检索结果-南通市图书馆

基于随机森林的无线传感器通信网络阻塞故障检测

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2023年第5期53卷 1490-1495页

作者：杨亚让吴云虎喀什大学物理与电气工程学院新疆喀什844006

针对无线传感器通信网络信道分布复杂,受外界因素影响大,导致故障检测精准度低的问题,提出一种基于随机森林的无线传感器通信网络阻塞故障检测方法。通过预设随机变量模拟存在阻塞故障、不存在阻塞故障两种状态下,样本集属性向量变化,... 详细信息

针对无线传感器通信网络信道分布复杂,受外界因素影响大,导致故障检测精准度低的问题,提出一种基于随机森林的无线传感器通信网络阻塞故障检测方法。通过预设随机变量模拟存在阻塞故障、不存在阻塞故障两种状态下,样本集属性向量变化,设立判定阈值。考虑到外界因素影响,建立随机森林决策规则,输入样本数据,通过预设变量模拟外界干预因子,让检测结果逼近真实值,不断迭代直至基于判定阈值的检测结果符合规则。仿真实验证明:本文方法的检测结果与实测值吻合度高,在存在干扰环境下也能保证检测准确率,耗用时间短。

关键词：无线传感器通信网络阻塞故障属性向量随机森林决策规则外界干预

在线全文

学校读者我要写书评

暂无评论

深度监督对齐的零样本图像分类方法

浙江大学学报（工学版） 2022年第11期56卷 2204-2214页

作者：曾素佳庞善民郝问裕西安交通大学软件学院陕西西安710049

针对零样本图像分类中属性向量的类别区分性差及对可见类别产生分类偏好的问题,提出一种深度监督对齐的零样本图像分类(DSAN)方法.DSAN构造类语义的全局监督标记,与专家标注的属性向量联合使用以增强类语义间的区分性.为了对齐视觉空间... 详细信息

针对零样本图像分类中属性向量的类别区分性差及对可见类别产生分类偏好的问题,提出一种深度监督对齐的零样本图像分类(DSAN)方法.DSAN构造类语义的全局监督标记,与专家标注的属性向量联合使用以增强类语义间的区分性.为了对齐视觉空间和语义空间的流形结构,采用视觉特征和语义特征分类网络分别学习2种空间特征的类别分布,并且无差异地对齐两者的分布.利用生成对抗网络的原理消除特征间的本质差异,以按位加的方式合并视觉特征和类语义特征,并利用关系网络学习两者间的非线性相似度.实验结果表明,DSAN在CUB、AWA1和AWA2数据集上对可见类别和未见类别的调和平均分类准确率比基线模型分别提高了4.3%、19.5%和21.9%;在SUN和APY数据集上,DSAN方法的调和平均分类准确率分别比CRnet方法高1.4%和2.2%,这些结果证明所提方法的有效性.

关键词：零样本学习属性向量关系网络跨模态生成对抗网络

在线全文

学校读者我要写书评

暂无评论

一种基于分类算法的网页信息提取方法

计算机科学 2008年第3期35卷 91-93页

作者：汪建伟杨冬青高军王腾蛟北京大学信息科学技术学院

在目前的Web信息提取技术中,很多都是基于HTML结构的,由于HTML结构的经常变化,使提取模板需要经常更新,而提取模板的更新需要很多领域知识。本文提出一种基于分类算法的Web信息提取方法,通过将网页文本按照其显示属性的不同进行分组,以... 详细信息

在目前的Web信息提取技术中,很多都是基于HTML结构的,由于HTML结构的经常变化,使提取模板需要经常更新,而提取模板的更新需要很多领域知识。本文提出一种基于分类算法的Web信息提取方法,通过将网页文本按照其显示属性的不同进行分组,以显示属性值为基础对Web页面文本进行分类,获取所关注文本,从而完成对Web页面的信息提取。这种提取方法操作简单,易于实现,对网页结构的依赖性小。

关键词：信息提取属性向量 Wrapper 显示属性

在线全文

学校读者我要写书评

暂无评论

船舶构件快速识别技术

船舶工程 2020年第S1期42卷 144-148页

作者：齐鸣孙淼中国船舶及海洋工程设计研究院上海201114

通过分析、提取船舶二维图纸中型线的特征,建立能表达型线信息的属性向量,在此基础上提出了一种船舶结构快速识别的方法,即将自组织特征映射神经网络(SOM)的方法运用于图形的识别和聚类。进一步地,运用自顶向下分层识别技术,通过一次或... 详细信息

通过分析、提取船舶二维图纸中型线的特征,建立能表达型线信息的属性向量,在此基础上提出了一种船舶结构快速识别的方法,即将自组织特征映射神经网络(SOM)的方法运用于图形的识别和聚类。进一步地,运用自顶向下分层识别技术,通过一次或多次识别及判定实现对二维图纸设计信息的提取。以此为依据开发完成了船舶结构智能识别系统。通过对某船某肋位横剖面图的识别,检验了该方法的可行性和系统的实用性。

关键词：属性向量 SOM法自顶向下

在线全文

学校读者我要写书评

暂无评论

C程序相似代码识别方法的研究与实现

C程序相似代码识别方法的研究与实现

作者：张鹏大连理工大学

学位级别：硕士

程序代码相似性的识别是利用一定的检测识别手段，判断两个源程序代码之间的相似性，并度量两个程序代码之间的相似程度。本文针对计算机教学考核中对程序设计客观性和真实性的要求，重点研究C程序代码相似性的识别方法，同时设计度量... 详细信息

程序代码相似性的识别是利用一定的检测识别手段，判断两个源程序代码之间的相似性，并度量两个程序代码之间的相似程度。本文针对计算机教学考核中对程序设计客观性和真实性的要求，重点研究C程序代码相似性的识别方法，同时设计度量相似度检测软件，实现可应用于教学考核中评估依据和参考的C代码相似度的自动化检测要求，提高考核工作效率。根据两个程序代码之间存在的相似性问题，着重研究了相似代码的特点和类型、源程序的属性类型特点、源程序预处理、属性数据库构建以及相似度评价标准，采用属性计数与目标代码对比相结合的思想实施相似代码的检测，实现对输入程序代码相似度和评价结果的自动获取。同时应用最长公共子序列(Longest Common Subsequence，LCS)算法来对比两个源程序文件在结构上的相似性。系统软件设计基于.NET的开发平台，采用面向对象的功能模块化设计思想，在构建属性数据库的基础上，设计开发了预处理模块、属性检测模块、相似目标代码检测模块和相似度评价模块等五大功能模块。界面简洁友好、显示界面相似度评价数据完整清晰，便于浏览查询。软件识别系统的设计已经通过运行调试，测试表明能够实现对常见抄袭C语言程序的检测识别，对于有一定难度的抄袭程序能够增强识别的能力，具有较高的检测精确度，相似代码检测评价方法的设计应用具有较强的实用价值。尤其是在加权属性的识别方法中，采用代码属性向量的加权思想增强属性元素中具有隐蔽性相似代码的影响因素，使相似代码评估更具有客观性，改善和提高了识别质量和准确性。实际测量证明，该方法能够识别空白字符、参变量及语句顺序等综合三个方面的代码相似性，相对于原有的属性识别方法将综合相似度提高了4％，中度和高度相似性相对理想计算值的测量精度可达到94％以上。

关键词：代码相似性预处理过程属性向量相似度检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于优化对齐的过程模型修复研究

基于优化对齐的过程模型修复研究

作者：李丽安徽理工大学

学位级别：硕士

从事件日志作为出发点,进行流程挖掘,通常需要对日志数据进行预处理,包括数据清洗和数据修复等。一致性检测用来衡量事件日志与实际业务流程执行相符合的程度,对于一致性检测定位出偏差出现的位置,考虑重新发现业务流程的花费较大,相比... 详细信息

从事件日志作为出发点,进行流程挖掘,通常需要对日志数据进行预处理,包括数据清洗和数据修复等。一致性检测用来衡量事件日志与实际业务流程执行相符合的程度,对于一致性检测定位出偏差出现的位置,考虑重新发现业务流程的花费较大,相比之下模型修复工作更具有实用意义。然而,对于日志数据的预处理,现有的研究工作一方面依据频率对日志进行过滤,另一方面对现有的事件日志进行修复,但是大多将事件日志考虑成简单的活动序列,修复工作也就着眼于简单的事件重新排序。然而,实际上日志数据还记录了时间戳、资源、等其他属性,对于丢失事件的不完整事件日志,单纯地考虑事件序列的重新排列,完全忽略属性间冲突对日志修复所带来的影响。常见的基于最优对齐的一致性检测方法,依据对齐成本最小原则确定最优对齐,从而确定偏差位置,忽略了一些较短日志所反映的行为,基于此修复的模型精确程度有待进一步改善。在确定偏差出现的位置后,现有的关于提高模型修复效率方面的研究,以单线程的方式,从整体入手,对模型进行修复,但是结合块结构分区思想对模型修复的研究较少。基于前人所做的工作,本文的主要研究内容如下:(1)事件日志的修复工作并非简单地考虑事件的重新排列,事件日志还包含其他属性,本文主要关注事件日志中时间戳的修复,针对单纯依据置信度最大值确定事件序列,会面临由于缺失事件导致置信度值较小的问题,于是提出了依据平均置信度最大值确定序列,进一步考虑事件间属性是否存在冲突,提出平均事件属性置信度算法,确定序列顺序后再估计事件时间戳对其进行修复。(2)一致性检测技术旨在衡量日志与模型行为相符合的程度,目前采用基于最优对齐确定偏差的位置,存在因为考虑最小对齐成本而忽略一些较短日志迹所反映的行为的问题,影响了一致性检测的效果。本文提出了一种基于优化对齐的一致性检测方法,在预处理阶段提取出模型中所有路径,依据优化对齐算法(ROA),将日志序列与路径序列逐一比对,选取日志移动成本较小的对齐作为相对最优对齐,并给出了计算拟合度和精确度的函数。最后,开展实际案例分析,对基于优化对齐和最优对齐确定偏差的位置分别进行修复,结果显示了基于前者修复后模型的精确度均高于后者。(3)现有的模型修复方法大多是单线程从全局上进行修复,对检测的偏差位置与待修复区域之间的对应性考虑较少。本文考虑子组行为关系对模型进行修复,依据必要事件保序对日志进行过滤,将日志与模型分解成子组日志和模型子块;基于最优对齐提取子组日志中不拟合的子日志,分析子日志活动间行为关系,对于增加、删除的行为关系,在子块中插入、删除活动及相应的弧和库所,对于发生变化的行为关系,在子块中改变相应的弧以支撑新行为。图[17]表[17]参[90]

关键词：属性向量置信度一致性检测优化对齐行为关系块结构模型修复

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据属性的大数据存储系统研究与实现

基于数据属性的大数据存储系统研究与实现

作者：朱伟健华南理工大学

学位级别：硕士

计算机和互联网技术的不断发展导致了大数据量的急剧增长,大数据不仅仅是体现在数据量规模的增加,同时也体现在数据种类的增加。目前使用传统的关系型数据库和文件目录树的方式来管理数据规模巨大并且数据格式繁多的大数据存在很多问题... 详细信息

计算机和互联网技术的不断发展导致了大数据量的急剧增长,大数据不仅仅是体现在数据量规模的增加,同时也体现在数据种类的增加。目前使用传统的关系型数据库和文件目录树的方式来管理数据规模巨大并且数据格式繁多的大数据存在很多问题。因此,研究新的大数据存储与管理方法已经成为当前大数据技术领域中的重要研究课题。基于此,本文对当前大数据的存储技术进行了较深入的分析和研究,提出了一种基于数据属性向量的统一数据存储模型;并且以Fast DFS和HDFS文件系统和Mongo DB数据库作为底层数据支持实现了一个大数据存储系统原型。本文的主要工作可以归纳为以下几个方面:1、研究了大数据的研究现状和大数据存储所面临的问题,分析了大数据存储的需求,提出了一种基于属性向量的统一数据模型（Attribute Vector-based Unified Data Model,AVUDM）。2、研究了现有的主流分布式文件系统和分布式NOSQL数据库,横向对比了各个分布式文件系统和NOSQL数据库的读写性能、容错、可用性等特征和适用范围。3、采用本文提出的AVUDM模型,并以Fast DFS和HDFS文件系统、Mongo DB数据库作为底层数据支持实现了一个大数据存储系统原型。在该系统中,数据文件的属性向量存储在Mongo DB的集合中,数据文件本身根据文件大小的不同存储到Mongo DB的BLOB块、Fast DFS或HDFS中。4、进一步对本文设计的大数据存储系统原型的多处进行了性能优化和改进,包括向系统中添加文件级重复数据删除、改进Mongo DB分片负载均衡算法和在系统中多处进行并行化优化。最后,本文通过部署实验环境,测试了大数据存储系统原型的数据文件入库性能、文件检索性能和并行属性提取和串行属性提取入库到Fast DFS的各项性能对比;测试结果均证明了本文设计实现的存储系统原型能够有效地对大数据进行存储和管理。

关键词：大数据属性向量 AVUDM模型存储系统

认知诊断试题参数估计与知识点标定的自适应设计研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

认知诊断试题参数估计与知识点标定的自适应设计研究

作者：汪腾江西师范大学

学位级别：硕士

计算机化自适应诊断测验的实施往往依赖于高质量的大型题库。认知诊断测验的题库,不仅要保证试题的内容符合课程标准,而且还需要根据作答数据估计认知诊断试题参数以及标定试题所考查的知识点或属性向量,这更是实现根据学生的知识掌握... 详细信息

计算机化自适应诊断测验的实施往往依赖于高质量的大型题库。认知诊断测验的题库,不仅要保证试题的内容符合课程标准,而且还需要根据作答数据估计认知诊断试题参数以及标定试题所考查的知识点或属性向量,这更是实现根据学生的知识掌握状态自适应的选择试题,高效而准确地评估学生知识掌握状态的基础。同时,随着题库中某些试题的频繁使用,以及课程标准和教材修订等问题的出现,题库中的部分项目需要淘汰、修改,甚至还需要补充一些新编制的题目。因此,如何根据作答数据估计试题参数以及标定题目所考查的知识点,成为面向个性化自适应学习,构建高质量大型题库亟需解决的重要问题。早期的研究主要集中在标定方法的研究上,而对于在线设计方法讨论相对较少。特别是在估计新题的项目参数和标定其属性向量方面,众多研究采用的是随机分配新题的方法,这样就不符合计算机化自适应诊断测验中“自适应”的思想。本论文为了解决随机设计存在的缺陷,提出了一种针对新题的属性向量在线标定及其项目参数在线估计的自适应设计。从实际应用问题和条件出发,主要开展了三个方面的研究:(1)因为部分认知诊断分类方法(如非参数分类方法),无需项目参数而需要标定题目属性向量,由此开展了基于香农熵的新题项目属性向量标定的优化设计;(2)在学科专家或在线方法标定了新题所考察的属性向量基础之上,提出基于信息量矩阵的项目参数在线估计的优化设计;(3)为了同时标定新题属性向量和估计项目参数,结合前面两种方法,提出了兼顾在线估计和在线标定的混合优化设计。以上三个研究在属性个数为5,认知诊断模型为确定性输入噪音与门模型(deterministic inputs,noisy-and-gate,DINA)模型的条件下,标定和估计12道新题的属性向量和项目参数。并且研究一讨论在学生人数不同(100,200,400,800,1600)的条件下,对新题属性向量标定的影响。研究二则讨论在被试人数较少(20,40,80,160,320)的条件下,对项目参数估计的影响。研究三则主要讨论两种自适应设计自由组合的条件下,对项目参数估计的影响。三个研究均与随机设计(被试从12道新题中随机选择项目作答)进行了比较。模拟研究结果表明:(1)随着被试人数的增加,新的在线标定和在线估计的自适应设计均优于随机设计;(2)采用两种自适应设计比只采用一种自适应设计或者两者都不采用,在项目参数估计时能得到更加精确的结果。是否可以将新的自适应设计运用于不同认知诊断模型,不同属性层级结构等,这些问题都值得进一步研究。

关键词：计算机化自适应诊断测验题库项目参数属性向量自适应设计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于层次聚类的网络流量异常分类算法

计算机工程 2012年第23期38卷 131-136页

作者：许倩程东年国家数字交换系统工程技术研究中心郑州450002

现有的异常流量根源分析技术大多需要人工干预,对异常事件的分类效果不佳。为此,提出基于层次聚类的流量异常分类算法TAC HC,通过特征属性的训练过程逐步建立分类树,把相似的异常嵌入到子树中,在未知数据集聚类数目的情况下对新的异常... 详细信息

现有的异常流量根源分析技术大多需要人工干预,对异常事件的分类效果不佳。为此,提出基于层次聚类的流量异常分类算法TAC HC,通过特征属性的训练过程逐步建立分类树,把相似的异常嵌入到子树中,在未知数据集聚类数目的情况下对新的异常进行分类。仿真结果表明,TAC HC算法的分类平均准确率达到89%,对网络扫描这类小异常事件的分类精确率也能达到95.3%。

关键词：流特征属性向量网络异常事件层次聚类异常分类算法