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lévy分布的不平衡数据过采样方法

计算机工程与应用 2019年第16期55卷 150-156页

作者：张扬帆张海鹏孙俊江南大学物联网工程学院

针对不平衡数据集上的分类问题,提出了基于lévy分布的过采样方法,其核心思想是根据初始数据集的分布,利用lévy分布构造新样本的密度分布。基于lévy分布的特性,使得从边界样本合成的新样本密度最大,靠近多数类的样本合成的新样本密度... 详细信息

针对不平衡数据集上的分类问题,提出了基于lévy分布的过采样方法,其核心思想是根据初始数据集的分布,利用lévy分布构造新样本的密度分布。基于lévy分布的特性,使得从边界样本合成的新样本密度最大,靠近多数类的样本合成的新样本密度次之,靠近少数类的样本合成的新样本密度最小。因此,该算法可以增强分类边界,同时可以减小噪声生成。通过在多个数据集上的实验,表明所提算法可以有效改善不平衡数据的分类效果。

关键词：不平衡分类 lévy分布过采样人工合成过采样技术(SMOTE)

在线全文

学校读者我要写书评

暂无评论

基于lévy分布的柔软自适应演化采样算法

计算机应用研究 2019年第7期36卷 1994-1997,2039页

作者：张海鹏张扬帆孙俊江南大学物联网工程学院

已经有相关工作将演化思想引入采样算法中,并结合lévy分布提出了自适应的采样算法。针对lévy分布的参数设置和厚尾特性的关系进行了研究,改进了基于lévy分布的演化采样算法,通过设置该分布的参数α值为1.0、1.3、1.7、2.0,分别对应... 详细信息

已经有相关工作将演化思想引入采样算法中,并结合lévy分布提出了自适应的采样算法。针对lévy分布的参数设置和厚尾特性的关系进行了研究,改进了基于lévy分布的演化采样算法,通过设置该分布的参数α值为1.0、1.3、1.7、2.0,分别对应四种转移概率分布,从而增加了生成的候选样本的多样性。理论分析和实验表明,改进算法在收敛速率和精度上优于基于高斯分布、柯西分布,对称指数分布的演化采样算法和其他自适应的演化采样算法。

关键词：演化采样 lévy分布柔软自适应

在线全文

学校读者我要写书评

暂无评论

分形模拟和插值及lévy分布

石油物探译丛 1992年第2期 55-64,69页

作者：赵改善

引言力形几何学,或更普遍的分形理论,是近十多年发展起来的一门新学科。这门学科在本身发展的同时,得到了越来越广泛的应用。应用领域既包括自然科学,又涉及社会科学。它既为我们更好地了解自然提供了一种新的概念,又为更准确、更简便... 详细信息

引言力形几何学,或更普遍的分形理论,是近十多年发展起来的一门新学科。这门学科在本身发展的同时,得到了越来越广泛的应用。应用领域既包括自然科学,又涉及社会科学。它既为我们更好地了解自然提供了一种新的概念,又为更准确、更简便地描述自然提供了一种有效的工具。

关键词：分形模拟分形插值 lévy分布

在线全文

学校读者我要写书评

暂无评论

基于类鱼行为搜寻策略的水下传感器布置

南京理工大学学报 2019年第2期43卷 244-249页

作者：李泊陈诚南京农业大学工学院江苏南京210031 江苏省农业科学院农业信息研究所江苏南京210014

针对开放式水域中水下事件位置的稀疏和不确定特点,该文给出一种水下传感器动态分布式布置方法。指出了与传统鱼群行为有差别的类鱼行为,在此基础上给出了水下传感器搜寻策略,并形成了动态布置方法。该布置方法通过初始布置和满足lévy... 详细信息

针对开放式水域中水下事件位置的稀疏和不确定特点,该文给出一种水下传感器动态分布式布置方法。指出了与传统鱼群行为有差别的类鱼行为,在此基础上给出了水下传感器搜寻策略,并形成了动态布置方法。该布置方法通过初始布置和满足lévy分布的类鱼探索行为扩展水下传感器的搜寻空间,有效增加了水下监测系统的事件覆盖率。改进后的尾随行为既能保证对同伴行为的有效感知,又能避免节点之间的通信,提高了传感器节点能效,增加了整个监测系统的隐蔽性。

关键词：水下传感器 lévy分布类鱼行为搜寻策略事件覆盖率

在线全文

学校读者我要写书评

暂无评论

多孔介质溶质运移问题中的分数弥散

水动力学研究与进展（A辑） 2005年第1期20卷 50-55页

作者：常福宣吴吉春薛禹群戴水汉南京大学地球科学系江苏南京210093

本文在弥散核函数为负幂率函数的前提条件下,对传统的二阶对流—弥散方程进行非局域处理,通过考虑溶质运移的空间相关性推导出了分数阶对流—弥散方程,方程中弥散项是分数阶微分。弥散项分数阶微分的出现是由于考虑溶质运移的空间相关... 详细信息

本文在弥散核函数为负幂率函数的前提条件下,对传统的二阶对流—弥散方程进行非局域处理,通过考虑溶质运移的空间相关性推导出了分数阶对流—弥散方程,方程中弥散项是分数阶微分。弥散项分数阶微分的出现是由于考虑溶质运移的空间相关性。该方程柯西问题的格林函数解为一 lévy分布密度函数。lévy分布满足标度不变性,lévy运动轨迹是分形,其运移的平均平方位移(位移平方的均值)是时间的幂函数。因而用此分数阶对流—弥散方程描述的溶质运移过程,其平均平方位移是运移时间的幂函数,由此本文得出了等效弥散系数与运移尺度有关,是运移距离的幂函数的结论。这一结论从理论上解释了弥散系数的尺度效应。

关键词：多孔介质弥散分数阶微积分 lévy分布弥散系数的尺度效应

在线全文

学校读者我要写书评

暂无评论

基于自组织逾渗的金融市场模型

科学通报 2005年第20期50卷 2309-2313页

作者：杨春霞王杰周涛刘隽许旻周佩玲汪秉宏中国科学技术大学电子科学与技术系合肥230026 新加坡国立大学生物工程研究所中国科学技术大学近代物理系合肥230026

基于逾渗理论和Cont-Bouchaud模型,从投资群体结构的自组织动态演化的角度出发,建立了金融市场微观模型.该模型能够生成与真实股价相似的时间序列.模型生成的收益率分布中心符合具有尖峰胖尾特征的lévy分布,与实证研究相符.收益率分布... 详细信息

基于逾渗理论和Cont-Bouchaud模型,从投资群体结构的自组织动态演化的角度出发,建立了金融市场微观模型.该模型能够生成与真实股价相似的时间序列.模型生成的收益率分布中心符合具有尖峰胖尾特征的lévy分布,与实证研究相符.收益率分布的中心峰值即零回复概率与取样时间间隔之间存在幂律关系,幂指数为?0.61,与恒生指数实际情况相近.

关键词：自组织逾渗金融市场模型微观模型收益率分布 lévy分布

在线全文

学校读者我要写书评

暂无评论

基于采样理论的机器学习方法研究

基于采样理论的机器学习方法研究

作者：张海鹏江南大学

学位级别：硕士

采样理论是多个学科的基础理论。通过采样方法,不仅可以获得精确推断不可行条件下的近似解,还可以基于采样方法,加速计算。大数据场景下,采样方法得到更加广泛的应用。数据不平衡问题是机器学习领域的经典问题,基于数据层面的解决思路... 详细信息

采样理论是多个学科的基础理论。通过采样方法,不仅可以获得精确推断不可行条件下的近似解,还可以基于采样方法,加速计算。大数据场景下,采样方法得到更加广泛的应用。数据不平衡问题是机器学习领域的经典问题,基于数据层面的解决思路包括数据过采样和欠采样方法。数据驱动的模型在面临真实场景下的问题时,会遇到更多的数据不平衡问题。本文的主要研究工作如下:研究数据不平衡问题对机器学习中分类模型评估指标的影响,借助可视化手段,通过实验证明分析数据不平衡问题会对模型学习带来负面作用。针对从数据层面解决数据不平衡学习问题的两种思路,过采样方法和欠采样方法,分别从理论分析和对比实验角度证明采样方法的有效性,为后续研究工作打下理论和实验基础。已经有相关研究将演化思想引入采样算法中,并结合lévy分布提出了自适应的采样算法,本文改进了基于lévy分布的演化采样算法,通过增加该分布α值的选择,使得候选样本的选取不会局限于极端情况,从而实现更加高效地选择。理论分析和实验表明,改进算法在收敛速率和精度上优于基于高斯分布,柯西分布,对称指数分布的演化采样算法和其他自适应的演化采样算法。针对不平衡数据集上的采样问题,在深入分析基于lévy分布的过采样方法的基础上,认为样本比例生成函数的选择并不一定必须是lévy分布,因此提出基于高斯分布和分段分布的数据过采样方法。其核心思想是通过构造类lévy分布的样本比例生成函数,使得从边界样本合成的新样本密度最大,靠近多数类的样本合成的新样本密度次之,靠近少数类的样本合成的新样本密度最小。因此,该算法可以达到增强分类边界的同时减小噪声生成的目的。通过在多个数据集上的实验,表明所提算法的有效性。

关键词：采样算法 lévy分布不平衡学习

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

基于特种光纤的光纤随机激光器研究

基于特种光纤的光纤随机激光器研究

作者：李佳琪电子科技大学

学位级别：硕士

光纤随机激光器同时作为随机激光器和光纤激光器这两大领域的重要分支,由光纤元件构成,反馈来源于光纤介质中的随机瑞利散射,是随机激光器的一维版本,在可控性和方向性方面明显优于传统的随机激光器。2010年,英国阿斯顿大学(Aston Unive... 详细信息

光纤随机激光器同时作为随机激光器和光纤激光器这两大领域的重要分支,由光纤元件构成,反馈来源于光纤介质中的随机瑞利散射,是随机激光器的一维版本,在可控性和方向性方面明显优于传统的随机激光器。2010年,英国阿斯顿大学(Aston University)的研究团队首次实现基于瑞利散射提供反馈,受激拉曼效应提供分布式增益的随机激光输出,这对光纤随机激光器的发展具有十分重大的意义。自此,光纤随机激光器便成为国内外研究者们关注的热点,迎来了其大发展时代。尽管光纤随机激光器在近几年里发展迅速,但由于其发展历程短,人们对其是实现物理机理的认识还有待深入且其性能还需进一步深入。而作为光纤随机激光器的重要分支,基于特种光纤的光纤随机激光器的研究更是需要补充。本文中,我们利用特种光纤构建光纤随机激光器,实现新型光纤随机激光器的设计与仿真;同时,我们还对基于特种光纤的光纤随机激光器输出功率波动进行了统计分析;最后,我们利用辐照方式对光纤进行处理,以探索实现瑞利增强型光纤的手段。在基于特种光纤的新型光纤随机激光器的设计部分,本文以实现低阈值、高激射效率的光纤随机激光器作为出发点,提出新的光纤随机激光器结构。我们提出利用纤芯泵浦的方式构建基于双包层掺镱光纤的光纤随机激光器。理论仿真结果表明,利用该泵浦方式的光纤随机激光器可以很好地联合掺镱增益和受激拉曼增益,从而实现毫瓦级激射阈值以及激射效率高达81.5%的一维随机激光器。更重要的是,我们在这部分中还提出了一种新的基于新型特种光纤的随机激光激射机理,即利用有源光纤同时提供分布式有源增益和分布式随机瑞利反馈。根据这一新的思想,我们依次考虑低泵浦功率条件和高泵浦功率条件,搭建并逐步优化基于该激射机理的理论模型。进一步地,本文通过数值仿真,理论上实现了该基于双包层弱掺镱光纤的新型光纤随机激光器。根据理论结果,该光纤随机激光器,可实现毫瓦级激射阈值、高于200 W激光输出的随机激光输出。基于特种光纤的光纤随机激光器在低阈值、高功率、线性输出以及带宽稳定等方面表现出明显的优势,被视为种子光源的优选。但是,它和其他随机激光器一样,在阈值附近其输出光谱和功率均表现出强波动。因此,对基于特种光纤的光纤随机激光器输出波动的分析具有重要意义。在本文中,我们基于10 m的商用掺镱光纤和10 km的单模光纤搭建1090 nm光纤随机激光器。然后,我们基于广泛应用于随机激光强度波动分析的lévy-α-稳定分布函数对不同泵浦功率下的谱强度概率密度函数进行拟合,从而识别出不同激射状态下光纤随机激光器的统计类型。结果表明,该光纤随机激光器的统计特性随着泵浦能量的注入从lévy分布逐渐演变为高斯行为,这一统计特征演变规律与其他基于强散射的光纤随机激光器的统计演变规律一致,这表明在随机激光系统中普遍存在着lévy到高斯的统计分布演变过程。在光纤随机激光器领域,瑞利散射系数占据着关键性位置,根据以往的研究,瑞利增强型光纤的光纤随机激光器的功率特性有明显的提升效果,但目前有关于其实现方法有限。在本文中,我们对瑞利增强型光纤的实现进行了探索性研究,首次实现了辐照对光纤的影响的量化。通过对后向散射功率的分析,依次得到样本光纤的衰减系数和瑞利散射系数,结果表明这两种辐照均对光纤衰减和瑞利散射有增强作用,但不同辐射条件下,同一光纤参数随辐照强度的变化趋势不同。

关键词：随机激光特种光纤瑞利散射分布式反馈 lévy分布

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

基于过采样技术的不平衡数据分类研究

基于过采样技术的不平衡数据分类研究

作者：张扬帆江南大学

学位级别：硕士

随着计算机技术的快速发展尤其是计算机硬件设备的进步,海量数据集存储和处理技术已经融入各行各业,其中数据挖掘是行业中常用的数据处理技术,其通过数据处理和模型构建为决策者提供更多的决策信息。在使用数据挖掘处理数据和构建模型... 详细信息

随着计算机技术的快速发展尤其是计算机硬件设备的进步,海量数据集存储和处理技术已经融入各行各业,其中数据挖掘是行业中常用的数据处理技术,其通过数据处理和模型构建为决策者提供更多的决策信息。在使用数据挖掘处理数据和构建模型的过程中,经常会遇到不平衡分类问题,即在分类问题中某些类的样本数量多于其它类的样本数量。然而传统的分类算法假设数据分布是大致平衡的,因此在处理不平衡数据集时难以有良好的效果。本文针对不平衡数据的分类问题,对数据层面的改进方法做了深入研究。本文的主要工作如下:(1)对目前经典的过采样算法做了详细的介绍和分析。介绍了SMOTE,Boderline-SMOTE和ADASYN这三种经典过采样算法的原理,针对每个算法的特点分析了其各自的优缺点。通过在多个数据集上的实验结果验证了以上分析。(2)为了增强分类边界同时减少噪声的生成,提出基于lévy分布的过采样算法lOTE。该算法将lévy分布融合到采样算法中,根据少数类样本所处的位置,利用lévy分布设置新样本的密度分布。处于边界的样本对应lévy分布的最高点,使得在边界合成的新样本密度最大,有利于增强分类边界。靠近多数类的样本对应lévy分布斜率较小的位置,因此该处的新样本密度相对于边界样本略有减小,有利于减少噪声。由于靠近少数类的样本相对安全,因此其对应lévy分布斜率较大的位置,此处的新样本密度相对于边界样本有较大减小,减少无效样本的生成。实验表明该算法可以有效地提高分类器的性能。(3)针对数据集线性不可分时采样算法容易生成噪声的问题,提出了基于核方法的过采样和lOTE结合的过采样算法(KlOTE)。基于核方法的过采样是将新样本的生成问题转化为数据集Gram矩阵的扩展问题,使得新样本的合成可以在特征空间进行。将lOTE算法和核方法结合,可以在特征空间中对少数类样本的位置进行判断,即判断样本是边界样本,靠近多数类的样本还是靠近少数类的样本,从而更准确地构造新样本的密度分布,充分发挥lOTE增强分类边界同时减少噪声生成的优势。通过实验说明该算法对分类器性能的提升优于其它算法。本文针对不平衡数据的分类问题,从过采样的角度做了改进,提出了lOTE算法和KlOTE算法,其中lOTE算法使用lévy分布构造过采样中新样本的密度,相对于已有算法可以在增强分类边界的同时减少噪声的生成。KlOTE算法是lOTE算法在特征空间中的扩展,对于在原始输入空间线性不可分的数据集,该算法可以有效提升分类器的性能。

关键词：不平衡数据过采样 lévy分布核方法