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

基于特征重要度的广告点击率预估模型

电脑知识与技术 2020年第36期16卷 12-14页

作者：周菲东华理工大学江西南昌330013

针对现有的点击率预估模型忽略了不同特征的重要程度的问题,提出了一种基于特征重要度的广告点击率预估模型,首先模型在DeepFM模型的基础上使用Squeeze-and-Excitation网络动态学习特征的重要性,其次将FM和DNN输出结果进行拼接,通过后... 详细信息

针对现有的点击率预估模型忽略了不同特征的重要程度的问题,提出了一种基于特征重要度的广告点击率预估模型,首先模型在DeepFM模型的基础上使用Squeeze-and-Excitation网络动态学习特征的重要性,其次将FM和DNN输出结果进行拼接,通过后续的多层感知机层进一步学习特征的高阶特征交互信息。通过对比了两个公开数据集,实验结果显示,基于特征重要度的广告点击率预估模型相比其他模型得到更好的表现。

关键词：广告点击率特征重要度 DeepFM 多层感知机特征交互

结合人工蜂群与K-means聚类的特征选择

在线全文

学校读者我要写书评

暂无评论

计算机科学与探索 2024年第1期18卷 93-110页

作者：孙林刘梦含薛占熬天津科技大学人工智能学院天津300457 河南师范大学计算机与信息工程学院河南新乡453007

K-means聚类是一种简捷高效、收敛速度快且易于实现的统计分析方法,但是传统的K-means聚类算法对初始聚类中心的选取敏感且易陷入局部最优,同时多数无监督特征选择算法容易忽视特征之间的联系。为此,提出了一种结合人工蜂群与K-means聚... 详细信息

K-means聚类是一种简捷高效、收敛速度快且易于实现的统计分析方法,但是传统的K-means聚类算法对初始聚类中心的选取敏感且易陷入局部最优,同时多数无监督特征选择算法容易忽视特征之间的联系。为此,提出了一种结合人工蜂群与K-means聚类的特征选择方法。首先,为了使同一簇中样本的相似度高而不同簇中样本的相似度低,基于簇内聚集度和簇间离散度构建了新的适应度函数,更好地反映各样本的特性,进而构建了蜜源被选择新的概率表达式;其次,设计了随着迭代次数的增加而数值逐渐减小的权重,提出了使蜂群搜索范围动态缩进的蜜源位置更新表达式;然后,为了弥补传统的欧氏距离在计算距离时仅考虑向量之间的累积差异而表现出的局限性,构造了同时考虑样本影响程度不同以及样本的相似性的加权欧氏距离表达式;最后,引入标准差和距离相关系数,定义了特征区分度与特征代表性,以二者之积度量特征重要性。实验结果表明,所提算法加快了人工蜂群算法的收敛速度并提高了K-means算法的聚类效果,同时也有效地提升了特征选择的分类效果。

关键词：特征选择人工蜂群 K-means聚类特征重要度

基于贝叶斯优化LightGBM的个人信用评估模型

在线全文

学校读者我要写书评

暂无评论

计算机与数字工程 2024年第6期52卷 1697-1702页

作者：刘伯圣邢进生山西师范大学数学与计算机科学学院临汾041000

针对传统信用评估模型无法处理大规模不平衡数据以及训练用时长、评估不准确等问题,提出了一种优化的个人信用评估模型,模型基于梯度提升框架LightGBM,结合贝叶斯全局优化算法进行个人信用评估。为验证模型适用性,采用Lending Club公开... 详细信息

针对传统信用评估模型无法处理大规模不平衡数据以及训练用时长、评估不准确等问题,提出了一种优化的个人信用评估模型,模型基于梯度提升框架LightGBM,结合贝叶斯全局优化算法进行个人信用评估。为验证模型适用性,采用Lending Club公开数据集进行相关实验,并与逻辑回归、随机森林、XGBoost模型的预测结果进行比较。实验结果表明,该模型的个人信用评估效果更好,评估准确率达到99.97%,少数类样本F1-score达到89.02%。

关键词：个人信用评估集成学习 LightGBM 超参数优化特征重要度

在线全文

学校读者我要写书评

暂无评论

基于谱聚类的无监督特征选择算法

软件学报 2020年第4期31卷 1009-1024页

作者：谢娟英丁丽娟王明钊陕西师范大学计算机科学学院陕西西安710062 陕西师范大学生命科学学院陕西西安710062 武警工程大学信息工程学院陕西西安710086

基因表达数据具有高维小样本特点,包含了大量与疾病无关的基因,对该类数据进行分析的首要步骤是特征选择.常见的特征选择方法需要有类标的数据,但样本类标获取往往比较困难.针对基因表达数据的特征选择问题,提出基于谱聚类的无监督特征... 详细信息

基因表达数据具有高维小样本特点,包含了大量与疾病无关的基因,对该类数据进行分析的首要步骤是特征选择.常见的特征选择方法需要有类标的数据,但样本类标获取往往比较困难.针对基因表达数据的特征选择问题,提出基于谱聚类的无监督特征选择思想FSSC(feature selection by spectral clustering).FSSC对所有特征进行谱聚类,将相似性较高的特征聚成一类,定义特征的区分度与特征独立性,以二者之积度量特征重要性,从各特征簇选取代表性特征,构造特征子集.根据使用的不同谱聚类算法,得到FSSC-SD(FSSC based on standard deviation) FSSCMD(FSSC based on mean distance)和FSSC-ST(FSSC based on self-tuning)这3种无监督特征选择算法.以SVMs(support vector machines)和KNN(K-nearest neighbours)为分类器,在10个基因表达数据集上进行实验测试.结果表明,FSSC-SD、FSSC-MD和FSSC-ST算法均能选择到具有强分类能力的特征子集.

关键词：谱聚类无监督特征选择特征独立性特征区分度特征重要度

一种人工蜂群算法优化的邻域粗糙集特征选择方法

在线全文

学校读者我要写书评

暂无评论

郑州大学学报（理学版） 2023年第6期55卷 55-62,70页

作者：季雨瑄叶军杨震宇敖家欣南昌工程学院信息工程学院江西南昌330000 江西省水信息协同感知与智能处理重点实验室江西南昌330000

在邻域粗糙集模型中,由于计算邻域及正域的工作量较大,因此,对邻域决策表进行特征选择或降维具有较高的时间复杂度。特别是随着邻域决策表维数的增多,计算工作量呈指数级增加。针对此类问题,引入人工蜂群算法进行优化。首先,给出了一种... 详细信息

在邻域粗糙集模型中,由于计算邻域及正域的工作量较大,因此,对邻域决策表进行特征选择或降维具有较高的时间复杂度。特别是随着邻域决策表维数的增多,计算工作量呈指数级增加。针对此类问题,引入人工蜂群算法进行优化。首先,给出了一种邻域粗糙集分辨矩阵特征重要性度量方法;其次,以邻域分辨矩阵特征重要度为启发因子构造了适应度函数,新的适应度函数增加了启发信息;最后,设计了一种人工蜂群算法优化的特征选择算法。UCI数据集对比实验结果与分析表明,与原有的邻域特征选择算法相比,新算法减少了迭代次数,加快了收敛速度,并且能够有效寻找到最小特征子集。

关键词：邻域决策系统分辨矩阵人工蜂群算法特征选择特征重要度

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

基于密度峰值的无监督特征选择算法

南京大学学报（自然科学版） 2016年第4期52卷 735-745页

作者：谢娟英屈亚楠王明钊陕西师范大学计算机科学学院西安710062

针对现有无监督特征选择算法所选特征分类准确率不高的缺陷,提出两种新的无监督特征选择算法EDPFS(unsupervised Feature Selection algorithm based on Exponential Density Peaks)和RDPFS(unsupervised Feature Selection algorithm based on the Reciprocal Density Peaks).该两算法提出特征密度与特征距离的概念,并以此定义特征代表性与特征区分度,特征代表性越高表明特征越重要,特征区分度越高表明特征冗余度越小,以特征代表性与区分度之积作为特征重要性评价准则,采用基于特征子集的支持向量机分类正确率评价特征子集的分类性能.在8个UCI机器学习数据库数据集和4个图像数据集上测试这两种新算法,以及多类簇特征选择方法、Laplacian分值特征选择方法、无监督判别特征选择方法和扩展的无监督特征选择方法,实验结果表明:以特征代表性与区分度之积定义的特征重要性评价准则是有效的,提出的两种基于该准则的无监督特征选择算法EDPFS和RDPFS选择的特征子集具有很好的分类性能.

关键词：特征选择密度峰值特征密度特征距离特征重要度

基于XGBoost的电力系统暂态稳定预测方法

在线全文

学校读者我要写书评

暂无评论

电网技术 2020年第3期44卷 1026-1034页

作者：陈明华刘群英张家枢陈树恒张昌华电子科技大学自动化工程学院四川省成都市611731

目前,基于人工智能法对电力系统进行暂态稳定预测,是通过对电力系统中相量测量单元(phasormeasurement unit,PMU)采集的大量样本离线训练,得到一个分类器,而预测模型往往是一个"黑箱"模型,使得模型解释型较差。根据电力系统故障中发电... 详细信息

目前,基于人工智能法对电力系统进行暂态稳定预测,是通过对电力系统中相量测量单元(phasormeasurement unit,PMU)采集的大量样本离线训练,得到一个分类器,而预测模型往往是一个"黑箱"模型,使得模型解释型较差。根据电力系统故障中发电机的运行特征构建基于极限梯度提升(extreme gradient boosting,XGBoost)的暂态稳定预测模型,该模型采用串行集成多棵回归树,可计算得到暂态稳定特征重要度排序和决策图,从而可直观地挖掘特征与暂态稳定性之间的关系,并且在预测精度和运算速度的权衡上具有极大优势。在新英格兰10机39节点系统上测试,结果表明所构建的XGBoost暂态稳定预测模型相比随机森林、支持向量机和神经网络等方法在计算速度和预测精度方面具有明显优势,并且可以根据特征重要度进行特征选择来剔除冗余变量以加快训练速度。最后,提出一种针对某一具体故障而解释预测结果的算法,进一步提高了模型的解释性。

关键词： PMU 暂态稳定预测 XGBoost模型特征重要度模型解释

在线全文

学校读者我要写书评

暂无评论

基于机器学习的航空器进近飞行时间预测

航空学报 2020年第10期41卷 354-365页

作者：叶博嘉鲍序刘博田勇南京航空航天大学民航学院南京211106 中国民航华东空管局江苏空管分局南京211100

为了准确预测航空器的落地时间,提高空管部门间的协作效率,采用机器学习的方法对航空器进近阶段飞行时间进行了预测。从实际运行出发,分析航空器在进近管制空域飞行时间产生差异的原因,提出了影响航空器在进近空域飞行的8类因素和17个... 详细信息

为了准确预测航空器的落地时间,提高空管部门间的协作效率,采用机器学习的方法对航空器进近阶段飞行时间进行了预测。从实际运行出发,分析航空器在进近管制空域飞行时间产生差异的原因,提出了影响航空器在进近空域飞行的8类因素和17个重要特征。以航空器在进近飞行时间为标签,基于提出的重要特征,采用岭回归、支持向量机、随机森林和神经网络算法,建立了4种基于机器学习的航空器进近飞行时间预测模型。以南京进近为实例,对4种机器学习模型进行训练、验证和测试,对模型的性能指标、特征重要性和影响因素展开分析。研究结果表明,对于航空器进近飞行时间的预测,基于随机森林的模型表现出了最高的预测性能,模型的泛化能力最好、精确度高,回归效果越显著;进场状态是影响航空器进近飞行时间的最重要因素,而进场点和进场高度特征则对结果的贡献度最大。

关键词：空中交通管理进近飞行时间预测机器学习随机森林特征重要度

基于apFFT频谱校正和XGBoost的风电场集电线路单相接地故障测距

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2020年第23期35卷 4931-4939页

作者：彭华朱永利华北电力大学电气与电子工程学院保定071003

针对风电场集电线路因短路故障造成的弃风窝电问题,提出采用全相位快速傅里叶变换(apFFT)频谱校正和极限梯度提升(XGBoost)的风电场集电线路单相接地故障测距方法。首先,搭建双馈风电场多分支混合线路的仿真模型,并通过apFFT频谱校正法... 详细信息

针对风电场集电线路因短路故障造成的弃风窝电问题,提出采用全相位快速傅里叶变换(apFFT)频谱校正和极限梯度提升(XGBoost)的风电场集电线路单相接地故障测距方法。首先,搭建双馈风电场多分支混合线路的仿真模型,并通过apFFT频谱校正法获取故障电压和电流的基波相量,以构建原始特征集;然后,采用XGBoost算法建立单端故障测距的回归模型,并计算获取故障特征的重要度及排序,直观地挖掘特征量与故障距离之间的关系;最后,应用XGBoost故障定位器根据现存模态完成对新输入模态的定位,获得故障点精确位置。PSCAD/EMTDC实验证明,该方法对风电场多分支、混合短线路测距具有明显优势,定位性能优于随机森林(RF)方法,且不受故障位置、过渡电阻的影响,可满足风电场对测距精度的需求。

关键词：风电场集电线路 apFFT频谱校正极限梯度提升单相接地故障单端故障测距特征重要度