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
改进的邻近加权合成过采样技术
1
作者
邢胜
王晓兰
+3 位作者
沈家星
朱美玲
曹永青
何玉林
《深圳大学学报（理工版）》
CAS
CSCD
北大核心
2024年第6期748-755,共8页
针对邻近加权合成过采样技术(proximity weighted synthetic oversampling technique,ProWSyn)在合成样例时未删除噪声样例,且当平滑因子在[0,1]区间取值时,权重比例难以覆盖整个搜索空间的缺陷,提出一种改进的邻近加权合成过采样技术(i...
针对邻近加权合成过采样技术(proximity weighted synthetic oversampling technique,ProWSyn)在合成样例时未删除噪声样例,且当平滑因子在[0,1]区间取值时,权重比例难以覆盖整个搜索空间的缺陷,提出一种改进的邻近加权合成过采样技术(improved proximity weighted synthetic oversampling technique,IProWSyn).改变权重的计算策略,引入底数为(0,1]的普通指数函数,通过动态改变底数令权重覆盖更大范围的搜索空间,进而找到更优的权重.将IProWSyn、ASN-SMOTE和ProWSyn应用在非平衡数据集ada、ecoli1、glass1、haberman、Pima和yeast1上,再使用k近邻(k-nearest neighbors,kNN)分类器和神经网络分类器检验方法的有效性.实验结果表明,在多数数据集上IProWSyn的F1、几何平均值(geometric mean,G-mean)和曲线下面积(area under curve,AUC)指标性能都高于其他过采样方法.IProWSyn过采样技术在这些数据集的综合分类效果更好,有更好的泛化表现.
展开更多
关键词
人工智能
非平衡数据
邻近加权合成过采样技术
过采样
方法
K近邻分类器
神经网络
在线阅读
下载PDF
职称材料
结合缠论和深度学习的股价拐点预测研究
被引量：
2
2
作者
田红丽
杨莹莹
闫会强
《计算机工程与应用》
CSCD
北大核心
2022年第16期319-325,共7页
针对股市存在伪分型且分型数据集的类别样本不平衡问题,提出了一种结合缠论和深度学习的拐点预测方法(SMOTE-FLCN-WSVM)。在缠论的基础上,对数据集进行拐点的标注。深度学习模型从数据、特征以及分类算法三个层面对不平衡问题进行改进...
针对股市存在伪分型且分型数据集的类别样本不平衡问题,提出了一种结合缠论和深度学习的拐点预测方法(SMOTE-FLCN-WSVM)。在缠论的基础上,对数据集进行拐点的标注。深度学习模型从数据、特征以及分类算法三个层面对不平衡问题进行改进。首先采用SMOTE过采样算法对数据集进行预处理;再针对不平衡数据集特征提取困难的问题,使用引入Focal Loss的卷积神经网络挖掘数据的深层特征;然后利用引入类别权重参数的支持向量机对提取的特征进行分类。实验从实用性与有效性出发,选择绝对收益、相对收益与准确率对模型进行对比实验与收益评估。实验结果表明,所提模型具有可行性与实际应用价值。
展开更多
关键词
缠论
合成
少数类
过采样
技术
(SMOTE)
焦点损失函数
卷积神经网络(CNN)
加权
支持向量机(WSVM)
在线阅读
下载PDF
职称材料
题名
改进的邻近加权合成过采样技术
1
作者
邢胜
王晓兰
沈家星
朱美玲
曹永青
何玉林
机构
沧州师范学院计算机科学与工程学院
沧州职业技术学院信息工程系
岭南大学电脑与决策科学学系
人工智能与数字经济广东省实验室(深圳)
出处
《深圳大学学报（理工版）》
CAS
CSCD
北大核心
2024年第6期748-755,共8页
基金
河北省高等学校科学研究资助项目(ZC2022071)
沧州师范学院校内科研基金资助项目(xnjjl1904)
+1 种基金
广东省自然科学基金资助项目(2023A1515011667)
广东省基础与应用基础研究基金资助项目(2023B1515120020)。
文摘
针对邻近加权合成过采样技术(proximity weighted synthetic oversampling technique,ProWSyn)在合成样例时未删除噪声样例,且当平滑因子在[0,1]区间取值时,权重比例难以覆盖整个搜索空间的缺陷,提出一种改进的邻近加权合成过采样技术(improved proximity weighted synthetic oversampling technique,IProWSyn).改变权重的计算策略,引入底数为(0,1]的普通指数函数,通过动态改变底数令权重覆盖更大范围的搜索空间,进而找到更优的权重.将IProWSyn、ASN-SMOTE和ProWSyn应用在非平衡数据集ada、ecoli1、glass1、haberman、Pima和yeast1上,再使用k近邻(k-nearest neighbors,kNN)分类器和神经网络分类器检验方法的有效性.实验结果表明,在多数数据集上IProWSyn的F1、几何平均值(geometric mean,G-mean)和曲线下面积(area under curve,AUC)指标性能都高于其他过采样方法.IProWSyn过采样技术在这些数据集的综合分类效果更好,有更好的泛化表现.
关键词
人工智能
非平衡数据
邻近加权合成过采样技术
过采样
方法
K近邻分类器
神经网络
Keywords
artificial intelligence
imbalanced data
proximity weighted synthetic oversampling technique
oversam⁃pling method
k-nearest neighbor classifier
neural network
分类号
TP181 [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
结合缠论和深度学习的股价拐点预测研究
被引量：
2
2
作者
田红丽
杨莹莹
闫会强
机构
河北工业大学人工智能与数据科学学院
河北工业大学经济管理学院
出处
《计算机工程与应用》
CSCD
北大核心
2022年第16期319-325,共7页
基金
国家社会科学基金(19BGL054)。
文摘
针对股市存在伪分型且分型数据集的类别样本不平衡问题,提出了一种结合缠论和深度学习的拐点预测方法(SMOTE-FLCN-WSVM)。在缠论的基础上,对数据集进行拐点的标注。深度学习模型从数据、特征以及分类算法三个层面对不平衡问题进行改进。首先采用SMOTE过采样算法对数据集进行预处理;再针对不平衡数据集特征提取困难的问题,使用引入Focal Loss的卷积神经网络挖掘数据的深层特征;然后利用引入类别权重参数的支持向量机对提取的特征进行分类。实验从实用性与有效性出发,选择绝对收益、相对收益与准确率对模型进行对比实验与收益评估。实验结果表明,所提模型具有可行性与实际应用价值。
关键词
缠论
合成
少数类
过采样
技术
(SMOTE)
焦点损失函数
卷积神经网络(CNN)
加权
支持向量机(WSVM)
Keywords
entanglement theory
synthetic minority oversampling technique(SMOTE)
Focal Loss
convolutional neural network(CNN)
weight support vector machine(WSVM)
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
改进的邻近加权合成过采样技术
邢胜
王晓兰
沈家星
朱美玲
曹永青
何玉林
《深圳大学学报（理工版）》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
结合缠论和深度学习的股价拐点预测研究
田红丽
杨莹莹
闫会强
《计算机工程与应用》
CSCD
北大核心
2022
2
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
