检索结果-维普期刊中文期刊服务平台

基于核方法的Web挖掘研究被引量：3: 1; 作者傅向华冯博琴 +1 位作者马兆丰韩冰《小型微型计算机系统》 CSCD 北大核心 2005年第5期727-731,共5页; 基于词空间的分类方法很难处理文本的高维特性和捕获文本语义概念.利用核主成分分析和支持向量机,提出一种通过约简文本数据维数抽取语义概念、基于语义概念进行文本分类的新方法.首先将文档映射到高维线性特征空间消除非线性特征,然后... 展开更多; 关键词核主成分分析支持向量机文本分类维数约简语义概念; 在线阅读下载PDF 职称材料

基于CCIPCA和ICA降维的文本分类研究被引量：2: 2; 作者何海斌李新福赵蕾蕾《计算机工程与应用》 CSCD 北大核心 2008年第29期150-152,167,共4页; 文本分类中采用向量空间模型来表达文本特征,维数巨大,关键是对高维的特征集进行降维处理,而一般的分解算法无法处理大规模的高维问题。采用CCIPCA与ICA相结合的特征提取方法可以有效地实现文本特征降维。实验结果表明降维提高了分类器... 展开更多; 关键词文本分类特征降维直观无协方差增量主元分析独立成分分析支持向量机; 在线阅读下载PDF 职称材料

基于卷积神经网络的逐时降水预报订正方法研究被引量：25: 3; 作者陈锦鹏冯业荣 +3 位作者蒙伟光文秋实潘宁戴光丰《气象》 CSCD 北大核心 2021年第1期60-70,共11页; 应用2017—2018年5—9月福建省观测资料对华南区域中尺度模式(GTRAMS-3 km-RUC)预报进行站点检验,建立和训练基于卷积神经网络的逐时降水分级订正模型,并与频率匹配法进行2017—2018年测试集的对比试验和2019年数据集的模拟业务检验,探... 展开更多; 关键词卷积神经网络逐时降水预报分级订正相关系数判别主成分分析; 在线阅读下载PDF 职称材料

基于CCIPCA-LSSVM的文本自动分类算法: 4; 作者张鸿彦《科学技术与工程》北大核心 2013年第10期2704-2709,共6页; 特征具有高维、稀疏性。为提高了文本自动分类准确率,针对PCA提取特征需要对大规模文本进行批处理,影响文本的准确率等,提出一种基于增量主元分析方法(CCIPCA)和最二小乘向量机(LSSVM)相结合的文本自动分类算法(CCIPCA-LSSVM)。首先通... 展开更多; 关键词文本分类特征提取最小二乘支持向量机增量主元分析方法粒子群优化算法; 在线阅读下载PDF 职称材料

基于CATPCA的优化Transformer卫星电源消耗时序预测研究被引量：2: 5; 作者张璋常亮 +3 位作者田明华邓雷常建平董亮《北京理工大学学报》 EI CAS CSCD 北大核心 2023年第7期744-754,共11页; 提出一种由基于最优尺度量化的分类主成分分析数据处理模块和优化Transformer时序预测模块组成的卫星电源消耗预测方法.针对卫星工程数据的高冗余问题,建立了基于赫斯特指数分析(Hurst)、灰色关联分析以及分类主成分分析(CATPCA)的卫星... 展开更多; 关键词时序预测 Transformer时序分类主成分分析深度学习卫星电源预测; 在线阅读下载PDF 职称材料

题名基于核方法的Web挖掘研究被引量：3: 1; 作者傅向华冯博琴马兆丰韩冰; 机构西安交通大学计算机科学与技术系; 出处《小型微型计算机系统》 CSCD 北大核心 2005年第5期727-731,共5页; 基金国家高技术研究发展计划 (2 0 0 3 AA1Z2 610 )资助; 文摘基于词空间的分类方法很难处理文本的高维特性和捕获文本语义概念.利用核主成分分析和支持向量机,提出一种通过约简文本数据维数抽取语义概念、基于语义概念进行文本分类的新方法.首先将文档映射到高维线性特征空间消除非线性特征,然后在映射空间中通过主成分分析消除变量之间的相关性,实现降维和语义概念抽取,得到文档的语义概念空间,最后在语义概念空间中采用支持向量机进行分类.通过新定义的核函数,不必显式实现到语义概念空间的映射,可在原始文档向量空间中直接实现基于语义概念的分类.利用核化的GHA方法自适应迭代求解核矩阵的特征向量和特征值,适于求解大规模的文本分类问题.试验结果表明该方法对于改进文本分类的性能具有较好的效果.; 关键词核主成分分析支持向量机文本分类维数约简语义概念; Keywords kernel principal component analysis support vector machine text categorization dimensionality reduce semantic concept; 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

题名基于CCIPCA和ICA降维的文本分类研究被引量：2: 2; 作者何海斌李新福赵蕾蕾; 机构河北大学数学与计算机学院; 出处《计算机工程与应用》 CSCD 北大核心 2008年第29期150-152,167,共4页; 基金国家自然科学基金No.60772073 河北省自然科学基金No.F2006001020 河北省教育厅科学基金No.2005347~~; 文摘文本分类中采用向量空间模型来表达文本特征,维数巨大,关键是对高维的特征集进行降维处理,而一般的分解算法无法处理大规模的高维问题。采用CCIPCA与ICA相结合的特征提取方法可以有效地实现文本特征降维。实验结果表明降维提高了分类器的效率和效果。; 关键词文本分类特征降维直观无协方差增量主元分析独立成分分析支持向量机; Keywords text categorization dimension reduction Candid Covariance-free Incremental principal component analysis（CCIPCA） Independent components analysis（ICA） Support Vector Machine（SVM）; 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

题名基于卷积神经网络的逐时降水预报订正方法研究被引量：25: 3; 作者陈锦鹏冯业荣蒙伟光文秋实潘宁戴光丰; 机构福建省灾害天气重点实验室数据科学与统计重点实验室福建省漳州市气象局中国气象局广州热带海洋气象研究所/广东省区域数值天气预报重点实验室福建省气象台; 出处《气象》 CSCD 北大核心 2021年第1期60-70,共11页; 基金国家自然科学基金联合基金项目(U1811464) 泛珠三角区域数值预报联合发展专项(201804和201904) +2 种基金数据科学与统计重点实验室开放课题(42010702)共同资助。; 文摘应用2017—2018年5—9月福建省观测资料对华南区域中尺度模式(GTRAMS-3 km-RUC)预报进行站点检验,建立和训练基于卷积神经网络的逐时降水分级订正模型,并与频率匹配法进行2017—2018年测试集的对比试验和2019年数据集的模拟业务检验,探讨了试验过程中遇到的样本不均衡、特征变量选取以及模型过拟合问题。结果表明:模式对于15 mm·h-1以上降水的预报能力弱,各订正方法对原始预报均有不同程度的改进作用。从评估指标来看,基于卷积神经网络的订正方法比频率匹配法表现出优势,其中相关系数判别方案下的网络模型对强降水预报的订正效果显著优于其他方法;在输入特征变量选取方面,应用主成分分析方案的模型训练收敛速度比相关系数判别方案更快,最佳训练期有所提前,但也更早进入严重的过拟合状态,而相关系数判别方案能够使网络模型的训练拥有更长的提升期以达到更具“潜力”的状态;基于卷积神经网络的订正方法对减少分类降水预报的漏报率、晴雨和弱降水预报的空报率具有显著作用,其优化程度明显超过频率匹配法。; 关键词卷积神经网络逐时降水预报分级订正相关系数判别主成分分析; Keywords convolutional neural network(CNN) hourly precipitation forecast categorical correction correlation coefficient discrimination(CCD) principal component analysis(PCA); 分类号 P456 [天文地球—大气科学及气象学]; 在线阅读下载PDF 职称材料

题名基于CCIPCA-LSSVM的文本自动分类算法: 4; 作者张鸿彦; 机构河南工程学院软件学院; 出处《科学技术与工程》北大核心 2013年第10期2704-2709,共6页; 文摘特征具有高维、稀疏性。为提高了文本自动分类准确率,针对PCA提取特征需要对大规模文本进行批处理,影响文本的准确率等,提出一种基于增量主元分析方法(CCIPCA)和最二小乘向量机(LSSVM)相结合的文本自动分类算法(CCIPCA-LSSVM)。首先通过互信法选择文本特征,然后采用CCIPCA高维文本特征进行提取,降低特征维数,消除冗余特征,最后采用LSSVM对提取特征进行学习,并通过粒子群算法对分类器优化,建立最优文本自动分类模型。仿真结果表明,相对于其它文本分类算法,CCIPCA-LSSVM提高了文本分类准确率和召回率,解决了文本特征提取过程存在的难题。; 关键词文本分类特征提取最小二乘支持向量机增量主元分析方法粒子群优化算法; Keywords text categorization features abstract least squares support vector machines candid in- cremental principal component analysis particle swarm optimization algorithm; 分类号 TP311.56 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于CATPCA的优化Transformer卫星电源消耗时序预测研究被引量：2: 5; 作者张璋常亮田明华邓雷常建平董亮; 机构中国科学院微小卫星创新研究院中国科学院大学上海微小卫星工程中心; 出处《北京理工大学学报》 EI CAS CSCD 北大核心 2023年第7期744-754,共11页; 基金上海市青年科技英才扬帆计划(19YF1446200)。; 文摘提出一种由基于最优尺度量化的分类主成分分析数据处理模块和优化Transformer时序预测模块组成的卫星电源消耗预测方法.针对卫星工程数据的高冗余问题,建立了基于赫斯特指数分析(Hurst)、灰色关联分析以及分类主成分分析(CATPCA)的卫星高维数据处理模型,对百维度时序数据进行有效提取,重构输入数据.采用对抗学习网络架构,建立多学习Transformer的卫星电量预测模型,模型综合考虑影响卫星能源消耗的多种因素以及时序数据依赖,可以在较短的时间内完成高精度卫星电源消耗时序预测.实验部分采用卫星真实运行数据,综合考虑影响卫星能源消耗的多种因素,12 h预测拟合优度达到94%,比BP神经网络,长短期记忆网络(LSTM)精度更高.可以有效克服常规工程数据的冗余、缺失以及脏数据问题,解决了常规时序预测需要依赖长期数据的不足缺陷,有效完成卫星能源短时消耗高精度预测.这对卫星在轨任务规划、卫星在轨健康管理等后续任务提供可靠支持.; 关键词时序预测 Transformer时序分类主成分分析深度学习卫星电源预测; Keywords time series forecast Transformer time series categorical principal component analysis(cat-pca) deep learning satellite power forecast; 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	作者	出处	发文年	被引量	操作
1	基于核方法的Web挖掘研究	傅向华冯博琴马兆丰韩冰	《小型微型计算机系统》 CSCD 北大核心	2005	3	在线阅读下载PDF 职称材料
2	基于CCIPCA和ICA降维的文本分类研究	何海斌李新福赵蕾蕾	《计算机工程与应用》 CSCD 北大核心	2008	2	在线阅读下载PDF 职称材料
3	基于卷积神经网络的逐时降水预报订正方法研究	陈锦鹏冯业荣蒙伟光文秋实潘宁戴光丰	《气象》 CSCD 北大核心	2021	25	在线阅读下载PDF 职称材料
4	基于CCIPCA-LSSVM的文本自动分类算法	张鸿彦	《科学技术与工程》北大核心	2013	0	在线阅读下载PDF 职称材料
5	基于CATPCA的优化Transformer卫星电源消耗时序预测研究	张璋常亮田明华邓雷常建平董亮	《北京理工大学学报》 EI CAS CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料