检索结果-南通市图书馆

采用源空间套索分析和卷积神经网络方法的高频脑电动作模式识别方法

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2024年第1期58卷 187-196页

作者：陶怡徐维维朱家林袁子文王茂德王刚西安交通大学生物医学信息工程教育部重点实验室西安710049 西安交通大学第一附属医院康复医学科西安710061 西安交通大学第一附属医院神经外科西安710061

针对目前同侧手部运动意图识别率低的问题,提出了一种基于源空间套索分析和卷积神经网络(source-Lasso-CNN,SLC)的高频脑电动作模式识别方法。该方法运用空间源定位分析与握拳、展拳、二指对捏、三指对捏4种动作相关的脑电信号,使用组La... 详细信息

针对目前同侧手部运动意图识别率低的问题,提出了一种基于源空间套索分析和卷积神经网络(source-Lasso-CNN,SLC)的高频脑电动作模式识别方法。该方法运用空间源定位分析与握拳、展拳、二指对捏、三指对捏4种动作相关的脑电信号,使用组Lasso进行感兴趣区域(ROI)选择,再输入到卷积神经网络进行单手多类动作模式识别。采集13名被试者在4种手部动作模式下的脑电和肌电信号并进行预处理,采用基于核磁共振图像的边界元模型建立头模型、使用最小范数估计解决脑电源成像逆问题,将传感器空间的脑电信号映射至源空间。将源空间脑电序列按照布罗德曼分区进行划分,提取每个脑区的3个时域特征并基于特征采用组Lasso方法进行ROI选择,将挑选出的ROI及其对应源空间序列输入卷积神经网络中进行四分类。实验结果表明:采用source-Lasso-CNN的方法在高频(γ频带)脑电的识别准确率可达(82.23±12.71)%,优于在δ(1~3 Hz)、θ(4~7 Hz)、α(8~13 Hz)、β(14~30 Hz)以及全频带(1~100 Hz)上的结果。与其他先进方法相比,其准确率也有显著性的提升,显示了该方法在同侧手部运动意图识别中的有效性。

关键词：源空间 Lasso 卷积神经网络高频脑电手部运动意图识别

Lasso及其拓展方法在回归分析变量筛选中的应用

在线全文

学校读者我要写书评

暂无评论

中华预防医学杂志 2023年第1期57卷 107-111页

作者：奚丽婧郭昭艳杨雪珂平智广郑州大学公共卫生学院流行病与卫生统计学系郑州450001

多重共线性是影响回归分析结果的一个重要问题,近年来发展的Lasso方法对于筛选解释性较高的变量、处理高维数据和解决多重共线性问题具有强大的优势。该方法是在模型估计中增加了惩罚项,能将一些不必要变量的回归系数压缩为零进而从模... 详细信息

多重共线性是影响回归分析结果的一个重要问题,近年来发展的Lasso方法对于筛选解释性较高的变量、处理高维数据和解决多重共线性问题具有强大的优势。该方法是在模型估计中增加了惩罚项,能将一些不必要变量的回归系数压缩为零进而从模型中剔除,达到变量筛选的目的。本文将重点介绍Lasso这一方法,并与最优子集、岭回归、自适应Lasso与弹性网络的结果进行比较,结果显示Lasso与自适应Lasso在解决自变量多重共线性问题以及增强模型解释性、预测精度方面均有较好的表现。

关键词：模型,统计学 Lasso 多重共线性回归分析

Group Lasso based redundancy-controlled feature selection for fuzzy neural network

在线全文

学校读者我要写书评

暂无评论

Optoelectronics Letters 2023年第5期19卷 284-289页

作者： YANG Jun XU Yongyong WANG Bin LI Bo HUANG Ming GAO Tao The 15th Research Institute of China Electronics Technology Group Corporation Beijing 100191China

If there are a lot of inputs,the readability of the “If-then” fuzzy rule is reduced,and the complexity of the fuzzy neural network structure will be increased.Hence,to optimize the structure of the fuzzy rule based neural network,a group Lasso based redundancy-controlled feature selection(input pruning) method is proposed.For realizing feature selection,the linear/nonlinear redundancy between features is considered,and the Pearson’s correlation coefficient is employed to construct the additive redundancy-controlled regularizer in the error function.In addition,considering the past gradient information,a novel parameter optimization method is presented.Finally,we demonstrate the effectiveness of our method on two benchmark classification datasets.

关键词： function. Lasso additive

基于Lasso和构造性覆盖算法的不均衡数据分类方法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2023年第4期43卷 1086-1093页

作者：蒋溢伍书平胡昆龙林波重庆邮电大学计算机科学与技术学院重庆400065 中国电信股份有限公司云南分公司云计算中心昆明650200

针对机器学习分类算法在不均衡数据分类问题中对少数类样本识别能力不足的问题,以电信客户流失场景为例,提出一种不均衡数据分类方法 L-CCSmote(Lasso Constructive Covering Smote)。首先,通过套索回归(Lasso)提取流失用户特征以优化... 详细信息

针对机器学习分类算法在不均衡数据分类问题中对少数类样本识别能力不足的问题,以电信客户流失场景为例,提出一种不均衡数据分类方法 L-CCSmote(Lasso Constructive Covering Smote)。首先,通过套索回归(Lasso)提取流失用户特征以优化模型输入;然后,通过构造性覆盖算法(CCA)建立神经网络生成符合样本整体分布的覆盖;最后,进一步提出单样本覆盖策略、样本多样性策略和样本密度峰值策略,通过以上策略混合采样以平衡数据。选用了KEEL数据库中的13个不均衡数据集和2个脱敏电信客户数据集,分别在逻辑回归(LR)和支持向量机(SVM)分类算法上对该方法进行验证。在LR分类算法上,与SMOTE-Enn(Synthetic Minority Oversampling TEchnique Edited nearest neighbor)相比,所提方法的平均几何平均值(G-MEAN)提升了2.32%;在SVM分类算法上,与Borderline-SMOTE(Borderline Synthetic Minority Oversampling Technique Edited)相比,所提方法的平均G-MEAN提升了2.44%。实验结果表明,所提方法能解决类别偏斜分布影响分类的问题,且对于稀有类的识别能力优于经典平衡数据方法。

关键词： Lasso 构造性覆盖算法不均衡数据分类客户流失预测混合采样

基于LAD-Lasso的多门限波动率模型估计与应用

在线全文

学校读者我要写书评

暂无评论

数理统计与管理 2024年第3期43卷 559-570页

作者：李木易童晨张晓林厦门大学王亚南经济研究院福建厦门361005 厦门大学经济学院福建厦门361005 厦门大学大数据金融交叉实验室福建厦门361005

本文研究一类具有多门限结构的条件异方差自回归模型(T-CHARM)的估计和应用。针对门限个数未知以及金融数据的厚尾性质,我们采用最小绝对偏差套索算法(LAD-Lasso)同时估计门限个数和模型的未知参数。该方法在模型误差项四阶矩不存在时... 详细信息

本文研究一类具有多门限结构的条件异方差自回归模型(T-CHARM)的估计和应用。针对门限个数未知以及金融数据的厚尾性质,我们采用最小绝对偏差套索算法(LAD-Lasso)同时估计门限个数和模型的未知参数。该方法在模型误差项四阶矩不存在时仍然有效,放宽了经典Lasso方法在门限模型上的适用场合。蒙特卡洛模拟表明,在门限个数的正确识别率、门限值和波动率参数值的估计方面,LAD-Lasso方法均具有优良的有限样本表现。本文将提出的LAD-Lasso方法结合T-CHAR模型,应用于沪深300指数日度收益率数据的建模和预测。实证结果表明,与采用LAD方法估计的经典GARCH模型相比,本文提出的方法在样本内拟合和样本外预测方面均有优越表现。

关键词：多门限波动率 Lasso LAD 已实现波动率

在线全文

学校读者我要写书评

暂无评论

Lasso变量选择的分布式算法

应用概率统计 2022年第1期38卷 99-110页

作者：曾维佳张日权华东师范大学统计学院上海200062

Lasso是机器学习中比较常用的一种变量选择方法,适用于具有稀疏性的回归问题.当样本量巨大或者海量的数据存储在不同的机器上时,分布式计算是减少计算时间提高效率的重要方式之一.本文在给出Lasso模型等价优化模型的基础上,将ADMM算法... 详细信息

Lasso是机器学习中比较常用的一种变量选择方法,适用于具有稀疏性的回归问题.当样本量巨大或者海量的数据存储在不同的机器上时,分布式计算是减少计算时间提高效率的重要方式之一.本文在给出Lasso模型等价优化模型的基础上,将ADMM算法应用到此优化变量可分离的模型中,构造了一种适用于Lasso变量选择的分布式算法,证明了该算法的收敛性;同时,我们通过数值实验,将本文构造的分布式算法与循环坐标下降法和ADMM算法进行了比较分析,结果显示在处理样本集大的稀疏性回归问题时,本文提出的算法的计算时间和误差都小于其他两种算法.

关键词：变量选择 Lasso 分布式算法线性模型

融合Lasso的近似马尔科夫毯特征选择方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2023年

作者：刘明杜建强李郅琴罗计根聂斌张梦婷江西师范大学信息化办公室江西中医药大学计算机学院

在特征选择问题中，近似马尔科夫毯常用于判断冗余特征，但所得到的冗余特征并不完全相同，因此，在直接使用近似马尔科夫毯删除冗余特征时，存在可能导致信息丢失的情况，影响模型精度。为此，提出一种用于中药代谢组学高维小样本数据... 详细信息

在特征选择问题中，近似马尔科夫毯常用于判断冗余特征，但所得到的冗余特征并不完全相同，因此，在直接使用近似马尔科夫毯删除冗余特征时，存在可能导致信息丢失的情况，影响模型精度。为此，提出一种用于中药代谢组学高维小样本数据的融合Lasso的近似马尔科夫毯特征选择方法。方法分为两个阶段，第一阶段，通过最大信息系数对特征的相关度分析过滤无关特征；第二阶段，采用近似马尔科夫毯构建相似特征组，使用Lasso评估相似特征组中特征影响力，迭代去除冗余特征。通过实验对比表明：该算法可以在一定程度上可以减少有用信息丢失，去除无关特征和冗余特征，提高模型精度和稳定性。

关键词：近似马尔科夫毯 Lasso 特征选择高维小样本中医药信息

基于Lasso和elastic net的宽度学习系统网络结构稀疏方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制理论与应用 2020年第12期37卷 2543-2550页

作者：褚菲苏嘉铭梁涛陈俊龙王雪松马小平中国矿业大学地下空间智能控制教育部工程研究中心江苏徐州221116 中国矿业大学信息与控制工程学院江苏徐州221116 北京矿冶科技集团有限公司矿冶过程自动控制技术国家重点实验室/矿冶过程自动控制技术北京市重点实验室北京100160 华南理工大学计算机科学与工程学院广东广州510006 澳门大学科技学院澳门999078

本文提出了一种基于Lasso和elastic net的宽度学习系统(BLS)网络结构稀疏方法,将标准BLS目标函数中的L2范数分别替换为Lasso和elastic net,利用这两种正则化技术来约束网络输出权重,衡量每个网络节点输出权重对预测的影响程度,将多余的... 详细信息

本文提出了一种基于Lasso和elastic net的宽度学习系统(BLS)网络结构稀疏方法,将标准BLS目标函数中的L2范数分别替换为Lasso和elastic net,利用这两种正则化技术来约束网络输出权重,衡量每个网络节点输出权重对预测的影响程度,将多余的节点进行剔除,提高了网络结构的稀疏性.通过对一些回归数据集进行实验,可以看到本文提出的方法在不损失预测精度的前提下,同时简化了网络结构.

关键词：宽度学习系统网络结构 Lasso elastic net

基于Source-Lasso-CNN方法的高频脑电动作模式识别研究

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2023年

作者：陶怡徐维维朱家林袁子文王茂德王刚西安交通大学生物医学信息工程教育部重点实验室西安交通大学第一附属医院神经外科西安交通大学第一附属医院康复医学科

针对目前同侧手部动作分类识别率低的问题，提出了一种基于源空间套索分析和卷积神经网络（Source-Lasso-CNN，SLC）的高频脑电动作模式识别方法。该方法运用空间源定位分析与握拳、展拳、二指对捏、三指对捏四种动作相关的脑电信号，... 详细信息

针对目前同侧手部动作分类识别率低的问题，提出了一种基于源空间套索分析和卷积神经网络（Source-Lasso-CNN，SLC）的高频脑电动作模式识别方法。该方法运用空间源定位分析与握拳、展拳、二指对捏、三指对捏四种动作相关的脑电信号，使用组Lasso进行感兴趣区域（ROI）选择，再输入到卷积神经网络进行单手多类动作模式识别。采集13名被试在四种手部动作模式下的脑电和肌电信号并进行预处理，采用基于核磁共振图像的边界元模型建立头模型、使用最小范数估计解决脑电源成像逆问题，将传感器空间的脑电信号映射至源空间。接着将源空间脑电序列按照布罗德曼分区进行划分，提取每个脑区的3个时域特征并基于特征采用组Lasso算法进行ROI选择，最后将挑选出的ROI及其对应源空间序列输入卷积神经网络中进行四分类。实验结果表明，基于Source-Lasso-CNN的方法在高频（γ频带）脑电的识别准确率可达82.23%±12.71%，优于在δ（1-3Hz）、θ（4-7Hz）、α（8-13Hz）、β（14-30Hz）以及全频带（1-100Hz）上的结果。与其他先进算法相比其准确率也有显著性的提升，显示了该方法在同侧手部动作模式识别中的有效性。

关键词：源空间 Lasso 卷积神经网络(CNN) 高频脑电手部运动意图识别