检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

大数据环境下的投票特征选择算法

小型微型计算机系统 2022年第5期43卷 936-942页

作者：周翔翟俊海黄雅婕申瑞彩侯璎真河北大学数学与信息科学学院河北保定071000 河北大学河北省机器学习与计算智能重点实验室河北保定071000

随着数据的爆炸式增长,大数据问题越来越受到关注,然而由于大数据具有维度较高、数据复杂且变化迅速的特性,导致传统的机器学习算法不再适用,故解决大数据特征选择问题迫在眉睫.本文基于投票机制和决策树算法提出了大数据环境下的投票... 详细信息

随着数据的爆炸式增长,大数据问题越来越受到关注,然而由于大数据具有维度较高、数据复杂且变化迅速的特性,导致传统的机器学习算法不再适用,故解决大数据特征选择问题迫在眉睫.本文基于投票机制和决策树算法提出了大数据环境下的投票特征选择算法.具体步骤为,随机划分大数据集U为L个子集,将划分后的L个子集发送到L个map节点,在每个map节点上使用决策树算法进行特征选择.在reduce节点,用每个map节点选择出来的特征进行投票,将得票数大于阙值的特征选择出来.将提出的算法在Hadoop和Spark两个开源大数据平台进行了实验,发现两个大数据平台的运行机制有诸多异同.此外,将提出的大数据投票特征选择算法和单变量特征选择算法与基于遗传算法的特征选择算法在5个高维数据集上进行了实验比对.经过对实验结果的分析,发现提出的算法相较于两个相关算法分类精度和执行效率都有更优的表现.证明了提出的算法优于这两个算法,可以有效地解决高维数据的特征选择问题.

关键词：大数据特征选择决策树机器学习投票机制

基于集成学习的生成对抗网络及在图像生成中的应用

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于集成学习的生成对抗网络及在图像生成中的应用

作者：申瑞彩河北大学

学位级别：硕士

生成对抗网络(Generative adversarial network,GAN)是深度学习领域的研究热点,在许多方面获得成功。其性能由生成器和判别器共同决定,若要提高生成器生成图像的质量,判别器的判别能力也需提高,反之亦然。基于无监督学习与有监督学习的... 详细信息

生成对抗网络(Generative adversarial network,GAN)是深度学习领域的研究热点,在许多方面获得成功。其性能由生成器和判别器共同决定,若要提高生成器生成图像的质量,判别器的判别能力也需提高,反之亦然。基于无监督学习与有监督学习的GAN在图像生成方面有较大差距,有监督学习在训练时需要大量的标注数据,通常获取标注数据代价昂贵。无监督学习使用未标注类别的数据对网络进行训练,容易出现生成样本多样性差、质量较低以及模型训练时间过长等问题。因此,如何提高GAN的性能,很好地解决GAN在无监督场景下存在的问题是一项有意义的研究工作。通常采用两种方法来解决上述问题,一种通过修改GAN的目标函数,使网络获得更好的局部最优解,从而增加生成样本的多样性;另一种通过修改GAN的网络结构,以达到“强制”生成更多模式的样本。在本文中采用第二种方法,本文的主要工作包括如下两方面:(1)提出一种多判别器生成对抗网络方法,该方法将GAN中的判别网络采用选择性集成学习的思想进行集成,主要用来避免由单判别网络判别性能不佳导致出现判别误差从而影响生成网络学习的情况。为了提高判别网络的性能,设置具有不同结构的判别网络;同时引入具有动态调整基判别网络投票权重的多数投票策略,该方法充分发挥了性能良好的判别网络的优势,削弱甚至避免了性能较差的判别网络的劣势。(2)提出一种多生成器生成对抗网络方法,该方法主要在生成网络与损失函数上进行较大改进。首先采用集成学习的思想对生成网络进行集成,由于各生成网络具有相同的目标,即“欺骗”判别网络,因此模型中的生成网络之间可进行信息“交流”,以加快集成生成系统学习数据的特征和缩短网络训练时间,最后将得到的多个生成网络的特征图进行加权融合作为最终图像输入到判别网络中,增加了生成样本中的细节信息。另外,由于采用简单的卷积叠加并不利于GAN的图像生成,因此在生成网络的搭建上融入残差网络。最后,使用Wasserstein距离作为此工作的目标函数,避免了JS散度(JensenShannon divergence)的不连续性带来的梯度消失问题。为了验证提出的两种方法的可行性和有效性在多个数据集下进行了实验,并与多种代表性方法进行实验对比。通过对比生成图像的质量、多样性以及模型训练所需的时间,证明了本文提出的两种方法均优于比较的方法。

关键词：生成对抗网络多判别器多生成器集成学习多数投票策略残差网络

分类施策并梯次有序推进我国地区“双碳”战略—基于碳排放空间差异的结构分解及聚类研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国管理科学 2024年

作者：聂洪光江彩瑞莫建雷长春理工大学经济管理学院中国科学院科技战略咨询研究院

由于资源禀赋、产业分工和发展阶段不同，中国各地区二氧化碳排放表现出明显的空间异质性特征。准确识别不同地区碳排放差异及其关键驱动因素并据此对各地区分类施策是实现全国统筹、梯次有序推进碳达峰和碳中和（简称“双碳”）工作的... 详细信息

由于资源禀赋、产业分工和发展阶段不同，中国各地区二氧化碳排放表现出明显的空间异质性特征。准确识别不同地区碳排放差异及其关键驱动因素并据此对各地区分类施策是实现全国统筹、梯次有序推进碳达峰和碳中和（简称“双碳”）工作的前提。本文通过构建多区域多因素空间结构分解分析模型，量化分析了中国30个省（市）区（西藏和港、澳、台除外）二氧化碳排放空间差异及其关键驱动因素的贡献，基于此对30个省区进行聚类分析，从而识别出每一类地区的碳排放特征，并据此提出各类地区实现“双碳”目标的可行路径。研究结果表明：导致中国各省区二氧化碳排放空间差异的主要驱动因素包括六种，按贡献从大到小依次为部门结构、需求分配结构、经济产出水平、能源强度、生产结构、能源结构。基于上述碳排放空间差异的驱动因素，我们通过聚类分析将30个省区划分为五类：效率驱动型省区、经济驱动型省区、转型潜能型省区、均衡发展型省区和粗放发展型省区，基于此提出了中国各类省区梯次有序实现“双碳”目标的参考路径和关键举措。

关键词：中国碳排放空间差异驱动因素空间结构分解聚类分析双碳

基于区块链和联邦学习的可信数据管理方案研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于区块链和联邦学习的可信数据管理方案研究

作者：申瑞尧曲阜师范大学

学位级别：硕士

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多生成器生成对抗网络

河北大学学报（自然科学版） 2021年第6期41卷 734-744页

作者：申瑞彩翟俊海侯璎真河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室河北保定071002

生成对抗网络(Generative adversarial networks,GAN)广泛应用于各种领域,尤其在图像生成方面.该模型由生成网络与判别网络2部分组成,在无监督的训练方式下,2个网络相互竞争相互提高.然而,GAN在训练时经常出现模式崩溃问题,进而导致模... 详细信息

生成对抗网络(Generative adversarial networks,GAN)广泛应用于各种领域,尤其在图像生成方面.该模型由生成网络与判别网络2部分组成,在无监督的训练方式下,2个网络相互竞争相互提高.然而,GAN在训练时经常出现模式崩溃问题,进而导致模型收敛较慢,生成样本多样性较差.为解决这一问题,在深度卷积神经网络的基础上提出了一种多生成器生成对抗网络模型.该模型包含多个生成网络,每个生成网络均使用残差网络进行搭建,同时在生成网络间引入协作机制,以加快模型获取信息并减少参数量,最后将各生成网络的特征图进行融合得到最终图像输入到判别网络中.GAN在训练过程中还会出现梯度消失、训练不稳定问题.为避免出现这些问题,将Wasserstein距离和梯度惩罚引入模型的损失函数.通过在多个数据集上与多种相关方法进行实验比较,结果表明提出的模型在缓解模式崩溃问题、加快模型收敛速度以及减少参数量上均明显优于其他几种方法.

关键词：生成对抗网络残差网络集成学习模式崩溃 Wasserstein距离

在线全文

学校读者我要写书评

暂无评论

耦合变分自编码器及其在图像对生成中的应用

小型微型计算机系统 2021年第12期42卷 2626-2631页

作者：侯璎真翟俊海申瑞彩河北大学数学与信息科学学院河北保定071002 河北大学河北省机器学习与计算智能重点实验室河北保定071002

随着深度学习的发展,图像生成技术有了长足的进展,但大多数图像生成模型只能生成单一图像.针对这一问题,本文提出了一种耦合变分自编码器,它可以生成具有不同属性的人脸元组.现有的方法需要训练集的不同域中存在对应图像的元组,但是本... 详细信息

随着深度学习的发展,图像生成技术有了长足的进展,但大多数图像生成模型只能生成单一图像.针对这一问题,本文提出了一种耦合变分自编码器,它可以生成具有不同属性的人脸元组.现有的方法需要训练集的不同域中存在对应图像的元组,但是本文提出的方法不需要任何对应图像的元组,就可以生成具有不同属性的图像元组.本文的方法是在耦合生成对抗网络的灵感下提出的,与原有方法不同,它通过训练耦合变分自编码器模型来学习不同属性的特征表示,以生成对应图像元组.相比较原方法,它可以通过学习高级特征表示更精确的生成图像元组.此外,本文还用耦合变分自编码器实现了无监督人脸属性转换以及人脸的相互转换.将提出的方法应用于多个学习任务,包括生成不同属性的人脸元组、无监督的人脸属性转换以及图像相互转换.

关键词：深度学习变分自编码器元组高级特征属性转换

基于可控自恢复消能装置的直流送端暂态过电压抑制方法

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2024年第9期48卷 142-150页

作者：刘杉谭开东姜喆宋胜利杨鹏程申笑林黄永瑞先进输电技术国家重点实验室(国网智能电网研究院有限公司) 北京市102209 国家电网有限公司北京市100031 国网经济技术研究院有限公司北京市102209 许继集团有限公司河南省许昌市461000

常规特高压直流输电系统受端换相失败或直流闭锁时输送功率受限,将导致送端换流站的无功消纳盈余进而诱发送端系统过电压。提出基于可控自恢复消能装置的过电压抑制方法,能够防止常规特高压直流输电系统送端电压上升过大。首先,分析了... 详细信息

常规特高压直流输电系统受端换相失败或直流闭锁时输送功率受限,将导致送端换流站的无功消纳盈余进而诱发送端系统过电压。提出基于可控自恢复消能装置的过电压抑制方法,能够防止常规特高压直流输电系统送端电压上升过大。首先,分析了送端过电压产生机理;其次,介绍了可控自恢复消能装置的过电压抑制原理,并给出了装置参数整定方法;最后,结合PSCAD/EMTDC和试验平台验证了可控自恢复消能装置实现常规特高压直流输电系统暂态过电压抑制的有效性。

关键词：可控自恢复消能装置特高压直流换相失败过电压抑制

同方期刊数据库

基于随机森林和投票机制的大数据样例选择算法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2021年第1期41卷 74-80页

作者：周翔翟俊海黄雅婕申瑞彩侯璎真河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算智能重点实验室(河北大学) 河北保定071002

针对大数据样例选择问题,提出了一种基于随机森林(RF)和投票机制的大数据样例选择算法。首先,将大数据集划分成两个子集,要求第一个子集是大型的,第二个子集是中小型的。然后,将第一个大型子集划分成q个规模较小的子集,并将这些子集部署... 详细信息

针对大数据样例选择问题,提出了一种基于随机森林(RF)和投票机制的大数据样例选择算法。首先,将大数据集划分成两个子集,要求第一个子集是大型的,第二个子集是中小型的。然后,将第一个大型子集划分成q个规模较小的子集,并将这些子集部署到q个云计算节点,并将第二个中小型子集广播到q个云计算节点。接下来,在各个节点用本地数据子集训练随机森林,并用随机森林从第二个中小型子集中选择样例,之后合并在各个节点选择的样例以得到这一次所选样例的子集。重复上述过程p次,得到p个样例子集。最后,用这p个子集进行投票,得到最终选择的样例子集。在Hadoop和Spark两种大数据平台上实现了提出的算法,比较了两种大数据平台的实现机制。此外,在6个大数据集上将所提算法与压缩最近邻(CNN)算法和约简最近邻(RNN)算法进行了比较,实验结果显示数据集的规模越大时,与这两个算法相比,提出的算法测试精度更高且时间消耗更短。证明了提出的算法在大数据处理上具有良好的泛化能力和较高的运行效率,可以有效地解决大数据的样例选择问题。

关键词：大数据样例选择决策树随机森林投票机制

在线全文

学校读者我要写书评

暂无评论

多哈希表投票样例选择算法

山西大学学报(自然科学版) 2020年第4期43卷 713-718页

作者：黄雅婕翟俊海周翔申瑞彩侯璎真河北大学数学与信息科学学院河北大学河北省机器学习与计算智能重点实验室

随着数据的海量型增长,如何提高数据处理的效率已经对现有的数据挖掘算法提出了挑战。样例选择是指从初始数据中,依据既定规则选出能够代表初始数据的样例,从而有效地减少后续工作的数据量。局部敏感哈希方法是一种近似近邻查找算法,利... 详细信息

随着数据的海量型增长,如何提高数据处理的效率已经对现有的数据挖掘算法提出了挑战。样例选择是指从初始数据中,依据既定规则选出能够代表初始数据的样例,从而有效地减少后续工作的数据量。局部敏感哈希方法是一种近似近邻查找算法,利用同类型数据间距离近,发生哈希碰撞概率高的特点查找近似近邻,但该方法是基于概率的随机映射方法,精确度不高。为了解决这个问题,本文提出一种多哈希表投票样例选择算法,通过基于P-stable分布的局部敏感哈希技术将数据映射到欧式空间,设计多个随机哈希函数,利用生成的多个独立的哈希表投票选择出最终的样例。实验结果显示本文提出的算法在压缩比方面较基于P-Stable分布的局部敏感哈希方法平均提高了47%。

关键词：样例选择局部敏感哈希欧氏距离相似度估计投票