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
3
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
基于注意力卷积增强特征网络的昆虫图像识别
1
作者
韩巧玲
周晗
+3 位作者
赵玥
王禹沣
赵燕东
王海兰
《计算机工程与设计》
北大核心
2025年第4期1072-1078,共7页
为解决由于五大连池地区昆虫样本量少、类别分布不均导致昆虫识别准确性低的问题,提出一种基于注意力卷积增强特征的匹配网络(feature-enhanced matching network,FEMNet)。采用随机欠采样对数据集进行平衡处理;通过提出特征上下文嵌入...
为解决由于五大连池地区昆虫样本量少、类别分布不均导致昆虫识别准确性低的问题,提出一种基于注意力卷积增强特征的匹配网络(feature-enhanced matching network,FEMNet)。采用随机欠采样对数据集进行平衡处理;通过提出特征上下文嵌入模块,增强昆虫全局和局部特征的提取能力;基于匹配网络实现样本间特征的灵活匹配,提高小样本下昆虫图像识别精度。实验结果表明,对于小样本昆虫数据集,FEMNet方法比次优方法MatchingNet准确率提升4.5%、召回率提升4.8%、精确率提升6.1%、F1值提升5.3%,说明该方法能够准确自动识别昆虫,可为后续昆虫学研究提供技术支持。
展开更多
关键词
昆虫识别
图像处理
五大连池
小样本学习
匹配网络
不平衡学习
随机欠采样
在线阅读
下载PDF
职称材料
基于RU-SMOTE-SVM的金融市场极端风险预警研究
被引量：
11
2
作者
林宇
黄迅
徐凯
《预测》
CSSCI
北大核心
2013年第4期15-20,共6页
本文以上证综指和深证成指为研究对象,将随机欠采样(RU)、合成少数类过采样(SMOTE)与传统支持向量机(SVM)相结合,提出了一种改进的SVM模型——RU-SMOTE-SVM模型来预测我国金融市场极端风险,并与传统SVM、SMOTE-SVM、RU-SMOTE-NN和RU-SMO...
本文以上证综指和深证成指为研究对象,将随机欠采样(RU)、合成少数类过采样(SMOTE)与传统支持向量机(SVM)相结合,提出了一种改进的SVM模型——RU-SMOTE-SVM模型来预测我国金融市场极端风险,并与传统SVM、SMOTE-SVM、RU-SMOTE-NN和RU-SMOTE-DT进行比较。实证结果表明,RU-SMOTE-SVM既优于传统SVM模型,又比SMOTE-SVM具有更高的预测精度,同时还展示出比RU-SMOTE-NN和RU-SMOTE-DT更为优越的预测性能。
展开更多
关键词
随机欠采样
合成少数类过
采样
支持向量机
金融市场极端风险
预警模型
在线阅读
下载PDF
职称材料
非平衡学习的地震断层识别研究
3
作者
薛静雯
邹冠贵
韩成阳
《地质论评》
CAS
CSCD
北大核心
2023年第S01期433-434,共2页
利用三维地震数据开展断层自动识别研究时发现,基于矿区揭露信息的数据集的构建直接影响了机器学习算法对断层识别的最终效果。在实际工作中,可收集到的已揭露的断层点数量往往远小于非断层点的数量,这导致构建的地震属性数据集是不平...
利用三维地震数据开展断层自动识别研究时发现,基于矿区揭露信息的数据集的构建直接影响了机器学习算法对断层识别的最终效果。在实际工作中,可收集到的已揭露的断层点数量往往远小于非断层点的数量,这导致构建的地震属性数据集是不平衡的。在机器学习领域,解决非平衡数据集分类常用的方法主要有三类,主要包括:基于数据集重构的重采样方法;结合多个学习器对数据进行综合判断的集成学习方法.
展开更多
关键词
ADABOOST
随机欠采样
断层识别
在线阅读
下载PDF
职称材料
题名
基于注意力卷积增强特征网络的昆虫图像识别
1
作者
韩巧玲
周晗
赵玥
王禹沣
赵燕东
王海兰
机构
北京林业大学工学院
北京林业大学林业装备与自动化国家林业局重点实验室
北京林业大学城乡生态环境北京实验室
出处
《计算机工程与设计》
北大核心
2025年第4期1072-1078,共7页
基金
国家自然科学基金青年科学基金项目(32101590)
国家自然科学基金面上基金项目(32071838)。
文摘
为解决由于五大连池地区昆虫样本量少、类别分布不均导致昆虫识别准确性低的问题,提出一种基于注意力卷积增强特征的匹配网络(feature-enhanced matching network,FEMNet)。采用随机欠采样对数据集进行平衡处理;通过提出特征上下文嵌入模块,增强昆虫全局和局部特征的提取能力;基于匹配网络实现样本间特征的灵活匹配,提高小样本下昆虫图像识别精度。实验结果表明,对于小样本昆虫数据集,FEMNet方法比次优方法MatchingNet准确率提升4.5%、召回率提升4.8%、精确率提升6.1%、F1值提升5.3%,说明该方法能够准确自动识别昆虫,可为后续昆虫学研究提供技术支持。
关键词
昆虫识别
图像处理
五大连池
小样本学习
匹配网络
不平衡学习
随机欠采样
Keywords
insect recognition
image processing
Wudalianchi
few-shot learning
matching network
imbalanced learning
random undersampling
分类号
TP391.41 [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
基于RU-SMOTE-SVM的金融市场极端风险预警研究
被引量：
11
2
作者
林宇
黄迅
徐凯
机构
成都理工大学商学院
成都学院经济管理学院
出处
《预测》
CSSCI
北大核心
2013年第4期15-20,共6页
基金
国家自然科学基金资助项目(71171025)
国家社会科学基金资助项目(12BGL024)
+2 种基金
教育部人文社会科学青年基金资助项目(10YJCZH086)
成都理工大学中青年科研骨干教师培养计划资助项目(KYGG201207)
成都理工大学"金融与投资"优秀创新团队计划资助项目
文摘
本文以上证综指和深证成指为研究对象,将随机欠采样(RU)、合成少数类过采样(SMOTE)与传统支持向量机(SVM)相结合,提出了一种改进的SVM模型——RU-SMOTE-SVM模型来预测我国金融市场极端风险,并与传统SVM、SMOTE-SVM、RU-SMOTE-NN和RU-SMOTE-DT进行比较。实证结果表明,RU-SMOTE-SVM既优于传统SVM模型,又比SMOTE-SVM具有更高的预测精度,同时还展示出比RU-SMOTE-NN和RU-SMOTE-DT更为优越的预测性能。
关键词
随机欠采样
合成少数类过
采样
支持向量机
金融市场极端风险
预警模型
Keywords
RU
SMOTE
SVM
extreme risk in financial market
warning model
分类号
F832.5 [经济管理—金融学]
在线阅读
下载PDF
职称材料
题名
非平衡学习的地震断层识别研究
3
作者
薛静雯
邹冠贵
韩成阳
机构
中国矿业大学(北京)地球科学与测绘工程学院
中国矿业大学(北京)煤炭资源与安全开采国家重点实验室
出处
《地质论评》
CAS
CSCD
北大核心
2023年第S01期433-434,共2页
文摘
利用三维地震数据开展断层自动识别研究时发现,基于矿区揭露信息的数据集的构建直接影响了机器学习算法对断层识别的最终效果。在实际工作中,可收集到的已揭露的断层点数量往往远小于非断层点的数量,这导致构建的地震属性数据集是不平衡的。在机器学习领域,解决非平衡数据集分类常用的方法主要有三类,主要包括:基于数据集重构的重采样方法;结合多个学习器对数据进行综合判断的集成学习方法.
关键词
ADABOOST
随机欠采样
断层识别
Keywords
AdaBoost
random undersampling
fault identification
分类号
P631.4 [天文地球—地质矿产勘探]
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
基于注意力卷积增强特征网络的昆虫图像识别
韩巧玲
周晗
赵玥
王禹沣
赵燕东
王海兰
《计算机工程与设计》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于RU-SMOTE-SVM的金融市场极端风险预警研究
林宇
黄迅
徐凯
《预测》
CSSCI
北大核心
2013
11
在线阅读
下载PDF
职称材料
3
非平衡学习的地震断层识别研究
薛静雯
邹冠贵
韩成阳
《地质论评》
CAS
CSCD
北大核心
2023
0
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
