检索结果-南通市图书馆

作者：常文晗天津财经大学

学位级别：硕士

近些年来,随着人工智能技术的兴起,机器学习算法已经被广泛地应用到了各个领域并且取得了显著的研究成果,但是机器学习算法在我国保险行业尤其是在小型保险公司中的应用还不够成熟,同时,我国的小型保险公司也急需改变以往的营销模式,探... 详细信息

近些年来,随着人工智能技术的兴起,机器学习算法已经被广泛地应用到了各个领域并且取得了显著的研究成果,但是机器学习算法在我国保险行业尤其是在小型保险公司中的应用还不够成熟,同时,我国的小型保险公司也急需改变以往的营销模式,探索数字化营销模式。机器学习算法能很好地应用到这种营销模式中并且能够极大地降低保险公司的营销成本,提高其综合竞争力。在这样的背景下,本文主要研究了分类学习算法在保险行业中的客户分类以及影响因素分析等方面的应用。本文收集了可能影响居民保险购买行为的家庭因素与个人因素并以此进行了分析,得出模型特征的重要性与分类规则,为保险公司在产品营销以及业务拓展方面提供了一定的参考意见。本文首先对我国居民的保险购买行为进行了一定的阐述,介绍了我国保险业从起到到现在各个阶段内保险消费者的行为特征,讨论了可能影响我国居民保险购买行为的个人因素与家庭因素。本文使用2016年的CFPS数据,对数据进行建模并且比较了各类模型分类的准确率。计算结果表明:加入误分类代价后,adacost算法能够很好地解决样本不平衡问题,对居民购买商业保险的行为预测较为准确,能有效识别有价值客户。根据模型分析的结果,得出模型特征重要性以及相应的分类规则,为保险公司在产品营销和业务拓展方面提出了相应的参考意见。

关键词：客户分类决策树 adacost算法误分类代价

来源：

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

基于集成CART算法的TBM掘进参数与围岩等级预测

引用

岩石力学与工程学报 2020年第9期39卷 1860-1871页

作者：朱梦琦朱合华王昕程盼盼同济大学土木工程学院上海200092 同济大学土木工程防灾国家重点实验室上海200092

全断面隧道掘进机(TBM)运行过程中将会产生大量可以反映当时地质状况的数据,旨在充分利用TBM运行数据,使用基于集成CART算法的随机森林和adacost,实现岩体信息实时感知与掘进参数智能优化。为建立快速、准确的TBM掘进参数与围岩等级预... 详细信息

全断面隧道掘进机(TBM)运行过程中将会产生大量可以反映当时地质状况的数据,旨在充分利用TBM运行数据,使用基于集成CART算法的随机森林和adacost,实现岩体信息实时感知与掘进参数智能优化。为建立快速、准确的TBM掘进参数与围岩等级预测模型,提出了一种掘进模式识别方法,将TBM掘进循环分为空推段、上升段与稳定段;并使用随机森林模型和上升段前30 s数据,实时预测稳定掘进时掘进推力与刀盘扭矩的取值,预测精度分别达到0.90和0.87;继而使用代价敏感的adacost算法预测围岩等级,解决了传统机器学习算法不适用于岩体级别数据不均衡的场景,相较于随机森林模型,对于IV级和V级岩体的预测正确率分别提升了16%与50%。此外,总推进力、刀盘功率、刀盘扭矩、推进速度等TBM运行参数被证明与TBM掘进情况密切相关;刀盘转速、撑靴压力、撑靴俯仰角、推进速度和撑靴滚动角等参数被证明能更好地反映围岩状况。这些认识与成果对TBM掘进参数优化和风险预警有着重要意义,并将为建立基于数据挖掘的TBM智能决策控制平台提供参考。

关键词：岩石力学 TBM掘进参数围岩等级不均衡数据集随机森林 adacost算法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

代价敏感异常分类算法研究

代价敏感异常分类算法研究

引用

作者：靳燕太原理工大学

学位级别：硕士

网络技术的不断发展、网络知识的不断普及，使得我们的生活发生了根本性的变革，社会生活的各个方面都受到了极大的影响，网络系统已成为现代生活中不可或缺的组成元素。但与此同时病毒、木马、黑客攻击、网上经济犯罪、垃圾电子邮件等... 详细信息

网络技术的不断发展、网络知识的不断普及，使得我们的生活发生了根本性的变革，社会生活的各个方面都受到了极大的影响，网络系统已成为现代生活中不可或缺的组成元素。但与此同时病毒、木马、黑客攻击、网上经济犯罪、垃圾电子邮件等各种网络安全威胁也伴随产生，而且趋于实施的隐蔽化、技术的复杂化、危害程度的严重化等。这对网络安全机制是一个严峻的考验。入侵检测系统对网络或系统活动可以进行主动监控，是一种非常高效的网络安全技术。当前攻击技术飞速发展的势态要求入侵检测系统对未知攻击仍具有良好的检测能力，同时当对未知攻击已获取了足够的知识，就应及时更新现有的分类模型。目前实现分类模型更新的办法是把未知攻击的实例加入到原有数据集中一同作为训练数据，重新训练出新分类模型。尽管这种解决方法可以实现分类模型的更新但并不合理。因为原有的分类模型仍具有使用价值却被摒弃了。为了解决传统方案中的不合理性，实现原有分类模型的使用价值，本文采用复合模型来实现更新。首先快速产生一个轻量级的简单分类模型以检测新出现的攻击，原有分类模型依旧可用。检测攻击时先使用原有分类模型，若检测为未知攻击，就交由简单分类模型进一步检测。实现该复合模型的关键点是如何让原有分类模型识别出未知新攻击，即找出已知攻击与未知新攻击之间的界限。这是本文研究的重点所在。本文提出并实现了稀疏拓展ArtiAnomalyG算法。首先使用该算法对训练数据集进行稀疏拓展，拓展出的新实例冠以类标“anomaly”。选用adacost算法对拓展后的新数据集进行分类学习，得到的分类模型就可以找出已知攻击与未知攻击之间的界限。本文主要做了以下几方面的工作：1．分析了adacost算法原理，并选用JBuilder9．0作为开发环境实现了该算法。将adacost算法的类文件移植到了weka系统中。2．提出了稀疏拓展ArtiAnomalyG算法，对其原理方法及流程过程都做了详细描述。在JBuiIder9．0平台上加以实现，并将其的类文件放置在weka系统子包中。3．分析了稀疏拓展ArtiAnomalyG算法可能引发的弊端——数据冲突。设计实验对拓展后的数据进行过滤，有微小的冲突发生。分别使用过滤前和过滤后的数据进行模型训练，结果表明尽管分类模型的检测精度有变化，但仍在可接受的范围内。4．设计实验对稀疏拓展ArtiAnomalyG算法进行验证，实验结果表明尽管对数据集进行稀疏拓展消耗了时间资源，但分类模型可以有效地检测出异常攻击，这与漏检异常攻击造成的损失相比是非常值得的。总之，稀疏拓展ArtiAnomalyG算法对训练数据集进行稀疏拓展扩大了数据集，使得产生出的分类模型可以检测到未知攻击，拓展了分类模型的检测能力。

关键词：代价敏感学习 adacost算法异常检测稀疏拓展ArtiAnomalyG算法高检测率

来源：

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

基于权值控制的误分类算法研究

引用

山西师范大学学报（自然科学版） 2010年第2期24卷 29-33页

作者：靳燕山西大学商务学院信息工程系山西太原030031

研究了误分类代价敏感提升算法adacost,认为在该算法的每轮循环中可以增加一个过程,用来计算产生出的弱分类器的精确度,从而避免adacost算法的盲目循环.同时引入实例权值的上下阈值,控制实例权值的更新过程.本文提出的权值控制误分类算... 详细信息

研究了误分类代价敏感提升算法adacost,认为在该算法的每轮循环中可以增加一个过程,用来计算产生出的弱分类器的精确度,从而避免adacost算法的盲目循环.同时引入实例权值的上下阈值,控制实例权值的更新过程.本文提出的权值控制误分类算法WCM isC是对adacost算法的优化.通过实验设计,验证了权值控制误分类算法WCM isC能有效提高adacost算法的分类精度,具有高泛化能力.

关键词： adacost算法权值阈值权值控制误分类算法WCMisC 高泛化能力

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

高泛化能力的权值控制误分类算法研究

高泛化能力的权值控制误分类算法研究

引用

2008年中国高校通信类院系学术研讨会

作者：靳燕山西大学商务学院信息工程系

研究了adacost算法,分析了该算法存在的缺点并做了改进。在每轮循环中增加一个过程,用来计算产生出的弱分类器的精确度,以避免adacost算法的盲目循环;引入实例权值的上下阈值,控制实例权值更新。两种方法有效结合产生出具有高泛化能力... 详细信息

研究了adacost算法,分析了该算法存在的缺点并做了改进。在每轮循环中增加一个过程,用来计算产生出的弱分类器的精确度,以避免adacost算法的盲目循环;引入实例权值的上下阈值,控制实例权值更新。两种方法有效结合产生出具有高泛化能力的权值控制误分类算法,有效地解决了adacost算法的缺陷。

关键词： adacost算法权值阈值权值控制误分类算法高泛化能力

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：