检索结果-维普期刊中文期刊服务平台

面向类不均衡数据的多任务博弈概率分类向量机被引量：1: 1; 作者潘海洋李丙新 +1 位作者郑近德童靳于《机电工程》 CAS 北大核心 2024年第3期430-437,共8页; 在工程实际中获取的故障样本往往会呈现不均衡特点,同时传统的分类模型也会存在局限性。针对这些问题,基于稀疏贝叶斯理论、模糊隶属度等理论,提出了一种多任务博弈概率分类向量机(MGPCVM)分类方法。首先,在MGPCVM的目标函数中,设计了... 展开更多; 关键词滚动轴承故障诊断多任务博弈概率分类向量机支持向量机概率分类向量机不均衡比故障分类模型; 在线阅读下载PDF 职称材料

基于条件分类与证据理论的短期风电功率非参数概率预测方法被引量：24: 2; 作者林优杨明 +1 位作者韩学山安滨《电网技术》 EI CSCD 北大核心 2016年第4期1113-1119,共7页; 提出了一种基于稀疏贝叶斯分类与Dempster-Shafer(D-S)证据理论的短期风电功率概率分布非参数估计方法,预测时间尺度为48 h。该方法首先通过支持向量机(support vector machine,SVM)对风电功率进行点预测;进而将SVM预测误差的范围离散... 展开更多; 关键词风电功率概率预测非参数估计支持向量机稀疏贝叶斯分类 D-S证据理论; 在线阅读下载PDF 职称材料

基于光谱与空间特征结合的改进高光谱数据分类算法被引量：11: 3; 作者李娜李咏洁 +1 位作者赵慧洁曹扬《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2014年第2期526-531,共6页; 针对仅利用光谱信息进行分类未充分利用高光谱数据图谱合一特性的问题,提出了基于马尔可夫随机场的改进分类模型,利用基于最大后验概率的马尔科夫随机场模型进行光谱与空间信息的融合应用,采用基于光谱信息的概率支持向量机方法提高马... 展开更多; 关键词高光谱遥感分类马尔可夫随机场概率支持向量机高效置信传播; 在线阅读下载PDF 职称材料

基于概率的支持向量数据描述方法被引量：4: 4; 作者杨晨王婕婷 +1 位作者李飞江钱宇华《计算机应用》 CSCD 北大核心 2019年第11期3134-3139,共6页; 针对目前概率机器学习方法在解决概率问题时具有较高的复杂度,而传统的支持向量数据描述(SVDD)作为一种核密度估计方法只能判断测试样本是否属于该类等问题,提出一种基于概率的支持向量数据描述方法。首先,利用传统的SVDD方法分别得到... 展开更多; 关键词概率机器学习支持向量数据描述集成不确定性分类; 在线阅读下载PDF 职称材料

基于稀疏贝叶斯模型的特征选择被引量：4: 5; 作者祝璞黄章进《计算机工程》 CAS CSCD 北大核心 2017年第4期183-187,193,共6页; 通过采用稀疏贝叶斯推理方法,设计出可同时进行学习最优分类器与选取最优特征子集的特征选择概率分类向量机算法。该算法是对概率分类向量机特征选择的扩展,可提高其在高维数据集上的性能。通过选取零均值的高斯分布作为先验,在模型中... 展开更多; 关键词机器学习核函数稀疏贝叶斯特征选择概率分类向量机自动相关性检测; 在线阅读下载PDF 职称材料

一种新的概率支持向量机方法: 6; 作者王剑锋杨胜 +1 位作者谢凯李仁发《计算机工程与应用》 CSCD 北大核心 2008年第12期145-146,160,共3页; 提出一个新的基于样本点概率估计的支持向量机,通过定义相应样本数据点的概率估计值,以及相应的数据样本点到超平面的距离,来形成新的线性和非线性情况下的支持向量机。最后通过实验证明,在数据集的训练上,新的支持向量机比以往传统的... 展开更多; 关键词分类支持向量机数据样本概率支持向量机概率估计值; 在线阅读下载PDF 职称材料

基于ICA-ELM的工业过程故障分类被引量：7: 7; 作者严文武潘丰《计算机工程》 CAS CSCD 北大核心 2015年第10期290-294,共5页; 基于独立成分分析(ICA)的多变量统计过程监控主要用于故障检测,不能有效地进行故障分类。为此,结合极限学习机(ELM),提出一种ICA-ELM的故障分类方法。利用ICA提取故障特征,通过ELM学习算法训练神经网络,从而实现故障分类。采用TE过程数... 展开更多; 关键词独立成分分析极限学习机故障分类概率神经网络支持向量机 TE过程; 在线阅读下载PDF 职称材料

题名面向类不均衡数据的多任务博弈概率分类向量机被引量：1: 1; 作者潘海洋李丙新郑近德童靳于; 机构安徽工业大学机械工程学院; 出处《机电工程》 CAS 北大核心 2024年第3期430-437,共8页; 基金国家自然科学基金资助项目(51975004) 安徽省高校自然科学研究重点项目(2022AH050292) 牵引动力国家重点实验室开放课题(TPL2311)。; 文摘在工程实际中获取的故障样本往往会呈现不均衡特点,同时传统的分类模型也会存在局限性。针对这些问题,基于稀疏贝叶斯理论、模糊隶属度等理论,提出了一种多任务博弈概率分类向量机(MGPCVM)分类方法。首先,在MGPCVM的目标函数中,设计了博弈因子,将不同类样本质心间的博弈信息赋予每个样本特定的样本质心敏感值,以解决传统分类器对不平衡数据集分类表现较差的问题;然后,在贝叶斯框架理论下,采用截断高斯先验分布的方法,使样本参数的正负与对应的标签信息相一致,且使样本质心敏感值产生了稀疏估计;最后,将MGPCVM方法应用于两种不同实验平台采集的滚动轴承实验数据处理,进行了故障诊断有效性验证。研究结果表明:在不同的不平衡比(IR)下,MGPCVM方法的准确率均保持在95%以上,相对于支持向量机(SVM)、概率分类向量机(PCVM)等方法提升了4%~8%;与典型向量式分类方法相比,MGPCVM方法可以在不平衡数据条件下表现出优越的分类性能,适用于实际工况中数据失衡的分类问题。; 关键词滚动轴承故障诊断多任务博弈概率分类向量机支持向量机概率分类向量机不均衡比故障分类模型; Keywords rolling bearing fault diagnosis multitask game probabilistic classification vector machine(MGpcvm) support vector machine(SVM) probabilistic classification vector machine(pcvm) imbalance ratios(IR) fault classification model; 分类号 TH133.33 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于条件分类与证据理论的短期风电功率非参数概率预测方法被引量：24: 2; 作者林优杨明韩学山安滨; 机构电网智能化调度与控制教育部重点实验室(山东大学) 国网山东省电力公司检修公司; 出处《电网技术》 EI CSCD 北大核心 2016年第4期1113-1119,共7页; 基金国家重点基础研究发展计划项目(973项目)(2013CB228205) 国家自然科学基金项目(51007047 51477091)~~; 文摘提出了一种基于稀疏贝叶斯分类与Dempster-Shafer(D-S)证据理论的短期风电功率概率分布非参数估计方法,预测时间尺度为48 h。该方法首先通过支持向量机(support vector machine,SVM)对风电功率进行点预测;进而将SVM预测误差的范围离散为多个区间,通过建立稀疏贝叶斯分类器对SVM预测误差落入各预定区间的概率进行估计。然后应用D-S证据理论对所有区间对应的概率估计结果进行整合,得到SVM预测误差的整体概率分布。最后叠加误差分布与SVM预测的风电功率值,得到风电功率的概率分布结果。该方法基于稀疏贝叶斯架构构建,具有高稀疏性,确保了模型的泛化能力与计算速度。该方法还系统地计及了风电场输出功率必须满足在[0,GN](GN为风电场装机容量)内取值的边界约束,使预测结果更加符合实际。以某74 MW的风电场为例对上述方法进行了验证,结果表明了该方法的有效性。; 关键词风电功率概率预测非参数估计支持向量机稀疏贝叶斯分类 D-S证据理论; Keywords probabilistic wind generation forecast non-parametric estimation support vector machine sparse Bayesian classification Dempster-Shafer theory; 分类号 TM715 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于光谱与空间特征结合的改进高光谱数据分类算法被引量：11: 3; 作者李娜李咏洁赵慧洁曹扬; 机构北京航空航天大学精密光机电一体化技术教育部重点实验室航天科工第四研究院指挥自动化技术研发与应用中心; 出处《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2014年第2期526-531,共6页; 基金国家自然科学基金项目(61008047) 国家(863计划)项目(2012AA12A30801 +2 种基金 2012YQ05250) 长江学者和创新团队发展计划项目(IRT0705)资助; 文摘针对仅利用光谱信息进行分类未充分利用高光谱数据图谱合一特性的问题,提出了基于马尔可夫随机场的改进分类模型,利用基于最大后验概率的马尔科夫随机场模型进行光谱与空间信息的融合应用,采用基于光谱信息的概率支持向量机方法提高马尔科夫随机场模型中光谱能量函数项的类条件概率估计精度,设计基于信息传播策略、信息更新策略、多尺度传播策略的多重加速策略的高效置信传播优化算法,解决了马尔科夫随机场模型中全局能量最小化优化过程中计算复杂度高、计算耗时等问题。利用航空可见-近红外成像光谱仪AVIRIS对美国印第安纳州西北部的农业示范区数据进行应用分析,并与迭代条件模型、模拟退火、置信传播等方法进行性能比较,试验结果表明:该方法能够达到总体分类精度95.78%、Kappa系数0.933 4,优于现有马尔科夫随机场分类算法,并且计算效率比置信传播优化算法提高了3倍以上。; 关键词高光谱遥感分类马尔可夫随机场概率支持向量机高效置信传播; Keywords Hyperspectral remote sensing classification Markov random field probabilistic support vector machine Efficient belief propagation; 分类号 TP751 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于概率的支持向量数据描述方法被引量：4: 4; 作者杨晨王婕婷李飞江钱宇华; 机构山西大学大数据科学与产业研究院计算智能与中文信息处理教育部重点实验室(山西大学) 山西大学计算机与信息技术学院; 出处《计算机应用》 CSCD 北大核心 2019年第11期3134-3139,共6页; 基金国家自然科学基金资助项目(61672332) 山西省拔尖创新人才支持计划项目 +1 种基金山西青年三晋学者项目山西省海外归国人员研究项目(2017023)~~; 文摘针对目前概率机器学习方法在解决概率问题时具有较高的复杂度,而传统的支持向量数据描述(SVDD)作为一种核密度估计方法只能判断测试样本是否属于该类等问题,提出一种基于概率的支持向量数据描述方法。首先,利用传统的SVDD方法分别得到两类数据的数据描述,计算测试样本到超球体的距离;然后,构造一个将距离转换为概率的函数,提出一种基于概率的SVDD方法;同时,使用Bagging算法进行集成,进一步提高数据描述的性能。借鉴分类场景,将所提方法与传统的SVDD方法在Gunnar Raetsch的13种基准数据集上进行实验,实验结果表明,所提方法在准确率和F1值上优于传统的SVDD方法,并且其数据描述的性能有所提升。; 关键词概率机器学习支持向量数据描述集成不确定性分类; Keywords probabilistic machine learning Support vector Data Description(SVDD) ensemble uncertainty classification; 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

题名基于稀疏贝叶斯模型的特征选择被引量：4: 5; 作者祝璞黄章进; 机构中国科学技术大学计算机科学与技术学院中国科学技术大学安徽省计算与通信软件重点实验室中国科学技术大学先进技术研究院; 出处《计算机工程》 CAS CSCD 北大核心 2017年第4期183-187,193,共6页; 基金安徽省自然科学基金(1408085MKL06) 高等学校学科创新引智计划项目(B07033); 文摘通过采用稀疏贝叶斯推理方法,设计出可同时进行学习最优分类器与选取最优特征子集的特征选择概率分类向量机算法。该算法是对概率分类向量机特征选择的扩展,可提高其在高维数据集上的性能。通过选取零均值的高斯分布作为先验,在模型中起到正则项的作用,同时在核函数和特征中引入稀疏,得到泛化性更好的分类模型。在高维度和低维度数据集中的实验结果表明,该算法同时具有较好的分类和特征选择能力。; 关键词机器学习核函数稀疏贝叶斯特征选择概率分类向量机自动相关性检测; Keywords machine learning kernel function sparse Bayesian feature selection probabilistic classification vector machine （ pcvm ） automatic relevance determination; 分类号 TP18 [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

题名一种新的概率支持向量机方法: 6; 作者王剑锋杨胜谢凯李仁发; 机构湖南大学计算机与通信学院; 出处《计算机工程与应用》 CSCD 北大核心 2008年第12期145-146,160,共3页; 基金国家自然科学基金(the National Natural Science Foundation of China under Grant No.60603053) 教育部重点项目(teh Key Projects of the Ministry of Education of China under Grant No.106158); 文摘提出一个新的基于样本点概率估计的支持向量机,通过定义相应样本数据点的概率估计值,以及相应的数据样本点到超平面的距离,来形成新的线性和非线性情况下的支持向量机。最后通过实验证明,在数据集的训练上,新的支持向量机比以往传统的支持向量机有更好的分类性能,并且缩短了支持向量机数据样本的训练时间。; 关键词分类支持向量机数据样本概率支持向量机概率估计值; Keywords classification support vector machines data sample probabilistic SVMs probabilistic estimated value; 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

题名基于ICA-ELM的工业过程故障分类被引量：7: 7; 作者严文武潘丰; 机构江南大学轻工过程先进控制教育部重点实验室; 出处《计算机工程》 CAS CSCD 北大核心 2015年第10期290-294,共5页; 基金国家自然科学基金资助项目(61273131) 江苏省产学研联合创新基金资助项目(BY2013015-39); 文摘基于独立成分分析(ICA)的多变量统计过程监控主要用于故障检测,不能有效地进行故障分类。为此,结合极限学习机(ELM),提出一种ICA-ELM的故障分类方法。利用ICA提取故障特征,通过ELM学习算法训练神经网络,从而实现故障分类。采用TE过程数据进行验证,实验结果表明,与概率神经网络和支持向量机相比,ICA-ELM算法的故障分类准确率更高,训练速度更快。; 关键词独立成分分析极限学习机故障分类概率神经网络支持向量机 TE过程; Keywords Independent Component Analysis（ICA） Extreme Learning machine（ELM） fault classification probabilistic Neural Network（PNN） Support vector machine（SVM） Tennessee Eastman（TE）process; 分类号 TP39 [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	面向类不均衡数据的多任务博弈概率分类向量机	潘海洋李丙新郑近德童靳于	《机电工程》 CAS 北大核心	2024	1	在线阅读下载PDF 职称材料
2	基于条件分类与证据理论的短期风电功率非参数概率预测方法	林优杨明韩学山安滨	《电网技术》 EI CSCD 北大核心	2016	24	在线阅读下载PDF 职称材料
3	基于光谱与空间特征结合的改进高光谱数据分类算法	李娜李咏洁赵慧洁曹扬	《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心	2014	11	在线阅读下载PDF 职称材料
4	基于概率的支持向量数据描述方法	杨晨王婕婷李飞江钱宇华	《计算机应用》 CSCD 北大核心	2019	4	在线阅读下载PDF 职称材料
5	基于稀疏贝叶斯模型的特征选择	祝璞黄章进	《计算机工程》 CAS CSCD 北大核心	2017	4	在线阅读下载PDF 职称材料
6	一种新的概率支持向量机方法	王剑锋杨胜谢凯李仁发	《计算机工程与应用》 CSCD 北大核心	2008	0	在线阅读下载PDF 职称材料
7	基于ICA-ELM的工业过程故障分类	严文武潘丰	《计算机工程》 CAS CSCD 北大核心	2015	7	在线阅读下载PDF 职称材料