提出了一种融合诊断模型,该模型结合条件表格生成对抗网络(CTGAN)和轻量梯度提升网络(LightGBM),用于生成合成样本并进行覆冰诊断。首先,基于滑动窗口算法在原有特征的基础上,进一步构建新的混合特征;其次,利用CTGAN模型学习真实样本的数据分布,通过生成器和判别器对抗训练达到纳什平衡,生成与真实样本相似的新样本;再次,将合成样本输入LightGBM中以提取有效特征进行覆冰诊断,并通过引入焦点损失函数修正LightGBM模型,提高模型区分混淆样本的能力;然后,利用沙普利加性解释(SHAP)归因理论对覆冰影响因素进行分析;最后,基于真实风机数据集设计了多组不平衡样本实验,结果表明:该文所提出的融合诊断模型即使在训练样本数量较少的情况下,其诊断准确率依然保持在0.942,优于现有多种分类诊断模型,可为提高风机安全性和运维效率提供重要的技术支持。 展开更多
关键词 风机叶片 样本不平衡 生成对抗网络 覆冰诊断 可解释性
在线阅读 下载PDF
基于NSGAⅡ-RF的样本不平衡下设备故障诊断
3
作者 邵凯文 赵芝芸 +2 位作者 王梦灵 易树平 王理 《控制工程》 北大核心 2025年第1期166-175,共10页
在智能制造产业的设备缺陷与故障诊断中,欠采样容易丢失重要的样本信息,而过采样容易引入冗杂信息。针对这些问题,将带精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithm Ⅱ,NSGAⅡ)融入随机森林(random forest,RF... 在智能制造产业的设备缺陷与故障诊断中,欠采样容易丢失重要的样本信息,而过采样容易引入冗杂信息。针对这些问题,将带精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithm Ⅱ,NSGAⅡ)融入随机森林(random forest,RF)算法中,用多目标遗传算法代替传统RF算法中的自助采样法和特征选取方法,产生多样化的、性能优良的特征子集和样本子集,从而生成多样性强、准确性高的决策树,同时确定最优的决策树数量,达到优化RF算法的性能并提高分类精度的目的。基于多类别和高度不平衡的设备故障数据集进行故障诊断实验,并将所提算法与结合了合成少数类过采样技术(synthetic minority oversampling technique,SMOTE)的集成学习算法等进行比较,实验结果表明,所提算法的故障诊断准确率优于对比算法。 展开更多
关键词 样本不平衡 NSGAⅡ 多样性 故障诊断
在线阅读 下载PDF
深度学习滑坡识别算法中样本不平衡问题的研究 被引量：2
4
作者 王丽霞 喜文飞 +4 位作者 史正涛 赵子龙 钱堂慧 赵磊 马奕捷 《测绘通报》 CSCD 北大核心 2024年第5期12-18,共7页
山体滑坡是一种常见的地质灾害,一旦发生会给自然生态系统和人类造成重大财产损失和人员伤亡,如何快速准确获取滑坡信息对防灾减灾至关重要。传统的深度学习方法对滑坡样本质量依赖性大,但现有的样本质量参差不齐,极少考虑滑坡样本不平... 山体滑坡是一种常见的地质灾害,一旦发生会给自然生态系统和人类造成重大财产损失和人员伤亡,如何快速准确获取滑坡信息对防灾减灾至关重要。传统的深度学习方法对滑坡样本质量依赖性大,但现有的样本质量参差不齐,极少考虑滑坡样本不平衡问题对深度学习模型性能的影响。针对如何通过改善样本质量提升模型精度的问题,本文从样本质量出发,提出了一种基于多源不平衡样本的Faster R-CNN滑坡目标检测方法,通过对多种不平衡样本的集成训练,研究不同样本对模型综合性能的影响。结果表明:①在困难样本不平衡下模型的准确率为85.16%,F1值为0.69,精确率为56.96%,召回率为86.58%、漏检率为0.33,通过强化样本质量后准确率提升2.04%,精确率提升4.29%,召回率提升1.71%,漏检率降低0.04;②在正负样本不平衡下模型准确率为96.03%,F1值为0.78,精确率为64.50%,召回率为97.15%、漏检率为0.09,通过增加困难样本参与训练后,准确率下降8.45%,精确率下降6.93%,召回率下降7.25%,漏检率提升0.18。困难样本对模型综合性能影响更大,通过提高这部分样本质量可以提升模型检测精度。因此,本文提出的方法为解决深度学习中滑坡数据样本不平衡问题提供了参考。 展开更多
关键词 深度学习 滑坡检测 Faster R-CNN 不平衡样本 GF-2遥感影像
在线阅读 下载PDF
计及样本不平衡与重叠的暂态稳定评估方法 被引量：14
5
作者 李楠 李保罗 +1 位作者 朱建华 李天云 《电力系统自动化》 EI CSCD 北大核心 2020年第21期64-71,共8页
交直流混联系统的稳定性分析复杂且样本不平衡,当前基于数据挖掘的暂态稳定评估方法只追求对不稳定样本的识别精度,忽略了重叠区域样本难分类的问题,导致其综合性能未得到实质性的提升。针对此问题,提出一种计及样本不平衡与重叠的暂态... 交直流混联系统的稳定性分析复杂且样本不平衡,当前基于数据挖掘的暂态稳定评估方法只追求对不稳定样本的识别精度,忽略了重叠区域样本难分类的问题,导致其综合性能未得到实质性的提升。针对此问题,提出一种计及样本不平衡与重叠的暂态稳定评估方法。所提方法通过焦点损失函数来修正轻梯度提升机(LightGBM),自动根据样本的类别以及是否处于重叠区域中的“灰色地带”赋予其不同的权重,从而优化梯度下降的方向。该方法在提升对不稳定样本识别精度的同时,也减少了对稳定样本的误判。在修改的IEEE 68节点系统和中国某省级电网上的算例表明,所提方法在含有噪声且不平衡的数据集上有良好的评估性能。 展开更多
关键词 交直流混联系统 暂态稳定评估 重叠区域样本 样本不平衡 焦点损失函数 轻梯度提升机
在线阅读 下载PDF
考虑样本不平衡的X光安检图像违禁品分类方法 被引量：1
6
作者 冯霞 魏新坤 +1 位作者 刘才华 赫鑫宇 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第12期3215-3221,共7页
X光安检图像违禁品分类被广泛应用于协助维护航空和运输安全。针对X光安检图像中违禁品尺度不一、存在困难样本及旅客行李安检固有的正负样本不均衡等问题,提出一种端到端的考虑样本不平衡的X光安检图像违禁品分类方法。采用多尺度特征... X光安检图像违禁品分类被广泛应用于协助维护航空和运输安全。针对X光安检图像中违禁品尺度不一、存在困难样本及旅客行李安检固有的正负样本不均衡等问题,提出一种端到端的考虑样本不平衡的X光安检图像违禁品分类方法。采用多尺度特征提取网络捕获尺度不一的多类型违禁品特征,通过特征融合模块提升模型对图像边缘和纹理特征的表达能力,基于代价敏感思想设计损失函数,解决数据集不平衡问题,并提高困难样本分类精准度。在公开数据集SIXray上构建的子集实验结果表明:所提方法相较于端到端分类模型,平均AP指标值提升了4.5%,特别是对剪刀等难分类样本,AP指标值都有显著的提升效果。 展开更多
关键词 违禁品分类 样本不平衡 X光图像 多尺度 困难样本分类 代价敏感
在线阅读 下载PDF
基于样本不平衡与视觉多样性的超平面偏移法
7
作者 彭晏飞 尚永刚 《计算机工程》 CAS CSCD 2013年第12期223-227,232,共6页
在基于内容的图像检索中,支持向量机(SVM)的分类性能不仅受到样本不平衡的影响,而且由于图像的视觉多样性,导致在分类超平面附近找不到正例样本,无法提高分类器性能。针对上述问题,提出一种二阶段的SVM超平面偏移方法。根据样本的不平... 在基于内容的图像检索中,支持向量机(SVM)的分类性能不仅受到样本不平衡的影响,而且由于图像的视觉多样性,导致在分类超平面附近找不到正例样本,无法提高分类器性能。针对上述问题,提出一种二阶段的SVM超平面偏移方法。根据样本的不平衡性进行超平面的相对偏移,使得当前超平面向理论的最优超平面移动,以此为基础进行相关反馈,并根据反馈结果运用超平面三原则对当前的偏移超平面再进行偏移,以解决图像的视觉多样性问题,从而得到能够提高检索精度的分类超平面。实验结果证明,与基于SVM的标准图像检索方法相比,该方法能大幅提升样本集的分类性能,使图像的检索精度平均提高16%。 展开更多
关键词 支持向量机 样本不平衡 视觉多样性 二阶段SVM偏移方法 相关反馈 超平面三原则
在线阅读 下载PDF
样本不平衡情况下的电力系统暂态稳定集成评估方法 被引量：23
8
作者 李嘉敏 杨红英 +4 位作者 闫莉萍 刘道伟 李宗翰 夏元清 赵岩 《电力系统自动化》 EI CSCD 北大核心 2021年第10期34-41,共8页
为了在电力系统发生暂态故障后能够快速、准确地对系统稳定性进行判断,并解决样本不平衡对模型造成的倾向性问题,提出了一种基于改进损失函数的电力系统暂态稳定集成评估方法。首先,基于故障清除后的短时量测数据,设计了一种结合1维、2... 为了在电力系统发生暂态故障后能够快速、准确地对系统稳定性进行判断,并解决样本不平衡对模型造成的倾向性问题,提出了一种基于改进损失函数的电力系统暂态稳定集成评估方法。首先,基于故障清除后的短时量测数据,设计了一种结合1维、2维单通道和2维多通道卷积神经网络的集成模型,实现了端对端的抽象特征提取和暂态稳定分类。其次,改进了模型训练过程中的损失函数,加强了对失稳样本的拟合程度,增加了错分样本的权重,从而提高了全局准确率,并减少了失稳样本漏报现象的发生。此外,文中还分析了集成模型输出的判定阈值对失稳样本召回率的影响。最后,IEEE 39节点系统和IEEE 145节点系统的仿真结果验证了所提方法的有效性。 展开更多
关键词 卷积神经网络 集成模型 暂态稳定评估 样本不平衡 电力系统
在线阅读 下载PDF
样本不平衡下的空中群组意图识别方法 被引量：8
9
作者 马钰棠 孙鹏 +3 位作者 张杰勇 王鹏 闫云飞 赵亮 《系统工程与电子技术》 EI CSCD 北大核心 2022年第12期3747-3755,共9页
针对样本不平衡情况下空中群组意图识别问题,提出了一种基于注意力机制的双向门控循环单元网络空中群组意图识别方法。将空中群组的状态信息编码成时序特征,利用先验信息封装成样本标签,提出一种改进的边界合成少数过采样方法对少数类... 针对样本不平衡情况下空中群组意图识别问题,提出了一种基于注意力机制的双向门控循环单元网络空中群组意图识别方法。将空中群组的状态信息编码成时序特征,利用先验信息封装成样本标签,提出一种改进的边界合成少数过采样方法对少数类样本边界进行处理,以生成合适的样本集。通过双向循环机制提取空中群组目标时序特征的深层信息,并利用注意力机制为深层信息分配权值,以提高网络捕捉更具区分度特征的能力。实验仿真结果表明,所提方法在样本不平衡情况下空中群组的意图识别问题上有更好的分类效果和更高的训练效率。 展开更多
关键词 意图识别 双向门控循环单元 注意力机制 样本不平衡
在线阅读 下载PDF
样本不平衡下基于自定步调集成的液压系统智能诊断方法
10
作者 苏颖迪 贾峰 +1 位作者 杨飞 沈建军 《液压与气动》 北大核心 2023年第5期8-16,共9页
在液压系统智能诊断中,样本不平衡将使得智能诊断模型容易学习到样本充裕的液压系统健康状态的诊断规则,忽略样本匮乏的健康状态诊断规则,致使模型诊断精度下降。针对上述问题,提出基于自定步调集成的液压系统智能诊断方法。该方法首先... 在液压系统智能诊断中,样本不平衡将使得智能诊断模型容易学习到样本充裕的液压系统健康状态的诊断规则,忽略样本匮乏的健康状态诊断规则,致使模型诊断精度下降。针对上述问题,提出基于自定步调集成的液压系统智能诊断方法。该方法首先将多数类样本集根据不同的硬度等级分为k个容器;然后通过欠采样平衡每个容器对分类硬度的贡献,使重采样后每个容器中的样本硬度总和一致;在训练过程中不断更新自步因子,用来降低样本数量过多的容器采样权重,经过n次迭代形成最终的集成诊断模型。将提出方法应用于液压系统不同故障数据集进行智能诊断,结果表明,该方法能够提高样本不平衡情况下液压系统故障识别的准确率,且诊断结果优于传统的智能故障诊断方法。 展开更多
关键词 液压系统 欠采样 样本不平衡 智能故障诊断 集成学习
在线阅读 下载PDF
基于去噪扩散概率模型不平衡样本增强的暂态稳定评估 被引量：1
11
作者 李雨婷 刘俊 +3 位作者 刘嘉诚 王光耀 默天啸 林凯威 《电力系统自动化》 EI CSCD 北大核心 2024年第21期148-157,共10页
准确有效的电力系统暂态稳定评估对电力系统安全稳定运行具有重要意义。目前,基于深度学习的暂态稳定评估方法面临着时序特征空间表征困难、样本类别严重不平衡等问题,影响到评估结果的可信度。为了弥补现有研究的不足,提出了一种基于... 准确有效的电力系统暂态稳定评估对电力系统安全稳定运行具有重要意义。目前,基于深度学习的暂态稳定评估方法面临着时序特征空间表征困难、样本类别严重不平衡等问题,影响到评估结果的可信度。为了弥补现有研究的不足,提出了一种基于去噪扩散概率模型(DDPM)不平衡样本增强的电力系统暂态稳定评估方法。首先,构建改进HSV颜色模型对高维数据进行二维图像化处理,从而直观表征高维数据,便于后续训练;然后,基于DDPM算法对不平衡失稳样本空间进行表征学习,规模化生成概率同分布的增强样本,进而解决类别不平衡问题;最后,提出梯度加权类激活映射卷积神经网络以构建暂态稳定评估模型,提升模型的可信度与可解释性。IEEE 39节点系统测试的仿真结果表明,所构建的模型相较于其他方法具备更高的稳定性判别精度,且对失稳样本的识别率显著提高,验证了所提方法的有效性。 展开更多
关键词 暂态稳定评估 去噪扩散概率模型 HSV颜色模型 样本不平衡 可解释性
在线阅读 下载PDF
面向混合增强智能的省级现货市场报价样本集增强及市场力识别技术
12
作者 宁龙飞 刘飞宇 +1 位作者 王蓓蓓 郑亚先 《全球能源互联网》 北大核心 2025年第1期110-123,共14页
随着电力现货市场改革的推进,亟须对省级现货市场参与主体报价行为进行市场力识别以鼓励良性竞争。考虑到市场初期阶段,来源于现货市场实践的市场成员行使市场力而获取超额利润的样本数目相较于正常交易行为的样本较少,存在样本不平衡... 随着电力现货市场改革的推进,亟须对省级现货市场参与主体报价行为进行市场力识别以鼓励良性竞争。考虑到市场初期阶段,来源于现货市场实践的市场成员行使市场力而获取超额利润的样本数目相较于正常交易行为的样本较少,存在样本不平衡问题。首先基于现货市场实践的样本和专家经验进行市场力标签标记,并以此训练用于市场力识别的随机森林算法。然后利用样本抽样方法进行样本不平衡增强以提高市场力识别精度。此外考虑到随着市场成熟度的推进,评判市场力的标准不是一成不变,为了应对市场力评判标准的变化,将“人类智能”与“机器智能”结合构成混合增强智能算法。算例结果表明通过“人类智能”将市场力标签进行改变后,“机器智能”仍可以对市场力样本进行有效识别,体现了提出的混合增强智能的优势。 展开更多
关键词 混合增强智能 多维度市场力样本集 样本不平衡 随机森林算法
在线阅读 下载PDF
基于改进生成对抗网络和Swin Transformer的样本不均衡轴承故障诊断
13
作者 马良玉 黄日灏 +3 位作者 段晓冲 胡景琛 高海天 马进 《南京信息工程大学学报》 北大核心 2025年第4期528-537,共10页
深度学习由于其强大的特征提取能力被广泛应用于故障诊断领域,但在实际生产过程中,故障样本数量通常远低于正常样本,从而导致故障诊断模型的分类准确率下降.为此,本文提出一种基于改进循环生成对抗网络和Swin Transformer的样本不均衡... 深度学习由于其强大的特征提取能力被广泛应用于故障诊断领域,但在实际生产过程中,故障样本数量通常远低于正常样本,从而导致故障诊断模型的分类准确率下降.为此,本文提出一种基于改进循环生成对抗网络和Swin Transformer的样本不均衡轴承故障诊断方法,并以旋转机械滚动轴承振动故障诊断为例对方法进行验证.首先,将原始振动信号的时频图作为循环生成对抗网络的输入;然后,为克服训练不稳定、模型不能及时收敛等问题,引入谱归一化和权值衰减,利用改进的循环生成对抗网络生成更多的故障样本;最后,采用Swin Transformer模型来进行故障诊断,并与随机森林(RF)、堆叠自编码器(SAE)、支持向量机(SVM)、卷积神经网络(CNN)进行对比.在美国凯斯西储大学(CWRU)轴承故障数据集进行多组不同的故障样本生成与故障诊断实验,结果表明,本文方法可以在训练样本数量较少时生成质量较高的合成样本,与其他方法相比,Swin Transformer模型故障诊断精度更高,在不平衡数据的故障诊断方面具有很大的潜力. 展开更多
关键词 滚动轴承 故障诊断 不平衡样本 循环生成对抗网络 深度学习
在线阅读 下载PDF
针对样本类不平衡的深度残差网络电力系统暂态稳定评估方法 被引量：3
14
作者 刘颂凯 党喜 +3 位作者 崔梓琪 杨超 阮肇华 袁铭洋 《智慧电力》 北大核心 2024年第1期116-123,共8页
系统的量测数据可能受到噪声以及样本类分布不平衡问题的影响,导致基于数据驱动的暂态稳定评估模型性能下降。提出一种针对样本类不平衡的的深度残差网络电力系统暂态稳定评估方法。首先,利用改进过采样技术为滤除噪声的少数类样本构造... 系统的量测数据可能受到噪声以及样本类分布不平衡问题的影响,导致基于数据驱动的暂态稳定评估模型性能下降。提出一种针对样本类不平衡的的深度残差网络电力系统暂态稳定评估方法。首先,利用改进过采样技术为滤除噪声的少数类样本构造所需的新样本,改善样本类不平衡问题,并减少噪声的影响;然后,基于深度残差网络构建电力系统暂态稳定评估模型,解决梯度消失导致的模型性能退化问题,提高模型的鲁棒性和准确性;最后,在新英格兰10机39节点和47机140节点系统上的仿真结果表明,所提方法能减小噪声干扰、降低不平衡数据集所带来的影响和减少计算复杂度。 展开更多
关键词 暂态稳定评估 噪声问题 样本类分布不平衡 改进合成少数过采样技术 深度残差网络
在线阅读 下载PDF
不平衡样本下的SA-YOLO自适应损失目标检测算法 被引量：2
15
作者 苏亚鹏 陈高曙 赵彤 《中国科学院大学学报（中英文）》 CAS CSCD 北大核心 2024年第3期411-426,共16页
样本不平衡现象是指在数据集中以背景为主的易样本数量较大,而以前景为主的难样本数量过少,即样本存在类间不平衡与难易不平衡问题。现有目标检测算法大多是基于候选区域的两阶段算法或基于回归的单阶段算法,当应用于不平衡样本时无法... 样本不平衡现象是指在数据集中以背景为主的易样本数量较大,而以前景为主的难样本数量过少,即样本存在类间不平衡与难易不平衡问题。现有目标检测算法大多是基于候选区域的两阶段算法或基于回归的单阶段算法,当应用于不平衡样本时无法避免训练中产生的预测框对大量样本过度依赖,从而导致模型过拟合且检测精度低,准确性、泛化性差。为了在不平衡样本下实现高效精准的目标检测,提出一种全新的SA-YOLO自适应损失目标检测算法。(1)针对样本不平衡问题,提出SA-Focal Loss函数,能够针对不同数据集与训练阶段对损失进行自适应调节,以达到平衡类间样本与难易样本的效果。(2)在多尺度特征预测机制下构造CSPDarknet53-SP网络架构,增强困难小目标样本全局特征的提取能力,达到提升难样本检测精度的效果。为验证SA-YOLO算法的性能,分别在样本不平衡数据集与COCO数据集上进行了大量仿真实验。结果表明:相较于现有YOLO系列算法最优指标值,SA-YOLO在不平衡数据集中mAP可达91.46%,提升10.87%,各类目标AP 50提升均在2%以上,有极强的专精性;在COCO数据集中mAP 50提升1.58%,各项指标均不低于最优值,有良好的有效性。 展开更多
关键词 不平衡样本 自适应损失 SA-YOLO算法 SA-Focal Loss函数 CSPDarknet53-SP网络架构
在线阅读 下载PDF
面向不平衡数据的二阶段网络入侵检测新方法
16
作者 魏波 胡财富 任芮彬 《系统工程与电子技术》 北大核心 2025年第6期2065-2075,共11页
虽然目前许多网络流量入侵检测模型已具有较高的检测率,但仍存在对不平衡异常网络流量的检测率低、泛化性差等问题。因此,提出一种面向数据不平衡的二阶段网络入侵检测方法。在第一阶段,训练随机森林集成模型,对网络流量进行初步的正常... 虽然目前许多网络流量入侵检测模型已具有较高的检测率,但仍存在对不平衡异常网络流量的检测率低、泛化性差等问题。因此,提出一种面向数据不平衡的二阶段网络入侵检测方法。在第一阶段,训练随机森林集成模型,对网络流量进行初步的正常和异常二分类检测,初步缓解正常流量与异常流量分布不平衡对模型训练的影响;在第二阶段,使用原始异常流量数据训练一维卷积神经网络-双向长短期记忆模型,在模型训练阶段聚焦学习异常流量的关键特征,同时引入焦点损失函数,使得模型能够同时关注异常流量中的难分类样本和少数类样本,进一步缓解异常流量数据分布不平衡对检测精度的影响。为了验证方法的有效性,在UNSW2015和CIC-IDS2017数据集上进行实验验证。实验结果表明,所提算法可以更好地提取数据特征,在一定程度上缓解数据分布不平衡问题。与其他同类方法相比,所提方法的整体性能较好,且加权平均F1分数的得分提高了0.9%,宏平均F1分数的得分提高了2.7%。 展开更多
关键词 入侵检测 不平衡样本 神经网络 焦点损失
在线阅读 下载PDF
不平衡样本下基于迁移学习-AlexNet的输电线路故障辨识方法 被引量：26
17
作者 王建 吴昊 +3 位作者 张博 南东亮 欧阳金鑫 熊小伏 《电力系统自动化》 EI CSCD 北大核心 2022年第22期182-191,共10页
输电线路不同故障类型和故障原因的故障样本集具有类不平衡性,为基于图像深度学习的故障分类辨识带来挑战。文中提出类不平衡样本下基于迁移学习-AlexNet神经网络的输电线路故障辨识方法。首先,统计分析了输电线路故障的特征与概率分布... 输电线路不同故障类型和故障原因的故障样本集具有类不平衡性,为基于图像深度学习的故障分类辨识带来挑战。文中提出类不平衡样本下基于迁移学习-AlexNet神经网络的输电线路故障辨识方法。首先,统计分析了输电线路故障的特征与概率分布,使用MATLAB/Simulink仿真产生了符合实际情况的不平衡故障样本集。然后,以故障暂态波形图像为输入集,采用迁移学习-AlexNet神经网络构建故障分类器,降低了故障特征提取的复杂性。算例测试结果表明,现有按类平衡故障样本集开展故障辨识的方法,分类准确率偏于乐观,即使采用抽样法也无法准确识别类不平衡样本中的小样本故障类型;而所提方法可以很好地应对类不平衡故障样本集,相比于经典的卷积神经网络,对故障类型与故障原因的辨识准确率也更高,训练模型用于类似线路的真实故障录波数据也能很好地辨识出故障类型。 展开更多
关键词 输电线路 故障辨识 迁移学习 AlexNet神经网络 图像学习 不平衡样本
在线阅读 下载PDF
基于不平衡样本的互联网个人信用评估研究 被引量：22
18
作者 李毅 姜天英 刘亚茹 《统计与信息论坛》 CSSCI 北大核心 2017年第2期84-90,共7页
国内互联网金融和消费信贷的迅猛发展,催生了互联网个人征信的巨大需求。针对不平衡的互联网征信数据,采用随机过抽样、随机欠抽样和SMOTE方法进行数据平衡化,并建立决策树、支持向量机和随机森林等分类模型对互联网个人信用评估进行研... 国内互联网金融和消费信贷的迅猛发展,催生了互联网个人征信的巨大需求。针对不平衡的互联网征信数据,采用随机过抽样、随机欠抽样和SMOTE方法进行数据平衡化,并建立决策树、支持向量机和随机森林等分类模型对互联网个人信用评估进行研究,结果表明:互联网大数据背景下的个人信用评估研究具有可行性;过抽样方法可以较好地提高互联网个人信用评估模型的分类性能;构建信用等级较好用户的一般特质,即年龄在18~30岁之间、工资水平在2 000元以上、用户页面浏览量多集中在10~20次之间和申请贷款时间相对较早等。在对互联网个人信用评估中变量有效性进行探索的基础上,反驳了"采用的变量越多结果就越准确"的说法。 展开更多
关键词 互联网征信 不平衡样本 重抽样 随机森林
在线阅读 下载PDF
用于处理不平衡样本的改进近似支持向量机新算法 被引量：6
19
作者 刘艳 钟萍 +2 位作者 陈静 宋晓华 何云 《计算机应用》 CSCD 北大核心 2014年第6期1618-1621,共4页
近似支持向量机(PSVM)在处理不平衡样本时,会过拟合样本点数较多的一类,低估样本点数较少的类的错分误差,从而导致整体样本的分类准确率下降。针对该问题,提出一种用于处理不平衡样本的改进的PSVM新算法。新算法不仅给正、负类样本赋予... 近似支持向量机(PSVM)在处理不平衡样本时,会过拟合样本点数较多的一类,低估样本点数较少的类的错分误差,从而导致整体样本的分类准确率下降。针对该问题,提出一种用于处理不平衡样本的改进的PSVM新算法。新算法不仅给正、负类样本赋予不同的惩罚因子,而且在约束条件中新增参数,使得分类面更具灵活性。该算法先对训练集训练获得最优参数,然后再对测试集进行训练获得分类超平面,最后输出分类结果。UCI数据库中9组数据集的实验结果表明:新算法提高了样本的分类准确率,在线性的情况下平均提高了2.19个百分点,在非线性的情况下平均提高了3.14个百分点,有效地提高了模型的泛化能力。 展开更多
关键词 近似支持向量机 不平衡样本 参数 惩罚因子 模型改进
在线阅读 下载PDF
不平衡样本下基于变分自编码器预处理深度学习和DGA的变压器故障诊断方法 被引量：31
20
作者 张弛 吴东 +2 位作者 王伟 刘力卿 谢军 《南方电网技术》 CSCD 北大核心 2021年第3期68-74,共7页
为提高变压器故障诊断效果,并改善训练样本数量不平衡对故障诊断的不利影响,提出了一种基于变分自编码预处理深度学习和油中溶解气体分析(dissolved gas-in-oil analysis,DGA)的变压器故障诊断方法。该方法以各样本DGA特征量为诊断模型... 为提高变压器故障诊断效果,并改善训练样本数量不平衡对故障诊断的不利影响,提出了一种基于变分自编码预处理深度学习和油中溶解气体分析(dissolved gas-in-oil analysis,DGA)的变压器故障诊断方法。该方法以各样本DGA特征量为诊断模型输入,以各故障状态概率分布为诊断模型输出。首先通过变分自编码器对少数类训练样本进行预处理,在学习确定少数类训练样本分布特征的基础上实现训练样本自动生成,进而提高训练样本的均衡性。基于3隐层结构堆栈稀疏自编码器深度学习网络构建变压器故障诊断模型,并以经变分自编码器预处理后的均衡训练样本对诊断模型参数进行更新优化。基于实例验证了所提方法的有效性。实验结果表明,所提方法可改善训练样本不平衡的不利影响,各训练集下,采用所提方法的变压器故障诊断结果准确率均保持在91%以上,且漏报率较低。 展开更多
关键词 变压器 故障诊断 深度学习 变分自编码器 不平衡样本 油中溶解气体分析
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 5 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部