检索结果-南通市图书馆

高斯混合模型与文本图卷积网络结合的虚假评论识别算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用 2024年第2期44卷 360-368页

作者：王星刘贵娟陈志豪中国人民大学应用统计科学研究中心北京100872 中国人民大学统计学院北京100872

针对文本图卷积网络(Text GCN)窗口边权阈值策略不足的问题,为了更精准地挖掘相关的词关联结构、提高预测精度,提出一种高斯混合模型(GMM)与Text GCN结合的虚假评论识别算法F-Text GCN。首先,利用GMM分离噪声边权分布的特性,提高虚假评... 详细信息

针对文本图卷积网络(Text GCN)窗口边权阈值策略不足的问题,为了更精准地挖掘相关的词关联结构、提高预测精度,提出一种高斯混合模型(GMM)与Text GCN结合的虚假评论识别算法F-Text GCN。首先,利用GMM分离噪声边权分布的特性,提高虚假评论在训练数据上相对正常评论数不足的边信号强度;然后,考虑到信源的多样性,综合文档、词汇和评论以及非文本特征构造邻接矩阵;最后,通过Text GCN的谱分解提取邻接矩阵的虚假评论关联结构实施预测。根据国内某大型电商平台采集的126086条实际中文评论数据开展实证研究,实验结果表明,F-Text GCN识别虚假评论的F1值达到82.92%,与预训练表征模型BERT和文本卷积神经网络相比分别提升了10.46%和11.60%,相较于只使用评论文本信源的Text GCN模型F1值提升了2.94%;研究了高仿虚假评论的预测错误率,在支持向量机(SVM)作用后难识别的评论样本上尝试二次识别,F-Text GCN整体预测准确率可达94.71%,相较于Text GCN和SVM,在识别准确率上分别提升了2.91%和14.54%。研究发现,虚假评论的二阶图邻居结构显示出较强的干预消费者决策的词汇,这表明所提算法特别适用于提取用于虚假评论检测的长程词语搭配结构和全局句子特征模式变化的场景。

关键词：高斯混合模型虚假评论识别文本图卷积神经网络邻接矩阵词汇共现网络

在线全文

学校读者我要写书评

暂无评论

基于高斯混合模型的无向网络重构

物理学报 2024年

作者：何瑞辉张海峰王欢马闯安徽大学数学科学学院安徽大学大数据与统计学院安徽大学互联网学院

从数据中推断网络的结构作为复杂网络中一个重要科学问题已得到广泛关注。现有的网络重构方法大多将网络重构问题转化为一系列线性方程组的求解问题，然后通过某种截断方法对每个方程组的解进行截断，从而确定每个节点的局部结构。然而... 详细信息

从数据中推断网络的结构作为复杂网络中一个重要科学问题已得到广泛关注。现有的网络重构方法大多将网络重构问题转化为一系列线性方程组的求解问题，然后通过某种截断方法对每个方程组的解进行截断，从而确定每个节点的局部结构。然而现有的截断方法大多存在着精度不足的问题，且少有方法衡量每个方程组解的可截断性，即节点的可重构性。为了解决这些问题，本文提出了一种基于高斯混合模型的无向网络重构方法。该方法首先将节点间连接关系的推断问题转化为一个聚类问题，然后利用高斯混合模型进行求解，得到每个节点与其他节点的连接概率，并根据概率定义一个基于信息熵的可重构指标，从而在真实网络结构未知的情况下衡量每个节点的可重构性。将该方法用于无向网络中，可以利用无向网络的对称特征，将可重构性高的节点作为训练集指导可重构性低的节点进行结构推断，从而更好地重构出无向网络。最后，通过在合成数据和真实数据上与现有的截断方法进行比较，证明了该方法可以更有效的重构出网络结构。

关键词：网络重构高斯混合模型可重构性无向网络

基于高斯混合模型的紧急控制策略适应性风险评估方法及其应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电网技术 2024年

作者：徐伟戴玉臣薛峰李威严明辉南瑞集团有限公司(国网电力科学研究院有限公司)

紧急控制是保证故障后电力系统稳定运行的重要环节，新型电力系统不确定性因素引起紧急控制策略失效的可能性大幅增加。为此，提出一种基于高斯混合模型的紧急控制策略适应性风险评估与优化方法。首先，分析不同紧急控制决策框架下策略... 详细信息

紧急控制是保证故障后电力系统稳定运行的重要环节，新型电力系统不确定性因素引起紧急控制策略失效的可能性大幅增加。为此，提出一种基于高斯混合模型的紧急控制策略适应性风险评估与优化方法。首先，分析不同紧急控制决策框架下策略适应性风险的来源，提出紧急控制策略适应性风险评价指标。然后，采用越限量与控制效果描述新型电力系统各类不确定性因素对紧急控制策略适应性的影响，构建越限量与控制效果的高斯混合模型，评估紧急控制策略的适应性风险，在此基础上构建计及策略适应性风险的紧急控制决策模型。最后，实际电网的应用案例表明，本文所提风险评估方法准确有效，计及策略适应性风险的决策方法可降低电网运行方式快速变化带来的紧急控制偏差过大的风险，提高安控系统的可靠性。

关键词：紧急控制策略适应性不确定性分析风险决策高斯混合模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

TLE机动检测中的抗差高斯混合模型

武汉大学学报(信息科学版) 2024年

作者：张浩越赵春梅何正斌辽宁工程技术大学测绘与地理科学学院北京房山人卫激光国家野外科学观测研究站中国测绘科学研究院大地测量与导航定位研究所

基于两行根数(two-line elements，TLE)进行空间目标机动检测是空间态势感知的重要手段。然而两行根数精度有限且带有噪声，机动检测的难度和不确定性较大。为解决该问题，本文结合传统高斯混合模型和抗差估计理论，提出一种抗差高斯混... 详细信息

基于两行根数(two-line elements，TLE)进行空间目标机动检测是空间态势感知的重要手段。然而两行根数精度有限且带有噪声，机动检测的难度和不确定性较大。为解决该问题，本文结合传统高斯混合模型和抗差估计理论，提出一种抗差高斯混合模型(Robust Gaussian mixture model，RGMM)。该模型以TLE半长轴预报误差变化率为基础，在参数解算过程中加入抗差校正函数，通过约束可疑数据的后验概率来提高模型的鲁棒性。以典型的空间目标为例，与传统高斯混合模型对比TLE机动检测性能。实验结果表明，相较于传统高斯混合模型，RGMM检测召回率和F1分数分别提高了60.6%和18%，可有效提高机动事件检测的综合性能，对于空间态势感知中机动事件敏感的任务具有重要意义。

关键词：机动检测两行根数抗差估计高斯混合模型

基于高斯混合模型的物流非高斯随机振动损伤分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

振动与冲击 2024年第12期43卷 203-211页

作者：郭涛葛长风夏斯璇殷诚林康钱静江南大学机械工程学院江苏无锡214122 罗切斯特理工学院包装科学系美国纽约14623 江苏省食品先进制造装备技术重点实验室江苏无锡214122

针对公路运输环境中的振动信号具有明显的非高斯性,提出一种非高斯随机振动疲劳损伤分析方法。为了描述振动信号的幅值概率密度分布,采用移动加速度均方根来代表该段信号的振动强度,并引入高斯混合模型对加速度均方根值进行描述。在此... 详细信息

针对公路运输环境中的振动信号具有明显的非高斯性,提出一种非高斯随机振动疲劳损伤分析方法。为了描述振动信号的幅值概率密度分布,采用移动加速度均方根来代表该段信号的振动强度,并引入高斯混合模型对加速度均方根值进行描述。在此基础上结合Tovo-Benasciutti方法和Dirlik方法推导出非高斯宽带频域疲劳损伤计算方法。最后,以雨流计数法作为参考,对不同峭度的实测振动信号进行疲劳损伤分析,结果表明,与传统频域疲劳损伤计算方法相比较,提出的非高斯疲劳损伤方法具有更高的计算精度。该研究对于运输包装件的随机振动加速试验设计有实际意义。

关键词：非高斯随机振动高斯混合模型概率密度函数运输包装

在线全文

学校读者我要写书评

暂无评论

基于高斯混合模型的分布因子聚类方法

统计研究 2024年第6期41卷 147-160页

作者：朱映秋黄丹阳张波对外经济贸易大学统计学院中国人民大学应用统计科学研究中心中国人民大学统计学院

随着信息技术的发展,人类社会产生的数据规模越来越庞大、形式越来越复杂,对聚类分析形成了巨大挑战。在越来越多的应用场景中,观测数据具有相互关联、层次嵌套的结构,使传统聚类方法难以直接适用。通常的解决方案是采用特征工程方法将... 详细信息

随着信息技术的发展,人类社会产生的数据规模越来越庞大、形式越来越复杂,对聚类分析形成了巨大挑战。在越来越多的应用场景中,观测数据具有相互关联、层次嵌套的结构,使传统聚类方法难以直接适用。通常的解决方案是采用特征工程方法将观测信息压缩为低维特征向量进行聚类,但这将带来不可避免的信息损失。为充分利用观测数据,本文以分布函数表示聚类对象,大幅降低信息损失,进而提出基于高斯混合模型的分布因子模型。该模型将聚类对象的观测数据分解为两部分,一是以高斯成分表示的公共因子,反映数据中具有共性的典型模式;二是载荷矩阵,矩阵中每个载荷向量反映个体的异质性特征。估计得到载荷向量后即可对不同个体实现聚类划分。本文提出的方法具有优良的统计学效率,能够证明在一定假设条件下聚类误差率能够随着观测个体数目的发散而趋近于0。基于模拟数据和股票收益、大气污染实际数据的实验表明,该方法能够区分具有不同特征模式的个体,解决多维数据的分布函数聚类问题,并为金融风险管理、空气质量的差异化治理等现实问题提供决策支持。

关键词：聚类分布函数高斯混合模型复杂数据

基于最大均值差异的子空间高斯混合模型聚类集成算法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年

作者：何玉林李旭贺颖婷崔来中黄哲学人工智能与数字经济广东省实验室(深圳) 深圳大学计算机与软件学院

针对高斯混合模型（GMM）聚类算法在处理高维大规模数据聚类时出现的性能受限和参数敏感的问题，提出了一种基于最大均值差异的子空间高斯混合模型聚类集成（SGMM-CE）算法。新算法包括四个关键步骤：首先，对原始大规模高维数据集进行... 详细信息

针对高斯混合模型（GMM）聚类算法在处理高维大规模数据聚类时出现的性能受限和参数敏感的问题，提出了一种基于最大均值差异的子空间高斯混合模型聚类集成（SGMM-CE）算法。新算法包括四个关键步骤：首先，对原始大规模高维数据集进行随机样本划分，得到多个数据子集，从样本量的角度缩小聚类问题的规模；其次，根据特征对最优GMM构件数的影响，在每一个数据子集对应的高维特征空间中进行子空间学习，得到高维特征空间对应的多个低维特征子空间，并在各个子空间上进行GMM聚类，从而得到一系列异构的GMM模型；再次，利用所提出的平均共享隶属概率，对来自同一个数据子集的不同特征子空间上的聚类结果进行重标记与融合；最后，利用扩展的子空间最大均值差异（MMD）作为不同数据子集对应的聚类结果中两簇之间分布一致性的度量准则，据此重标记并融合这些数据子集聚类结果，进而得到原始数据集对应的最终聚类集成结果。本文通过详尽的实验对SGMM-CE算法的有效性进行了验证，实验结果显示相较于对比算法中最好的元簇聚类算法，SGMM-CE算法在选用的数据集上标准化互信息、聚类精度和调整兰德系数值分别提升了4、10和2个百分点。可行性和合理性的实验还证实了SGMM-CE算法的参数收敛性与时间高效性，表明该算法具备处理大规模高维数据聚类问题的能力。

关键词：无监督学习集成学习子空间学习最大均值差异高斯混合模型

基于序贯稀疏自编码器和高斯混合模型的驾驶行为分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

工业工程与管理 2024年第2期29卷 10-18页

作者：黄雨昂李瑞贤李勇祥上海交通大学机械与动力工程学院上海200240 香港大学工业与制造系统工程系香港999077

基于驾驶数据,驾驶行为分析方法能够获得隐藏的驾驶行为信息,进而实现驾驶风格识别等应用。随着传感器技术的发展,先进驾驶辅助系统需分析的驾驶数据的规模和维度不断增加,这提升了驾驶行为分析结果的有效性和普适性,但也给数据分析工... 详细信息

基于驾驶数据,驾驶行为分析方法能够获得隐藏的驾驶行为信息,进而实现驾驶风格识别等应用。随着传感器技术的发展,先进驾驶辅助系统需分析的驾驶数据的规模和维度不断增加,这提升了驾驶行为分析结果的有效性和普适性,但也给数据分析工作带来了挑战。因此,准确高效的驾驶行为分析方法对于先进驾驶辅助系统的作用越发重要。针对大规模、高维驾驶数据集,本文提出了一种基于序贯稀疏自编码器和高斯混合模型的驾驶行为分析方法。首先,为了有效提取驾驶数据的低维特征,该方法改进了稀疏自编码器在预训练阶段的损失函数,降低了模型参数易落到局部最优的风险;然后,该方法基于线性映射将提取到的驾驶特征映射到颜色空间,实现了驾驶行为的可视化;最后,该方法使用高斯混合模型对提取到的驾驶特征进行聚类,实现了驾驶风格的识别。真实驾驶数据的验证结果表明,所提算法可以提取到比传统算法更有区分度的驾驶特征,并在轮廓系数等性能指标下都取得了更好的驾驶风格识别效果。

关键词：自编码器高斯混合模型驾驶行为分析驾驶风格识别驾驶行为可视化

基于高斯混合模型的采煤工作面冲击危险性评价

在线全文

学校读者我要写书评

暂无评论

煤田地质与勘探 2024年

作者：崔峰李宜霏贾冲陆长亮何仕凤张随林田梦琪西安科技大学能源学院西安科技大学教育部西部矿井开采及灾害防治重点实验室自然资源部煤炭资源勘查与综合利用重点实验室

【目的】深入了解声发射或微震能量分布所蕴含的概率学信息，对于工作面回采过程中的冲击危险性评价具有重要意义。【方法】以陕西大佛寺煤矿4号煤层40111工作面作为工程背景，运用物理相似模拟实验、理论分析、现场监测等相关方法进行... 详细信息

【目的】深入了解声发射或微震能量分布所蕴含的概率学信息，对于工作面回采过程中的冲击危险性评价具有重要意义。【方法】以陕西大佛寺煤矿4号煤层40111工作面作为工程背景，运用物理相似模拟实验、理论分析、现场监测等相关方法进行分析，研究了声发射监测数据在回采过程中的演化规律，阐明了声发射能量概率分布呈现波动性的物理意义，提出了基于高斯混合模型(GMM)及置信区间的冲击危险性评价指标模型，并由现场微震数据进行验证。【结果和结论】结果表明：回采过程中上覆岩层周期性垮落并伴随声发射能量的集中释放。总能量的概率密度函数呈现多自由度的非对称分布，通过对比残差平方和等多项拟合效果指标，确定高斯混合模型为最佳拟合模型。基于EM算法的GMM聚类分析，将声发射事件总能量分布划分为两类：高频低能型和低频高能型，其中低频高能型与冲击事件的突发性和高能量破坏特征一致。依据概率-能量梯度变化特征，对工作面开采过程中冲击危险性进行了评估。本文研究方法为采煤工作面冲击危险性评价提供了概率学上的创新思路，具有在冲击地压监测预警及后续防治中的潜在应用价值。

关键词：高斯混合模型概率密度分布法聚类分析冲击危险性评价动力灾害预警