基于AHP-DST融合专家先验知识的BN参数学习

1

作者 陈海洋 吝红凯 +2 位作者 任智芳 刘静 张静 《系统仿真学报》 北大核心 2025年第11期2778-2792,共15页

针对小样本数据集条件下采用单一专家先验知识可能存在不确定性导致BN参数学习精度不高问题,设计了一种基于AHP-DST融合专家先验知识的BN参数学习方法。利用层次分析法的思想结合证据理论合成规则计算出专家综合先验知识;将专家综合先... 针对小样本数据集条件下采用单一专家先验知识可能存在不确定性导致BN参数学习精度不高问题,设计了一种基于AHP-DST融合专家先验知识的BN参数学习方法。利用层次分析法的思想结合证据理论合成规则计算出专家综合先验知识;将专家综合先验知识加入到正态分布中,与单调性约束相结合得到虚拟样本信息;将虚拟样本信息加入到贝叶斯估计中得到网络参数估计值。在不同样本量条件下进行仿真验证,结果表明:在样本数据较小时,所提方法的KL散度始终优于其他4种方法,运行时间则略高于其他两种方法,总体上,所提算法综合性能优于其他4种方法,更适用于样本数据量较小的情况。将所提方法应用于空中目标对海面舰艇的攻击意图识别中,仿真结果能够较好的反应实际情况,进一步验证了方法的有效性和可行性。 展开更多

关键词 贝叶斯网络 参数学习 小数据集 层次分析法 证据理论 单调性约束

在线阅读 下载PDF 职称材料

基于小数据集的机器学习预测酰胺键合成转化率 被引量：1

2

作者 李兴海 吴志森 +1 位作者 张利静 陶胜洋 《物理化学学报》 北大核心 2025年第2期81-89,共9页

机器学习(ML)在分子合成领域显示了重要的应用前景。然而,准确的机器学习预测依赖于大量实验数据,而通过传统实验方法获得成千上万的实验数据仍然是一个巨大的挑战。因此,基于小数据集得到可接受的预测模型是目前该领域亟待解决的重要... 机器学习(ML)在分子合成领域显示了重要的应用前景。然而,准确的机器学习预测依赖于大量实验数据,而通过传统实验方法获得成千上万的实验数据仍然是一个巨大的挑战。因此,基于小数据集得到可接受的预测模型是目前该领域亟待解决的重要问题。本研究通过构建1152个反应数据,利用大量有化学意义的特征描述符,通过多维数据分析获得了有效的预测结果,证明了基于小数据集的机器学习算法可以可靠地预测酰胺键合成反应的转化率。研究比较了6种机器学习算法的预测精度,其中随机森林表现出卓越的预测性能(R^(2)>0.95)。同时,在预测未知芳胺分子的转化率时,研究发现在训练集中加入少量未知分子的相关反应数据,即使数据集较小,也能显著提升对未知分子转化率的预测准确性,揭示了一种利用小数据集得到较好预测结果的方法。本研究为小数据集下的机器学习辅助化学合成研究提供了参考价值。不久的将来,机器学习将有力地推动有机合成化学的智能化发展。 展开更多

关键词 酰胺键合成 机器学习 特征描述符 随机森林算法 小数据集

在线阅读 下载PDF 职称材料

一种复数域轻量化知识蒸馏驱动的调制识别模型 被引量：1

3

作者 王子恒 张徐 +1 位作者 高硕 周金 《电信科学》 北大核心 2025年第8期163-175,共13页

深度学习模型在调制识别任务中依赖大量训练样本,但实际场景中信号样本有限,尤其在复杂噪声环境下,模型性能受限。为此,提出了一种基于局部特征引导的轻量化调制识别方法。首先,构建轻量化教师网络以提取含噪调制信号的局部特征,并设计... 深度学习模型在调制识别任务中依赖大量训练样本,但实际场景中信号样本有限,尤其在复杂噪声环境下,模型性能受限。为此,提出了一种基于局部特征引导的轻量化调制识别方法。首先,构建轻量化教师网络以提取含噪调制信号的局部特征,并设计局部语义特征优化算法将局部知识蒸馏给学生网络;其次,针对调制信号频谱的复数域特性,设计复数域Transformer作为学生网络进行全局特征提取,并最终完成识别任务。实验结果表明,所提模型在小样本场景下相比其他深度学习模型具有更高的识别效率,在计算复杂度和实时性等方面较现有方法表现出明显优势。 展开更多

关键词 调制识别 知识蒸馏 小样本数据集 TRANSFORMER 轻量化网络

在线阅读 下载PDF 职称材料

MHVTs:多尺度混合视觉自注意力模型

4

作者 高丽丽 应文豪 +2 位作者 钟珊 胡文军 吴晓宇 《计算机工程与设计》 北大核心 2025年第5期1395-1402,共8页

为提高ViT模型在小型数据集上从零开始训练的性能,提出一种多尺度混合ViT模型(MHVT),由多尺度扩张局部聚集模块(MDLA)和多尺度先下采样再上采样模块(MPUA)组成。MDLA利用不同膨胀率的深度可分卷积在不同通道上提取不同尺度的局部特征。M... 为提高ViT模型在小型数据集上从零开始训练的性能,提出一种多尺度混合ViT模型(MHVT),由多尺度扩张局部聚集模块(MDLA)和多尺度先下采样再上采样模块(MPUA)组成。MDLA利用不同膨胀率的深度可分卷积在不同通道上提取不同尺度的局部特征。MPUA在自注意力计算前,在不同的通道上对查询、键和值进行不同粒度的池化处理,保持计算效率的同时捕获多尺度的全局特征。在各种小尺寸数据集上的大量实验验证了MHVT在精度和速度方面均获得了更好的权衡。 展开更多

关键词 视觉自注意力模型 局部相关性 多尺度特征交互 卷积神经网络 小型数据集 自注意力模型 卷积神经网络

在线阅读 下载PDF 职称材料

地杂波背景下雷达低慢小无人机探测数据集(LSS-Ku-1.0) 被引量：1

5

作者 程永强 邹润明 +2 位作者 陈嘉宜 吴昊 华小强 《信号处理》 北大核心 2025年第5期807-820,共14页

复杂环境下雷达对无人机等低慢小目标探测与识别面临诸多挑战,相关研究成为雷达探测领域的热点和难点问题。数据集是雷达目标探测与识别研究的基础,其数据质量和多样性对算法的性能验证起到了重要作用。目前公开发布的数据集雷达多布设... 复杂环境下雷达对无人机等低慢小目标探测与识别面临诸多挑战,相关研究成为雷达探测领域的热点和难点问题。数据集是雷达目标探测与识别研究的基础,其数据质量和多样性对算法的性能验证起到了重要作用。目前公开发布的数据集雷达多布设于地面,对空探测背景相对较为理想,在杂波环境下雷达对无人机目标探测数据集较少,探测场景、观测视角、目标飞行高度、信号带宽等参数较为单一,数据多样性有待提高。针对上述问题,本文构建了一套地杂波背景下雷达低慢小无人机探测数据集(LSS-Ku-1.0)。采用置于高塔上的Ku波段相控阵雷达,在野外丛林和草地环境下,录取了强杂波背景无人机目标雷达回波数据。该数据集包含不同信号波形、带宽、擦地角以及三种不同飞行高度的旋翼无人机目标回波。基于该数据集,分别对杂波的统计分布特性和时间相关性进行了分析,采用5种统计模型对杂波统计分布进行了拟合,给出了拟合优度检验结果。同时,对无人机旋翼的微多普勒特性进行了分析,并研究了典型数据的一维距离像、频谱图、时频图、距离-多普勒谱,为雷达低慢小目标特性分析和检测与识别研究提供了数据支撑。 展开更多

关键词 雷达 地杂波 低慢小目标 无人机 数据集

在线阅读 下载PDF 职称材料

一种用于小样本数据集的局部放电模式识别方法

6

作者 王胜辉 陈曦 +1 位作者 律方成 李仲炜 《华北电力大学学报(自然科学版)》 北大核心 2025年第4期62-69,80,共9页

针对传统局部放电模式识别方法识别准确率较低,特别在小样本数据集情况下识别效果较差的问题,提出了一种基于一维卷积神经网络的小样本数据集识别方法,试验采集了4类油中典型缺陷下的放电样本各200份,分别采用此方法与传统聚类法、SVM法... 针对传统局部放电模式识别方法识别准确率较低,特别在小样本数据集情况下识别效果较差的问题,提出了一种基于一维卷积神经网络的小样本数据集识别方法,试验采集了4类油中典型缺陷下的放电样本各200份,分别采用此方法与传统聚类法、SVM法、BP神经网络法、CNN图像法对上述样本构成的数据集进行了识别分类。结果表明:该方法在小样本数据集情况下相较传统聚类法、SVM法、BP神经网络法和CNN图像法具有更好的识别效果,在训练样本数为50时,其识别准确率分别高于SVM法和BP神经网络法2.00%和6.25%;同时,相对传统识别方法,该方法表现出较强的特征提取与学习能力,其迭代过程收敛较快,单次训练耗时远低于SVM法,与BP神经网络法相近;最后,在针对卷积网络各结构参数对该方法识别准确率的影响研究过程中发现,卷积核尺寸对其识别准确率的影响最大。 展开更多

关键词 卷积神经网络 局部放电 小样本数据集 模式识别

在线阅读 下载PDF 职称材料

基于改进型主动深度学习框架的油浸式变压器故障辨识算法

7

作者 黄灿 仝杰 +3 位作者 唐鹏飞 齐子豪 张中浩 龙天航 《电网技术》 北大核心 2025年第6期2563-2572,I0126-I0128,共13页

变压器作为电网的核心枢纽节点,对电网安全运行有着至关重要的影响作用。然而,在变压器状态评估及故障研判中,存在故障样本收集困难,数据集不平衡等问题。因此,现有诊断方法在实际应用时极易出现误报、漏报等情况。为此,该文提出了一种... 变压器作为电网的核心枢纽节点,对电网安全运行有着至关重要的影响作用。然而,在变压器状态评估及故障研判中,存在故障样本收集困难,数据集不平衡等问题。因此,现有诊断方法在实际应用时极易出现误报、漏报等情况。为此,该文提出了一种改进型主动学习-深度神经网络融合的变压器故障诊断算法。首先提出了4种与深度神经网络适配的主动学习策略,对油色谱数据样本进行定向选择学习,提高故障辨识算法在小样本及不均衡样本下的学习表现,降低数据标注及模型训练成本;其次,引入标签平滑算法对深度神经网络交叉损失函数进行改良,以改善训练集与预测集分布不一致导致的过拟合问题。仿真实验结果表明,所提出的主动学习算法与随机采样等传统的被动采样学习方法相比,能够有效降低模型训练成本,并提升故障辨识精度10%以上;与支持向量机等常见方法相比,算法性能提高15%以上。 展开更多

关键词 变压器故障辨识 主动学习 深度学习 小样本学习 非均衡数据集

在线阅读 下载PDF 职称材料

基于边际Fisher准则和迁移学习的小样本集分类器设计算法 被引量：12

8

作者 舒醒 于慧敏 +3 位作者 郑伟伟 谢奕 胡浩基 唐慧明 《自动化学报》 EI CSCD 北大核心 2016年第9期1313-1321,共9页

如何利用大量已有的同构标记数据(源域)设计小样本训练数据(目标域)的分类器是一个具有很强应用意义的研究问题.由于不同域的数据特征分布有差异,直接使用源域数据对目标域样本进行分类的效果并不理想.针对上述问题,本文提出了一种基于... 如何利用大量已有的同构标记数据(源域)设计小样本训练数据(目标域)的分类器是一个具有很强应用意义的研究问题.由于不同域的数据特征分布有差异,直接使用源域数据对目标域样本进行分类的效果并不理想.针对上述问题,本文提出了一种基于迁移学习的分类器设计算法.首先,本文利用内积度量的边际Fisher准则对源域进行特征映射,提高源域中类内紧凑性和类间区分性.其次,为了筛选合理的训练样本对,本文提出一种去除边界奇异点的算法来选择源域密集区域样本点,与目标域中的标记样本点组成训练样本对.在核化空间上,本文学习了目标域特征到源域特征的非线性转换,将目标域映射到源域.最后,利用邻近算法(k-nearest neighbor,k NN)分类器对映射后的目标域样本进行分类.本文不仅改进了边际Fisher准则方法,并且将基于自适应样本对筛选的迁移学习应用到小样本数据的分类器设计中,提高域间适应性.在通用数据集上的实验结果表明,本文提出的方法能够有效提高小样本训练域的分类器性能. 展开更多

关键词 小样本集分类器 迁移学习 边际Fisher准则 k NN分类器 域间转换

在线阅读 下载PDF 职称材料

基于迁移学习的个性化循环神经网络语言模型 被引量：7

9

作者 徐萍 吴超 +3 位作者 胡峰俊 吴凡 林建伟 刘静静 《南京理工大学学报》 EI CAS CSCD 北大核心 2018年第4期401-408,共8页

针对在小数据集上开发个性化语言模型仍存在的障碍,提出基于迁移学习的个性化循环神经网络语言模型。设计了基于预训练词向量、预训练电影剧本数据集、基于参数微调和特征提取分类器的迁移学习训练模式,在小数据集上建立了具有较高辨识... 针对在小数据集上开发个性化语言模型仍存在的障碍,提出基于迁移学习的个性化循环神经网络语言模型。设计了基于预训练词向量、预训练电影剧本数据集、基于参数微调和特征提取分类器的迁移学习训练模式,在小数据集上建立了具有较高辨识度的个性化语言模型,降低了模型的困惑度,改进了模型的性能。模型的实验以电视剧Seinfeld角色为基础。结果表明:该模型在特定角色测试数据集上的困惑度比其他角色数据集平均低17.65%,证明其已经学会了该角色的个性化风格;迁移学习使得模型最低困惑度平均降低了36.38%,较好地解决了基于小数据集开发个性化语言模型存在的障碍问题。 展开更多

关键词 语言模型 个性化 循环神经网络 迁移学习 小数据集 预训练词向量

在线阅读 下载PDF 职称材料

基于深度迁移学习的烟雾识别方法 被引量：24

10

作者 王文朋 毛文涛 +1 位作者 何建樑 窦智 《计算机应用》 CSCD 北大核心 2017年第11期3176-3181,3193,共7页

针对传统的基于传感器和图像特征的烟雾识别方法易被外部环境干扰且识别场景单一,从而造成烟雾识别精度较低,而基于深度学习的识别方法对数据量要求较高,对于烟雾数据缺失或数据来源受限的情况模型识别能力较弱的问题,提出一种基于深度... 针对传统的基于传感器和图像特征的烟雾识别方法易被外部环境干扰且识别场景单一,从而造成烟雾识别精度较低,而基于深度学习的识别方法对数据量要求较高,对于烟雾数据缺失或数据来源受限的情况模型识别能力较弱的问题,提出一种基于深度迁移学习的烟雾识别方法。将ImageNet数据集作为源数据,利用VGG-16模型进行基于同构数据下的特征迁移。首先,将所有的图像数据进行预处理,对每张图像作随机变换(随机旋转、剪切、翻转等);其次,引入VGG-16网络,将其卷积层特征进行迁移,并连接预先使用烟雾数据在VGG-16网络中训练过的全连接层;进而构建出基于迁移学习的深度网络,从而训练得到烟雾识别模型。利用公开数据集以及真实场景烟雾图像进行实验验证,实验结果表明,和现有主流烟雾图像识别方法相比,所提方法有较高的烟雾识别率,实验精度达96%以上。 展开更多

关键词 深度学习 迁移学习 烟雾识别 微量数据集

在线阅读 下载PDF 职称材料

约束条件下BN参数最大熵模型扩展学习算法 被引量：4

11

作者 郭文强 李然 +1 位作者 侯勇严 高文强 《计算机应用研究》 CSCD 北大核心 2019年第2期390-394,共5页

在很多智能系统的参数建模时,用户往往面对建模样本稀少的困境。针对在小数据集条件下贝叶斯网络(BN)参数建模的问题,提出了一种约束数据最大熵BN参数学习算法(CDME)。首先利用小数据集估算BN参数,随后把定性的专家经验转换为不等式约束... 在很多智能系统的参数建模时,用户往往面对建模样本稀少的困境。针对在小数据集条件下贝叶斯网络(BN)参数建模的问题,提出了一种约束数据最大熵BN参数学习算法(CDME)。首先利用小数据集估算BN参数,随后把定性的专家经验转换为不等式约束,并利用Bootstrap算法生成满足约束的一组参数候选集,再根据信息最大熵进行加权计算出BN参数。实验结果表明,当数据量充分时,CDME参数学习算法与经典的MLE算法的学习精度近似,表明了算法的正确性;在小数据集条件下,利用CDME算法可以对BN进行参数建模,学习精度优于MLE和QMAP算法。CDME算法在实际故障诊断样本数据相对稀缺的条件下,获取了诊断BN模型参数,在此基础上完成的诊断推理结果也印证了算法的有效性,为小数据集条件下的参数建模提供了一条新途径。 展开更多

关键词 贝叶斯网络 小数据集 参数学习 最大熵模型

在线阅读 下载PDF 职称材料

基于变权重迁移学习的BN参数学习算法 被引量：6

12

作者 郭文强 徐成 +1 位作者 肖秦琨 李梦然 《计算机应用研究》 CSCD 北大核心 2021年第1期110-114,共5页

针对小数据集条件下的贝叶斯网络(Bayesian network,BN)参数估计困难问题,提出了一种基于变权重迁移学习(DWTL)的BN参数学习算法。首先,利用MAP和MLE方法学习得到目标域初始参数和各源域参数;然后根据不同源域数据样本贡献的不同计算源... 针对小数据集条件下的贝叶斯网络(Bayesian network,BN)参数估计困难问题,提出了一种基于变权重迁移学习(DWTL)的BN参数学习算法。首先,利用MAP和MLE方法学习得到目标域初始参数和各源域参数;然后根据不同源域数据样本贡献的不同计算源权重因子;接着基于目标域样本统计量与小数据集样本阈值的关系设计了目标域初始参数和源域参数的平衡系数;最后,基于上述参数、源权重因子和平衡系数计算得到新的目标参数。在实验研究中,通过对经典BN模型的参数学习问题验证了DWTL算法的有效性;针对小数据集下的轴承故障诊断问题,相较于传统迁移学习(LP)算法,DWTL算法学习精度提高了10%。实验结果表明:所提出的算法能够较好地解决样本数据集在相对稀缺条件下的目标参数建模问题。 展开更多

关键词 小数据集 贝叶斯网络 迁移学习 参数学习

在线阅读 下载PDF 职称材料

p范数正则化支持向量机分类算法 被引量：19

13

作者 刘建伟 李双成 罗雄麟 《自动化学报》 EI CSCD 北大核心 2012年第1期76-87,共12页

L2范数罚支持向量机(Support vector machine,SVM)是目前使用最广泛的分类器算法之一,同时实现特征选择和分类器构造的L1范数和L0范数罚SVM算法也已经提出.但是,这两个方法中,正则化阶次都是事先给定,预设p=2或p=1.而我们的实验研究显示... L2范数罚支持向量机(Support vector machine,SVM)是目前使用最广泛的分类器算法之一,同时实现特征选择和分类器构造的L1范数和L0范数罚SVM算法也已经提出.但是,这两个方法中,正则化阶次都是事先给定,预设p=2或p=1.而我们的实验研究显示,对于不同的数据,使用不同的正则化阶次,可以改进分类算法的预测准确率.本文提出p范数正则化SVM分类器算法设计新模式,正则化范数的阶次p可取范围为0<p≤2.使用网格法选择模型参数值,使用迭代再权方法求解分类器目标函数,找出最小分类预测误差的模型参数值.在实际数据集上的实验结果验证了提出算法能够同时实现分类预测和特征选择,性能优于L2范数罚SVM,L1范数罚SVM和L0范数罚SVM. 展开更多

关键词 迭代再权方法 p范数(0 支持向量机 特征选择 稀疏化模型 高维小样本数据

在线阅读 下载PDF 职称材料

全国小流域分布式单位线综合分析 被引量：5

14

作者 郭良 翟晓燕 +1 位作者 刘荣华 李照会 《中国水利水电科学研究院学报》 北大核心 2019年第4期252-261,共10页

基于全国小流域数据集,采用相关性分析和基于最小二乘法的多元回归非线性模型进行了小流域分布式单位线的综合分析,并以全国30个不同地形地貌类型区的中小流域为例开展了应用研究。研究表明:小流域不均匀系数、加权平均坡度反映了小流... 基于全国小流域数据集,采用相关性分析和基于最小二乘法的多元回归非线性模型进行了小流域分布式单位线的综合分析,并以全国30个不同地形地貌类型区的中小流域为例开展了应用研究。研究表明:小流域不均匀系数、加权平均坡度反映了小流域汇流非均质分布特性,小流域属性与单位线特征值(洪峰流量、汇流时间和峰现时间)之间存在中度-强度相关关系;单位线洪峰流量、汇流时间和峰现时间最优公式型的均方根误差分别为0.14~0.75 m3/s、3.16~7.21 min和3.15~7.33 min,合格率分别为86%~100%、85%~100%和65%~100%,相关系数分别为0.93~0.99、0.89~0.99和0.83~0.98,构建的单位线特征值综合公式较好地反映了不同地形地貌类型区洪水集中度和汇集时间的差异性。研究可为缺资料地区中小流域暴雨洪水分析计算和山洪早期预报预警提供技术支撑。 展开更多

关键词 分布式单位线 小流域数据集 多元回归非线性模型 中小流域

在线阅读 下载PDF 职称材料

一种小规模数据集下的贝叶斯网络学习方法及其应用 被引量：3

15

作者 李亚飞 吕强 +1 位作者 苏伟峰 刘轶 《计算机科学》 CSCD 北大核心 2011年第7期181-184,234,共5页

提出了一种小规模数据集下学习贝叶斯网络的有效算法——FCLBN。FCLBN利用bootstrap方法在给定的小样本数据集上进行重抽样,然后用在抽样后数据集上学到的贝叶斯网络来估计原数据集上的贝叶斯网络的高置信度的特征,并用这些特征来指导... 提出了一种小规模数据集下学习贝叶斯网络的有效算法——FCLBN。FCLBN利用bootstrap方法在给定的小样本数据集上进行重抽样,然后用在抽样后数据集上学到的贝叶斯网络来估计原数据集上的贝叶斯网络的高置信度的特征,并用这些特征来指导在原数据集上的贝叶斯网络搜索。用标准的数据集验证了FCLBN的有效性,并将FCLBN应用于酵母菌细胞中蛋白质的定位预测。实验结果表明,FCLBN能够在小规模数据集上学到较好的网络模型。 展开更多

关键词 学习贝叶斯网络 小规模数据集 特征置信

在线阅读 下载PDF 职称材料

七鳃鳗神经系统的混沌仿真 被引量：1

16

作者 张平健 杜雷 李运龙 《系统仿真学报》 CAS CSCD 北大核心 2011年第11期2552-2555,共4页

使用WLC网络模型对七鳃鳗神经系统进行建模,提出一种计算最大李亚普诺夫指数的新方法——改进的小数据量法,典型非线性系统的仿真结果表明,同Wolf方法相比,新算法得到的结果更加精确。基于新算法的数值仿真表明,当没有外界刺激时,七鳃... 使用WLC网络模型对七鳃鳗神经系统进行建模,提出一种计算最大李亚普诺夫指数的新方法——改进的小数据量法,典型非线性系统的仿真结果表明,同Wolf方法相比,新算法得到的结果更加精确。基于新算法的数值仿真表明,当没有外界刺激时,七鳃神经系统处于稳定状态,随着外界刺激的不断增加,七鳃鳗神经系统逐渐进入混沌状态,但是,当外部刺激增加到一定程度以后,七鳃神经系统又回到稳定状态。 展开更多

关键词 WLC网络 七鳃鳗神经系统 李亚普诺夫指数 混沌 小数据量法

在线阅读 下载PDF 职称材料

小数据集情况下基于变权重融合的BN参数学习算法 被引量：1

17

作者 郭文强 寇馨 +2 位作者 李梦然 侯勇严 肖秦琨 《计算机工程与科学》 CSCD 北大核心 2022年第5期916-923,共8页

针对小数据集情况下贝叶斯网络(BN)参数学习结果精度较低的问题,分析了小数据集情况下BN参数变权重设计的必要性,提出一种基于变权重融合的BN参数学习算法VWPL。首先根据专家经验确定不等式约束条件,计算参数学习最小样本数据集阈值,设... 针对小数据集情况下贝叶斯网络(BN)参数学习结果精度较低的问题,分析了小数据集情况下BN参数变权重设计的必要性,提出一种基于变权重融合的BN参数学习算法VWPL。首先根据专家经验确定不等式约束条件,计算参数学习最小样本数据集阈值,设计了随样本量变化的变权重因子函数;然后根据样本计算出初始参数集,通过Bootstrap方法进行参数扩展得到满足约束条件的候选参数集,将其代入BN变权重参数计算模型即可获取最终的BN参数。实验结果表明,当学习数据量较小时,VWPL算法的学习精度高于MLE算法和QMAP算法的,也优于定权重学习算法的。另外,将VWPL算法成功应用到了轴承故障诊断实验中,为在小数据集上进行BN参数估计提供了一种方法。 展开更多

关键词 贝叶斯网络 小数据集 变权重融合 参数学习

在线阅读 下载PDF 职称材料

基于径向变换和改进AlexNet的胃肿瘤细胞图像识别方法 被引量：5

18

作者 甘岚 郭子涵 王瑶 《计算机应用》 CSCD 北大核心 2019年第10期2923-2929,共7页

使用AlexNet实现胃肿瘤细胞图像分类时,存在数据集过小和模型收敛速度慢、识别率低的问题。针对上述问题,提出基于径向变换(RT)的数据增强(DA)和改进AlexNet的方法。将原始数据集划分为测试集和训练集,测试集采用剪裁方式增加数据,训练... 使用AlexNet实现胃肿瘤细胞图像分类时,存在数据集过小和模型收敛速度慢、识别率低的问题。针对上述问题,提出基于径向变换(RT)的数据增强(DA)和改进AlexNet的方法。将原始数据集划分为测试集和训练集,测试集采用剪裁方式增加数据,训练集首先采用剪裁、旋转、翻转和亮度变换得到增强图片集;然后选取其中一部分进行RT处理达到增强效果。此外,采用替换激活函数和归一化层的方式提高AlexNet的收敛速度并提高其泛化性能。实验结果表明,所提方法能以较快的收敛速度和较高的识别准确率实现胃肿瘤细胞图像的识别,在测试集中最高准确率为99.50%,平均准确率为96.69%,癌变、正常和增生三个类别的F1值分别为0.980、0.954和0.958,表明该方法较好地实现了胃肿瘤细胞图像的识别。 展开更多

关键词 小样本数据集 数据增强 径向变换 卷积神经网络 胃肿瘤细胞图像识别

在线阅读 下载PDF 职称材料

基于样本扩充的小样本车牌识别 被引量：4

19

作者 尤鸣宇 韩煊 《南京师大学报（自然科学版）》 CAS CSCD 北大核心 2019年第3期1-10,共10页

车牌识别技术作为智能交通系统的核心课题之一,一直受到广泛的关注.近年来深度学习技术的迅速发展,更是为其提供了一种良好的解决方案.但实际场景下,研究者有时很难收集到足够的数据以支持模型训练.本文聚焦于小样本车牌识别问题,提出... 车牌识别技术作为智能交通系统的核心课题之一,一直受到广泛的关注.近年来深度学习技术的迅速发展,更是为其提供了一种良好的解决方案.但实际场景下,研究者有时很难收集到足够的数据以支持模型训练.本文聚焦于小样本车牌识别问题,提出了使用生成对抗网络生成车牌图像,辅助后续模型训练的方法.本文方法先使用CycleWGAN合成大量带标签车牌图像;之后用合成图像对识别模型进行预训练;最后使用原始真实数据微调模型,进一步提高模型的准确率.本文在多个数据集上验证此方法,均获得了明显的效果增益,特别是当真实数据相对有限时,本文方法将准确率从已经较高的基线上又提升了7.5%.另外,在较困难的双动态车牌图像上,本文方法也取得了不俗的效果.最后,引入模型压缩技术,在原方法的基础上设计并实现了LightRCNN,使识别速度提升近1倍. 展开更多

关键词 小样本车牌识别 生成对抗网络 卷积神经网络 双向循环神经网络

在线阅读 下载PDF 职称材料

基于小球大间隔方法的机械故障检测 被引量：4

20

作者 郝腾飞 陈果 《中国机械工程》 EI CAS CSCD 北大核心 2012年第15期1765-1770,共6页

针对机械故障检测中,正常样本多、故障样本少、训练样本严重不平衡的客观情况,将小球大间隔方法引入其中,提出了一种不平衡样本下的机械故障检测方法。该方法同时使用大量的正常样本和少量的故障样本进行训练,在特征空间中构造一个包围... 针对机械故障检测中,正常样本多、故障样本少、训练样本严重不平衡的客观情况,将小球大间隔方法引入其中,提出了一种不平衡样本下的机械故障检测方法。该方法同时使用大量的正常样本和少量的故障样本进行训练,在特征空间中构造一个包围正常样本的超球,在该超球体积最小化的同时,进一步使超球边界与故障样本之间的间隔最大化,从而显著减小将故障情况误判为正常情况的概率。将该方法应用到滚动轴承故障检测中,并与传统的支持向量机和支持向量数据描述方法进行了比较,实验结果表明,该方法在解决不平衡样本下机械故障检测问题具有优越性。 展开更多

关键词 故障检测 不平衡样本 小球大间隔 支持向量机 支持向量数据描述

在线阅读 下载PDF 职称材料