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

基于行为自适应的台钻主轴轴径视觉测量策略

机床与液压 2023年第3期51卷 96-102页

作者：王筠翔花海燕朱广磊福建工程学院机械与汽车工程学院福建福州350118 福建工程学院数字福建工业制造物联网实验室福建福州350118

鉴于视觉测量过程行为的多样性与影响关系的复杂性,提出基于行为自适应的台钻主轴视觉测量新策略。采用周向分工位采集图像与轴向分段提取轮廓结合的组合采样法获取被测信息,并建立了主轴轴径视觉测量系统;设计曝光自适应图像采集、图... 详细信息

鉴于视觉测量过程行为的多样性与影响关系的复杂性,提出基于行为自适应的台钻主轴视觉测量新策略。采用周向分工位采集图像与轴向分段提取轮廓结合的组合采样法获取被测信息,并建立了主轴轴径视觉测量系统;设计曝光自适应图像采集、图像批处理、误差反馈闭环测量等功能集成的行为自适应视觉测量流程并开发相应软件。以某型号台钻主轴为对象,开展曝光区间自适应优选实验,多工位、多轴、多采样方案测量实验误差分析与稳定性评定。结果表明:所提出的行为自适应测量策略通过获取测量行为变化对测量误差的影响,形成闭环测量,可有效提高测量的稳定性,不仅满足台钻主轴高精度轴段测量需求,还有利于推动测量智能化发展。

关键词：行为自适应视觉测量闭环测量组合采样高精度

基于多准则决策的不平衡感知数据集成特征选择算法

在线全文

学校读者我要写书评

暂无评论

传感器技术与应用 2023年第6期11卷 538-549页

作者：王刚任丽萍方力徐维磊南京航空航天大学自动化学院江苏南京南通思振电子科技有限公司江苏南通

在数据挖掘领域,不平衡数据普遍存在。在许多情况下,这些数据通常具有高维性和类不平衡性。不平衡数据集特征属性分布失衡,会造成分类性能下降,数据的高维性则会导致学习算法非常耗时。针对这一问题,提出了一种基于组合采样和集成学习... 详细信息

在数据挖掘领域,不平衡数据普遍存在。在许多情况下,这些数据通常具有高维性和类不平衡性。不平衡数据集特征属性分布失衡,会造成分类性能下降,数据的高维性则会导致学习算法非常耗时。针对这一问题,提出了一种基于组合采样和集成学习的特征选择方法。首先使用组合采样方法,处理类不平衡问题,重点合成少数类样本,在保证数据集达到平衡的前提下去除噪声样本,将集成特征选择建模为一个多准则决策过程,使用VIKOR方法得到特征重要性排序,然后在序列前向搜索特征的过程中,使用XGBoost算法的准确率作为评估特征子集优劣的指标,确定最优特征子集。选择AUC、G-mean和F-measure作为评价指标,通过在5组不平衡数据集进行实验,证实了所提算法具有更好的分类效果,且模型的鲁棒性更好。

关键词：不平衡数据分类组合采样多准则决策 VIKOR法前向序列选择

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

移动机器人实时采样路径重规划

计算机工程与应用 2021年第20期57卷 157-163页

作者：涂睿王文格卢成阳湖南大学机械与运载工程学院长沙410082

针对传统采样规划算法因随机性强,在动态环境中重规划时路径质量差,抖动严重,实时优化效果不明显等问题,提出了一种利用反向生长最优快速搜索随机树的实时采样重规划算法DRT-RRT^(*)(Dynamic Real-Time RRT^(*))。引入基于三角不等式的... 详细信息

针对传统采样规划算法因随机性强,在动态环境中重规划时路径质量差,抖动严重,实时优化效果不明显等问题,提出了一种利用反向生长最优快速搜索随机树的实时采样重规划算法DRT-RRT^(*)(Dynamic Real-Time RRT^(*))。引入基于三角不等式的剪枝策略对路径进行平滑处理以减少路径拐点;提出了组合采样策略和局部终点跳动策略,将优化目标由全局路径聚焦于机器人当前位置至最近路径拐点的局部路径段,实时对执行路径段进行修正,进而提高路径质量的稳定性;在路径重规划时仅对受影响的随机树枝进行修剪,并在随机树重新生长时引入了目标偏置采样策略,与组合采样策略共同作用,提高路径搜索速率和稳定程度;将DRT-RRT^(*)与RRT^(*)和增加了三角不等式剪枝策略的RRT^(*)-Pruning进行仿真对比分析,实验结果验证了DRT-RRT^(*)重规划的高效性和稳定性。

关键词：移动机器人路径规划动态实时-快速搜索随机树^(*)(DRT-RRT^(*)) 组合采样实时重规划

奇偶直方图负载均衡超立方对等云MapReduce模型

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2016年第4期33卷 1075-1078页

作者：韩艳王静宇谭跃生内蒙古科技大学工程训练中心内蒙古包头014010 北京科技大学计算机与通信工程学院北京100083 内蒙古科技大学信息与网络中心内蒙古包头014010

针对传统MapReduce算法结构在处理大数据时,负载均衡性能不理想的缺点,设计了一种具有负载均衡机制的层次MapReduce模型。该模型利用超立方拓扑结构对MapReduce的映射操作进行改进,通过特定算法将八个结构化的数据中心链接到一个对等的... 详细信息

针对传统MapReduce算法结构在处理大数据时,负载均衡性能不理想的缺点,设计了一种具有负载均衡机制的层次MapReduce模型。该模型利用超立方拓扑结构对MapReduce的映射操作进行改进,通过特定算法将八个结构化的数据中心链接到一个对等的云环境结构中,并使用奇偶直方图组合采样方式的均衡划分方法,实现在用户请求下的节点工作负荷指数均衡。最后,基于Hadoop框架对所提算法进行仿真实验,结果显示所提算法结构相对于原始MapReduce结构,具有更高的并行计算的资源利用率,以及更佳的容错和负载均衡性能,综合性能得到有效提升。

关键词：奇偶直方图组合采样负载均衡超立方层次MapReduce模型

在线全文

学校读者我要写书评

暂无评论

基于神经网络的工控网络异常流量检测研究

基于神经网络的工控网络异常流量检测研究

作者：李明旭哈尔滨工程大学

学位级别：硕士

随着工业控制系统与网络的深度结合,工业控制网络极大简化了工业控制行业的工作,但同时网络安全问题的日益严峻也为其推广蒙上了一层阴影。异常流量检测作为一种常见的维护网络安全的手段,通过对网络中的流量收集并进行分析来鉴别异常流... 详细信息

随着工业控制系统与网络的深度结合,工业控制网络极大简化了工业控制行业的工作,但同时网络安全问题的日益严峻也为其推广蒙上了一层阴影。异常流量检测作为一种常见的维护网络安全的手段,通过对网络中的流量收集并进行分析来鉴别异常流量,及时对可能存在的攻击进行响应,保护网络安全。卷积神经网络能将复杂的数据有效区分,将其应用于异常流量检测可以提高系统的特征分析能力和对异常数据的鉴别能力。因此本文基于卷积神经网络,对网络结构进行优化,提出了一种异常流量检测模型,具体工作如下:对异常检测数据中经常存在的数据不均衡问题进行分析,详细说明了问题产生的原因、会引发的后果以及不同的解决方案。本文选择了使用组合采样方法对数据进行平衡:首先使用改进的SMOTE方法对数据进行扩充,使得少数类样本增加;然后针对样本空间重叠问题使用Tomek Link欠采样方法进行数据清洗,减少噪声数据的影响。使用基于卷积神经网络的模型对数据进行异常流量检测,卷积神经网络它凭借其独有的卷积操作可以从局部到整体地提取到有效的特征信息,并且本文针对网络中的空间结构和特征权重问题作出了进一步的优化,提出了一种多尺度跳跃激励结构,以提升网络性能;同时针对异常流量数据的特点,对网络中的部分模块进行了优化。本文使用KDD CUP 99数据集,在提出的模型上进行五分类达到了93.67%的准确率,能够有效对异常流量进行检测。

关键词：异常流量检测组合采样卷积神经网络特征加权

基于源码特征的软件缺陷与漏洞预测方法的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于源码特征的软件缺陷与漏洞预测方法的研究

作者：王苧燕山大学

学位级别：硕士

软件缺陷与漏洞是造成软件安全问题的根源,对缺陷和漏洞进行预测是软件测试领域的重要组成部分,有助于合理分配测试资源,是提高软件质量与安全性的重要保证。针对此研究,本文提出了基于组合采样与XGBoost的缺陷预测方法及基于组合N-gra... 详细信息

软件缺陷与漏洞是造成软件安全问题的根源,对缺陷和漏洞进行预测是软件测试领域的重要组成部分,有助于合理分配测试资源,是提高软件质量与安全性的重要保证。针对此研究,本文提出了基于组合采样与XGBoost的缺陷预测方法及基于组合N-gram特征提取与异质集成的漏洞预测方法,本文的主要内容如下。首先,分析了软件缺陷与漏洞预测的研究现状,对基于机器学习的静态预测方法进行了深入分析,然后从源码特征的量化表征及数据集中存在的特征维度高、类不平衡等问题及方法进行了研究。其次,针对基于结构化度量的缺陷数据集中存在特征维度高的问题,结合启发式的搜索策略进行特征分析,提出了递归特征消除与岭回归相结合的特征选择算法;并采用ADA-RENN组合采样算法平衡数据样本分布,然后用处理过的数据构建基于XGBoost的缺陷预测模型。再次,由于基于软件度量的方法无法准确识别代码中包含的漏洞特征,而漏洞作为缺陷的一个特殊子集,会严重威胁软件系统的安全。因此,本文提出了基于代码段级别的漏洞预测方法。在深入研究了代码语义特征之后,提出了组合N-gram特征提取算法,组合了不同粒度、不同窗口大小的特征信息,并结合TF-IDF算法构建向量空间模型,实现了从源码文本到实数矩阵的表示;并利用不同分类器在性能上的优势和结构上的差异,构建了基于Stacking策略的异质集成分类器,有效提高了模型的准确度与泛化能力。最后,在基于C语言的MDP缺陷数据集上进行了基于组合采样与XGBoost的缺陷预测实验,在Code Gadget数据集上进行基于组合N-gram特征提取和异质集成的漏洞预测实验,并验证了方法的有效性。

关键词：软件缺陷与漏洞预测递归消除组合采样 N-gram 异质集成学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高速信号采集板卡设计

高速信号采集板卡设计

作者：杨旭电子科技大学

学位级别：硕士

随着数字信号处理带宽、性能、算法的不断提升,必然对前端的信号采集模块提出更高的要求。决定信号采集模块性能的各项指标包括分辨率、采样速率、采样通道带宽、信噪比、无杂散动态范围等,这些指标与系统实现所采用的方案、电路组成、... 详细信息

随着数字信号处理带宽、性能、算法的不断提升,必然对前端的信号采集模块提出更高的要求。决定信号采集模块性能的各项指标包括分辨率、采样速率、采样通道带宽、信噪比、无杂散动态范围等,这些指标与系统实现所采用的方案、电路组成、器件性能、控制方式等紧密联系。本次设计为了解决某基带信号采样任务,研制了一款采样率1Gsps,模拟信号带宽200MHz的数据采集板卡。本次设计主要解决的问题有： 1.高信噪比、高动态范围、信号增益与衰减可控的高速模拟信号通道的设计与实现;2.高稳、高精、低抖动的时钟分配电路的设计与实现;3.高速AD双通道组合采样的设计与控制逻辑实现;4.基于DDR2SDRAM SO-DIMM模组的数据存储设计与控制逻辑实现;5.基于PCI局部总线接口的电路设计与控制逻辑实现;本次设计提出的创新点如下： 1.采用了独立的采样时钟发生电路,实现了高信噪比与采样时钟的精确可调;2.采用DDR2SDRAM SO-DIMM模组代替传统的芯片,实现了存储深度的可扩充;3.数字逻辑设计分模块、可拆分,可以根据系统资源、采样精度、系统内部带宽的要求快速重构。

关键词：高速信号采集组合采样 FPGA PCI DDR2SDRAM

面向数据高维性和不平衡性问题的软件缺陷预测模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向数据高维性和不平衡性问题的软件缺陷预测模型研究

作者：张旭燕山大学

学位级别：硕士

软件缺陷预测技术能有效辅助软件测试保证软件质量。然而,数据的不平衡性会使训练时过多关注多类无缺陷模块而对少类有缺陷模块训练不足,导致对缺陷模块分类性能大大降低;大量无关和冗余特征会降低预测精度;此外,单一分类器对分布多样... 详细信息

软件缺陷预测技术能有效辅助软件测试保证软件质量。然而,数据的不平衡性会使训练时过多关注多类无缺陷模块而对少类有缺陷模块训练不足,导致对缺陷模块分类性能大大降低;大量无关和冗余特征会降低预测精度;此外,单一分类器对分布多样的缺陷数据预测不够全面。本文就上述问题进行研究。首先,针对缺陷数据不平衡问题,提出一种ADASYNTomek组合采样算法。采用自适应方式将合成重点聚焦于难以学习的缺陷样本上并通过TomeLink方法来确保数据集达到平衡的同时去除噪声样本,提高了数据质量。其次,针对缺陷数据高维性问题,提出一种基于综合排序和交叉验证递归消除的深度特征选择算法(CR-RFECV)。通过信息增益率和卡方值综合分析特征与类别间相关性剔除无关特征,利用Spearman秩相关系数分析特征间冗余性去除高冗余特征,并采用基于岭回归的交叉验证递归特征消除方法进行更深层次选择。从而解决单一特征选择泛化能力差、不够稳定的问题,确保降维的同时提高计算精度。再次,单一分类器建立的模型对分布多样的缺陷数据预测不够全面,需集成多种基分类器进行提升。因此,提出一种ATW-Bagging集成分类算法,同时从训练和决策两阶段考虑,训练阶段全面考虑样本的同时引入数据分布的多样性,并采用ADASYNTomek方法分别对不平衡率不同的训练子集平衡化处理;决策阶段选用不同基分类器,增加基分类器多样性,并将依据误分代价进行加权集成。在构建软件缺陷预测模型时,先对数据进行简单预处理并采用CR-RFECV算法进行降维,进而采用ATW-Bagging集成分类算法对软件模块进行预测,得出最终预测类别。最后,将CR-RFECV算法与其他降维方法进行对比,将ATW-Bagging集成分类算法与单一分类算法、传统Bagging算法以及目前较新软件缺陷预测算法对比,验证其有效性。

关键词：软件缺陷预测高维性类不平衡特征选择组合采样集成学习

基于聚类分析和XGBoost算法的换机预测模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

西安邮电大学学报 2019年第2期24卷 94-97,104页

作者：卢光跃吴洋吕少卿闫真光西安邮电大学陕西省信息通信网络及安全重点实验室

为了有效地向手机用户提供换机服务,建立一种换机预测模型。利用孤立森林算法,排查与换机预测无关的异常电信用户。将排查后的数据集通过K-Medoids聚类分析精细划分为3个用户簇,利用SMOTE和Tomek组合采样的方法,处理每个用户簇的不平衡... 详细信息

为了有效地向手机用户提供换机服务,建立一种换机预测模型。利用孤立森林算法,排查与换机预测无关的异常电信用户。将排查后的数据集通过K-Medoids聚类分析精细划分为3个用户簇,利用SMOTE和Tomek组合采样的方法,处理每个用户簇的不平衡问题。最后将各个用户簇的数据通过XGBoost算法进行训练,并根据格式搜索法得出最优换机预测模型。实验结果表明,该换机预测模型的预测准确率高于其他预测模型,可较好地为电信用户提供换机服务。

关键词：换机预测孤立森林 K-mediods聚类组合采样 XGBoost