检索结果-南通市图书馆

基于非线性分类网络的气体钻井风险智能识别方法

在线全文

学校读者我要写书评

暂无评论

信息与控制 2023年第4期52卷 455-465页

作者：夏文鹤赵宗旭李皋李永杰李宬晓陈向东西南石油大学电气信息学院四川成都610500 西南石油大学石油与天然气工程学院四川成都610500 中石油川庆钻探钻采工程技术研究院四川德阳618300 西南交通大学信息科学与技术学院四川成都610031

针对气体钻井领域现有的风险智能识别方法泛化性差,且在风险发生初期识别正确率偏低,导致风险正确识别时间点滞后的问题,对气体钻井随钻监测数据进行挖掘分析,并提出了一种适用于该场景下的改进卷积神经网络模型,用于钻井工况的风险识... 详细信息

针对气体钻井领域现有的风险智能识别方法泛化性差,且在风险发生初期识别正确率偏低,导致风险正确识别时间点滞后的问题,对气体钻井随钻监测数据进行挖掘分析,并提出了一种适用于该场景下的改进卷积神经网络模型,用于钻井工况的风险识别。该模型采用卷积层提取多个随钻监测参数随时间变化的关联特征,采用具有非线性分类能力的RBF(radial basis function)网络替换全连接层进行特征分类,提升分类精度的同时,也将工况过渡阶段风险识别的时间点进一步提前。引入K均值算法对RBF聚类中心以及中心宽度值进行初始化,解决不合理初始值导致模型对工况样本训练无法收敛的问题。引入基于距离均方误差的损失函数分量,对整个网络模型进行训练来优化模型参数,以保证网络训练过程中能不断调整最佳聚类中心。制定了一种隐藏层节点数选取准则以提高模型的计算效率和泛化性。与传统卷积神经网络模型进行了现场应用对比,结果显示,该网络模型对产气、出水、卡钻三种常见风险识别时间点提前56 s、16 s、8 s,充分展现了非线性分类神经网络在油气田勘探开发领域的适用性。

关键词：气体钻井钻井风险智能识别非线性分类卷积神经网络 RBF神经网络 K均值算法

Hilbert空间映射下非线性分类的变元可分离核函数

在线全文

学校读者我要写书评

暂无评论

广州航海高等专科学校学报 2007年第1期15卷 32-34页

作者：原峰山朱思铭广州航海高等专科学校现代化教学中心广东广州510725 中山大学数学与计算科学学院广东广州510275

分析变元可分离函数K(u,v)=k(u)k(v)成为核函数对非线性支持向量分类机的作用,由新方法构造的非线性支持向量分类机可以使相应的算法得以简化.

关键词：非线性分类变元可分离函数核函数

在线全文

学校读者我要写书评

暂无评论

用非线性分类筛选模式做短期气候预测的尝试

气象 1998年第4期24卷 30-33页

作者：杨洪昌杨志刚山东省气象局

在相关普查的基础上，使用最优分割挑选因子，逐步对预报量进行分类，按照业务预报的需求，形成分类预报模式，取得了较好的试报、预报效果。

关键词：短期气候预测非线性分类筛选模式分类预报

在线全文

学校读者我要写书评

暂无评论

基于粒计算的非线性感知机

数据采集与处理 2022年第3期37卷 566-575页

作者：陈玉明董建威厦门理工学院计算机与信息工程学院厦门361024 易成功(厦门)信息科技有限公司厦门361024

感知机是模式识别领域的二分类判别模型,具有简单、线性和运算效率高的优点,也是众多分类器的基础。然而,感知机无法表达复杂的非线性映射,难以处理非线性可分数据。针对感知机的固有缺陷,结合粒计算特性,本文提出了一种新型的感知机分... 详细信息

感知机是模式识别领域的二分类判别模型,具有简单、线性和运算效率高的优点,也是众多分类器的基础。然而,感知机无法表达复杂的非线性映射,难以处理非线性可分数据。针对感知机的固有缺陷,结合粒计算特性,本文提出了一种新型的感知机分类模型——粒感知机。通过粒计算理论,样本在单特征上的粒化形成粒子,多特征上的粒化构造成粒向量;进一步定义粒感知机模型,设计粒感知机策略,提出粒感知机学习算法。为了求解粒感知机的优化解,证明了粒感知机损失函数的导数形式,设计了梯度下降算法,并从收敛速度、非线性能力与分类精度多方面进行了实验比较,结果表明所提出的粒感知机模型具有收敛速度快与非线性处理数据的能力。

关键词：感知机粒计算非线性分类粒感知机收敛速度

在线全文

学校读者我要写书评

暂无评论

运动想象脑电信号分类中的噪声效益

运动想象脑电信号分类中的噪声效益

作者：陈佳卉南京邮电大学

学位级别：硕士

噪声在线性系统中总是有害的,需要被滤除。然而在非线性系统中,噪声有时有助于增强系统的输出并优化系统的性能,这种现象称作随机共振。本文基于随机共振理论框架,研究了二分类运动想象任务中噪声对脑电信号分类识别的影响,并讨论随机... 详细信息

噪声在线性系统中总是有害的,需要被滤除。然而在非线性系统中,噪声有时有助于增强系统的输出并优化系统的性能,这种现象称作随机共振。本文基于随机共振理论框架,研究了二分类运动想象任务中噪声对脑电信号分类识别的影响,并讨论随机共振现象的存在性。本文的研究主旨是运动想象脑电信号中的噪声效益,通过在脑电信号预处理阶段噪声的加入和分类识别阶段算法的改进,从而提高信号分类准确率。本文主要的研究内容如下:（1）在运动想象脑电信号预处理阶段,向原始脑电信号中加入高斯噪声,提出五种脑电信号加噪方式,探究噪声加入的方式对分类系统的影响和最优加噪方式。通过共空间模式和小波包变换进行特征向量的提取与融合,利用K近邻分类器进行脑电信号分类识别,并在相同的实验环境下,使用非线性支持向量机和C4.5决策树分类器进行实验验证,避免出现偶然性。研究表明系统的分类准确率取决于高斯噪声强度、训练样本量和噪声加入的阶段;在原始脑电信号中加入适当强度的高斯噪声可以提高系统的分类准确率,增加训练样本量可以进一步提高系统的分类准确率,并且增加训练样本量的同时在训练集和测试集中加入适当强度相同的噪声系统可以获得最高的分类准确率;五种加噪方式中Case5（增加训练样本量,训练集和测试集均加入强度相同的噪声）时的噪声效益最显著。（2）在运动想象脑电信号分类识别阶段,提出一种异质集成学习方法。由LIBSVM、Ada Boost和BP神经网络组成异质集成分类器的基学习器,通过加权投票法对基分类器的分类结果进行二次选择,得到最终分类结果。在信号预处理阶段加入高斯噪声并采用最优加噪方式（Case5）。研究表明,无论加噪与否,异质集成分类器对系统都具有更好的分类性能,并且对噪声具有鲁棒性,体现出该异质集成算法的优越性。此外,本文还比较了不同分类器下系统在加噪和不加噪时分类准确率的差异性。发现噪声对分类系统性能的提升是有限的,随机共振对分类系统的优化只能起到辅助作用;分类器自身训练得越充分,系统中的噪声效益越小。（3）将脑电信号预处理阶段中加入的噪声类型从高斯噪声推广到广义高斯噪声,从概率密度分布函数的角度出发选取了三种常见的广义高斯噪声,分别为拉普拉斯噪声、高斯噪声和均匀噪声;在最优加噪方式（Case5）下,探究分类系统中的随机共振现象。研究表明,在原始脑电信号中加入适当强度的广义高斯噪声可以提高系统的分类准确率,其中加入拉普拉斯噪声对系统产生的噪声效益最大,高斯噪声其次,均匀噪声最小。原因在于加入广义高斯噪声能提高原始脑电信号的采样值,其中加入拉普拉斯噪声可以在几乎不改变原始脑电信号波形的前提下将原始脑电信号的采样值区间几乎提升一倍,加入高斯噪声和均匀噪声会对原始脑电信号的波形特征产生一定影响。

关键词：随机共振运动想象高斯噪声非线性分类异质集成学习

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

球向量机的快速在线学习

计算机研究与发展 2013年第9期50卷 1836-1842页

作者：杨海峰刘渊谢振平丁学东江南大学数字媒体学院江苏无锡214122

在大数据分析处理中,有效学习样本逐渐增加,据此如何高效渐进地学习分类器是一个非常有价值的问题.相比于支撑向量机和核向量机,球向量机自身在批量样本学习中具有速度快、准确率高的特点,但该方法不适合快速的在线学习.针对该问题提出... 详细信息

在大数据分析处理中,有效学习样本逐渐增加,据此如何高效渐进地学习分类器是一个非常有价值的问题.相比于支撑向量机和核向量机,球向量机自身在批量样本学习中具有速度快、准确率高的特点,但该方法不适合快速的在线学习.针对该问题提出了在线球向量机.首先将二分类问题转为两个单分类问题,利用球向量机(ball vector machine,BVM)对超球球心的更新算法对每一个训练向量仅迭代一次,求得两个高维超球的球心,随后直接利用两个高维超球球心的垂直平分面进行分类.理论分析证明了新方法的有效性,与现有在线增量学习方法的实验比较结果表明,在线球向量机(online ball vector machine,OBVM)在时间计算复杂度和综合性能方面有显著优势.

关键词：球向量机在线学习非线性分类核分类器在线球向量机

在线全文

学校读者我要写书评

暂无评论

基于密度估计的逻辑回归模型

自动化学报 2014年第1期40卷 62-72页

作者：毛毅陈稳霖郭宝龙陈一昕西安电子科技大学机电工程学院智能控制与图像工程研究所中国西安710071 圣路易华盛顿大学计算机工程学院圣路易63130.美国

介绍了一种基于密度的逻辑回归(Density-based logistic regression,DLR)分类模型以解决逻辑回归中非线性分类的问题.其主要思想是根据Nadarays-Watson密度估计将训练数据映射到特定的特征空间,然后组建优化模型优化特征权重以及Nadaray... 详细信息

介绍了一种基于密度的逻辑回归(Density-based logistic regression,DLR)分类模型以解决逻辑回归中非线性分类的问题.其主要思想是根据Nadarays-Watson密度估计将训练数据映射到特定的特征空间,然后组建优化模型优化特征权重以及Nadarays-Watson密度估计算法的宽度.其主要优点在于:它不仅优于标准的逻辑回归,而且优于基于径向基函数(Radial basis function,RBF)内核的核逻辑回归(Kernel logistic regression,KLR).特别是与核逻辑回归分析和支持向量机(Support vector machine,SVM)相比,该方法不仅达到更好的分类精度,而且有更好的时间效率.该方法的另一个显著优点是,它可以很自然地扩展到数值类型和分类型混合的数据集中.除此之外,该方法和逻辑回归(Logistic regression,LR)一样,有同样的模型可解释的优点,这恰恰是其他如核逻辑回归分析和支持向量机所不具备的.

关键词：非线性分类 Nadarays—Watson密度估计逻辑回归核函数

在线全文

学校读者我要写书评

暂无评论

三维颅骨形态量化表示与非线性性别判定

北京师范大学学报（自然科学版） 2017年第1期53卷 19-23页

作者：任荣荣周明全耿国华刘晓宁赵倩娜西北大学信息科学与技术学院陕西西妄710100 北京师范大学信息科学与技术学院北京100875

颅骨性别鉴定在法医学和面貌复原等领域具有重大研究意义和应用价值.本文以陕西关中地区94例汉族成年人三维颅骨数据为研究对象,利用自主研发的系统软件标定出62个显著特征点.在此基础上提取可测量和非可测量特征,并将非可测量特征进行... 详细信息

颅骨性别鉴定在法医学和面貌复原等领域具有重大研究意义和应用价值.本文以陕西关中地区94例汉族成年人三维颅骨数据为研究对象,利用自主研发的系统软件标定出62个显著特征点.在此基础上提取可测量和非可测量特征,并将非可测量特征进行量化表示;提出使用非线性降维方法和非线性分类器结合的方法对颅骨的性别进行分类.实验结果表明:本文整合的可测量和非可测量特征包含更多的性别判别信息,非线性降维与非线性分类结合的方法可以大幅提高性别判别精度,最高正确率可达到96.36%.

关键词：性别判定非测量特征可测量特征量化表示非线性分类

在线全文

学校读者我要写书评

暂无评论

多因素分类问题的差转计算算法及应用

多因素分类问题的差转计算算法及应用

作者：茹慧英辽宁工程技术大学

学位级别：硕士

针对不完备因素集上的分类问题,为提高分类算法的有效性,提出了一种新的多因素分类算法—差转计算.差转计算遵循了非线性分类器设计的超长方体覆盖的基本思想原理,以集合的包含关系在数据决策中的意义以及集合对称差运算在信息辨识问题... 详细信息

针对不完备因素集上的分类问题,为提高分类算法的有效性,提出了一种新的多因素分类算法—差转计算.差转计算遵循了非线性分类器设计的超长方体覆盖的基本思想原理,以集合的包含关系在数据决策中的意义以及集合对称差运算在信息辨识问题中的意义为指导,通过观察比较条件因素对论域的划分能力,构建决策树的推理准则.给出了差转计算在分类因素单一性态(离散或连续)下的算法描述与步骤.在若干UCI数据集上进行了算法的可行性分析,将结果同C4.5算法与BP神经网络算法进行比较,结果表明:差转计算的设计基本成功,在算法错误率上与C4.5算法相当,在有限次学习的条件下要远远优于BP神经网络算法;在时间复杂度上绝对地优于神经网络.将差转计算应用于因素约简问题,在若干离散型UCI数据集上,对差转计算的约简结果同基于分辨矩阵的粗糙集约简算法的约简结果进行比较,结果表明差转计算具有良好的因素约简能力。

关键词：因素空间分类算法非线性分类差转计算算法设计算法实证