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

基于路径的投票算法识别关键节点组的研究

信息工程大学学报 2022年第2期23卷 167-172,178页

作者：宁阳宁晴武志峰天津电子信息职业技术学院天津300350 北京联合大学北京100101 天津职业技术师范大学天津300222

关键节点组识别在医学、社会学、电力交通、政治与经济学领域有重要研究意义。目前识别方法基本上是与其他理论的结合,例如图着色、社区划分、聚类、投票算法等。针对启发式聚类关键节点组识别方法中初始节点选择造成的随机性问题,结合... 详细信息

关键节点组识别在医学、社会学、电力交通、政治与经济学领域有重要研究意义。目前识别方法基本上是与其他理论的结合,例如图着色、社区划分、聚类、投票算法等。针对启发式聚类关键节点组识别方法中初始节点选择造成的随机性问题,结合投票算法,提出了基于路径的投票算法进行关键节点识别。基于SIR传播模型和平均路径长度设计了4组对比实验,在人工BA无标度网络和真实网络中分别与度中心性、介数中心性、接近中心性、启发式聚类算法评估方法进行比较,验证了基于路径的投票算法能以较高的精度进行网络中关键节点组的识别,并且优于启发式聚类算法。

关键词：复杂网络关键节点组最短路径投票算法 SIR传播模型

在线全文

学校读者我要写书评

暂无评论

一种解决数据冲突的投票算法的改进与实现

中国高新科技 2023年第17期 36-37页

作者：李光荣夏琦南京工程学院江苏南京211167 南京工程学院产业经济与创新管理研究院江苏南京211167

在当今网络发达时代,为了利用数据,需要从多源获取信息来融合信息,但是在信息融合的过程中,不同的数据源之间融合会发生数据冲突,而投票算法在解决数据冲突的过程中发挥了很好的作用。文章在投票算法上加入了增量分类,针对不断增加的数... 详细信息

在当今网络发达时代,为了利用数据,需要从多源获取信息来融合信息,但是在信息融合的过程中,不同的数据源之间融合会发生数据冲突,而投票算法在解决数据冲突的过程中发挥了很好的作用。文章在投票算法上加入了增量分类,针对不断增加的数据构建了一个解决冲突的过程,以此提高了解决数据冲突的效率。

关键词：数据冲突投票算法增量分类

在线全文

学校读者我要写书评

暂无评论

前馈神经网络病态样本投票剔除算法

小型微型计算机系统 2002年第11期23卷 1371-1374页

作者：艾景军周春光宫成春吉林大学计算机科学与技术学院吉林长春130012 吉林大学数学学院吉林长春110012

收敛速度慢和容易陷入局部极小一直是困扰前馈神经网络的主要问题 .然而 ,不能找到全局最优解的部分原因之一是由于样本质量造成的 .如果训练样本集中含有病态样本 ,那么网络永远也达不到收敛 .本文提出一种以模式聚类为基础的病态样本... 详细信息

收敛速度慢和容易陷入局部极小一直是困扰前馈神经网络的主要问题 .然而 ,不能找到全局最优解的部分原因之一是由于样本质量造成的 .如果训练样本集中含有病态样本 ,那么网络永远也达不到收敛 .本文提出一种以模式聚类为基础的病态样本判定方法 ,并给出基于模式相似度计算的投票剔除算法 .

关键词：前馈神经网络病态样本投票剔除算法模式聚类相似度计算投票算法收敛速度

基于D-S和投票算法的路况数据可信模型设计

在线全文

学校读者我要写书评

暂无评论

控制工程 2017年第8期24卷 1707-1712页

作者：陶琳杨俊成吴跃河南工业职业技术学院电子信息工程系河南南阳473000 上海交通大学信息安全工程学院上海200240

为了有效解决城市交通中动态寻路时路况数据的安全可信问题,设计了基于路况数据分析的安全可信模型。该模型引入D-S证据理论,对不可信任的信息赋予了一定的不确定性属性,同时对相斥与相似同样界定出用于中间过渡的相容评价,在不增加数... 详细信息

为了有效解决城市交通中动态寻路时路况数据的安全可信问题,设计了基于路况数据分析的安全可信模型。该模型引入D-S证据理论,对不可信任的信息赋予了一定的不确定性属性,同时对相斥与相似同样界定出用于中间过渡的相容评价,在不增加数据交换的情况下,有效地实现了对路况信息信任判断,同时为了降低D-S证据理论的不确定性所引起的判断失误,该模型通过投票算法加以统计分析,增强了鲁棒性。通过仿真实验分析表明,在绝大多数情况下,该模型可以有效地优化车辆行车路线,降低行驶时间,在过滤异常路况信息、鉴别恶意信息方面,可以发挥重要作用,保证了第三方动态寻路算法的安全可信度。

关键词：路况数据 D-S证据理论不确定性投票算法

基于集成学习投票算法的Android恶意应用检测

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2020年第22期56卷 74-82页

作者：赵宇鑫努尔布力艾壮新疆大学软件学院乌鲁木齐830046 新疆大学网络中心乌鲁木齐830046 新疆大学信息科学与工程学院乌鲁木齐830046

针对Android平台恶意应用的检测技术,提出一种基于集成学习投票算法的Android恶意程序检测方法MASV(Soft-Voting Algorithm),以有效地对未知应用程序进行分类。从已知开源的数据集中获取了实验的基础数据,使用的应用程序集包含213256个... 详细信息

针对Android平台恶意应用的检测技术,提出一种基于集成学习投票算法的Android恶意程序检测方法MASV(Soft-Voting Algorithm),以有效地对未知应用程序进行分类。从已知开源的数据集中获取了实验的基础数据,使用的应用程序集包含213256个良性应用程序以及18363个恶意应用程序。使用SVM-RFE特征选择算法对特征进行降维。使用多个分类器的集合,即SVM(Support Vector Machine)、K-NN(K-Nearest Neighbor)、NB(Naïve Bayes)、CART(Classification and Regression Tree)和RF(Random Forest),以检测恶意应用程序和良性应用程序。使用梯度上升算法确定集成学习软投票的基分类器权重参数。实验结果表明,该方法在恶意应用程序检测中达到了99.27%的准确率。

关键词： Android恶意应用集成学习投票算法

在线全文

学校读者我要写书评

暂无评论

一种改进的投票算法检测细胞核

中国医学物理学杂志 2017年第8期34卷 799-805页

作者：马青山刘磊齐守良秦文健温铁祥李凌辜嘉中国科学院深圳先进技术研究院广东深圳518055 东北大学中荷生物医学与信息工程学院辽宁沈阳100009

高效准确地检测细胞核是自动分析病理学组织的重要部分,也是细胞核准确分割的第一步,分割的准确性很大程度上取决于种子点检测的准确性与可靠性。本文提出一种改进的投票算法来检测细胞核种子点。首先,通过对乳腺病理切片图像进行预处理... 详细信息

高效准确地检测细胞核是自动分析病理学组织的重要部分,也是细胞核准确分割的第一步,分割的准确性很大程度上取决于种子点检测的准确性与可靠性。本文提出一种改进的投票算法来检测细胞核种子点。首先,通过对乳腺病理切片图像进行预处理,利用Otsu阈值方法对预处理后的图像进行粗分割;然后用椭圆拟合方法检测出部分细胞核种子点;最后利用改进的投票算法检测细胞核种子点。实验结果表明,本文所提出的算法可以准确地将病理切片图像中的细胞核检测出来,且检测精确度超过90%,能够提供比现有方法更好的检测性能,可用于定量分析乳腺病理图像。

关键词：细胞核检测投票算法高斯核椭圆拟合形态学

在线全文

学校读者我要写书评

暂无评论

掘客投票算法的属性论方法

智能系统学报 2009年第2期4卷 118-121页

作者：许广林刘念祖冯嘉礼刘永昌上海立信会计学院数学与信息学院上海201620 上海海事大学信息工程学院上海200135

掘客类型网站的技术核心是投票算法,而如何能够客观和公正地反应投票结果是投票算法的核心.针对目前掘客类网站中投票算法过于简单,建立了一套投票算法指标体系,并且提出了基于属性论方法的投票算法,为掘客类网站以及其他类型的投票网... 详细信息

掘客类型网站的技术核心是投票算法,而如何能够客观和公正地反应投票结果是投票算法的核心.针对目前掘客类网站中投票算法过于简单,建立了一套投票算法指标体系,并且提出了基于属性论方法的投票算法,为掘客类网站以及其他类型的投票网站提供了一种新的投票算法.给出实际例子的投票结果更公正和客观,从而有效地论证了算法的合理性.

关键词：投票算法属性论方法转换程度函数评估模型

基于可变时序移位Transformer-LSTM的集成学习矿压预测方法

在线全文

学校读者我要写书评

暂无评论

工矿自动化 2023年第7期49卷 92-98页

作者：李泽西西安科技大学通信与信息工程学院陕西西安710054

现有的矿压预测模型多为依赖固定长度时序序列特征的单一预测模型,难以准确捕捉矿压时序数据的复合特征,影响矿压预测的准确度。针对该问题,提出一种基于可变时序移位Transformer-长短时记忆(LSTM)的集成学习矿压预测方法。基于拉依达... 详细信息

现有的矿压预测模型多为依赖固定长度时序序列特征的单一预测模型,难以准确捕捉矿压时序数据的复合特征,影响矿压预测的准确度。针对该问题,提出一种基于可变时序移位Transformer-长短时记忆(LSTM)的集成学习矿压预测方法。基于拉依达准则和拉格朗日插值法,剔除矿压监测数据中的异常值,插入缺失值,并进行归一化预处理;提出可变时序移位策略,划分不同尺度的矿压时序数据,避免固定长度时序序列可能存在的数据偏移问题;在此基础上,构建基于Transformer-LSTM的集成学习矿压预测模型,通过结合注意力机制和准确的时序特征表示能力,多层次捕捉矿压变化规律的动态特征,采用集成学习的投票算法,联合预测矿压数据,克服单一预测模型的局限性。实验结果表明:采用集成学习的投票算法可降低矿压预测平均绝对误差(MAE)和均方根误差(RMSE)的波动性,有效减小不同尺度特征序列对矿压预测结果的敏感性影响;Transformer-LSTM模型在2个综采工作面顶板矿压数据集上预测结果的MAE较Transformer模型分别提高了8.9%和9.5%,RMSE分别提高了12.7%和16.5%,且高于反向传播(BP)神经网络模型和LSTM模型,有效提升了矿压预测准确度。

关键词：矿压预测可变时序移位 Transformer-LSTM模型集成学习投票算法

在线全文

学校读者我要写书评

暂无评论

基于复杂网络的软件项目重要类识别研究

基于复杂网络的软件项目重要类识别研究

作者：陶佩华东师范大学

学位级别：硕士

随着软件系统的功能不断地被更改,软件系统的规模将不断增大,其结构也将变得越来越复杂。在软件维护阶段,软件维护人员要想对未知的软件系统进行调整或修改,就必须先对软件系统进行理解过程。由于逆向工程得到的信息太过复杂并且大多数... 详细信息

随着软件系统的功能不断地被更改,软件系统的规模将不断增大,其结构也将变得越来越复杂。在软件维护阶段,软件维护人员要想对未知的软件系统进行调整或修改,就必须先对软件系统进行理解过程。由于逆向工程得到的信息太过复杂并且大多数时候软件系统并没有及时准确的文档来帮助维护人员进行理解。因此程序理解会消耗维护人员很大的心力。本文的目标是分析和过滤软件信息,以便向软件维护人员提供系统中最重要的信息。在面向对象的软件系统中,挖掘系统的重要信息可以看作是识别系统中的重要类。本文基于复杂网络,提出一种新的模型来识别软件网络的重要节点,这些重要节点就是软件项目的重要类。同时还提出用投票算法计算出软件项目的重要类,并将本文提出的重要类识别方法跟其他8种基线方法的性能做对比,从而验证新模型的有效性。本文主要的研究内容如下:一,提出了一个新模型来识别软件项目中的重要类。首先,解析软件项目的源文件信息,并将解析到的类信息和类之间依赖信息进行一定的分析和计算,从而得到软件依赖数据集。然后,根据软件依赖数据集构建对应的加权软件依赖网络,其中网络中的节点表示的是软件项目中的类,节点之间的边表示的是类之间的依赖关系,边上的权重表示的类之间依赖关系的强度。最后,使用算法KCI(Key Class Identification)计算软件依赖网络中类节点的重要性,并将类的重要性分数进行降序排序,排名靠前的类就是用新模型识别出的重要类。二,提出了投票算法投票出软件项目中的重要类,并将KCI方法和其他8种基线方法的性能进行了比较。本文在25个不同的软件项目进行了实验,并用KCI方法和其他8种基线方法共同投票得出每个软件项目的前15名和前30名的重要类作为软件项目的重要类。然后将KCI方法和其他8种基线方法的召回率和准确率进行了对比,来验证新模型的有效性。实验对比结果表明,KCI方法在其中23个软件项目上的召回率和准确率都是最高的。对于前15名的重要类,只在软件项目Pool2上不如In-Degree方法的性能。对于前30名的重要类,只在软件项目Ormlite core上不如Page Rank方法的性能。综合结果表明新模型能更准确地识别出软件项目中的重要类。除此之外,本文还对比了KCI方法在不同规模的软件项目上运行的CPU时间,KCI方法在25个软件项目上的最长运行时间不超过1.4秒,这表明新模型能适用于不同规模的软件项目。

关键词：面向对象软件软件依赖网络重要类投票算法复杂网络