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123,253篇文章
< 1 2 … 250 >
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：
不平衡集成算法LASSO-EasyEnsemble在冠心病预后预测中的应用及可解释性研究
1
作者 昝家昕 杨弘 +4 位作者 田晶 闫晶晶 和紫铉 杜宇涛 张岩波 《中国卫生统计》 北大核心 2025年第2期197-203,共7页
目的 针对冠心病预后预测中遇到的高噪声、类间不平衡的特点,通过LASSO特征筛选后,构建EasyEnsemble不平衡集成模型并对模型性能进行评估。方法 基于2009—2018年美国健康与营养调查公共数据库的调查数据,随访时间截止到2019年。预后有... 目的 针对冠心病预后预测中遇到的高噪声、类间不平衡的特点,通过LASSO特征筛选后,构建EasyEnsemble不平衡集成模型并对模型性能进行评估。方法 基于2009—2018年美国健康与营养调查公共数据库的调查数据,随访时间截止到2019年。预后有无因病死亡作为结局,通过LASSO进行特征选择,使用筛选后特征构建EasyEnsemble不平衡集成预测模型和SMOTE+LightGBM、XGBoost、Random Forest预测模型,采用网格搜索法对每个模型进行参数优化,通过AUC、精确率、特异度、G-mean和性能曲线评价其分类性能;应用SHAP(shapley additive explanation)进行模型可解释性分析。结果 EasyEnsemble模型的综合性能最高,AUC为0.80(95%CI:0.79~0.82),精确率为0.86(95%CI:0.78~0.93),特异度为0.99(95%CI:0.98~0.99)和G-mean为0.79(95%CI:0.76~0.83),性能曲线也显示最高。同时,年龄、血清磷、糖尿病、白蛋白等是影响患者预后的重要因素。结论 基于LASSO-EasyEnsemble的不平衡集成模型能够实现对冠心病患者预后的精准预测,结合SHAP可以帮助临床医生更好地评估疾病严重程度和识别高危人群以便实现患者个性化管理。 展开更多
关键词 冠心病 不平衡数据 集成学习 预后预测 可解释性
在线阅读 下载PDF
基于集成学习的综掘面粉尘浓度预测模型 被引量：1
2
作者 王和堂 谭江龙 +3 位作者 杨天龙 刘焱 王辉 杨景皓 《金属矿山》 北大核心 2025年第5期185-194,共10页
针对现有的粉尘监测预警技术存在数据延迟高、信息融合差和预测精度低等缺陷,利用杭来湾煤矿30202综掘面粉尘监测数据集,集成机器学习和深度学习混合算法框架,构建了多变量特征耦合的粉尘浓度预测模型。基于偏差—方差均衡准则对预测模... 针对现有的粉尘监测预警技术存在数据延迟高、信息融合差和预测精度低等缺陷,利用杭来湾煤矿30202综掘面粉尘监测数据集,集成机器学习和深度学习混合算法框架,构建了多变量特征耦合的粉尘浓度预测模型。基于偏差—方差均衡准则对预测模型进行了超参数优化,并采用均方误差(MSE)与平均绝对百分比误差(MAPE)双指标评估模型预测效果。结果表明:①机器学习算法的MSE普遍低于深度学习算法,其局部准确性优于深度学习算法,MAPE和整体稳定性则相反,XGBoost和Bi-RNN分别是机器学习和深度学习算法中预测结果局部准确性和整体稳定性最优的。②机器学习、深度学习及混合集成模型较基学习器平均MSE降低了23.86、11.82、24.84;机器学习模型的MAPE提高了0.42个百分点,其余2种模型的MAPE分别降低了0.83、1.08个百分点,混合集成模型兼具机器学习局部准确率高和深度学习整体稳定性强的特点,整体预测效果最好。研究结果可为矿山智能精准高效降尘技术的发展提供理论基础。 展开更多
关键词 粉尘浓度预测 机器学习 深度学习 集成学习
在线阅读 下载PDF
基于递归分析和Stacking集成学习的轴承故障诊断方法 被引量：1
3
作者 黄静静 武文媗 +2 位作者 田宇 王灿 王茂发 《南京信息工程大学学报》 北大核心 2025年第2期235-244,共10页
为了更加有效地挖掘滚动轴承信号中所具有的非线性信息并提高轴承故障诊断的准确率,提出一种基于递归分析和Stacking集成学习的轴承故障诊断方法.通过递归分析理论将轴承信号中的非线性信息映射到二维递归图中,分别从图像识别和递归定... 为了更加有效地挖掘滚动轴承信号中所具有的非线性信息并提高轴承故障诊断的准确率,提出一种基于递归分析和Stacking集成学习的轴承故障诊断方法.通过递归分析理论将轴承信号中的非线性信息映射到二维递归图中,分别从图像识别和递归定量分析的角度出发,对应建立了卷积神经网络和支持向量机两个子模型.使用Stacking方法将两个模型进行集成,可以在一定程度上结合两个模型的不同特点,充分发挥两个不同模型的优势.实验结果表明,该方法可以有效提高轴承振动信号的分类准确率,并在不同负载条件下表现出色且稳定,为轴承故障诊断提供了一种可靠的解决方案. 展开更多
关键词 故障诊断 滚动轴承 递归分析 Stacking集成学习
在线阅读 下载PDF
基于深度学习和SVM-RFE的网络入侵检测模型
4
作者 叶青 张延年 吴昊 《电信科学》 北大核心 2025年第7期108-119,共12页
网络入侵检测系统是对抗各种网络威胁的有效手段。然而,网络入侵数据中存在大量冗余信息和分布不平衡问题,为此,提出基于深度学习和支持向量机的递归特征消除算法的网络入侵检测(DLRF)模型。DLRF模型利用基于支持向量机的递归特征消除... 网络入侵检测系统是对抗各种网络威胁的有效手段。然而,网络入侵数据中存在大量冗余信息和分布不平衡问题,为此,提出基于深度学习和支持向量机的递归特征消除算法的网络入侵检测(DLRF)模型。DLRF模型利用基于支持向量机的递归特征消除算法进行特征权重排序,选择重要特征。同时,结合过采样和欠采样技术解决数据样本分布不平衡的问题。利用3个深度学习算法构建集成框架的基学习器,并利用深度神经网络构建元学习器,进而提升DLRF模型检测网络攻击的性能。通过两个典型的网络入侵数据集UNSW-NB15和数据集CICIDS 2017验证DLRF模型的性能。性能分析表明,DLRF模型在这两个数据集上的准确率分别为0.9068、0.9968,F1值(F1-score)分别为0.9068、0.9960。 展开更多
关键词 入侵检测模型 深度学习 递归特征消除 集成学习
在线阅读 下载PDF
知识图谱驱动智能学习的内生逻辑 被引量：7
5
作者 吴杨 吕钰琪 +2 位作者 杜钧 牛红伟 郝佳 《中国电化教育》 北大核心 2025年第2期122-130,共9页
知识图谱愈加成为教育数字化基础设施的重要组成部分,相关应用逐渐增多,但知识图谱作用于教与学的应用逻辑与应用场景仍有待挖掘。基于当前的智能学习面临着碎片化严重、联通性不足、知识库缺失的问题,该研究以经典学习理论为基础,以学... 知识图谱愈加成为教育数字化基础设施的重要组成部分,相关应用逐渐增多,但知识图谱作用于教与学的应用逻辑与应用场景仍有待挖掘。基于当前的智能学习面临着碎片化严重、联通性不足、知识库缺失的问题,该研究以经典学习理论为基础,以学习者处理学习任务时的认知活动为状态,从认知心理的角度探究知识图谱驱动下的智能学习机制,为解决三个主要问题提出针对性的解决方案。第一,针对知识碎片化的问题,知识图谱通过将知识串联成网络,促进学习中的认知加工,减少碎片化学习;第二,针对知识点冗余的问题,知识图谱通过合并相同知识点、增加跨学科知识的联系,提高了学习中的智能联结,激发学习者主动探索,并主动形成知识构建活动;第三,针对知识库缺失的问题,知识图谱平台通过集成知识点、学习资源库与学生的学习行为,使学习的个性化推荐有据可依。基于学习者运用知识图谱学习的理论机制,未来知识图谱的教育教学创新方向将聚焦于个性化、自适应、探索性、反馈性的学习平台搭建,为推进教育教学的智能化变革提供理论支撑。 展开更多
关键词 知识图谱 智能学习 认知机制 学习理论
在线阅读 下载PDF
基于深度学习贝叶斯模型平均代理的油藏自动历史拟合研究
6
作者 张凯 陈旭 +3 位作者 刘丕养 张金鼎 张黎明 姚军 《钻采工艺》 北大核心 2025年第1期147-156,共10页
油藏自动历史拟合过程中,需要频繁调用数值模拟器进行正向计算,导致计算时间长、资源消耗大。基于深度学习的油藏数值模拟代理模型提供了一种快速计算油水井生产动态的替代方案。然而,单一神经网络产量预测代理模型在特征提取和学习能... 油藏自动历史拟合过程中,需要频繁调用数值模拟器进行正向计算,导致计算时间长、资源消耗大。基于深度学习的油藏数值模拟代理模型提供了一种快速计算油水井生产动态的替代方案。然而,单一神经网络产量预测代理模型在特征提取和学习能力方面存在局限性。基于空间特征构建的代理模型侧重于学习油藏渗流的空间特性,但忽视了时间维度;基于时空特征构建的模型虽然擅长捕捉时间序列特征,却在空间特征学习方面不足。为此,文章提出了一种基于深度学习的贝叶斯模型平均代理方法,利用贝叶斯模型平均方法对两种深度学习代理模型进行集成,结合二者优势,增强代理模型对油藏特征的多维度学习能力,从而提高预测精度。该方法进一步结合多重数据同化集合平滑器,应用于实际油藏历史拟合中。实验结果表明,基于深度学习贝叶斯模型平均代理的历史拟合方法能够在保证高效计算的同时,准确拟合油藏实际生产动态,为快速、精确的历史拟合提供了一种创新解决方案。 展开更多
关键词 深度学习 历史拟合 产量预测 贝叶斯模型平均方法 集成代理模型
在线阅读 下载PDF
基于LLaMa3和Choquet积分的最优相似度选择集成学习方法
7
作者 付超 余良菊 常文军 《计算机科学》 北大核心 2025年第9期80-87,共8页
为了在多分类器集成过程中筛选和赋权存在相关关系的基分类器,提出了一种基于LLaMa3和Choquet积分的最优相似度选择集成方法(LCOS-SELM)。首先在开源大模型LLaMa3的基础上,通过少量标注样本数据进行提示词学习,以实现非结构化文本的关... 为了在多分类器集成过程中筛选和赋权存在相关关系的基分类器,提出了一种基于LLaMa3和Choquet积分的最优相似度选择集成方法(LCOS-SELM)。首先在开源大模型LLaMa3的基础上,通过少量标注样本数据进行提示词学习,以实现非结构化文本的关键特征提取。然后,通过Choquet积分融合存在相关关系的分类器预测结果,并评估其相关关系以优化分类器选择。最后,采用最优相似度策略学习分类器权重,在确保样本一致性的同时,提升集成方法的性能。将LCOS-SELM用于克罗恩病的辅助诊断,以合肥市某三甲医院的297份检查报告为基础进行实验,通过与内镜检查报告进行比对,验证了所提方法的有效性。在相同实验条件下将LCOS-SELM与单分类器和传统集成模型进行实验对比,结果显示:在相同实验条件下,与单分类器相比,LCOS-SELM在Acc,F1和AUC指标上均提升了约8%;与传统集成模型相比,LCOS-SELM在3个指标上均提升了约2%,进一步验证了其性能优势。 展开更多
关键词 选择集成学习 LLaMa3 CHOQUET积分 权重学习 相似案例学习
在线阅读 下载PDF
基于贝叶斯优化集成学习的矿井通风阻变型故障诊断
8
作者 李兵磊 孙妍 +3 位作者 张化进 宋方家 龙翼 蔡和 《金属矿山》 北大核心 2025年第5期195-203,共9页
通风阻变型故障会导致矿井风流供需失衡,影响矿山生产安全。针对目前机器学习易误判和陷入局部最优解的问题,提出了基于贝叶斯优化集成学习的矿井通风阻变型故障诊断方法,提升模型的准确性和稳健性。基于矿井通风网络故障诊断数据集,构... 通风阻变型故障会导致矿井风流供需失衡,影响矿山生产安全。针对目前机器学习易误判和陷入局部最优解的问题,提出了基于贝叶斯优化集成学习的矿井通风阻变型故障诊断方法,提升模型的准确性和稳健性。基于矿井通风网络故障诊断数据集,构建了6种代表性集成学习模型,并通过贝叶斯算法优化其超参数,最后系统分析了集成学习在矿井通风阻变型故障诊断中的可行性和适用性。仿真试验结果表明:贝叶斯优化集成学习方法可有效辨识和诊断矿井通风阻变型故障,其中极度随机树、XGBoost、LightGBM模型诊断准确率为100%,明显优于常见的机器学习模型。综合模型准确性和确定性程度看,推荐采用XGBoost与Light GBM算法进行矿井通风阻变型故障诊断,其诊断准确率高,不确定性程度低,可为矿井智能化通风提供理论依据与方法指导。 展开更多
关键词 矿井通风 故障诊断 机器学习 集成学习 贝叶斯优化
在线阅读 下载PDF
职业教育赋能全民终身学习的现实样态、关键挑战与调适策略 被引量：3
9
作者 韩连权 孙建 《职业技术教育》 北大核心 2025年第12期41-46,共6页
职业教育作为终身教育体系的关键组成部分,是赋能全民终身学习的“软要素”。回顾既往,职业教育通过开辟多层次多元化升学通道、开展大规模技能培训、开发学习成果转换标准等途径赋能全民终身学习发展,助力构建具有中国特色的全民终身... 职业教育作为终身教育体系的关键组成部分,是赋能全民终身学习的“软要素”。回顾既往,职业教育通过开辟多层次多元化升学通道、开展大规模技能培训、开发学习成果转换标准等途径赋能全民终身学习发展,助力构建具有中国特色的全民终身学习发展体系。审视现实,赋能进程中仍面临学习平台建设滞后、数字资源适应存在偏差、技术支持力度薄弱的关键挑战。基于此,职业教育赋能全民终身学习的调适策略包括:精准对接需求,优化学习平台功能;深化知识融合,增强学习资源供给;跨越技术壁垒,构建智慧学习环境;注重人文关怀,完善学习支持制度,为职业教育赋能全民终身学习发展筑基提质。 展开更多
关键词 职业教育 学习型社会 非正式学习 全民终身学习
在线阅读 下载PDF
基于集成学习的业务流程异常检测与定位方法
10
作者 赵海燕 付建平 +2 位作者 关威 曹健 陈庆奎 《计算机集成制造系统》 北大核心 2025年第5期1651-1662,共12页
在业务流程执行中,可能会出现各种异常情况,从而给企业组织带来风险,导致巨大的损失。为了检测事件日志中的异常轨迹,并定位轨迹中的异常活动,提出一种结合启发式挖掘算法和自编码器模型的集成学习框架。首先,使用启发式挖掘算法来挖掘... 在业务流程执行中,可能会出现各种异常情况,从而给企业组织带来风险,导致巨大的损失。为了检测事件日志中的异常轨迹,并定位轨迹中的异常活动,提出一种结合启发式挖掘算法和自编码器模型的集成学习框架。首先,使用启发式挖掘算法来挖掘流程模型并提取主干。基于主干对事件日志进行重叠采样,并针对每个子事件日志训练自编码器模型。若某个轨迹无法匹配任何一条主干,或者被所有自编码器模型检测为异常,则该轨迹将被检测为异常。此外,通过对异常轨迹与其匹配的主干进行分析,可以确定引起异常的具体活动,并进一步采取相应的措施进行修复或优化。实验证明,该方法能够高效地检测业务流程中的异常,并能有效地定位轨迹中的异常活动。 展开更多
关键词 业务流程 异常检测 集成学习 流程挖掘 事件日志 自编码器
在线阅读 下载PDF
基于多粒度集成学习的地震相聚类分析技术
11
作者 罗红梅 王长江 +3 位作者 杨培杰 管晓燕 周小杰 余航 《应用科学学报》 北大核心 2025年第4期643-655,共13页
为了更有效地降低地质结构差异对储层预测的影响,提出了一种基于多粒度集成学习的地震相聚类分析技术。首先从粗粒度、细粒度和微粒度三个角度分别提取地震数据的不同尺度特征。粗粒度特征利用斯皮尔曼相关系数反映地层间的宏观关系;细... 为了更有效地降低地质结构差异对储层预测的影响,提出了一种基于多粒度集成学习的地震相聚类分析技术。首先从粗粒度、细粒度和微粒度三个角度分别提取地震数据的不同尺度特征。粗粒度特征利用斯皮尔曼相关系数反映地层间的宏观关系;细粒度特征基于长短期记忆网络学习波形之间的细节特性;微粒度特征则基于动态时间规整距离捕捉单一波形的微观差异。在此基础上,利用自组织映射方法获得不同粒度下的聚类结果,并采用基于软配准的集成学习技术融合不同粒度下的聚类结果,有效解决了单一粒度受地质结构差异影响较大的问题。实验结果表明,所提出的多粒度集成学习算法能够更好地改善地震相聚类结果,并为不同区域的储层预测提供有效参考。 展开更多
关键词 地震相聚类分析 多粒度 集成学习 动态时间规整 自组织映射
在线阅读 下载PDF
基于集成学习的交通事故严重程度预测
12
作者 贾现广 宋腾飞 吕英英 《现代电子技术》 北大核心 2025年第16期61-66,共6页
为提升道路交通事故严重程度预测模型的性能,以及分析事故特征对于事故严重程度的影响,提出一种基于双层Stacking模型的交通事故严重程度预测方法。首先,采用BSMOTE2算法来平衡数据,并验证数据平衡处理是否会对模型预测产生正向影响,同... 为提升道路交通事故严重程度预测模型的性能,以及分析事故特征对于事故严重程度的影响,提出一种基于双层Stacking模型的交通事故严重程度预测方法。首先,采用BSMOTE2算法来平衡数据,并验证数据平衡处理是否会对模型预测产生正向影响,同时利用GBDT-RFECV算法进行k折交叉验证选择,完成特征降维。其次,构建双层Stacking模型,第一层由BiGRU和XGBoost组成,将时间序列特征用于BiGRU,静态特征用于XGBoost进行初步预测;第二层采用CatBoost模型,结合第一层的预测结果进行最终的严重程度预测。研究结果表明:模型的准确率、宏F_(1)和宏AUC均有明显提高,表明数据平衡处理对模型预测产生正向影响;相较于KNN、BiGRU、RF和XGBoost模型,所提双层Stacking模型的预测准确率分别提高了5.45%、10.23%、1.78%和2.34%,宏F_(1)值提高了5.31%、9.91%、1.35%和1.92%,宏AUC提高了11.13%、6.97%、2.13%和2.71%。该双层Stacking模型在多个评估指标上的表现均优于其他模型。 展开更多
关键词 交通安全 交通事故预测 预测分析 集成学习 机器学习 深度学习 特征降维
在线阅读 下载PDF
基于机器学习的煤系地层TBM掘进巷道围岩强度预测 被引量：1
13
作者 丁自伟 高成登 +6 位作者 景博宇 黄兴 刘滨 胡阳 桑昊旻 徐彬 秦立学 《西安科技大学学报》 北大核心 2025年第1期49-60,共12页
为研究全断面掘进机(TBM)掘进参数与煤系地层岩体力学参数之间的互馈关系,准确、实时预测巷道围岩强度特征,基于TBM掘进过程中的现场监测,通过岩-机互馈关系分析,确定模型的输入特征参数,并建立了对应的数据库;将梯度提升决策树(GBDT)... 为研究全断面掘进机(TBM)掘进参数与煤系地层岩体力学参数之间的互馈关系,准确、实时预测巷道围岩强度特征,基于TBM掘进过程中的现场监测,通过岩-机互馈关系分析,确定模型的输入特征参数,并建立了对应的数据库;将梯度提升决策树(GBDT)、随机森林(RF)、支持向量回归(SVR)3种机器学习算法作为基学习器,线性回归(LR)算法作为元学习器,提出了一种基于Stacking集成算法的预测模型,并对比分析了Stacking集成算法与单一机器学习算法模型的预测性能。结果表明:二值判别与箱线图可有效对原始数据进行预处理;模型的主要输入特征参数为刀盘推力F、刀盘扭矩T、贯入度FPI、刀盘转速RPM、刀盘振动加速度A;Stacking模型在测试集上的拟合优度可达0.976,而均方误差、平均绝对误差、平均绝对百分误差分别仅有0.031,0.148和0.092,与其他3种模型相比,其拟合优度最高,误差指标数值最小,集成模型具有更高的预测精度,能够有效地预测煤矿TBM掘进巷道围岩点荷载强度。研究验证了Stacking模型的准确性,可为煤矿TBM掘进参数控制和巷道支护参数调整提供科学的参考依据。 展开更多
关键词 煤矿全断面掘进机 TBM掘进参数 Stacking集成算法 数据预处理 围岩强度预测
在线阅读 下载PDF
基于集成学习模型与贝叶斯优化算法的成矿预测
14
作者 孔春芳 田倩 +3 位作者 刘健 蔡国荣 赵杰 徐凯 《地学前缘》 北大核心 2025年第4期122-139,共18页
全球进入隐伏矿体勘查时代,急需新的找矿预测方法。利用集成学习进行的数据驱动的成矿预测模型正在成为深部隐伏矿产勘探的有力工具。然而,基于集成学习的成矿预测模型面临着一些普遍的问题,特别是模型的参数调优。模型的参数调优是一... 全球进入隐伏矿体勘查时代,急需新的找矿预测方法。利用集成学习进行的数据驱动的成矿预测模型正在成为深部隐伏矿产勘探的有力工具。然而,基于集成学习的成矿预测模型面临着一些普遍的问题,特别是模型的参数调优。模型的参数调优是一个非常耗时的过程,需要繁琐的计算和足够的专家经验。本文提出了一种基于多源地学知识与贝叶斯优化算法的集成学习模型来解决上述问题。具体来说,首先,基于多源地学知识,构建锰矿成矿预测数据库;其次,基于自适应提升模型(Adaptive Boosting,AdaBoost)和随机森林(Random Forest,RF)模型,建立黔东北锰矿成矿预测模型;然后,采用贝叶斯优化算法(Bayesian Optimization,BO),通过5倍交叉验证的辅助,寻找BO-AdaBoost和BO-RF模型最合适的超参数组合;最后,利用精度、准确率、召回率、F_(1)分数、kappa系数、AUC值等参数及已有成果检测模型的性能。实验结果发现,BO-AdaBoost和BO-RF模型的AUC值都得到了显著的提高,表明BO是一个强大的优化工具,优化结果为集成学习模型的超参数设置提供了参考。同时,实验结果也表明:BO-AdaBoost模型(92.8%)比BO-RF模型(89.9%)具有更高的预测精度和地质泛化能力,在成矿预测方面具有巨大潜力。基于BO-AdaBoost模型的预测图为黔东北隐伏锰矿矿床的勘探提供了重要线索,并可以指导未来的矿产勘探与开发。 展开更多
关键词 集成学习 自适应提升模型 随机森林 贝叶斯优化算法 隐伏锰矿 成矿预测
在线阅读 下载PDF
图联邦学习:问题、方法与挑战 被引量：1
15
作者 王鑫 熊书博 孙凌云 《计算机科学》 北大核心 2025年第1期362-373,共12页
图作为一种高效、灵活、通用的数据结构,在多个学科领域得到了广泛应用。近年来,基于图的深度学习算法不断涌现,并在社交网络、生物信息学、推荐系统等领域取得显著成效。尽管公开的图数据量在增加,但高质量的数据往往分散在不同的数据... 图作为一种高效、灵活、通用的数据结构,在多个学科领域得到了广泛应用。近年来,基于图的深度学习算法不断涌现,并在社交网络、生物信息学、推荐系统等领域取得显著成效。尽管公开的图数据量在增加,但高质量的数据往往分散在不同的数据所有者手中。随着社会对数据隐私保护要求的提高,现有的图学习算法面临着许多挑战。图联邦学习作为一种有效的解决方案应运而生。文中系统回顾了图联邦学习领域近五年的研究进展,将该领域的核心问题划分为3个部分,并在结构上进行了垂直整合,在关系上进行了递进阐述,包括:1)原始图数据差异导致的结构异构性;2)图联邦特性导致的模型聚合问题;3)模型整体调优方面的挑战。针对每个问题,详细分析了代表性工作及其优缺点,并总结了图联邦学习领域的典型应用和未来挑战。 展开更多
关键词 联邦学习 图神经网络 图联邦学习 隐私计算
在线阅读 下载PDF
基于机器学习的加密流量分类研究综述 被引量：2
16
作者 付钰 刘涛涛 +1 位作者 王坤 俞艺涵 《通信学报》 北大核心 2025年第1期167-191,共25页
加密流量分类是网络管理和安全防护的重要组成部分,不过当前网络流量环境复杂多变,致使传统的分类方法已基本失效。而机器学习,尤其是深度学习,凭借强大的特征提取能力已广泛应用于加密流量分类领域。为此,对机器学习驱动的加密流量分... 加密流量分类是网络管理和安全防护的重要组成部分,不过当前网络流量环境复杂多变,致使传统的分类方法已基本失效。而机器学习,尤其是深度学习,凭借强大的特征提取能力已广泛应用于加密流量分类领域。为此,对机器学习驱动的加密流量分类最新成果进行系统性综述,首先将加密流量分类工作划分为数据采集与处理、特征提取与选择及流量分类与性能评估3个部分,分别对应加密流量分类中的数据获取、显著特征构建及模型的应用与验证;接着将这3个部分内容细分为流量采集、数据集构建、数据预处理、特征提取、特征选择、分类模型及性能评估7个阶段;然后分别对这7个阶段进行全面的归纳、总结与分析;最后详细分析当前工作所面临的挑战并展望加密流量分类未来的研究方向。 展开更多
关键词 流量分析 加密流量分类 机器学习 深度学习
在线阅读 下载PDF
基于泊松噪声和优化极限学习机的多因素混合学习方法及应用
17
作者 蒋锋 路畅 王辉 《统计与决策》 北大核心 2025年第1期52-57,共6页
针对风电功率数据高波动性和间歇性的特点,文章提出了一种基于泊松噪声的互补集合经验模态分解(CEEMDPN)和改进的蛇优化算法(MSO)优化极限学习机的多因素混合学习方法。首先,利用CEEMDPN将风电功率序列分解为子序列;然后,引入曲线自适... 针对风电功率数据高波动性和间歇性的特点,文章提出了一种基于泊松噪声的互补集合经验模态分解(CEEMDPN)和改进的蛇优化算法(MSO)优化极限学习机的多因素混合学习方法。首先,利用CEEMDPN将风电功率序列分解为子序列;然后,引入曲线自适应调整参数改进蛇优化算法;最后,运用MSO优化的极限学习机(ELM)对每个子序列进行预测并集成。为了验证CEEMDPN-MSO-ELM模型的有效性,采用龙源电力集团的风电功率数据进行超短期预测,实证结果表明,CEEMDPN算法能够加强风电功率序列的主频率部分并提高分解精度,MSO算法能够很好地平衡算法的寻优速度与收敛精度,从而有效提升ELM模型的预测性能,所提模型的预测精度和稳健性均优于其他对比模型。 展开更多
关键词 超短期风电功率预测 互补集合经验模态分解 蛇优化算法 极限学习机
在线阅读 下载PDF
融合知识蒸馏与迁移学习的小样本学习方法
18
作者 黄友文 胡燕芳 魏国庆 《计算机应用与软件》 北大核心 2025年第4期319-325,334,共8页
针对样本数量过少易造成深度模型在训练数据上过拟合的问题,提出一种融合知识蒸馏与迁移学习的小样本学习方法。该文设计多代蒸馏网络结构,提高浅层网络对小样本图像的特征表达能力;通过改进的迁移学习结构调整少量参数,进一步提升网络... 针对样本数量过少易造成深度模型在训练数据上过拟合的问题,提出一种融合知识蒸馏与迁移学习的小样本学习方法。该文设计多代蒸馏网络结构,提高浅层网络对小样本图像的特征表达能力;通过改进的迁移学习结构调整少量参数,进一步提升网络的泛化能力;结合多分类器对经过蒸馏和迁移得到的网络进行融合。在三个数据集上的实验结果表明,所提方法能够有效提高模型在新任务上的分类性能,使得小样本预测结果更加准确。 展开更多
关键词 小样本学习 图像分类 知识蒸馏 迁移学习 集成学习
在线阅读 下载PDF
2014-2024年自定步调学习策略在多媒体学习领域中的应用系统综述 被引量：1
19
作者 杨九民 喻邱晨 +2 位作者 李妍 方睿 李妮辰 《电化教育研究》 北大核心 2025年第6期66-74,共9页
多媒体学习领域正从“以教为主”的优化设计研究转向“以学为主”的应用策略研究。研究旨在探讨自定步调学习策略在多媒体学习领域的应用特征与研究进展。研究围绕发文趋势与研究情境、理论框架与研究内容、研究设计与效果评价三个维度... 多媒体学习领域正从“以教为主”的优化设计研究转向“以学为主”的应用策略研究。研究旨在探讨自定步调学习策略在多媒体学习领域的应用特征与研究进展。研究围绕发文趋势与研究情境、理论框架与研究内容、研究设计与效果评价三个维度构建分析框架,并对国外28篇实证研究文献进行系统综述。研究发现,自定步调学习策略的研究发文量呈逐年增长态势,主要集中在高等教育情境中。自定步调学习策略研究多依托认知负荷理论和多媒体学习认知理论等重要理论基础,围绕自定步调学习策略的有效性、特定学习行为(序列)的作用、缓解多媒体学习中的消极影响以及如何优化自定步调学习策略四个核心内容展开。其中,多数研究通过验证性实验,考虑先验知识和工作记忆等个体差异,并采用自报告问卷和知识测试来评估认知负荷及学习效果(保持和迁移)等因变量。基于以上发现,文章从拓展研究内容、丰富研究范式和创新研究路径三个方面提出具体建议。 展开更多
关键词 自定步调 学习者控制 学习策略 多媒体学习 系统综述
在线阅读 下载PDF
生成式人工智能赋能沉浸式学习:机理、模式与应用 被引量：25
20
作者 闫寒冰 杨淑婷 +1 位作者 余淑珍 陈怡 《电化教育研究》 北大核心 2025年第2期64-71,共8页
沉浸式学习环境为新质人才的培养打造了优质学习空间,但受限于技术成本高、教育理论缺位、学习适用性低等因素,在教育领域的应用仍较为有限。生成式人工智能在创造性生成、逻辑性表达、复杂交互理解等方面展现出了显著的赋能潜力。文章... 沉浸式学习环境为新质人才的培养打造了优质学习空间,但受限于技术成本高、教育理论缺位、学习适用性低等因素,在教育领域的应用仍较为有限。生成式人工智能在创造性生成、逻辑性表达、复杂交互理解等方面展现出了显著的赋能潜力。文章首先在梳理沉浸式学习环境内涵与构成要素的基础上,构建了生成式人工智能在沉浸式学习环境中的垂直应用机理模型,通过情境分解、模型提炼和内容创生,实现学习路径规划、多模态资源生成、学习情境创设、个性化互动、学习者画像构建等功能。其次,从实践角度提出依托沉浸式学习环境的有效学习模式,包括锚定目标、了解现状、课程学习、情境练习、动态监测五个环节。最后,结合“知心慧语”智能陪练系统论证垂直应用机理和学习模式的可操作性,旨在为生成式人工智能在教育领域的垂直应用提供借鉴。 展开更多
关键词 生成式人工智能 沉浸式学习 垂直机理 学习模式 应用案例
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 … 250 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