检索结果-南通市图书馆

数据故事化解释中分类型预测结果的反转点识别方法研究——基于lime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

情报理论与实践 2024年第2期47卷 170-177页

作者：靳庆文朝乐门张晨中国人民大学信息资源管理学院北京100872 数据工程与知识工程教育部重点实验室北京100872

[目的/意义]实现数据故事化中的反转点识别,有助于非专业人士理解分类型预测结果的产生原因,同时对于推动故事情节发展并使其快速到达故事高潮点具有促进作用。[方法/过程]提出故事点与反转点概念,基于lime解释技术和反转点识别过程,设... 详细信息

[目的/意义]实现数据故事化中的反转点识别,有助于非专业人士理解分类型预测结果的产生原因,同时对于推动故事情节发展并使其快速到达故事高潮点具有促进作用。[方法/过程]提出故事点与反转点概念,基于lime解释技术和反转点识别过程,设计了用于数据故事化中反转点识别的算法方案,并提出了面向分类模型的反转点识别流程。[结果/结论]将反转点识别算法应用到贷款数据集,证明此算法在数据故事化过程中寻找反转点的有效性,在获得用户期望的预测结果和快速识别反转点方面具有应用价值。

关键词：数据故事化分类模型反转点 lime算法

在线全文

学校读者我要写书评

暂无评论

基于lime算法的低照度图像增强方法研究

长江信息通信 2023年第9期36卷 72-74页

作者：刘鹏江西传媒职业学院江西南昌330224

由于低照度图像存在颜色退化、曝光不足等问题,影响图像质量与信息量,因此文章研究了一种基于lime算法的低照度图像增强方法。通过合成正常曝光图像与低照度图像的数据集,提取了低照度图像的纹理特征与频域特征,并基于Retinex理论与深... 详细信息

由于低照度图像存在颜色退化、曝光不足等问题,影响图像质量与信息量,因此文章研究了一种基于lime算法的低照度图像增强方法。通过合成正常曝光图像与低照度图像的数据集,提取了低照度图像的纹理特征与频域特征,并基于Retinex理论与深度学习建立了低照度图像增强模型。通过使用lime算法提高模型的可解释性,同时减少模型复杂度,提高模型的透明度。在测试集LOL上,PSNR值为21.898、SSIM值为0.902,证明了该方法的可行性和可靠性。

关键词： lime算法低照度图像图像增强方法研究

面向网络欺凌文本检测模型的算法解释及其故事化呈现研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

现代情报 2024年第9期44卷 59-70页

作者：靳庆文李胡蓉徐红霞中国人民大学信息资源管理学院北京100872

[目的/意义]利用可解释性技术与故事化方法研究网络欺凌检测有助于识别欺凌内容、参与网络言论治理以及净化网络生态。[方法/过程]详细分析lime解释算法的选择依据与文本解释原理,并提出lime算法在网络欺凌检测模型中的“钻石结构式”... 详细信息

[目的/意义]利用可解释性技术与故事化方法研究网络欺凌检测有助于识别欺凌内容、参与网络言论治理以及净化网络生态。[方法/过程]详细分析lime解释算法的选择依据与文本解释原理,并提出lime算法在网络欺凌检测模型中的“钻石结构式”应用流程,进一步构建了“数据层—模型层—解释层—叙事层”的故事化呈现框架,最后通过实验验证了该框架的有效性。[结果/结论]可解释性技术辅助网络欺凌检测模型有利于提高模型应用价值与可信度,权衡模型准确性与可解释性二者的关系,而基于数据分析及解释结果的故事化呈现方法为网络信息平台数据治理提供可信、可靠、可理解依据。

关键词：网络欺凌文本检测 lime算法算法解释数据故事化

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于可解释关系模型的SCR入口气温预测

山东电力技术 2024年第5期51卷 63-72页

作者：路宽杨兴森张绪辉孙雯雪王海仰杨子江国网山东省电力公司电力科学研究院山东济南250003 国网山东省电力公司济南市章丘区供电公司山东济南250020 华电青岛发电有限公司山东青岛370200 山东科技大学电气与自动化工程学院山东青岛266590

新能源在全社会发电中占比不断增高,为了能够辅助电网进行削峰填谷,火电机组需要增加在低负荷范围内的运行时间,这会对选择性催化还原(selective catalytic reduction,SCR)的脱硝效果产生负面影响。因此,对SCR入口烟气温度(SCR gas temp... 详细信息

新能源在全社会发电中占比不断增高,为了能够辅助电网进行削峰填谷,火电机组需要增加在低负荷范围内的运行时间,这会对选择性催化还原(selective catalytic reduction,SCR)的脱硝效果产生负面影响。因此,对SCR入口烟气温度(SCR gas temperature,SCRIGT)进行准确预测非常重要。首先,采用极限梯度提升(extreme gradient boosting,XGBOOST)模型,以电厂的运行参数作为输入,功率与SCRIGT的比值作为输出进行预测,然后计算得到SCRIGT。结果显示,对于两个不同锅炉类型的火电机组,平均绝对百分比误差(mean absolute percentage error,MAPE)分别为3.07%和2.49%。其次,采用不可知模型的局部可解释(local interpretable model-agnostic explanations,lime)算法分析XGBOOST模型的预测结果,显示功率和功率与SCRIGT的比值之间存在线性关系,且R2(R-squared)为0.994,基于此构建了一种可解释关系模型进行SCRIGT预测。最后,比较分析显示,对于试验中的两个机组,可解释关系模型预测结果的MAPE分别改进至0.68%和0.97%。

关键词： XGBOOST模型 lime算法 SCR入口烟气温度火电机组

基于迁移学习的糖尿病视网膜病变分级检测研究

在线全文

学校读者我要写书评

暂无评论

基于迁移学习的糖尿病视网膜病变分级检测研究

作者：路方东北师范大学

学位级别：硕士

糖尿病视网膜病变（Diabetic Retinopathy,DR）是一种严重的糖尿病眼部并发症,是引起成年人视力下降甚至丧失的主要原因,尽早诊疗能够极大降低失明风险。现阶段,DR检测主要依靠专业医生通过分析彩色视网膜图像及相关病灶来进行人工诊断... 详细信息

糖尿病视网膜病变（Diabetic Retinopathy,DR）是一种严重的糖尿病眼部并发症,是引起成年人视力下降甚至丧失的主要原因,尽早诊疗能够极大降低失明风险。现阶段,DR检测主要依靠专业医生通过分析彩色视网膜图像及相关病灶来进行人工诊断。然而由于糖尿病及其并发症的患病率逐年提高,人工诊断的方法工作量大、效率低下,准确率还要取决于医生的专业水平,有较大的局限性。卷积神经网络（Convolutional Neural Network,CNN）可以自主学习输入的图像,实现端到端的图像分类,很适用于大规模的DR筛查。但是CNN的训练需要大量的数据支撑,迁移学习能够有效地缓解DR数据稀少对模型的影响。此外,数据集的图像质量也会影响模型的学习,而在现有的DR自动检测研究中,大部分都只关注数据不平衡和数据增强的问题,较少有考虑到重复数据的影响。本文在系统分析深度学习的理论知识以及现有的基于计算机辅助检测DR研究结果的基础上,提出了更具针对性的数据预处理方法及基于迁移学习的DR分级检测方法。以下是本研究的主要内容:（1）在总结了国内外计算机辅助DR检测方法的研究现状、DR相关医学知识和深度学习知识的基础上,介绍了目前计算机辅助检测DR面临的挑战。（2）设计了一系列具有针对性的数据预处理方法并对其有效性进行了验证。首先进行数据清洗,删除标签缺失的数据,使用哈希算法检测并删除重复图像;再对视网膜图像进行中心最大圆裁剪来消除黑色边框和视网膜形状等图像元特征的影响;然后使用lime算法基于光学知识对图像进行增强;最后扩充数据以平衡类别分布。为了验证这一系列预处理方法的有效性,本文分别使用原始数据及处理后的数据进行训练及测试,各性能指标均有明显的提升,最终处理后的分类准确率较原始数据提高了16.34%。（3）改进EfficientNet B5模型并进行迁移学习,使分类的准确率由90.59%提高到了96.82%;随后通过训练微调模型参数,将准确率进一步提高到了98.09%。最后,为了验证本文方法的有效性,与其他方法进行了比较,本文实现了98.09%的准确率、98.08%的精确率,均优于文献中的现有模型。该方法解决了DR数据稀少的问题,实现了较高的检测精度,具有一定的研究意义和实际应用价值。

关键词：糖尿病视网膜病变分级检测迁移学习卷积神经网络数据预处理哈希算法 lime算法