检索结果-南通市图书馆

Ensemble Classifier Design Based on Perturbation Binary Salp Swarm Algorithm for Classification

在线全文

学校读者我要写书评

暂无评论

Computer Modeling in Engineering & Sciences 2023年第4期135卷 653-671页

作者： Xuhui Zhu pingfan xia Qizhi He Zhiwei Ni Liping Ni School of Management Hefei University of TechnologyHefei230009China School of Statistics Zhejiang Gongshang UniversityHangzhou310018China Key Laboratory of Process Optimization and Intelligent Decision-Making Ministry of EducationHefei230009China Collaborative Innovation Center for Statistical Data Engineering Technology and Application ZhejiangGongshang UniversityHangzhou310018China

Multiple classifier system exhibits strong classification capacity compared with single classifiers,but they require significant computational *** ensemble system aims to attain equivalent or better classification accuracy with fewer ***,current methods fail to identify precise solutions for constructing an ensemble *** this study,we propose an ensemble classifier design technique based on the perturbation binary salp swarm algorithm(ECDPB).Considering that extreme learning machines(ELMs)have rapid learning rates and good generalization ability,they can serve as the basic classifier for creating multiple candidates while using fewer computational ***,we introduce a combined diversity measure by taking the complementarity and accuracy of ELMs into account;it is used to identify the ELMs that have good diversity and low *** addition,we propose an ECDPB with powerful optimizing ability;it is employed to find the optimal subset of *** selected ELMs can then be used to forman ensemble *** on 10 benchmark datasets have been conducted,and the results demonstrate that the proposed ECDPB delivers superior classification capacity when compared with alternative methods.

关键词： Ensemble classifier salp swarmalgorithm diversity measure multiple classifiers system extreme learning machine

Recent Advances in Bronchopulmonary Dysplasia Protection and Therapy

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Health 2024年第5期16卷 470-489页

作者： pingfan xia Hongyi Li Zhe Xu Yongping Lu Guangyuan Central Hospital Affiliated to North Sichuan Medical College Guangyuan China

For preterm infants, bronchopulmonary dysplasia (BPD) is usually caused by abnormal lung development due to various factors during prenatal and postnatal process. One of the reasons for death and bad prognosis of preterm infants is to have BPD. Up to now, there are no unified strategies or drugs to treat BPD. In clinical, many intervention treatments have been applied to achieve BPD therapy, mainly including preterm protection, protective ventilation strategies, and delivery of corticosteroids, pulmonary vasodilators, and antioxidants. This review summarizes the current advances in BPD protection and treatment, and notes that gut microbiota and mesenchymal stem cells (MSCs) can be the promising strategy for protecting and treating BPD in the future.

关键词： Bronchopulmonary Dysplasia Preterm Infants Protection and Therapy Mesenchymal Stem Cells Gut Microbiota

基于改进二元萤火虫群优化算法和邻域粗糙集的属性约简方法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

模式识别与人工智能 2020年第2期33卷 95-105页

作者：彭鹏倪志伟朱旭辉夏平凡合肥工业大学管理学院合肥230009 北方民族大学银川750021 合肥工业大学过程优化与智能决策教育部重点实验室合肥230009

针对数据降维和去冗问题,提出基于改进的二元萤火虫群优化算法和邻域粗糙集的属性约简方法.首先,运用反向学习协同初始化种群,并基于Sigmoid变化函数的映射进行二进制编码,引入Levy飞行位置更新策略,提出改进二元萤火虫群优化算法.再以... 详细信息

针对数据降维和去冗问题,提出基于改进的二元萤火虫群优化算法和邻域粗糙集的属性约简方法.首先,运用反向学习协同初始化种群,并基于Sigmoid变化函数的映射进行二进制编码,引入Levy飞行位置更新策略,提出改进二元萤火虫群优化算法.再以邻域粗糙集作为评价准则,以改进算法作为搜索策略,进行属性约简.最后,通过在标准UCI数据集上的实验验证属性约简方法的有效性,并验证文中算法具有较优的收敛速度和精度.

关键词：属性约简邻域粗糙集二元萤火虫群优化算法反向学习 Levy飞行

在线全文

学校读者我要写书评

暂无评论

基于双错测度的极限学习机选择性集成方法

电子与信息学报 2020年第11期42卷 2756-2764页

作者：夏平凡倪志伟朱旭辉倪丽萍合肥工业大学管理学院合肥230009 过程优化与智能决策教育部重点实验室合肥230009

极限学习机(ELM)具有学习速度快、易实现和泛化能力强等优点,但单个ELM的分类性能不稳定。集成学习可以有效地提高单个ELM的分类性能,但随着数据规模和基ELM数目的增加,计算复杂度会大幅度增加,消耗大量的计算资源。针对上述问题,该文... 详细信息

极限学习机(ELM)具有学习速度快、易实现和泛化能力强等优点,但单个ELM的分类性能不稳定。集成学习可以有效地提高单个ELM的分类性能,但随着数据规模和基ELM数目的增加,计算复杂度会大幅度增加,消耗大量的计算资源。针对上述问题,该文提出一种基于双错测度的极限学习机选择性集成方法(DFSEE),同时从理论和实验的角度进行了详细分析。首先,运用bootstrap方法重复抽取训练集,获得多个训练子集,在ELM上进行独立训练,得到多个具有较大差异性的基ELM,构成基ELM池;其次,计算出每个基ELM的双错测度,将基ELM按照双错测度的大小进行升序排序;最后,采用多数投票算法,根据顺序将基ELM逐个累加集成,直至集成精度最优,即获得基ELM最优子集成,并分析了其理论基础。在10个UCI数据集上的实验结果表明,较其他方法使用了更小规模的基ELM,获得了更高的集成精度,同时表明了其有效性和显著性。

关键词：选择性集成双错测度极限学习机

基于烟花进化人工鱼群算法和多重分形的属性选择方法在空气质量预测中应用

在线全文

学校读者我要写书评

暂无评论

系统科学与数学 2020年第7期40卷 1157-1177页

作者：夏平凡倪志伟朱旭辉合肥工业大学管理学院合肥230009 合肥工业大学过程优化与智能决策教育部重点实验室合肥230009

日益严重的空气污染,严重影响日常生产生活.因此,亟需对空气质量进行预测.为了实现高效、科学的预测,需准确地选择出空气质量数据集中的关键影响因素,故提出了基于烟花进化人工鱼群算法和多重分形的属性选择方法,并应用于空气质量预测中... 详细信息

日益严重的空气污染,严重影响日常生产生活.因此,亟需对空气质量进行预测.为了实现高效、科学的预测,需准确地选择出空气质量数据集中的关键影响因素,故提出了基于烟花进化人工鱼群算法和多重分形的属性选择方法,并应用于空气质量预测中.首先,采用混沌初始化方式生成初始种群,对人工鱼群算法进行离散化改进,并引入烟花进化机制,提出烟花进化人工鱼群算法(FEAFSA),提高算法的搜索效率;其次,融合FEAFSA和多重分形维数(MFD),对空气质量数据集进行属性选择,约简冗余、不相关属性,保留空气质量关键属性;最后,在8个UCI数据集上的实验结果表明,相较于其他属性选择方法,其能有效剔除冗余因素,性能更优,同时表明其有效性、稳定性和显著性.在进行性能测试之后,将其应用于北京、上海和广州地区的空气质量等级和指数预测中,取得了良好的预测效果.

关键词：人工鱼群算法烟花进化多重分形属性选择空气质量预测

在线全文

学校读者我要写书评

暂无评论

肺水通道蛋白与慢性阻塞性肺疾病

中医药临床杂志 2017年第12期29卷 1995-1997页

作者：夏平凡王胜安徽中医药大学安徽合肥230038 安徽中医药大学第一附属医院安徽合肥230031

20世纪90年代初发现第一个水通道蛋白AQPl（aquaporinl），自此越来越多的水通道蛋白被发现，并且对水的跨膜转运有了新的了解和认知[’1。目前在哺乳动物体内体内发现的水通道蛋白有13种之多，AQP0-12。

关键词：肺水通道蛋白慢性阻塞性肺疾病气道炎症气道黏液高分泌

在线全文

学校读者我要写书评

暂无评论

互联网普及、数字普惠金融与经济增长

合肥工业大学学报（社会科学版） 2019年第2期33卷 11-19页

作者：夏平凡何启志安徽财经大学金融学院安徽蚌埠233030

以互联网普及、数字普惠金融为代表的数字经济在激发投资活力、拉动地区经济增长等方面发挥着重要作用。文章立足我国互联网普及与数字普惠金融发展的典型化事实以及互联网普及、数字普惠金融与经济增长两两之间的作用机理,基于全国31... 详细信息

以互联网普及、数字普惠金融为代表的数字经济在激发投资活力、拉动地区经济增长等方面发挥着重要作用。文章立足我国互联网普及与数字普惠金融发展的典型化事实以及互联网普及、数字普惠金融与经济增长两两之间的作用机理,基于全国31个省份的面板数据,建立PVAR模型,实证研究互联网普及、数字普惠金融与经济增长的互动效应。研究发现:第一,互联网普及通过技术创新和增加金融覆盖面,短期内对数字普惠金融和经济增长有正向影响,长期内由于立法监管滞后性对其存在负面影响;第二,数字普惠金融对互联网普及和经济增长有正向促进作用,数字普惠金融通过缓解金融排斥、减少流动性约束等为互联网交易提供群众监督,为经济增长注入活力;第三,经济增长对互联网普及和数字普惠金融有正向影响,可为互联网技术的革新和普惠金融发展提供政策扶持和资金支持。最后根据研究结论提出了可供参考的对策建议。

关键词：互联网普及数字普惠金融经济增长 PVAR模型

基于反向二元萤火虫算法和差异性测度的选择性集成方法

在线全文

学校读者我要写书评

暂无评论

系统科学与数学 2021年第3期41卷 730-746页

作者：夏平凡倪志伟朱旭辉倪丽萍彭鹏合肥工业大学管理学院合肥230009 合肥工业大学过程优化与智能决策教育部重点实验室合肥230009

选择性集成学习可以使用较少数目的基分类器,提高集成分类能力.基分类器间的差异性和平均精度是影响集成性能的两个重要指标.当集成系统中基分类器间差异性较大时,则其平均精度较小;当基分类器的平均精度较大时,则其差异性较小.故二者... 详细信息

选择性集成学习可以使用较少数目的基分类器,提高集成分类能力.基分类器间的差异性和平均精度是影响集成性能的两个重要指标.当集成系统中基分类器间差异性较大时,则其平均精度较小;当基分类器的平均精度较大时,则其差异性较小.故二者之间的平衡状态可使集成性能达到最优.为了寻找该平衡状态,提出一种基于反向二元萤火虫算法和差异性测度的选择性集成方法(RBGSODSEN).首先,采用Bootstrap抽样方法独立训练出多个基极限学习机(extreme learning machine,ELM),构建原始基ELM池;其次,采用差异性测度对原始基ELM池进行预选择,选择部分差异性和预测精度均较优的基ELM,剔除综合性能较差的基ELM,降低选择性集成的计算复杂度;接着,改进萤火虫的位置更新方式,引入反向搜索、协同进化和随机变异机制,提出一种反向二元萤火虫算法(RBGSO);最后,采用RBGSO对预选择后剩下的基ELM进行二次选择,选择出集成性能最优的基ELM子集成.在25个标准数据集上的实验结果表明,与其他选择性集成方法相比较,RBGSODSEN选择了较少规模的基ELM,取得了更优的预测性能,具有较好的稳定性、有效性和显著性.

关键词：选择性集成二元萤火虫算法反向搜索差异性测度极限学习机

基于双精英进化樽海鞘群算法优化ELM的焦炭价格预测

在线全文

学校读者我要写书评

暂无评论

计算机科学 2023年第5期50卷 292-301页

作者：朱旭辉佘孝敏倪志伟夏平凡张琛合肥工业大学管理学院合肥230009 合肥工业大学过程优化与智能决策教育部重点实验室合肥230009 合肥学院人工智能与大数据学院合肥230092

焦炭是焦化企业生产的重要工业原料之一,准确地预测其未来价格趋势对焦化企业制定排产计划具有重要意义。极限学习机(ELM)泛化能力强,计算速度快,适合作为焦炭价格预测的模型,但ELM的预测性能受模型关键参数影响较大,故需对其参数进行... 详细信息

焦炭是焦化企业生产的重要工业原料之一,准确地预测其未来价格趋势对焦化企业制定排产计划具有重要意义。极限学习机(ELM)泛化能力强,计算速度快,适合作为焦炭价格预测的模型,但ELM的预测性能受模型关键参数影响较大,故需对其参数进行优化。基于此,文中提出了基于双精英进化樽海鞘群算法的ELM焦炭价格预测方法。首先,采用Logistic混沌映射、改进的收敛因子、自适应惯性权重和双精英进化机制来改进樽海鞘群算法,提出了双精英进化樽海鞘群算法(MDSSA),提高算法的搜索能力;其次,运用MDSSA优化ELM的连接权值与阈值,找到ELM的最优参数组合,构建MDSSA-ELM焦炭价格预测模型;最后,在8个基准测试函数上测试MDSSA的收敛性能,在实际焦炭价格数据集上对MDSSA-ELM模型的预测性能进行实验,实验结果表明,MDSSA-ELM相比其他方法预测能力更优,MDSSA相比其他群智能算法搜索能力更强,为焦化企业实现焦炭智慧排产提供了有效的预测工具。

关键词：樽海鞘群算法极限学习机双精英进化焦炭价格预测