检索结果-南通市图书馆

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

基于组合学习的人脸超分辨率算法

计算机应用 2020年第3期40卷 710-716页

作者：许若波卢涛王宇张彦铎武汉工程大学计算机科学与工程学院武汉430205 智能机器人湖北省重点实验室(武汉工程大学) 武汉430205

现有的基于深度学习的人脸超分辨算法大部分仅仅利用一种网络分区重建高分辨率输出图像,并未考虑人脸图像中的结构性信息,导致了在人脸的重要器官重建上缺乏足够的细节信息。针对这一问题,提出一种基于组合学习的人脸超分辨率算法。该... 详细信息

现有的基于深度学习的人脸超分辨算法大部分仅仅利用一种网络分区重建高分辨率输出图像,并未考虑人脸图像中的结构性信息,导致了在人脸的重要器官重建上缺乏足够的细节信息。针对这一问题,提出一种基于组合学习的人脸超分辨率算法。该算法独立采用不同深度学习模型的优势重建感兴趣的区域,由此在训练网络的过程中每个人脸区域的数据分布不同,不同的子网络能够获得更精确的先验信息。首先,对人脸图像采用超像素分割算法生成人脸组件部分和人脸背景图像;然后,采用人脸组件生成对抗网络(C-GAN)独立重建人脸组件图像块,并采用人脸背景重建网络生成人脸背景图像;其次,使用人脸组件融合网络将两种不同模型重建的人脸组件图像块自适应融合;最后,将生成的人脸组件图像块合并至人脸背景图像中,重建出最终的人脸图像。在FEI数据集上的实验结果表明,与人脸图像超分辨率算法通过组件生成和增强学习幻构人脸图像(LCGE)及判决性增强的生成对抗网络(EDGAN)相比,所提算法的峰值信噪比(PSNR)值分别高出1.23 dB和1.11 dB。所提算法能够采用不同深度学习模型的优势组合学习重建更精准的人脸图像,同时拓展了图像重建先验的来源。

关键词：组合学习人脸幻构生成对抗网络融合网络深度学习

在线全文

学校读者我要写书评

暂无评论

基于组合学习的个人信用风险评估模型研究

复旦学报（自然科学版） 2021年第6期60卷 703-719页

作者：牛晓健凌飞复旦大学经济学院上海200433

基于美国最大的P2P平台Lending Club 2019年的个人借款数据,尝试将深度学习方法引入个人信用风险评估领域,与集成学习构建串联结构的组合学习模型.具体做法是将深度神经网络的隐藏层作为“特征提取器”,将原始变量转换为更高层次的抽象... 详细信息

基于美国最大的P2P平台Lending Club 2019年的个人借款数据,尝试将深度学习方法引入个人信用风险评估领域,与集成学习构建串联结构的组合学习模型.具体做法是将深度神经网络的隐藏层作为“特征提取器”,将原始变量转换为更高层次的抽象特征后输入随机森林、XGBoost、LightGBM和CatBoost 4种集成学习模型进行训练.研究结果表明,4种集成学习模型之间差距不大,随机森林表现最好,LightGBM训练速度最快;稀疏自编码器相比深度神经网络和主成分分析更适合作为集成学习的特征提取器,尤其是对Boosting类模型效果的提升更为明显.

关键词：个人信用风险评估组合学习

基于数据清洗与组合学习的光伏发电功率预测方法研究

在线全文

学校读者我要写书评

暂无评论

可再生能源 2020年第12期38卷 1583-1589页

作者：邱明鲁冠军吴昊天杨仲卿重庆大学能源与动力工程学院重庆400044 重庆电力高等专科学校动力工程学院重庆400053 华北电力大学电气与电子工程学院北京102206

短期光伏发电功率预测对电网调度计划的安排和优化具有重要意义。机器学习类算法的飞速进步有利于提高光伏发电功率的预测精度。文章提出了一种基于数据清洗与组合学习的光伏发电功率预测方法。考虑到变电站实际运行时,在通信与传输过... 详细信息

短期光伏发电功率预测对电网调度计划的安排和优化具有重要意义。机器学习类算法的飞速进步有利于提高光伏发电功率的预测精度。文章提出了一种基于数据清洗与组合学习的光伏发电功率预测方法。考虑到变电站实际运行时,在通信与传输过程中会出现数据遗漏的状况,在数据输入模型前,采用KNN算法对缺失数据进行补全;然后,将极限学习机、Adaboost模型和神经网络模型的预测结果进行动态组合,并通过Lasso算法在一定周期内对权值进行更新,获得最终预测结果;最后,利用北京大兴区的实际光伏发电数据来验证文章所提出的预测算法的准确性。模拟结果表明,在晴天和阴雨天条件下,组合学习模型预测结果均比较准确。

关键词：短期光伏发电功率预测数据清洗组合学习 Lasso 极限学习机 Adaboost

在线全文

学校读者我要写书评

暂无评论

基于组合学习和主动学习的蛋白质关系抽取

基于组合学习和主动学习的蛋白质关系抽取

作者：刘敏捷大连理工大学

学位级别：硕士

生命科学技术的不断发展,导致了生物医学领域文献的数量呈爆炸式增长。因此,研究人员迫切需要自动化工具,从海量的文献中,提取出感兴趣的信息。随着互联网的日益完善,信息抽取技术迅速发展起来,并且在生物医学领域产生了很大影响。蛋白... 详细信息

生命科学技术的不断发展,导致了生物医学领域文献的数量呈爆炸式增长。因此,研究人员迫切需要自动化工具,从海量的文献中,提取出感兴趣的信息。随着互联网的日益完善,信息抽取技术迅速发展起来,并且在生物医学领域产生了很大影响。蛋白质关系(Protein-Protein Interaction, PPI)抽取,作为信息抽取在生物医学领域的一个重要的应用,旨在从分子层面挖掘潜在的知识,以供研究者使用。围绕PPI抽取问题,本文从以下方面展开研究。为解决特征挖掘不足、单个分类器决策能力有限的问题,本文提出了组合学习的方法。该方法重点探索了特征设计以及多个分类器的集成问题。在特征选择方面,从句子上下文以及多种句法结构中提取了丰富的特征,并采用信息增益的特征选择方法来筛选出最优特征,然后构建特征向量;在分类器集成方面,选择三个分类准确率较高、决策机制不同的分类器,分别为支持向量机、最大熵和朴素贝叶斯,应用Q-statistic方法验证了不同分类器之间的差异性。采用线性加权的方法,将各个分类器的决策结果集成,保证单独抽取性能表现好的分类器,在融合中能够分配到更高的权重。组合学习方法在典型的AIMed语料上获得了71%的F值和92.9%的AUC值。组合学习方法,只适用在有标注语料充足的情况。然而,在实际应用中,有标注的语料数量相对稀少。因此,为了解决这个问题,本文在组合学习方法的基础上,提出了主动学习的方法。该方法采用基于不确定样本的选择方法,不断从大量未标注语料中挑选出最具信息的样本进行标注,对分类器无用的样本则不进行标注,并将标注后的样本重新加入到训练集中进行自主的学习。主动学习的方法不仅具有良好的PPI抽取效果,而且可以减轻人工标注的工作量。主动学习方法在5个语料上进行的实验取得了不错的效果：在除了LLL之外的4个语料上均获得了较高的AUC值(尤其是在AIMed和BioInfer这样的大语料上),表现出了较强的泛化能力。

关键词：蛋白质关系抽取丰富特征特征选择组合学习主动学习

基于组合学习和自训练的生物医学事件抽取研究

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

基于组合学习和自训练的生物医学事件抽取研究

作者：李浩瑞大连理工大学

学位级别：硕士

生物医学文献数量的急剧增加,使得生物医学从业者在海量生物医学文献中快速地获取大量的感兴趣的信息变得困难。因此,快速有效地从海量无结构化的文本中抽取出便于管理、查询的结构化信息成为生物医学信息抽取的热点的研究课题。生物医... 详细信息

生物医学文献数量的急剧增加,使得生物医学从业者在海量生物医学文献中快速地获取大量的感兴趣的信息变得困难。因此,快速有效地从海量无结构化的文本中抽取出便于管理、查询的结构化信息成为生物医学信息抽取的热点的研究课题。生物医学事件抽取属于生物医学信息抽取的范畴,旨在从分子层面在无结构化的文本信息中抽取出有蛋白质有关的结构化生物事件信息。在生物医学事件抽取的研究中,机器学习的方法得到了广泛的应用。本文在研究过程中主要利用了机器学习的方法对生物医学事件进行抽取,涉及到组合学习,模型自训练以及核方法的机器学习方法。在事件的处理流程上采用了常用的文本预处理、事件触发词检测、事件元素识别以及整体后处理的步骤。本文在生物医学事件触发词检测的阶段采用了基于不同决策规则的学习器进行组合学习、使用模型自训练的方法在触发词检测阶段引入了未标注语料实现半监督学习。在触发词的检测过程中,采用了建立触发词字典来判断文档中词是否为候选触发词,对所选候选触发词进行特征提取进行分类任务,确定候选词是否为触发词并指定相应的触发词类型。在事件元素检测的阶段,构造触发词和蛋白质关系对,借鉴蛋白质交互关系抽取的方法对触发词蛋白质对之间的关系进行检测。根据事件的定义类型将事件分为简单事件和复杂事件分别进行元素的检测。在简单事件中直接鉴定触发词蛋白质的关系,在复杂事件中采用了先鉴定是否存在关系再鉴定存在哪一种关系的方法。最终采用核函数的方法对触发词蛋白质对进行关系检测,来确定事件的元素。本文是在BioNLP’09和BioNLP’ ll共享任务提供的公开的语料集上进行训练和测试的,同时实验过程中采用的未标注语料来源于PubMed中的摘要文档。利用本文的方法在采用的语料集上进行模型建立和验证,结果表明本文采用的方法对事件抽取系统的性能有所改善,取得了不错的抽取效果。

关键词：生物医学事件抽取组合学习自训练核方法

基于PCA-ANN组合学习方法建立PTA粒度模型

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

控制工程 2003年第4期10卷 356-359页

作者：王翰卿颜学峰钱锋华东理工大学自动化研究所上海200237

针对在精对苯二甲酸(PTA)生产过程中影响PTA粒度的因素多且复杂,采用了主元分析方法(PCA)提取方差最大的几个成分作为神经网络(ANN)的输入,消除干扰因素的影响,建立PCA ANN粒度模型。为了进一步提高PCA ANN粒度模型的预测精度,提出了性... 详细信息

针对在精对苯二甲酸(PTA)生产过程中影响PTA粒度的因素多且复杂,采用了主元分析方法(PCA)提取方差最大的几个成分作为神经网络(ANN)的输入,消除干扰因素的影响,建立PCA ANN粒度模型。为了进一步提高PCA ANN粒度模型的预测精度,提出了性能优良的加权组合学习方法,形成基于PCA ANN的加权组合模型。组合模型能通过对多个不同PCA ANN粒度模型的预测结果进行自适应加权,最终获得具有良好预测精度的结果。

关键词：对苯二甲酸粒度主元分析神经网络组合学习自适应