检索结果-南通市图书馆

概率语言分布视角下的最小调整二分类大群体共识决策方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

系统科学与数学 2024年

作者：李胜利舒婷魏翠萍曲国华扬州大学数学科学学院山西财经大学管理科学与工程学院太原师范学院数学与统计学院智能优化计算与区块链技术山西省重点实验室

针对考虑实际分类需求的大群体决策问题,本文从偏好信息的概率分布和最小调整视角研究二分类大群体共识决策模型.首先,基于PROMETHEEⅡ方法,通过将数据的概率分布向量与优势度相结合,提出了一种备选方案的初排序方法;其次,根据分类需要... 详细信息

针对考虑实际分类需求的大群体决策问题,本文从偏好信息的概率分布和最小调整视角研究二分类大群体共识决策模型.首先,基于PROMETHEEⅡ方法,通过将数据的概率分布向量与优势度相结合,提出了一种备选方案的初排序方法;其次,根据分类需要,建立二分类选择过程,接着构建了基于最小调整的二分类共识决策优化模型,该模型能够在获取群体共识方案分类需求的同时,最小化决策者的共识调整量;最后,通过一个算例来验证方法的有效性和可行性.

关键词：概率分布优势度二分类最小调整群体共识

基于AUC knockoff二分类模型可控变量选择

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

湖北大学学报(自然科学版) 2024年

作者：莫雨扬宋必芹陈洪华中农业大学信息学院

Knockoff方法是一种用于高维数据变量选择并控制错误发现率(FDR)的新型方法。虽然knockoff方法在回归分析领域发展迅速,但在分类背景下的研究却较少。为了解决二分类模型的变量选择问题,本研究提出一种基于AUC(the area under curve)的k... 详细信息

Knockoff方法是一种用于高维数据变量选择并控制错误发现率(FDR)的新型方法。虽然knockoff方法在回归分析领域发展迅速,但在分类背景下的研究却较少。为了解决二分类模型的变量选择问题,本研究提出一种基于AUC(the area under curve)的knockoff方法(AUC knockoff)。我们将AUC度量引入到knockoff框架里,提出一种全新的AUC统计量来评估每个变量对响应的贡献,进而计算阈值来筛选重要变量。理论证明AUC knockoff在合理条件下能控制FDR,且在样本量趋于无穷大时,功效(power)接近于1。除理论保证外,该方法在模拟实验和真实数据上也显示出优越性能。

关键词：变量选择错误发现率二分类 knockoff

深度学习在糖尿病视网膜病变分类领域的研究进展

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第8期60卷 16-30页

作者：孙石磊李明刘静马金刚陈天真山东中医药大学智能与信息工程学院济南250355 山东浪潮优派科技教育有限公司济南250101

糖尿病视网膜病变是导致糖尿病患者视力受损的主要原因之一,早期的分类诊断对于病情的治疗与控制具有重要意义。深度学习方法能够自动提取视网膜病变的特征并进行分类,因此成为糖尿病视网膜病变分类的重要工具。介绍常用的糖尿病视网膜... 详细信息

糖尿病视网膜病变是导致糖尿病患者视力受损的主要原因之一,早期的分类诊断对于病情的治疗与控制具有重要意义。深度学习方法能够自动提取视网膜病变的特征并进行分类,因此成为糖尿病视网膜病变分类的重要工具。介绍常用的糖尿病视网膜病变数据集及评价指标,总结了深度学习在糖尿病视网膜病变二分类中的应用;综述了不同的经典深度学习模型在糖尿病视网膜病变严重程度分类中的应用,重点阐述卷积神经网络的分类诊断方法,并对不同方法进行综合对比分析;最后讨论该领域面临的挑战,并对未来发展方向进行了展望。

关键词：糖尿病视网膜病变深度学习二分类严重程度分类卷积神经网络(CNN)

维普期刊数据库

基于数字乳腺体层合成与深度学习的BI-RADS二分类模型对乳腺良、恶性肿块的鉴别诊断

在线全文

学校读者我要写书评

暂无评论

中国医学影像学杂志 2023年第5期31卷 480-484页

作者：吕雪飞方芳杨玲雷露孙玉张丹丹湖北省武汉市红十字会医院放射科湖北武汉430015

目的探索基于数字乳腺体层合成(DBT)与深度学习的乳腺影像报告和数据系统二分类模型对乳腺良、恶性肿块鉴别的可行性。资料与方法回顾性分析2020年5月—2021年5月于湖北省武汉市红十字会医院行双侧乳腺DBT并经病理证实或长期随访的28... 详细信息

目的探索基于数字乳腺体层合成(DBT)与深度学习的乳腺影像报告和数据系统二分类模型对乳腺良、恶性肿块鉴别的可行性。资料与方法回顾性分析2020年5月—2021年5月于湖北省武汉市红十字会医院行双侧乳腺DBT并经病理证实或长期随访的289例乳腺肿块图像。采用交互式标注,先由人工智能系统在合成2D乳腺X线片、DBT图像上进行读片,再由1名X线诊断医师对所有数据进行修正标注,并由1名高年资医师审核,将上述数据以2∶1随机分为训练集(192例)与测试集(97例)。分别选择densenet161、googlenet、mobilenet_v3_large、vgg19、resnet152模型进行训练,评价二分类模型诊断乳腺恶性肿块的效能。结果每个模型效果曲线下面积均大于0.845,其中mobilenet_v3_large准确度最高,为82.47%,其敏感度和特异度分别为87.18%和79.31%。结论采用深度学习二分类模型对DBT乳腺肿块图片进行良恶性鉴别可行,有望应用于临床。

关键词：乳腺肿块深度学习数字乳腺体层合成二分类诊断鉴别

维普期刊数据库

基于神经网络的LCL型单相并网逆变器稳定性分析

在线全文

学校读者我要写书评

暂无评论

上海交通大学学报 2024年

作者：韩华玲贾一超马子涵邓俊黄萌国网陕西省电力有限公司电力科学研究院综合能源电力装备及系统安全湖北省重点实验室中国电力科学研究院有限公司南京分院武汉大学电气与自动化学院

LCL型并网逆变器的参数不确定性严重影响新能源发电的电能质量，因此需要对参数摄动情况下逆变器的稳定情况进行分析。面对上述问题，该文首先建立LCL型单相并网逆变器状态空间模型，提出基于参数模型的神经网络建模方法。通过参数特征... 详细信息

LCL型并网逆变器的参数不确定性严重影响新能源发电的电能质量，因此需要对参数摄动情况下逆变器的稳定情况进行分析。面对上述问题，该文首先建立LCL型单相并网逆变器状态空间模型，提出基于参数模型的神经网络建模方法。通过参数特征分析，得到基于参数分布的训练数据集，在神经网络中对数据集进行训练，输出稳定性判别结果。最后，通过MATLAB/Simulink仿真与实验平台验证所提基于神经网络分析逆变器稳定性方法的有效性。

关键词： LCL型单相并网逆变器稳定性分析神经网络反向传播二分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

译文质量估计中的对抗学习方法

小型微型计算机系统 2024年

作者：邱辉朱俊国昆明理工大学云南省人工智能重点实验室昆明理工大学信息工程与自动化学院

译文质量估计旨在没有参考译文的情况下预测机器翻译的质量，在机器翻译领域发挥着重要作用。该文提出了一种新的译文质量估计方法，将对抗训练融入其中，以解决译文质量估计任务中两阶段训练目标不一致的问题。该模型主要包括机器翻译... 详细信息

译文质量估计旨在没有参考译文的情况下预测机器翻译的质量，在机器翻译领域发挥着重要作用。该文提出了一种新的译文质量估计方法，将对抗训练融入其中，以解决译文质量估计任务中两阶段训练目标不一致的问题。该模型主要包括机器翻译的生成器和二分类的判别器。在对抗训练过程中，生成器动态生成数据，经过质量筛选后用于判别器的训练，接着判别器计算奖励并更新生成器。对抗训练后，生成器的翻译性能和判别器的准确率都得到显著提升。此外，该文还针对判别器在译文质量估计任务相关数据上的二分类实验结果进行了深入分析，证明了对抗训练能够有效提升判别器的性能，进而用于更准确的译文质量估计。

关键词：译文质量估计机器翻译对抗训练二分类

基于矩阵轮廓的时间序列Shapelet发现算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与设计 2024年第7期 2021-2026页

作者：陶琴杨骏王兵敬思远西南石油大学计算机科学学院乐山师范学院特殊教育语言智能四川省哲学社会科学重点实验室乐山师范学院电子信息与人工智能学院

当前时间序列Shapelet发现算法普遍采用穷举法，需要计算所有时间序列子序列的信息增益，效率较低。针对此问题，提出一种基于矩阵轮廓的Shapelet发现算法。选出最具代表性的时间序列对，计算其轮廓矩阵和差异向量，找到一簇关键区域；... 详细信息

当前时间序列Shapelet发现算法普遍采用穷举法，需要计算所有时间序列子序列的信息增益，效率较低。针对此问题，提出一种基于矩阵轮廓的Shapelet发现算法。选出最具代表性的时间序列对，计算其轮廓矩阵和差异向量，找到一簇关键区域；对找到的关键区域进行剪枝；在关键区域上搜索Shapelet并计算其信息增益，提升算法效率。在15个UCR数据集上，通过时间序列二分类实验对所提Shapelet发现算法进行验证。实验结果表明，所提算法结合Shapelet转换后具有较强分类能力，计算效率明显优于现有Shapelet发现算法。

关键词：时间序列二分类模式发现矩阵轮廓关键区域差异向量信息增益

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

大规模二分类任务的预选数据方法研究

大规模二分类任务的预选数据方法研究

作者：付莹华南理工大学

学位级别：硕士

机器学习中的二分类问题有广泛的应用,如贷款违约预测。随着数据量增加,基于数据训练的机器学习模型在很多领域已经接近甚至超过人类。但训练一个有效二分类模型,所需算力也大幅增加。首先,很多机器学习算法时间复杂度,与数据量呈线性... 详细信息

机器学习中的二分类问题有广泛的应用,如贷款违约预测。随着数据量增加,基于数据训练的机器学习模型在很多领域已经接近甚至超过人类。但训练一个有效二分类模型,所需算力也大幅增加。首先,很多机器学习算法时间复杂度,与数据量呈线性、二次甚至高次增长;其次,模型中包含多个超参数,需尝试大量参数组合来选择最优组合。本文拟研究的二分类任务的数据预选问题是,如何从训练数据集中筛选出一个子集,使得基于子集训练的二分类器的预测准确度接近完整数据集的性能。以损失微小的预测准确度为代价,换来训练时间的大幅缩小,可使各行各业以更低成本投产。本文将二分类任务分为正负类对象可分的相对容易任务与不可分的相对复杂任务。在可分二分类任务中,正负类对象分布在最优决策面两边,两类之间有一个隔离带,最优决策面落在隔离带中。离最优决策面近的对象,也离对岸近。因此,可用一个对象到对岸的距离近似它到最优决策面的距离,称为该对象的异类距离。本文因此设计出按照异类距离筛选数据的方法DOC,并对它进行加速来处理大规模数据集。针对相对复杂不可分二分类任务,本文基于二分类任务概率模型刻画最优决策面。在最优决策面上,一个对象属于正负类别的概率相同。一个对象属于正负类的概率之差越小,距离最优决策面越近。本文提出异类概率差(PDOC-V)来刻画正方两类对象到最优决策面的距离并通过沃罗诺伊图找到每个对象的邻居,基于邻居来估计一个对象属于正负类别的概率。由于计算沃罗诺伊图的时间复杂度与数据维度呈指数增长,随机射线加速算法可将时间复杂度降到O(N)。当数据在空间中不同区域的密度不均匀时,本文的DOC方法及文献中基于距离预选数据的方法会受到干扰,找到的子集不能准确刻画最优决策面。而PDOC-V算法可全面衡量空间中不同方向邻居的影响力,减少这种干扰。本文在4种人工数据集和来自不同应用场景9个真实数据集上进行大量数值实验展示新算法效果及适用范围。结果表明:在可分情况下,各种算法都表现较好;当正负对象重叠比较严重(不可分)时,只有本文提出的PDOC-V算法找到的决策面与最优决策面很接近,其它算法甚至会出现决策面完全倒置的情况。当筛选比例在40%左右时,各算法都可以找到比较好的子集,当筛选比例继续降低时,文献中的方法的性能急剧下降;而本文提出的PDOC-V算法性能下降轻微。即使筛选比例降至10%以后,PODC-V选的子集训练的模型的预测准确率还能超过原数据集上训练的模型的95%以上。

关键词：预选数据集二分类沃罗诺伊图机器学习

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

一种基于二分类的电压暂降源定位方法

电力系统保护与控制 2012年第13期40卷 84-87页

作者：吕干云孙维蒙浙江师范大学数理与信息工程学院浙江金华321004

电压暂降源定位实质是根据暂降源位置敏感的物理量,来确定暂降源位于监测点的上游或下游位置,模式识别上属于二分类问题。提出了一种基于智能分类的电压暂降源定位方法。分析回顾了现有的几种典型暂降源定位方法及其判据,通过判据研究... 详细信息

电压暂降源定位实质是根据暂降源位置敏感的物理量,来确定暂降源位于监测点的上游或下游位置,模式识别上属于二分类问题。提出了一种基于智能分类的电压暂降源定位方法。分析回顾了现有的几种典型暂降源定位方法及其判据,通过判据研究提取源位置敏感的多个定位特征量,并采用支持向量机智能算法对已有故障诊断结果进行学习,从而在该多维特征空间构建判别上下游的最优分类面,利用此最优分类面(即为二分类支持向量机)实现基于二分类的暂降源定位。测试数据表明,该方法能够有效实现电压暂降源定位,定位准确率高且所需计算时间短。

关键词：电压暂降源定位二分类支持向量机最优分类面

维普期刊数据库