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
2
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
基于核密度的线性惩罚样条光滑方法
1
作者
刘雨
晏梅
《统计与决策》
北大核心
2025年第14期47-52,共6页
惩罚样条光滑方法是一种用于数据拟合和光滑的非参数统计方法,通过在样条函数的拟合过程中引入惩罚约束来减少噪声和降低不规则性。为了达到最佳的光滑效果,选择最优的惩罚项、惩罚参数和样条节点仍然是需要关注的问题。针对这些问题,...
惩罚样条光滑方法是一种用于数据拟合和光滑的非参数统计方法,通过在样条函数的拟合过程中引入惩罚约束来减少噪声和降低不规则性。为了达到最佳的光滑效果,选择最优的惩罚项、惩罚参数和样条节点仍然是需要关注的问题。针对这些问题,文章基于岭回归和核密度技术提出了一种新的惩罚样条光滑方法。新方法利用样条节点处的核密度构造惩罚矩阵,并使用岭回归的范数作为样条系数的惩罚项;此外,新方法先使用逐步向前方法选择最优的样条节点,再使用基于矩阵分解的广义交叉验证(GCV)准则快速选择最优的惩罚参数,从而极大地提高了新方法的运算速度。通过模拟实验可知,新方法对于各类复杂的回归模型都能有较好的拟合与预测效果;另外,对于不连续回归模型以及解释变量是偏态分布的情形,新方法仍有较好的预测效果,并且优于其他回归方法。
展开更多
关键词
ReLU
线性惩罚样条
非参数回归
节点选择
核密度
光滑方法
在线阅读
下载PDF
职称材料
融合残差注意力机制的深度可分离UNet泥石流堆积扇分割
2
作者
宋昕
王保云
朱双颖
《辽宁工程技术大学学报(自然科学版)》
北大核心
2024年第6期112-120,共9页
为解决传统机器学习方法在泥石流堆积扇识别中的精度低、效果差的问题,提出一种基于深度学习的残差注意力可分离UNet算法(RAMS-UNet)。该算法在编码部分采用VGG16主干网络进行特征提取,加深网络层次;在跳跃连接部分引入改进的注意力机制...
为解决传统机器学习方法在泥石流堆积扇识别中的精度低、效果差的问题,提出一种基于深度学习的残差注意力可分离UNet算法(RAMS-UNet)。该算法在编码部分采用VGG16主干网络进行特征提取,加深网络层次;在跳跃连接部分引入改进的注意力机制,强化信息传递;在解码部分使用深度可分离卷积和密集连接块,进一步增强空间和通道上的信息表达能力。研究结果表明:与其他算法相比,RAMS-UNet算法对泥石流堆积扇的分割精度更高,mIoU、mPA、PA和F1指数等评价指标均显著提升。RAMS-UNet算法突破了传统方法在泥石流堆积扇识别中的局限性,为泥石流灾害评估提供了更加精准的信息支持。
展开更多
关键词
泥石流堆积扇
沟谷型泥石流
语义分割
UNet算法
注意力机制
深度可分离卷积
在线阅读
下载PDF
职称材料
题名
基于核密度的线性惩罚样条光滑方法
1
作者
刘雨
晏梅
机构
四川
师范大学
数学
科学学院
云南师范大学
数学
学院
云南师范大学云南省现代分析数学及其应用重点实验室
出处
《统计与决策》
北大核心
2025年第14期47-52,共6页
基金
云南省科技厅科技计划青年项目(202201AU070051)
四川师范大学引进人才科研启动项目(rc20250216)
+1 种基金
云南师范大学博士科研启动项目(2020ZB014)
云南省现代应用数学与生命科学交叉融合创新团队(202405AS350003)。
文摘
惩罚样条光滑方法是一种用于数据拟合和光滑的非参数统计方法,通过在样条函数的拟合过程中引入惩罚约束来减少噪声和降低不规则性。为了达到最佳的光滑效果,选择最优的惩罚项、惩罚参数和样条节点仍然是需要关注的问题。针对这些问题,文章基于岭回归和核密度技术提出了一种新的惩罚样条光滑方法。新方法利用样条节点处的核密度构造惩罚矩阵,并使用岭回归的范数作为样条系数的惩罚项;此外,新方法先使用逐步向前方法选择最优的样条节点,再使用基于矩阵分解的广义交叉验证(GCV)准则快速选择最优的惩罚参数,从而极大地提高了新方法的运算速度。通过模拟实验可知,新方法对于各类复杂的回归模型都能有较好的拟合与预测效果;另外,对于不连续回归模型以及解释变量是偏态分布的情形,新方法仍有较好的预测效果,并且优于其他回归方法。
关键词
ReLU
线性惩罚样条
非参数回归
节点选择
核密度
光滑方法
Keywords
ReLU
linear penalized spline
non-parametric regression
node selection
kernel density
smoothing method
分类号
O21 [理学—概率论与数理统计]
在线阅读
下载PDF
职称材料
题名
融合残差注意力机制的深度可分离UNet泥石流堆积扇分割
2
作者
宋昕
王保云
朱双颖
机构
云南师范大学
数学
学院
云南师范大学云南省现代分析数学及其应用重点实验室
昆明学院建筑工程学院
出处
《辽宁工程技术大学学报(自然科学版)》
北大核心
2024年第6期112-120,共9页
基金
国家自然科学基金项目(61966040)
云南省科技厅地方高校联合专项(202001BA070001-171)
文摘
为解决传统机器学习方法在泥石流堆积扇识别中的精度低、效果差的问题,提出一种基于深度学习的残差注意力可分离UNet算法(RAMS-UNet)。该算法在编码部分采用VGG16主干网络进行特征提取,加深网络层次;在跳跃连接部分引入改进的注意力机制,强化信息传递;在解码部分使用深度可分离卷积和密集连接块,进一步增强空间和通道上的信息表达能力。研究结果表明:与其他算法相比,RAMS-UNet算法对泥石流堆积扇的分割精度更高,mIoU、mPA、PA和F1指数等评价指标均显著提升。RAMS-UNet算法突破了传统方法在泥石流堆积扇识别中的局限性,为泥石流灾害评估提供了更加精准的信息支持。
关键词
泥石流堆积扇
沟谷型泥石流
语义分割
UNet算法
注意力机制
深度可分离卷积
Keywords
debris flow fan
valley-type debris flow
semantic segmentation
UNet algorithm
attention mechanism
depth-wise separable convolution
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
作者
出处
发文年
被引量
操作
1
基于核密度的线性惩罚样条光滑方法
刘雨
晏梅
《统计与决策》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
融合残差注意力机制的深度可分离UNet泥石流堆积扇分割
宋昕
王保云
朱双颖
《辽宁工程技术大学学报(自然科学版)》
北大核心
2024
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
