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

不均衡数据下基于阴性免疫的过抽样新算法

控制与决策 2010年第6期25卷 867-872,878页

作者：陶新民徐晶童智靖刘玉哈尔滨工程大学信息与通信工程学院哈尔滨150001 黑龙江省科技学院数力系哈尔滨150027

为提高不均衡数据集下算法分类性能,提出一种基于阴性免疫的过抽样算法.该算法利用阴性免疫实现少数类样本空间覆盖,以生成的检测器中心为人工生成的少数类样本.由于该算法利用的是多数类样本信息生成少数类样本,避免了人工少数类过抽... 详细信息

为提高不均衡数据集下算法分类性能,提出一种基于阴性免疫的过抽样算法.该算法利用阴性免疫实现少数类样本空间覆盖,以生成的检测器中心为人工生成的少数类样本.由于该算法利用的是多数类样本信息生成少数类样本,避免了人工少数类过抽样技术(SMOTE)生成的人工样本缺乏空间代表性的不足.通过实验将此算法与SMOTE算法及其改进算法进行比较,结果表明,该算法不仅有效提高了少数类样本的分类性能,而且总体分类性能也有了显著提高.

关键词：不均衡数据阴性免疫过抽样算法人工少数类过抽样技术

基于半监督高斯混合模型核的支持向量机分类算法

在线全文

学校读者我要写书评

暂无评论

信息与控制 2013年第1期42卷 18-26页

作者：陶新民曹盼东宋少宇付丹丹哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001

提出了一种基于高斯混合模型核的半监督支持向量机(SVM)分类算法.通过构造高斯混合模型核SVM分类器提供未标示样本信息,使得SVM算法在学习标示样本信息的同时,能够兼顾整个训练样本集合的聚类假设.实验部分将该算法同传统SVM算法、直推... 详细信息

提出了一种基于高斯混合模型核的半监督支持向量机(SVM)分类算法.通过构造高斯混合模型核SVM分类器提供未标示样本信息,使得SVM算法在学习标示样本信息的同时,能够兼顾整个训练样本集合的聚类假设.实验部分将该算法同传统SVM算法、直推式支持向量机(TSVM)以及随机游走(RW)半监督算法进行分类性能比较,结果证明该算法在拥有较少标示样本训练的情况下分类性能也有所提高且具有较高的鲁棒性.

关键词：支持向量机算法半监督高斯混合模型直推式

在线全文

学校读者我要写书评

暂无评论

核聚类集成失衡数据SVM算法

哈尔滨工程大学学报 2013年第3期34卷 381-388页

作者：陶新民郝思媛张冬雪徐鹏哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001

针对传统SVM算法在失衡数据集下的分类性能不理想的问题,提出一种基于核聚类集成SVM算法.该算法首先在核空间中对多数类样本集进行聚类,然后随机选择出具有代表意义的聚类信息点,实现在减少多数类样本数的同时将分类界面向多数类样本方... 详细信息

针对传统SVM算法在失衡数据集下的分类性能不理想的问题,提出一种基于核聚类集成SVM算法.该算法首先在核空间中对多数类样本集进行聚类,然后随机选择出具有代表意义的聚类信息点,实现在减少多数类样本数的同时将分类界面向多数类样本方向偏移.并利用AdaBoost集成手段对基于核聚类的欠取样SVM算法进行集成,最终提高SVM算法在失衡数据下的泛化性能.将提出的算法同其他失衡数据预处理集成方法进行比较,实验结果表明该算法能够有效提高SVM算法在失衡数据中少数类的分类性能,且总体分类性能及运行效率都有明显提高.

关键词：失衡数据 SVM算法 AdaBoost 核聚类欠取样

基于样本密度KFCM新算法及其在故障诊断的应用

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2009年第8期28卷 61-64,83页

作者：陶新民徐晶付强刘兴丽哈尔滨工程大学信息与通信工程学院哈尔滨150001 黑龙江科技学院数力系哈尔滨150027 东北农业大学成栋学院哈尔滨150030

针对传统核模糊聚类(KFCM)算法无法克服边界噪声数据影响且对初始聚类中心敏感的不足,提出一种基于样本密度和最大类间方差法相结合的KFCM算法。该算法在传统的KFCM算法中引入样本分布密度作为权重,克服噪声及边界数据对分类中心的影响... 详细信息

针对传统核模糊聚类(KFCM)算法无法克服边界噪声数据影响且对初始聚类中心敏感的不足,提出一种基于样本密度和最大类间方差法相结合的KFCM算法。该算法在传统的KFCM算法中引入样本分布密度作为权重,克服噪声及边界数据对分类中心的影响,使样本的聚类效果更好,同时还可以分析各样本对聚类的贡献程度。此外利用最大类间方差法对样本密度进行分割,得到各类中心点并以此作为KFCM算法的初始聚类中心,克服了传统算法对初始值敏感的不足。对各种实际数据集的测试结果均显示出新算法的优良性能。最后利用新算法对轴承故障进行诊断,试验结果表明新算法的诊断率优于传统的聚类算法。

关键词：核模糊聚类样本密度最大类间方差法故障诊断

在线全文

学校读者我要写书评

暂无评论

基于KPCA空间相似度的一类入侵检测方法

计算机应用 2009年第9期29卷 2459-2463页

作者：徐晶陶新民黑龙江科技学院数力系哈尔滨150027 哈尔滨工程大学信息与通信工程学院哈尔滨150001

为了解决入侵检测系统中异常样本数据不易收集以及异常样本数据分布不均导致传统分类算法出现过适应现象等现实应用问题,提出了一种基于核主成分分析(KPCA)空间相似度的一类入侵检测方法。该方法利用KPCA形成正常样本的非线性特征子空间... 详细信息

为了解决入侵检测系统中异常样本数据不易收集以及异常样本数据分布不均导致传统分类算法出现过适应现象等现实应用问题,提出了一种基于核主成分分析(KPCA)空间相似度的一类入侵检测方法。该方法利用KPCA形成正常样本的非线性特征子空间,其他样本在该空间的投影系数作为相似性的度量。同时,为了有效利用已有的异常训练样本,通过自适应增加免疫因子方法来提高模型的决策性能及增量学习能力。对核函数参数和阈值设定进行了分析,并给出基于粒子群优化算法的决策模型。实验中将该方法同其他多层感知机(MLP),支持向量机(SVM)及自组织映射(SOM)方法进行比较,实验结果验证了该方法的正确性和有效性。

关键词：入侵检测主成分分析免疫算法粒子群算法核参数多层感知机自组织映射

在线全文

学校读者我要写书评

暂无评论

基于两阶段学习的半监督SVM故障检测方法

振动与冲击 2012年第23期31卷 39-43,56页

作者：陶新民曹盼东宋少宇付丹丹哈尔滨工程大学信息与通信工程学院哈尔滨150001

提出一种基于两阶段学习的半监督SVM故障检测方法。该方法首先使用标识传递算法给未标识样本赋予初始伪标识,并通过k近邻图对比样本点标识值,将可能是噪声的样本点识别并剔除;然后将去噪处理后的样本集输入到SVM中,使得SVM在训练时能兼... 详细信息

提出一种基于两阶段学习的半监督SVM故障检测方法。该方法首先使用标识传递算法给未标识样本赋予初始伪标识,并通过k近邻图对比样本点标识值,将可能是噪声的样本点识别并剔除;然后将去噪处理后的样本集输入到SVM中,使得SVM在训练时能兼顾整个样本集的信息,从而提高SVM的故障检测性能。实验中将该方法同支持向量机(SVM)、模糊支持向量机(FSVM)、直推式支持向量机(TSVM)及拉普拉斯支持向量机算法(LapSVM)进行比较,结果表明该方法在不同数目标识样本集合的情况下,检测精度较其他算法有较大幅度提高,同时该方法还比较了不含测试样本和含测试样本训练条件下的故障检测性能,结果表明结合测试样本可进一步提高算法的故障检测性能。

关键词：故障检测半监督两阶段伪标识

在线全文

学校读者我要写书评

暂无评论

双尺度协同变异的离散粒子群算法

哈尔滨工程大学学报 2011年第12期32卷 1617-1623页

作者：陶新民王妍赵春晖刘玉哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001

针对离散粒子群算法局部搜索能力差的不足,提出了一种基于双尺度协同变异的离散微粒群算法.采用对当前最优解进行双尺度速度变异的方法,来实现提高算法局部最优解搜索和改善最优解精度的能力.在算法初期利用大尺度速度变异可增加粒子的... 详细信息

针对离散粒子群算法局部搜索能力差的不足,提出了一种基于双尺度协同变异的离散微粒群算法.采用对当前最优解进行双尺度速度变异的方法,来实现提高算法局部最优解搜索和改善最优解精度的能力.在算法初期利用大尺度速度变异可增加粒子的多样性,快速定位到最优解区域;算法后期则通过逐渐减小的小尺度变异可提高算法在最优解附近的局部精确解搜索性能.将改进算法应用于5个标准Benchmark函数优化问题,并与其他5种离散粒子群算法在收敛速度和稳定性方面进行比较,统计结果表明新算法具有更加的优化性能.

关键词：离散粒子群双尺度协同变异

基于同步挤压小波变换的振动信号自适应降噪方法

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2018年第14期37卷 239-247页

作者：沈微陶新民高珊常瑞王若彤东北林业大学工程技术学院哈尔滨150040

振动信号在噪声影响下,特征提取十分困难。为此应用同步挤压小波变换(Synchrosqueezing Wavelet Transform,SST)对振动信号进行降噪,针对分解后本征模态分量(Intrinsic Mode Function,IMF)的选取问题,提出一种基于瞬时频率复杂度和自相... 详细信息

振动信号在噪声影响下,特征提取十分困难。为此应用同步挤压小波变换(Synchrosqueezing Wavelet Transform,SST)对振动信号进行降噪,针对分解后本征模态分量(Intrinsic Mode Function,IMF)的选取问题,提出一种基于瞬时频率复杂度和自相关系数峰度值的同步挤压小波变换降噪方法。算法首先对原始信号进行SST信号分解并提取小波脊线生成固有模态分量,然后对生成的分量进行Hilbert变换得到瞬时频率曲线,再根据瞬时频率的复杂度选择相应的合成分量重构信号。为了进一步消除噪声影响,该方法同时采用了自相关系数峰度阈值法对筛选后的分量进行二次剔除,最终实现对原始信号降噪的目的。试验最后通过不同标准方差的噪声仿真信号以及物流机械传送设备振动信号验证该方法的可行性和有效性,同时将该方法与基于集成经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)和小波变换的方法进行比较,结果表明该方法的降噪性能要优于其他方法。

关键词：降噪同步挤压小波变换瞬时频率小波变换

基于伪标签半监督核局部Fisher判别分析轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2020年第17期39卷 1-9页

作者：陶新民任超徐朗何庆刘锐邹俊荣东北林业大学工程技术学院哈尔滨150040

针对轴承故障诊断应用中多特征融合导致的维度高、相关性强、信息冗余等问题,提出一种基于伪标签半监督核局部Fisher判别分析(Semi-supervised Kernel Local Fisher Discriminant Analysis,SS-KLFDA)轴承故障诊断方法。为了能利用大量... 详细信息

针对轴承故障诊断应用中多特征融合导致的维度高、相关性强、信息冗余等问题,提出一种基于伪标签半监督核局部Fisher判别分析(Semi-supervised Kernel Local Fisher Discriminant Analysis,SS-KLFDA)轴承故障诊断方法。为了能利用大量无标签样本提高算法判别性能,该方法首先采用密度峰值聚类算法对样本进行聚类分析得到伪标签,然后通过增加规范化项到局部FDA算法的类内散度矩阵和类间散度矩阵中,以此保持无标签样本的聚类结构一致性,最后通过局部FDA算法来保持有标签样本类间散度最大化和类内散度最小化并求解最佳投影向量;为了能适应非线性数据降维,进一步给出了基于核的伪标签半监督局部Fisher判别算法。试验部分通过同其他流行降维算法在不同维度、不同特征集合以及不同分类算法条件下进行轴承故障诊断性能对比,结果表明基于伪标签半监督核局部Fisher判别分析方法的分类精度明显优于其他降维算法,投影后的系数向量具有更好的区分能力,使故障诊断性能得到了很大提升。

关键词：故障诊断 FDA算法降维半监督