检索结果-南通市图书馆

面向不同类型概念漂移的两阶段自适应集成学习方法

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2024年第7期61卷 1799-1811页

作者：郭虎升张洋王文剑山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

大数据时代,流数据大量涌现.概念漂移作为流数据挖掘中最典型且困难的问题,受到了越来越广泛的关注.集成学习是处理流数据中概念漂移的常用方法,然而在漂移发生后,学习模型往往无法对流数据的分布变化做出及时响应,且不能有效处理不同... 详细信息

大数据时代,流数据大量涌现.概念漂移作为流数据挖掘中最典型且困难的问题,受到了越来越广泛的关注.集成学习是处理流数据中概念漂移的常用方法,然而在漂移发生后,学习模型往往无法对流数据的分布变化做出及时响应,且不能有效处理不同类型概念漂移,导致模型泛化性能下降.针对这个问题,提出一种面向不同类型概念漂移的两阶段自适应集成学习方法(two-stage adaptive ensemble learning method for different types of concept drift,TAEL).该方法首先通过检测漂移跨度来判断概念漂移类型,然后根据不同漂移类型,提出“过滤-扩充”两阶段样本处理机制动态选择合适的样本处理策略.具体地,在过滤阶段,针对不同漂移类型,创建不同的非关键样本过滤器,提取历史样本块中的关键样本,使历史数据分布更接近最新数据分布,提高基学习器有效性;在扩充阶段,提出一种分块优先抽样方法,针对不同漂移类型设置合适的抽取规模,并根据历史关键样本所属类别在当前样本块上的规模占比设置抽样优先级,再由抽样优先级确定抽样概率,依据抽样概率从历史关键样本块中抽取关键样本子集扩充当前样本块,缓解样本扩充后的类别不平衡现象,解决当前基学习器欠拟合问题的同时增强其稳定性.实验结果表明,所提方法能够对不同类型的概念漂移做出及时响应,加快漂移发生后在线集成模型的收敛速度,提高模型的整体泛化性能.

关键词：流数据概念漂移集成学习漂移类型过滤阶段扩充阶段

在线全文

学校读者我要写书评

暂无评论

非平衡概念漂移数据流主动学习方法

自动化学报 2024年第3期50卷 589-606页

作者：李艳红王甜甜王素格李德玉山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

数据流分类研究在开放、动态环境中如何提供更可靠的数据驱动预测模型,关键在于从实时到达且不断变化的数据流中检测并适应概念漂移.目前,为检测概念漂移和更新分类模型,数据流分类方法通常假设所有样本的标签都是已知的,这一假设在真... 详细信息

数据流分类研究在开放、动态环境中如何提供更可靠的数据驱动预测模型,关键在于从实时到达且不断变化的数据流中检测并适应概念漂移.目前,为检测概念漂移和更新分类模型,数据流分类方法通常假设所有样本的标签都是已知的,这一假设在真实场景下是不现实的.此外,真实数据流可能表现出较高且不断变化的类不平衡比率,会进一步增加数据流分类任务的复杂性.为此,提出一种非平衡概念漂移数据流主动学习方法 (Active learning method for imbalanced concept drift data stream, ALM-ICDDS).定义基于多预测概率的样本预测确定性度量,提出边缘阈值矩阵的自适应调整方法,使得标签查询策略适用于类别数较多的非平衡数据流;提出基于记忆强度的样本替换策略,将难区分、少数类样本和代表当前数据分布的样本保存在记忆窗口中,提升新基分类器的分类性能;定义基于分类精度的基分类器重要性评价及更新方法,实现漂移后的集成分类器更新.在7个合成数据流和3个真实数据流上的对比实验表明,提出的非平衡概念漂移数据流主动学习方法的分类性能优于6种概念漂移数据流学习方法.

关键词：数据流分类主动学习概念漂移多类不平衡

人工智能时代教师数字素养与胜任力提升之道——2024世界数字教育大会教师数字素养与胜任力提升平行会议综述

在线全文

学校读者我要写书评

暂无评论

中国教育信息化 2024年第3期30卷 37-42页

作者：本刊编辑部《中国教育信息化》编辑部

教师数字素养与胜任力提升是人工智能时代对教师的新要求,已经成为教师专业发展的关键组成要素,正在快速融入全球的教育教学实践之中。在我国,提升教师数字素养和胜任力已经成为深化教育数字化转型,推动教育高质量发展的重要路径。在202... 详细信息

教师数字素养与胜任力提升是人工智能时代对教师的新要求,已经成为教师专业发展的关键组成要素,正在快速融入全球的教育教学实践之中。在我国,提升教师数字素养和胜任力已经成为深化教育数字化转型,推动教育高质量发展的重要路径。在2024世界数字教育大会“教师数字素养与胜任力提升”平行会议上,与会嘉宾围绕教育数字化转型中教师数字素养的助推作用、教师角色的重塑与遵循、教师数字素养与胜任力提升实践等主题进行了交流。会议形成主要观点为:教育数字化离不开教师的作用,教师需具备数字素养,具有人机互动、人机协同能力;人工智能重新定义学习、重塑教学模式、重新评估传统教育方法,必然对教师数字素养提出新要求;教师要从信息意识、计算思维、数字化学习与创新、信息社会责任等维度提升自身素养;教师不能忘记本职工作,要在传承创新中践行立德树人根本任务,不忘立德树人初心,牢记为党育人、为国育才使命,润育一代代立大志、明大德、成大才、担大任的时代新人。

关键词：世界数字教育大会教师数字素养胜任力信息意识人工智能

在线全文

学校读者我要写书评

暂无评论

基于注意力机制的两阶段融合多视图图聚类

清华大学学报（自然科学版） 2024年第1期64卷 1-12页

作者：赵兴旺侯哲栋姚凯旋梁吉业山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

多视图图聚类旨在挖掘多视图图数据中蕴含的簇结构,近年来得到了研究者的广泛研究。然而,现有大多数方法在不同视图信息的融合过程中同等对待各个视图,未能根据视图质量分配相应权重,而且处理具有属性和图的数据时面临一定困难。该文提... 详细信息

多视图图聚类旨在挖掘多视图图数据中蕴含的簇结构,近年来得到了研究者的广泛研究。然而,现有大多数方法在不同视图信息的融合过程中同等对待各个视图,未能根据视图质量分配相应权重,而且处理具有属性和图的数据时面临一定困难。该文提出了一种基于注意力机制的两阶段融合多视图图聚类算法。首先,应用图滤波器过滤高频噪声,各个视图获得更适用于下游聚类任务的节点平滑表示;其次,基于注意力机制融合各个视图特征滤波后的平滑表示,并为拓扑融合阶段提供初始化权重;然后,在拓扑融合阶段,将不同视图加权融合的Laplace矩阵与融合的特征表示输入编码器得到嵌入表示,并构造优化函数对权重和嵌入表示进行优化,可以为质量较好的视图分配较大权重,同时产生更加紧凑的嵌入表示;最后,通过对嵌入表示执行谱聚类得到最终的聚类结果。将该算法和已有的相关聚类算法在真实数据集上进行了实验分析。结果表明,相比已有算法,所提出的算法在处理多视图图数据方面更加有效。

关键词：多视图学习图聚类注意力机制图学习嵌入表示

基于遗传算法的划分序乘积空间问题求解层选择

在线全文

学校读者我要写书评

暂无评论

软件学报 2024年第4期35卷 1945-1963页

作者：徐怡邱紫恒安徽大学计算机科学与技术学院安徽合肥230601 计算智能与信号处理教育部重点实验室(安徽大学) 安徽合肥230601

划分序乘积空间作为一种新的粒计算模型,可以从多个视角和多个层次对问题进行描述和求解.其解空间是由多个问题求解层组成的格结构,其中每个问题求解层由多个单层次视角构成.如何在划分序乘积空间中选择问题求解层是一个NP难问题.为此,... 详细信息

划分序乘积空间作为一种新的粒计算模型,可以从多个视角和多个层次对问题进行描述和求解.其解空间是由多个问题求解层组成的格结构,其中每个问题求解层由多个单层次视角构成.如何在划分序乘积空间中选择问题求解层是一个NP难问题.为此,提出一种两阶段自适应遗传算法TSAGA(two stage adaptive genetic algorithm)来寻找问题求解层.首先,采用实数编码对问题求解层进行编码,然后根据问题求解层的分类精度和粒度定义适应度函数.算法第1阶段基于经典遗传算法,预选出一些优秀问题求解层作为第2阶段初始种群的一部分,从而优化解空间.算法第2阶段,提出随当前种群进化迭代次数动态变化的自适应选择算子、自适应交叉算子以及自适应大变异算子,从而在优化的解空间中进一步选择问题求解层.实验结果证明了所提方法的有效性.

关键词：粒计算划分序乘积空间遗传算法问题求解层

在线全文

学校读者我要写书评

暂无评论

面向算力网络的智慧调度综述

自动化学报 2024年第6期50卷 1086-1103页

作者：李逸博李小平王爽蒋嶷川东南大学计算机科学与工程学院南京211189 东南大学计算机网络和信息集成教育部重点实验室南京211189 广东工业大学计算机学院广州510006

分布异构计算资源通过网络连接形成算力网络(Computing power network,CPN),其以“连”和“算”为核心.针对广分布异构性导致可行解空间巨大、强不确定性导致可行解空间易变、高约束复杂性导致可行解孤岛繁多、多目标性导致冲突目标权... 详细信息

分布异构计算资源通过网络连接形成算力网络(Computing power network,CPN),其以“连”和“算”为核心.针对广分布异构性导致可行解空间巨大、强不确定性导致可行解空间易变、高约束复杂性导致可行解孤岛繁多、多目标性导致冲突目标权衡优化难等挑战,提出一个多层次算力网络体系框架,包括参数化结构化业务管理、三阶段(计划、调度、执行)闭环调度模式、多模态资源管理三个功能.提出支持快速、高效、鲁棒的“算法+知识+数据+算力”的算力网络智慧调度框架,形式化分析可行解空间,解析调度策略关键参数,定性分析调度算法性能与效率的内在关系,详细综述调度算法类型,综述算力网络调度研究进展与发展方向.对比已有相关综述研究,展望算力网络调度未来理论和技术的难点与趋势.

关键词：算力网络云计算边缘计算资源调度知识

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于自适应深度集成网络的概念漂移收敛方法

计算机研究与发展 2024年第1期61卷 172-183页

作者：郭虎升孙妮王嘉豪王文剑山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

概念漂移是流数据挖掘领域中的一个重要且具有挑战性的难题.然而,目前的方法大多仅能够处理线性或简单的非线性映射,深度神经网络虽然有较强的非线性拟合能力,但在流数据挖掘任务中,每次只能在新得到的1个或一批样本上进行训练,学习模... 详细信息

概念漂移是流数据挖掘领域中的一个重要且具有挑战性的难题.然而,目前的方法大多仅能够处理线性或简单的非线性映射,深度神经网络虽然有较强的非线性拟合能力,但在流数据挖掘任务中,每次只能在新得到的1个或一批样本上进行训练,学习模型难以实时调整以适应动态变化的数据流.为解决上述问题,将梯度提升算法的纠错思想引入含概念漂移的流数据挖掘任务之中,提出了一种基于自适应深度集成网络的概念漂移收敛方法(concept drift convergence method based on adaptive deep ensemble networks,CD_ADEN).该模型集成多个浅层神经网络作为基学习器,后序基学习器在前序基学习器输出的基础上不断纠错,具有较高的实时泛化性能.此外,由于浅层神经网络有较快的收敛速度,因此所提出的模型能够较快地从概念漂移造成的精度下降中恢复.多个数据集上的实验结果表明,所提出的CD_ADEN方法平均实时精度有明显提高,相较于对比方法,平均实时精度有1%~5%的提升,且平均序值在7种典型的对比算法中排名第一.说明所提出的方法能够对前序输出进行纠错,且学习模型能够快速地从概念漂移造成的精度下降中恢复,提升了在线学习模型的实时泛化性能.

关键词：流数据概念漂移梯度提升深度学习快速适应

基于点云稀疏空间特征聚合激励的单阶段3D目标检测模型

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年第5期36卷 721-733页

作者：鲁斌孙洋杨振宇华北电力大学控制与计算机工程学院保定071000 复杂能源系统智能计算教育部工程研究中心保定071000

针对目前基于点云的3D目标检测中单阶段体素法存在感受野固定、特征尺度单一,导致模型对点云特征学习不够充分、模型检测效果存在瓶颈等问题,提出了一种可端对端训练的基于体素的单阶段3D目标检测模型.首先,利用多尺度稀疏空间特征聚合... 详细信息

针对目前基于点云的3D目标检测中单阶段体素法存在感受野固定、特征尺度单一,导致模型对点云特征学习不够充分、模型检测效果存在瓶颈等问题,提出了一种可端对端训练的基于体素的单阶段3D目标检测模型.首先,利用多尺度稀疏空间特征聚合模块,聚合点云在不同稀疏空间尺度上的特征,使特征充分保留点云的空间信息;然后,对特征进行分层激励,通过多尺度感受野对特征进行分层学习,强化特征的表达能力,降低噪声信息对检测结果的影响;最后,将特征输入检测头进行候选框的分类和回归.在公开的自动驾驶数据集KITTI上与主流单阶段3D目标检测模型进行了对比实验,包含对3类目标共9个的难度等级目标的检测.所提模型在其中5个等级中的平均准确率有明显提升,尤其对点云稀疏的目标,表现出较好的检测效果.实验结果表明,所提模型能够充分提取点云空间信息并有效地学习点云多尺度特征.

关键词： 3D目标检测激光雷达点云多尺度稀疏空间特征聚合分层激励

耕耘边疆科技期刊,助推一流学科建设:新疆大学百年校庆暨《新疆大学学报(自然科学版中英文)》创刊50周年特稿

在线全文

学校读者我要写书评

暂无评论

新疆大学学报（自然科学版中英文） 2024年第5期41卷 513-518页

作者：赵新科新疆大学学报编辑部新疆乌鲁木齐830046

《新疆大学学报(自然科学版中英文)》(以下简称《学报》)作为新疆大学主管主办的综合性科学技术类学术期刊,自1975年出版创刊号以来,始终坚守办刊初心,在服务学校学科发展过程中,国家级重点学科应用数学、自治区“十四五”优势学科生物... 详细信息

《新疆大学学报(自然科学版中英文)》(以下简称《学报》)作为新疆大学主管主办的综合性科学技术类学术期刊,自1975年出版创刊号以来,始终坚守办刊初心,在服务学校学科发展过程中,国家级重点学科应用数学、自治区“十四五”优势学科生物学、两个一流学科化学和计算机科学与技术在《学报》刊文量占前四,这四个学科占《学报》刊文量的60.6%,彰显了学校学科特色.创刊50年来,《学报》由半年刊、季刊发展为双月刊,语种由中文到中英双语,其发展历程记载了新疆大学学科和科研事业的发展进程、学术新人的成长轨迹.《学报》将继续秉承办刊宗旨,展现学科特色,助推学校“双一流”建设.

关键词：新疆大学《新疆大学学报(自然科学版中英文)》学科特色人才培养