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

基于自适应邻域与聚类的非平衡数据特征选择

计算机工程与应用 2024年第14期60卷 74-85页

作者：孙林梁娜王欣雅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 河南中豫建设投资集团股份有限公司郑州450000

为了解决传统邻域粗糙集未考虑不平衡数据的类分布,多数邻域系统通过人工调试难以找到最佳邻域半径,以及聚类时指定簇的数目等问题,提出一种基于自适应邻域与聚类的非平衡数据特征选择方法。根据样本在各个特征下与其他样本距离的平均... 详细信息

为了解决传统邻域粗糙集未考虑不平衡数据的类分布,多数邻域系统通过人工调试难以找到最佳邻域半径,以及聚类时指定簇的数目等问题,提出一种基于自适应邻域与聚类的非平衡数据特征选择方法。根据样本在各个特征下与其他样本距离的平均值来确定样本的自适应k近邻和共享近邻,定义自适应邻域密度并设计混合采样模型,构建平衡决策系统。基于特征分布定义新的邻域半径,使用高斯核函数研究邻域内样本之间的模糊相似关系,使用模糊邻域互信息度量特征间的相关性,基于此对特征进行聚类。基于模糊邻域互信息构造粒子群初始化策略,并引入动态位掩码策略与适合整数编码的差异性扰动算子,改进整型粒子群优化算法,实现从特征簇中选出代表性特征构成最终的特征子集。在19个非平衡数据集的实验结果表明所设计的算法有效地提高了非平衡数据的分类性能。

关键词：自适应邻域混合采样模糊邻域互信息特征聚类特征选择

基于自适应邻域局部保留ELM-AE的机械故障诊断

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2024年第1期41卷 56-63页

作者：张焕可王帅旗陈会涛许昌电气职业学院机电工程系河南许昌461000 河南理工大学机械与动力工程学院河南焦作454003

针对机器学习故障诊断中存在的先验知识依赖以及数据利用不充分问题,提出一种自适应邻域的局部保留极限学习机自动编码器方法。成对样本在原始数据空间和嵌入的表示空间中引入欧几里得距离惩罚因子,实现数据样本的相似性分类;提出一个... 详细信息

针对机器学习故障诊断中存在的先验知识依赖以及数据利用不充分问题,提出一种自适应邻域的局部保留极限学习机自动编码器方法。成对样本在原始数据空间和嵌入的表示空间中引入欧几里得距离惩罚因子,实现数据样本的相似性分类;提出一个统一的目标函数,可以同时学习数据表示和关联矩阵,并提出一个软判别约束防止过度拟合。实验结果表明,融合学习关联矩阵和数据表示方法具有学习速度快、泛化能力强和诊断精度高等优点。

关键词：极限学习机自动编码器关联矩阵学习自适应邻域机器故障诊断

电子商务水军检测的新方法:自适应邻域精准化采样的多关系图神经网络

在线全文

学校读者我要写书评

暂无评论

图书情报知识 2022年第6期39卷 35-44页

作者：徐瑞卿张志旺孙宏亮南京财经大学信息工程学院南京210046

[目的/意义]旨在从图神经网络的视角提出一种新的水军检测算法,为保障电子商务环境健康、商家信誉、市场公平提供支持。[研究设计/方法]结合多关系图神经网络,引入新型采样策略,设计出一种基于精准化采样和自适应邻域的多关系神经网络... 详细信息

[目的/意义]旨在从图神经网络的视角提出一种新的水军检测算法,为保障电子商务环境健康、商家信誉、市场公平提供支持。[研究设计/方法]结合多关系图神经网络,引入新型采样策略,设计出一种基于精准化采样和自适应邻域的多关系神经网络的电子商务反欺诈算法,并将这种新算法应用于真实世界Yelp和Amazon的数据集上进行效果检验。[结论/发现]与过去的反欺诈方法对比发现:这一新方法在缓解类别不平衡带来的影响时有显著的效果。[创新/价值]该方法提供了一种新的抽样策略,为有效解决欺诈检测研究中面临的海量用户中仅有少量欺诈用户导致的类别不平衡问题,提供了一种新的思路。

关键词：欺诈检测类别不平衡精准化采样自适应邻域多关系图

在线全文

学校读者我要写书评

暂无评论

基于自适应邻域粒子群算法的γ谱定量分析

计算机仿真 2023年第9期40卷 296-302页

作者：李林祥曾国强杨小峰周春芝军事科学院防化研究院北京102205 成都理工大学地学核技术四川省重点实验室四川成都610059

根据γ能谱仪系统的线性叠加原理,提出了一种基于全谱特征的能谱定量分析算法:自适应邻域粒子群算法(AN-PSO)。使用Monte Carlo和有限元分析方法模拟了碲锌镉(CZT)探测器的γ射线能谱,并构建了模拟γ标准能谱库。然后利用提出的算法对CZ... 详细信息

根据γ能谱仪系统的线性叠加原理,提出了一种基于全谱特征的能谱定量分析算法:自适应邻域粒子群算法(AN-PSO)。使用Monte Carlo和有限元分析方法模拟了碲锌镉(CZT)探测器的γ射线能谱,并构建了模拟γ标准能谱库。然后利用提出的算法对CZT探测器的模拟γ能谱以及实测谱进行了分析。研究结果表明,上述算法对模拟γ能谱的核素活度平均分析误差为2.46%,对实测谱的核素活度平均分析误差为7.82%。且该算法不受重峰影响,对弱峰也具有一定的识别能力。

关键词：自适应邻域粒子群算法蒙特卡洛模拟

基于Fisher Score和自适应邻域的特征选择方法研究

在线全文

学校读者我要写书评

暂无评论

基于Fisher Score和自适应邻域的特征选择方法研究

作者：张玖肖河南师范大学

学位级别：硕士

随着大数据技术的快速发展,数据维度呈指数增长,这些数据往往会增加存储负担,因此对这些数据进行预处理将变得更加迫切。特征选择主要通过恰当的搜索策略剔除不相关或冗余特征。算法训练和分类的时间会随着维数的增加而增加,从机器学习... 详细信息

随着大数据技术的快速发展,数据维度呈指数增长,这些数据往往会增加存储负担,因此对这些数据进行预处理将变得更加迫切。特征选择主要通过恰当的搜索策略剔除不相关或冗余特征。算法训练和分类的时间会随着维数的增加而增加,从机器学习角度来看,特征选择能够降低计算复杂度,减少计算时间。Fisher Score作为数据降维的一种重要的预处理方法,已经被广泛用于特征选择过程中。传统的特征选择方法往往存在着仅凭经验来手动确定参数、未考虑数据中类不平衡分布以及度量特征不确定方法过于单一等问题。粒计算理论在大规模不确定性数据、复杂高维数据和非平衡数据的特征选择上发挥着非常重要的作用。为了解决这些问题,运用机器学习模型及算法对复杂、高维、非平衡数据进行预处理,基于粒计算理论研究自适应邻域粒和自适应加权K近邻模型,进而设计基于Fisher Score和自适应邻域的特征选择方法,通过对比实验验证了所提算法的有效性。本文的主要研究内容包括两个方面:(1)为了解决传统邻域粗糙集模型中构造的邻域不能自适应数据分布、邻域粗糙集模型中没有结合实际情况仅凭经验指定邻域半径、以及度量特征重要度过于单一等问题,提出了一种基于Fisher Score和自适应邻域粗糙集的特征选择方法。首先,在邻域决策系统中,定义了样本的变异系数,基于此设计了特征的Fisher Score计算公式,构建了新的Fisher Score降维算法;其次,将决策类下特征变异系数引入邻域粗糙集模型中,定义了自适应邻域粒,解决邻域粒存在的误分类问题,由此构造下、上近似集及其自适应邻域粗糙集模型,结合自适应邻域模型中的依赖度、邻域知识粒度和平均邻域熵,提出了结合信息论观点和代数观点的混合度量;然后,指定邻域半径取值区间,结合约简子集平均相关度、分类精度和约简率计算自适应邻域半径函数,选出最优邻域半径,提出一种基于Fisher Score和自适应邻域粗糙集的启发式特征选择算法;最后,将该算法应用于14个公共数据集的特征选择研究,实验结果与分析验证了该算法的有效性。(2)为了解决传统特征选择算法未考虑数据中类不平衡分布,以及特征选择过程中往往需要手动确定参数等问题,提出了一种基于Fisher Score和自适应加权K近邻的非平衡数据特征选择方法。首先,定义样本间的相似性度量计算样本簇间相似性,构建了新的层次聚类算法,通过混合采样模型建立平衡决策系统,使用基于变异系数改进的Fisher Score算法进行初步降维;其次,根据改进的对称不确定性计算特征间相似性,自适应选择每个特征的K近邻,定义了特征间权重,提出了自适应加权K近邻,结合每个特征的自适应加权K近邻,计算每个特征的自适应加权K近邻密度进行特征聚类;然后,将改进的对称不确定性和特征的加权平均冗余度相结合,提出了基于对称不确定性的最大相关最小冗余策略,进而设计了一种结合Fisher Score降维的非平衡数据特征选择算法;最后,对29个不平衡数据集的实验结果分析表明,所设计的算法能够有效地提高数据的分类性能。

关键词：特征选择 Fisher Score 邻域粗糙集自适应邻域 K近邻非平衡数据

多准则融合敏感特征选择和自适应邻域的流形学习故障诊断

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

仪器仪表学报 2014年第11期35卷 2415-2422页

作者：汤宝平马婧华重庆大学机械传动国家重点实验室重庆400044

针对流形学习故障诊断中非敏感特征干扰和邻域大小难以确定的问题,提出了基于DSm T多准则融合特征选择和局部集聚系数自适应邻域的流形学习故障诊断方法。利用多种特征评价准则对原始高维特征进行排序,通过DSm T证据理论对各评价序列进... 详细信息

针对流形学习故障诊断中非敏感特征干扰和邻域大小难以确定的问题,提出了基于DSm T多准则融合特征选择和局部集聚系数自适应邻域的流形学习故障诊断方法。利用多种特征评价准则对原始高维特征进行排序,通过DSm T证据理论对各评价序列进行融合,再根据融合序列选择敏感特征构成优化高维特征集;采用基于局部集聚系数的自适应正交邻域保持嵌入流形学习进行维数约简,得到低维特征集;最后输入到K最近邻分类器进行故障识别。轴承振动故障实验表明了本文所提方法的有效性。

关键词：故障诊断流形学习特征选择自适应邻域

在线全文

学校读者我要写书评

暂无评论

自适应邻域相关性的背景建模

中国图象图形学报 2016年第9期21卷 1202-1212页

作者：万剑洪明坚赵晨丘重庆大学软件学院重庆401331

目的背景建模在计算机视觉领域中是检测、跟踪、行为学习和识别的基础,被广泛地应用于视频监控的运动目标检测。混合高斯(MOG)和Codebook是其中具有代表性的方法,但它们假设像素点间信息是独立的,只保留了时域信息而忽略了空域信息,使... 详细信息

目的背景建模在计算机视觉领域中是检测、跟踪、行为学习和识别的基础,被广泛地应用于视频监控的运动目标检测。混合高斯(MOG)和Codebook是其中具有代表性的方法,但它们假设像素点间信息是独立的,只保留了时域信息而忽略了空域信息,使得模型对背景的描述局限于时间上的连续性。针对上述问题,提出了一种自适应邻域相关性的背景建模方法(ANC)。方法 ANC在保留原始方法时域信息建模特性的同时,增加对邻域模型的复用,同时利用计算结果反馈自适应调整邻域区域,提高对前景值判断的准确性。首先利用原始基于像素点的背景建模方法进行候选前景检测,然后将候选前景检测结果为前景点的像素与邻域像素点模型进行对比,若邻域范围存在匹配则为背景点,若不存在则为前景点;最后引入像素置信度概念,自适应调整邻域范围的大小。结果与MOG和Codebook相比,在changedetection标准数据库上,ANC在ROC(受试者工作特征曲线)和度量值等方面的平均精度和F-measure都提高了7%以上。结论自适应邻域相关性的背景建模方法适用于复杂多模态背景,克服了基于像素点背景建模方法假设的局限性。与普通基于像素点的背景建模方法相比,具有更好的鲁棒性和抗噪性,对复杂背景具有更强的适应性。

关键词：混合高斯模型 Codebook算法背景建模自适应邻域像素点

基于自适应邻域双边滤波的点目标检测预处理算法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2008年第8期30卷 1909-1912页

作者：曹瑛李志永卢晓鹏邹谋炎中国科学院电子学研究所北京100190 中国科学院研究生院北京100039

该文通过分析点目标的成像原理,提出一种基于自适应邻域时空双边滤波的点目标检测预处理算法。算法针对每个像素建立自适应邻域,对不同类的邻域分别定义其定义域和值域势函数的乘积为滤波模板,并通过限制自适应邻域的大小加快了算法速... 详细信息

该文通过分析点目标的成像原理,提出一种基于自适应邻域时空双边滤波的点目标检测预处理算法。算法针对每个像素建立自适应邻域,对不同类的邻域分别定义其定义域和值域势函数的乘积为滤波模板,并通过限制自适应邻域的大小加快了算法速度。与固定邻域的空域双边滤波算法和时空双边滤波算法相比,该文算法能够快速、有效去除噪声,同时增强点目标和背景的对比度。

关键词：点目标检测预处理时空双边滤波自适应邻域势函数

在线全文

学校读者我要写书评

暂无评论

基于自适应邻域嵌入的无监督特征选择算法

计算机研究与发展 2020年第8期57卷 1639-1649页

作者：刘艳芳李文斌高阳计算机软件新技术国家重点实验室(南京大学) 南京210023 龙岩学院数学与信息工程学院福建龙岩364012

无监督特征选择算法可以对高维无标记数据进行有效的降维,从而减少数据处理的时间和空间复杂度,避免算法模型出现过拟合现象.然而,现有的无监督特征选择方法大都运用k近邻法捕捉数据样本的局部几何结构,忽略了数据分布不均的问题.为了... 详细信息

无监督特征选择算法可以对高维无标记数据进行有效的降维,从而减少数据处理的时间和空间复杂度,避免算法模型出现过拟合现象.然而,现有的无监督特征选择方法大都运用k近邻法捕捉数据样本的局部几何结构,忽略了数据分布不均的问题.为了解决这个问题,提出了一种基于自适应邻域嵌入的无监督特征选择(adaptive neighborhood embedding based unsupervised feature selection, ANEFS)算法,该算法根据数据集自身的分布特点确定每个样本的近邻数,进而构造样本相似矩阵,同时引入从高维空间映射到低维空间的中间矩阵,利用拉普拉斯乘子法优化目标函数进行求解.6个UCI数据集的实验结果表明:所提出的算法能够选出具有更高聚类精度和互信息的特征子集.

关键词： k近邻自适应邻域流形学习特征选择无监督学习