期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
文本分类中基于概率主题模型的噪声处理方法
被引量：
9
1
作者
林洋港
陈恩红
《计算机工程与科学》
CSCD
北大核心
2010年第7期89-92,119,共5页
训练集中文本质量的好坏直接决定着文本分类的结果。实际应用中训练集的构建不可避免地会产生噪声样本,从而影响文本分类方法的实际应用效果。为此,针对文本分类中的噪声问题,本文提出一种基于概率主题模型的噪声处理方法,首先对训练集...
训练集中文本质量的好坏直接决定着文本分类的结果。实际应用中训练集的构建不可避免地会产生噪声样本,从而影响文本分类方法的实际应用效果。为此,针对文本分类中的噪声问题,本文提出一种基于概率主题模型的噪声处理方法,首先对训练集中的每个样本计算其类别熵,根据类别熵对噪声样本进行过滤;然后利用主题模型进行数据平滑,进一步减弱噪声样本的影响。这种方法不但能够减弱噪声样本对分类结果的影响,同时还保持了训练集的原有规模。在真实数据上的实验表明,该方法对噪声样本的分布具有较好的鲁棒性,在噪声比例较大的情况下仍能保持较好的分类结果。
展开更多
关键词
噪声数据
文本分类
概率主题模型
类别熵
在线阅读
下载PDF
职称材料
面向螺丝锁附序列的多分辨率融合卷积神经网络
被引量：
1
2
作者
刘天宇
周稻祥
+1 位作者
李明
李心宇
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2020年第3期161-168,178,共9页
为了准确识别螺丝锁附是否发生故障和具体故障类型,提出了一种多分辨率融合卷积神经网络。使用原始序列数据作为输入以提高识别速度和精度;为了提取多尺度特征,分别在分辨率(数据长度)为4 000、2 000和1 000的特征向量上进行一维卷积运...
为了准确识别螺丝锁附是否发生故障和具体故障类型,提出了一种多分辨率融合卷积神经网络。使用原始序列数据作为输入以提高识别速度和精度;为了提取多尺度特征,分别在分辨率(数据长度)为4 000、2 000和1 000的特征向量上进行一维卷积运算;在Fusion层通过上采样、下采样和1×1卷积等策略,将各分辨率特征向量融合得到3组新特征向量,使得该网络能够获得锁附序列的整体和局部特征信息;在输出层使用类别加权交叉熵(CWCE)损失,通过为损失函数设置惩罚系数来加大对样本较少类别的惩罚力度,缓解了各类别数据不平衡的问题。收集了3 149条螺丝锁附序列,并在该数据集上进行了实验,结果表明:在6分类实验中,所提方法的准确率为96.00%,宏F1为93.93%,均高于其他方法;在2分类实验中,所提方法的准确率为99.36%,CWCE损失的有效性得到了验证;所提方法能够有效地判别锁附故障,并具有较好的实时性。
展开更多
关键词
螺丝
锁附故障
多分辨率融合
卷积神经网络
类别
加权交叉
熵
在线阅读
下载PDF
职称材料
题名
文本分类中基于概率主题模型的噪声处理方法
被引量：
9
1
作者
林洋港
陈恩红
机构
中国科学技术大学计算机科学与技术学院
出处
《计算机工程与科学》
CSCD
北大核心
2010年第7期89-92,119,共5页
基金
国家自然科学基金资助项目(60775037)
国家863计划资助项目(2009AA01Z123)
文摘
训练集中文本质量的好坏直接决定着文本分类的结果。实际应用中训练集的构建不可避免地会产生噪声样本,从而影响文本分类方法的实际应用效果。为此,针对文本分类中的噪声问题,本文提出一种基于概率主题模型的噪声处理方法,首先对训练集中的每个样本计算其类别熵,根据类别熵对噪声样本进行过滤;然后利用主题模型进行数据平滑,进一步减弱噪声样本的影响。这种方法不但能够减弱噪声样本对分类结果的影响,同时还保持了训练集的原有规模。在真实数据上的实验表明,该方法对噪声样本的分布具有较好的鲁棒性,在噪声比例较大的情况下仍能保持较好的分类结果。
关键词
噪声数据
文本分类
概率主题模型
类别熵
Keywords
noisy data
text classification
probabilistic topic model
class entropy
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
面向螺丝锁附序列的多分辨率融合卷积神经网络
被引量：
1
2
作者
刘天宇
周稻祥
李明
李心宇
机构
太原理工大学大数据学院
出处
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2020年第3期161-168,178,共9页
基金
国家自然科学基金资助项目（11771321）
国家自然科学基金青年基金资助项目（11901423）
山西省社会发展科技攻关计划资助项目（201703D321032）
文摘
为了准确识别螺丝锁附是否发生故障和具体故障类型,提出了一种多分辨率融合卷积神经网络。使用原始序列数据作为输入以提高识别速度和精度;为了提取多尺度特征,分别在分辨率(数据长度)为4 000、2 000和1 000的特征向量上进行一维卷积运算;在Fusion层通过上采样、下采样和1×1卷积等策略,将各分辨率特征向量融合得到3组新特征向量,使得该网络能够获得锁附序列的整体和局部特征信息;在输出层使用类别加权交叉熵(CWCE)损失,通过为损失函数设置惩罚系数来加大对样本较少类别的惩罚力度,缓解了各类别数据不平衡的问题。收集了3 149条螺丝锁附序列,并在该数据集上进行了实验,结果表明:在6分类实验中,所提方法的准确率为96.00%,宏F1为93.93%,均高于其他方法;在2分类实验中,所提方法的准确率为99.36%,CWCE损失的有效性得到了验证;所提方法能够有效地判别锁附故障,并具有较好的实时性。
关键词
螺丝
锁附故障
多分辨率融合
卷积神经网络
类别
加权交叉
熵
Keywords
screw
locking fault
multi-resolution fusion
convolutional neural network
class weighted cross entropy
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
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
文本分类中基于概率主题模型的噪声处理方法
林洋港
陈恩红
《计算机工程与科学》
CSCD
北大核心
2010
9
在线阅读
下载PDF
职称材料
2
面向螺丝锁附序列的多分辨率融合卷积神经网络
刘天宇
周稻祥
李明
李心宇
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2020
1
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
