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
基于双端权重约束的异质超网络表示学习
1
作者
陈毅艰
朱宇
+3 位作者
王晓英
黄建强
曹腾飞
王威
《计算机应用研究》
北大核心
2025年第2期406-412,共7页
与传统网络不同,超网络具有复杂的高阶元组关系,而现有大多数超网络表示学习方法不能很好地捕获复杂的高阶元组关系。针对上述问题,为了更好地捕获复杂的高阶元组关系,提出了基于双端权重约束的异质超网络表示学习方法。首先,该方法提...
与传统网络不同,超网络具有复杂的高阶元组关系,而现有大多数超网络表示学习方法不能很好地捕获复杂的高阶元组关系。针对上述问题,为了更好地捕获复杂的高阶元组关系,提出了基于双端权重约束的异质超网络表示学习方法。首先,该方法提出一个超边多源随机游走融合算法,将超边融入到基于超路径的随机游走节点序列中;然后,受到知识表示学习模型TransE的启发,该方法引入超边感知器模型与hyper-gram模型进行加权融合,以便于捕获超网络中复杂的高阶元组关系;最后,在四个真实超网络数据集上的实验表明,对于链接预测任务,该方法的性能几乎优于所有基线方法。对于超网络重建任务,在GPS数据集上,该方法的性能优于所有基线方法;同时,在drug数据集上,在超边重建比例大于0.3时,该方法的性能优于所有基线方法。总之,所提方法能够有效地捕获超网络中复杂的高阶元组关系。
展开更多
关键词
超网络表示学习
双端权重约束
超边感知器
链接预测
超网络重建
在线阅读
下载PDF
职称材料
基于梯度提升回归树的三江源地区植被指数的预测方法研究
2
作者
张国晶
颜青松
+3 位作者
秦文强
张兹予
李希来
黄建强
《草地学报》
北大核心
2025年第5期1655-1668,共14页
为了揭示三江源地区2000—2023年植被时空变化格局及影响因素,并预测气候变化条件下三江源地区植被可能的变化趋势,本研究基于三江源达日、玛多、玉树、曲麻莱四个地区2000—2023年归一化植被指数(Normalized difference vegetation ind...
为了揭示三江源地区2000—2023年植被时空变化格局及影响因素,并预测气候变化条件下三江源地区植被可能的变化趋势,本研究基于三江源达日、玛多、玉树、曲麻莱四个地区2000—2023年归一化植被指数(Normalized difference vegetation index,NDVI)数据,以及温度、降水、风速和气压等气候数据进行分析。研究采用了梯度提升回归树、自适应增强回归、随机森林以及神经网络等机器学习算法建立NDVI预测模型。在此基础上,对所有模型参数进行了精细调优和验证,以提升模型性能和可靠性。最终,筛选出了模拟精度最优模型,进行多情景下植被变化模拟。研究结果表明,温度对NDVI的气象特征值占比最高,达0.6486。梯度提升回归模型在所有研究区综合表现优于其他模型,平均均方误差(Mean squared error,MSE)在0.00045~0.00104之间,拟合系数(Coefficient of determination,R^(2))均超过0.90,显示出强大的拟合能力。梯度提升回归树在预测三江源地区NDVI方面具有较高的准确性和稳定性,并对NDVI数据具有良好拟合效果,为三江源地区NDVI预测提供了科学方法。研究结果有助于预警气候变化条件下植被退化的潜能,为气候变化背景下该区域植被生态保护提供科学依据。
展开更多
关键词
NDVI
机器学习
梯度提升回归树
三江源地区
在线阅读
下载PDF
职称材料
题名
基于双端权重约束的异质超网络表示学习
1
作者
陈毅艰
朱宇
王晓英
黄建强
曹腾飞
王威
机构
青海大学
计算
机技术
与应用
学院
青海大学青海省智能计算与应用实验室
出处
《计算机应用研究》
北大核心
2025年第2期406-412,共7页
基金
国家自然科学基金资助项目(62166032,62162053)
青海省自然科学基金资助项目(2022-ZJ-961Q)。
文摘
与传统网络不同,超网络具有复杂的高阶元组关系,而现有大多数超网络表示学习方法不能很好地捕获复杂的高阶元组关系。针对上述问题,为了更好地捕获复杂的高阶元组关系,提出了基于双端权重约束的异质超网络表示学习方法。首先,该方法提出一个超边多源随机游走融合算法,将超边融入到基于超路径的随机游走节点序列中;然后,受到知识表示学习模型TransE的启发,该方法引入超边感知器模型与hyper-gram模型进行加权融合,以便于捕获超网络中复杂的高阶元组关系;最后,在四个真实超网络数据集上的实验表明,对于链接预测任务,该方法的性能几乎优于所有基线方法。对于超网络重建任务,在GPS数据集上,该方法的性能优于所有基线方法;同时,在drug数据集上,在超边重建比例大于0.3时,该方法的性能优于所有基线方法。总之,所提方法能够有效地捕获超网络中复杂的高阶元组关系。
关键词
超网络表示学习
双端权重约束
超边感知器
链接预测
超网络重建
Keywords
hypernetwork representation learning
dual-end weight constraint
hyperedge perceptron
link prediction
hypernetwork reconstruction
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
基于梯度提升回归树的三江源地区植被指数的预测方法研究
2
作者
张国晶
颜青松
秦文强
张兹予
李希来
黄建强
机构
青海大学
计算
机技术
与应用
学院
青海大学青海省智能计算与应用实验室
青海大学
财经学院
青海大学
农牧学院
青海省
绿色算力工程技术研究中心
出处
《草地学报》
北大核心
2025年第5期1655-1668,共14页
基金
青海省重点研发计划(2023-QY-208)
国家自然科学联合基金项目(U23A20159)
国家自然科学基金(No.62162053)资助。
文摘
为了揭示三江源地区2000—2023年植被时空变化格局及影响因素,并预测气候变化条件下三江源地区植被可能的变化趋势,本研究基于三江源达日、玛多、玉树、曲麻莱四个地区2000—2023年归一化植被指数(Normalized difference vegetation index,NDVI)数据,以及温度、降水、风速和气压等气候数据进行分析。研究采用了梯度提升回归树、自适应增强回归、随机森林以及神经网络等机器学习算法建立NDVI预测模型。在此基础上,对所有模型参数进行了精细调优和验证,以提升模型性能和可靠性。最终,筛选出了模拟精度最优模型,进行多情景下植被变化模拟。研究结果表明,温度对NDVI的气象特征值占比最高,达0.6486。梯度提升回归模型在所有研究区综合表现优于其他模型,平均均方误差(Mean squared error,MSE)在0.00045~0.00104之间,拟合系数(Coefficient of determination,R^(2))均超过0.90,显示出强大的拟合能力。梯度提升回归树在预测三江源地区NDVI方面具有较高的准确性和稳定性,并对NDVI数据具有良好拟合效果,为三江源地区NDVI预测提供了科学方法。研究结果有助于预警气候变化条件下植被退化的潜能,为气候变化背景下该区域植被生态保护提供科学依据。
关键词
NDVI
机器学习
梯度提升回归树
三江源地区
Keywords
NDVI
Machine learning
Gradient boosted regression tree
Sanjiangyuan region
分类号
S19 [农业科学—农业基础科学]
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
基于双端权重约束的异质超网络表示学习
陈毅艰
朱宇
王晓英
黄建强
曹腾飞
王威
《计算机应用研究》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于梯度提升回归树的三江源地区植被指数的预测方法研究
张国晶
颜青松
秦文强
张兹予
李希来
黄建强
《草地学报》
北大核心
2025
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
