检索结果-内蒙古大学图书馆

现代电子技术 2025年第4期48卷 79-82页

作者：仝利红孙士保河南科技大学河南洛阳471000

为提升数据的完整性,保证数据的效用程度,提出一种基于概率相似度的不完备数据填补方法。量化计算不完备数据的概率相似度矩阵,将计算结果和ROUSTIDA算法相结合进行不完备数据填补,获取完备数据集。在此基础上,构建决策规则,保证多属性... 详细信息

为提升数据的完整性,保证数据的效用程度,提出一种基于概率相似度的不完备数据填补方法。量化计算不完备数据的概率相似度矩阵,将计算结果和ROUSTIDA算法相结合进行不完备数据填补,获取完备数据集。在此基础上,构建决策规则,保证多属性缺失数据的填补性能,并且设定可辨识矩阵优化算法的不完备数据填补效果。测试结果显示,所提方法能够计算不同数据对象之间的相似度值,可有效完成数据填补,填补后数据的完备程度均在95%以上,填补数据的填补值误差均在0.17以下,填补效果良好。

关键词：概率相似度不完备数据数据填补 ROUSTIDA算法相似度矩阵可辨识矩阵决策规则

来源：评论

学校读者我要写书评

暂无评论

不完备数据下的聚酯熔体特性黏度预测方法

引用

上海交通大学学报 2024年第4期58卷 534-544页

作者：毕金茂张朋张洁赵春财崔利东华大学机械工程学院上海201620 东华大学人工智能研究院上海201620 新凤鸣集团湖州中石科技有限公司浙江湖州313000

特性黏度是衡量聚酯熔体质量的关键指标,对其进行精准预测有利于提前发现聚酯熔体潜在的质量问题,及时调整工艺参数,减少企业损失.考虑到聚酯熔体生产过程的数据不完备性、数据时序性以及高维冗余性,提出了不完备数据下聚酯熔体的特性... 详细信息

特性黏度是衡量聚酯熔体质量的关键指标,对其进行精准预测有利于提前发现聚酯熔体潜在的质量问题,及时调整工艺参数,减少企业损失.考虑到聚酯熔体生产过程的数据不完备性、数据时序性以及高维冗余性,提出了不完备数据下聚酯熔体的特性黏度预测方法.针对聚酯熔体极端生产环境造成的数据不完备问题,设计了以卷积神经网络判别器和注意力长短期记忆神经网络生成器为架构的缺失数据生成对抗网络(MDGAN),通过对抗生成机制实现了缺失数据的填充.针对聚酯熔体生产过程中高维冗余和时序双向因果特性,设计了基于极端梯度提升双向门控循环单元(XGBoost-BiGRU)的特性黏度预测模型,通过极端梯度提升算法进行特征筛选,获取预测模型输入变量,再利用双向门控循环单元捕捉数据的时序双向因果关系,实现特性黏度的精准预测.浙江某聚酯纤维生产企业的实际数据测试结果表明,MDGAN算法在不同缺失率数据集下的填充精度均优于KNN、RF、MICE、GAIN数据填充算法,XGBoost-BiGRU特性黏度预测方法较STL-GPR、CAGRU、BiGRU算法优势显著,结合MDGAN的特性黏度预测方法能有效解决数据不完备下的聚酯熔体特性黏度预测问题.

关键词：特性黏度预测不完备数据生成对抗网络循环神经网络

来源：评论

学校读者我要写书评

暂无评论

不完备数据的鲁棒多视角图学习及其聚类应用

引用

控制与决策 2022年第12期37卷 3251-3258页

作者：李骜陈嘉佳于晓洋陈德运张英涛孙广路哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨理工大学仪器科学与技术博士后流动站哈尔滨150080 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

现有多视角图学习方法主要建立在数据具有较好完备性的前提假设下,没有充分地考虑由于特征缺失引起的不完备数据的学习问题.针对此问题,提出一种不完备数据的多视角图学习方法.一方面,从局部视角内将数据重建和图学习放入同一框架,通过... 详细信息

现有多视角图学习方法主要建立在数据具有较好完备性的前提假设下,没有充分地考虑由于特征缺失引起的不完备数据的学习问题.针对此问题,提出一种不完备数据的多视角图学习方法.一方面,从局部视角内将数据重建和图学习放入同一框架,通过不完备数据补偿,实现从重建数据中学习视角专属的近邻关系,弥补特征缺失对数据分布的影响.另一方面,为了保持近邻图的二维结构,引入张量分析,从全局角度构造基于多视角的融合图学习约束,捕获缺失数据下视角间图结构的高阶潜在关联性.框架交替的优化数据重建、视角专属图学习和融合张量图结构学习,使其在迭代中相互促进,有效提高模型对不完备多视角数据的学习能力.将所提出的方法应用于两类不完备数据的多视角聚类实验,其结果表明所提出方法在多项性能指标和鲁棒性方面均优于当前主流的多视角聚类方法.

关键词：谱聚类多视角学习相似性图学习低秩表示张量分析不完备数据

来源：评论

学校读者我要写书评

暂无评论

不完备数据中面向特征值更新的增量特征选择方法

引用

智能系统学报 2021年第3期16卷 493-501页

作者：唐荣罗川曹潜王思朝四川大学计算机学院四川成都610065

实际应用中,数据常常表现出不完备性和动态性的特点。针对动态不完备数据中的特征选择问题,提出了一种基于相容粗糙集模型和信息熵理论的增量式特征选择方法。首先,建立了不完备信息系统中特征值动态更新时论域上条件划分与决策分类的... 详细信息

实际应用中,数据常常表现出不完备性和动态性的特点。针对动态不完备数据中的特征选择问题,提出了一种基于相容粗糙集模型和信息熵理论的增量式特征选择方法。首先,建立了不完备信息系统中特征值动态更新时论域上条件划分与决策分类的动态更新模式,分析了作为特征重要度评价准则的不完备相容信息熵的增量计算机制,并将该机制引入到启发式最优特征子集搜索过程中特征重要度的迭代计算,进一步设计了不完备数据中面向特征值动态更新的增量式特征选择算法。最后,在标准UCI数据集上从分类精度、决策性能和计算效率3个方面对文中所提出的增量算法的有效性和高效性进行了实验验证。

关键词：特征选择维度约简粗糙集信息熵不完备数据缺失值启发式搜索增量学习

来源：评论

学校读者我要写书评

暂无评论

从不完备数据中获取诊断规则的粗糙集方法

引用

电力系统自动化 2005年第14期29卷 49-54页

作者：黄文涛王伟杰赵学增代礼周哈尔滨工业大学机电工程学院黑龙江省哈尔滨市150001

在故障诊断中,从不完备数据中获取规则要比从完备数据中获取规则困难。利用给出的分辨矩阵基元的定义,提出了一种直接从不完备数据中获取最优广义诊断决策规则的粗糙集方法。该方法以极大相容块为单位构造了不完备故障决策表的分辨矩阵... 详细信息

在故障诊断中,从不完备数据中获取规则要比从完备数据中获取规则困难。利用给出的分辨矩阵基元的定义,提出了一种直接从不完备数据中获取最优广义诊断决策规则的粗糙集方法。该方法以极大相容块为单位构造了不完备故障决策表的分辨矩阵中的列元素,实现了不完备故障诊断决策表中面向对象的约简计算和最优广义故障诊断规则的获取。该方法不需要改变原始不完备故障诊断决策表的规模,且具有更高的约简计算效率。结合电力系统操作点的安全状态诊断实例给出了所提出的方法在工程实践中的应用步骤,并证明了该方法的有效性。

关键词：故障诊断不完备数据粗糙集规则获取

来源：评论

学校读者我要写书评

暂无评论

基于不完备数据聚类的缺失数据填补方法

引用

计算机学报 2012年第8期35卷 1726-1738页

作者：武森冯小东单志广北京科技大学东凌经济管理学院管理科学与工程系北京100083 国家信息中心信息化研究部北京100045

缺失数据的处理是数据挖掘领域进行数据预处理的一个重要问题.传统的缺失数据填补方法大部分是基于概率分布等一些统计假设,对于大数据集的数据挖掘不一定是最适合的方法.受不完备数据分析(ROUSTIDA)未采用传统的概率统计学方法启发,提... 详细信息

缺失数据的处理是数据挖掘领域进行数据预处理的一个重要问题.传统的缺失数据填补方法大部分是基于概率分布等一些统计假设,对于大数据集的数据挖掘不一定是最适合的方法.受不完备数据分析(ROUSTIDA)未采用传统的概率统计学方法启发,提出基于不完备数据聚类的缺失数据填补方法(MIBOI),针对分类变量不完备数据集定义约束容差集合差异度,直接计算不完备数据对象集合内所有对象的总体相异程度,以不完备数据聚类的结果为基础进行缺失数据的填补.采用UCI机器学习基准数据集进行实验表明,MIBOI对缺失数据的填补是有效可行的.

关键词：数据填补不完备数据聚类约束容差集合差异度

来源：评论

学校读者我要写书评

暂无评论

不完备数据下旋转机械设备故障诊断深度学习方法研究

不完备数据下旋转机械设备故障诊断深度学习方法研究

引用

作者：宋珊珊燕山大学

学位级别：博士

机械设备状态监测与故障诊断是机械设备高质量运行的重要保障,数据驱动方法能够使用智能模型自动建立数据和健康状态之间的映射关系,但是在设备实际运行中,噪声、数据采集和存储成本以及机械设备大部分时间是在非故障下运行等因素导致... 详细信息

机械设备状态监测与故障诊断是机械设备高质量运行的重要保障,数据驱动方法能够使用智能模型自动建立数据和健康状态之间的映射关系,但是在设备实际运行中,噪声、数据采集和存储成本以及机械设备大部分时间是在非故障下运行等因素导致传感器获得数据不完备,故障特征难以提取,故障诊断模型难以对故障进行有效识别。为提高旋转机械设备故障辨识的准确性,利用模型特性来提取不完备数据下的特征,为机械设备状态监测与运维提供策略。本文以旋转机械设备为研究对象,建立适用于不同不完备数据集情况的深度学习故障诊断模型,并探讨各模型的优势,提出相应的基于不完备数据的旋转机械深度学习故障诊断方法。针对含噪声故障样本的故障周期性特征被淹没,导致故障识别准确率低的问题,提出一种利用小波变换和注意力机制的改进双流残差网络。首先通过改善小波阈值函数,有效降低噪声对机械设备周期故障特征信号的影响,从而有效改善输入数据的质量;然后采用一维和二维卷积网络分别提取故障特征,并将特征进行融合来综合全局和局部信息的特征,充分提取数据的关键特征信息。最后通过仿真和实验验证了该方法可以有效减少噪声干扰并且比列出其他几种传统故障诊断方法准确率更高。针对故障诊断中深度学习模型在训练的样本数量很小情况下产生过拟合的问题,借助元学习提出一种基于小样本的机械设备故障诊断方法。通过综合考虑多源信息和元学习,使深度学习故障诊断模型具备了解决小样本问题的能力,从而提高诊断精度。引入注意力机制进一步提高了模型的特征选择能力,并对模型进行了框架化处理,形成基于多源信息元学习的深度学习诊断模型。通过对Paderborn多源信息故障诊断平台和圣朗格瓦尔工程技术学院圆柱滚子轴承多源信息故障诊断实验平台数据集进行实验,实现了对两种机械设备轴承的小样本条件下的故障诊断,证明结合元学习、多源信息和注意力机制的方法在故障诊断方面优于文中对比的深度学习方法。针对不平衡样本下深度学习模型难以提取少数类特征的问题,考虑图神经网络对特征提取增强的优点,建立多源信息融合的图卷积网络,采用混合融合方法整合更全面的信息,以提高诊断性能。同时,引入图转换方法,将欧式数据转换为非欧式数据,以更好地结合特征和结构之间的相关性,并重新设计双流分类器,提高不平衡样本下机械设备故障诊断性能。通过实验验证,该方法可以在不平衡样本下实现旋转机械设备的故障诊断,并且在诊断效果上明显优于所对比的传统深度学习诊断模型。最后针对不同工况下数据分布不同的问题,提出一种基于属性和特征转移的双分类器跨域故障诊断方法。提出基于卷积神经网络和图卷积网络的特征编码器来同时从输入数据中提取特征和关系,使用特征转移模块实现跨域,并利用特定领域注意力模块及其相应的损失函数实现属性转移,最终在有限和不均衡数据条件下设计了双分类器和有效的跨域故障诊断。通过双分类器和伪标签学习,在统一的深度网络中迁移特征和属性,实现跨领域故障诊断,实验结果证明了该方法的有效性和优越性。

关键词：旋转机械故障诊断不完备数据多源信息元学习图神经网络

来源：评论

学校读者我要写书评

暂无评论

不完备数据重建算法及CL系统研究

不完备数据重建算法及CL系统研究

引用

作者：阙介民中国科学院研究生院

学位级别：博士

工业CT一般得到的是不完备投影数据，其数量和结构往往无法达到解析成像技术的要求，对于工业中大量应用的板状构件常规CT无法进行检测，本论文提出CL(Computed Laminography)扫描方式，在倾斜扫描条件下获取构件厚度方向上材质信息，... 详细信息

工业CT一般得到的是不完备投影数据，其数量和结构往往无法达到解析成像技术的要求，对于工业中大量应用的板状构件常规CT无法进行检测，本论文提出CL(Computed Laminography)扫描方式，在倾斜扫描条件下获取构件厚度方向上材质信息，然后利用此投影数据来重建构件断层图像，并针对不完备数据算法及其在板状结构检测中的应用进行了研究，主要研究内容如下：\n 1.针对不完备数据重建问题，研究了二维迭代重建算法并进行了优化。关于重建精度问题，由于线性方程组的系数对方程组的解有重要影响，因此其系数必须能客观地反映像素对射线投影值的影响，论文研究了五种典型的迭代算法，选取细分长度加权并且利用预存硬盘的方法提高了重建精度和速度；针对不完备投影数据的两种情况稀疏投影数据和有限角投影数据进行分析，指出不同迭代算法的适用情况及参数优化过程；通过旋转对称性以及投影系列的访问方式两个方面提高了重建速度。\n 2.将二维迭代算法扩展到三维，并应用于CL扫描系统。对三维CL系统扫描过程进行计算机模拟，首先通过数据模拟，利用滤波反投影算法证明随着倾斜角度的增大，混叠现象越严重；通过推导CL系统下射线驱动方式投影的ART重建公式，比较了射线驱动方式与体素驱动方式重建的优缺点并分析了两种驱动方式的角度对称性；最后针对加权函数进行了研究，实现了四种加权函数并应用于ART算法中，分析比较了四种加权函数的优缺点。对矩形加权函数方法提出了通过细分体素或探测器单元的方法提高重建精度，提出了两种简单的加权函数方法，理论上证实了两种加权函数是可行的。\n 3.在现有CL系统成像实验平台上进行了关键几何参数调试，分析了主要几何参数对重建精度的影响，提出了多质点最小二乘法椭圆拟合方法用于调整系统探测器扭转角，并进行了电路板等典型板状构件实验，实验结果表明该方法简便可行，并可提高CL系统图像重建精度。

关键词：代数重建技术不完备数据加权函数板状结构检测二维迭代算法 CL扫描系统断层图像

来源：评论

学校读者我要写书评

暂无评论

不完备数据的动态知识获取方法研究

不完备数据的动态知识获取方法研究

引用

作者：罗川西南交通大学

学位级别：博士

随着新兴信息技术和应用模式的快速产生与发展,现代信息社会已经迈入大数据时代。如何从蕴含大信息的大数据中进行高效实时的数据挖掘与知识发现,已成为当前信息科学领域的核心研究问题之一。大数据环境中,数据常常表现为非真实性,不完... 详细信息

随着新兴信息技术和应用模式的快速产生与发展,现代信息社会已经迈入大数据时代。如何从蕴含大信息的大数据中进行高效实时的数据挖掘与知识发现,已成为当前信息科学领域的核心研究问题之一。大数据环境中,数据常常表现为非真实性,不完备性的特点,虚假数据、缺失数据的存在给数据分析与建模质量带来了不确定的风险。另一方面,大数据的采集与分析是一个不断优化升级的动态过程,数据随时间的推移呈现出快速增长的变化趋势,数据的激增使得大数据环境中信息处理的时效性要求越来越高。粒计算是计算智能领域中一种新的用于处理不确定、不精确、不完整信息的计算范式。通过复杂问题空间中合适粒度的选择以及不同粒层之间的相互转化,粒计算为大规模海量数据挖掘提供了一种基于信息粒化的,由粗到细、不断求精的近似解决方案。粗糙集理论通过利用信息的已知概念对未知目标概念进行近似刻画,是不确定性问题近似计算的一种重要粒计算模型。本文以粒计算思想为指导,以粗糙集理论为研究工具,以增量学习技术为手段,针对动态不完备数据中的高效知识获取方法进行了系统性的研究,主要取得了以下研究成果：(1)针对同时含有遗漏型和缺席型缺失值的不完备信息系统,提出了面向数据对象变化的动态概率粗糙集模型。首先分析了数据对象的动态插入和删除,知识粒度和目标决策概念的不同更新模式。然后探讨了概率粗糙集模型中条件概率的增量估计策略。利用条件概率的快速增量求解,提出了基于增量数据的概率粗糙近似集动态更新原理,进而分别设计不完备信息系统中数据对象动态插入、删除时,概率粗糙近似集的增量更新算法。(2)针对数据对象动态变化的集值决策系统,研究了基于优势关系粗糙集模型的近似集增量更新问题。根据决策系统中新增或待删数据对象的所有可能更新情况,针对决策分类中不同目标决策类,分别探讨了决策类向上联集、向下联集的近似集动态变化原理,并在此基础上提出了集值决策系统中基于优势关系粗糙集模型的近似集增量更新算法。(3)构造了基于集值信息系统的优势关系矩阵,用于表示对象属性值之间的优劣关系。借助于信息系统中数据对象集合的布尔列矩阵表示思想,并运用矩阵之间的乘积运算,提出了集值信息系统中基于粗糙集理论的上、下近似集矩阵构造方法。考虑到信息系统中属性特征的动态变化问题,首先分析了优势关系矩阵中元素随属性特征变化的快速更新原理,进而实现近似集矩阵求解问题中乘积矩阵、诱导矩阵的增量更新机制。最后提出了集值信息系统中属性特征动态变化时基于矩阵运算的近似集增量更新算法,该算法仅通过对优势关系矩阵中局部元素的更新即可实现近似集的快速求解。(4)考虑到集值决策系统中决策对象的数据取值会随着决策评价标准、判断指标的不断更改与完善而呈现出动态变化的问题,建立了面向数据取值变化的动态粗糙集模型。根据数据取值的动态添加和删除,首先分析了集值决策系统中数据对象之间优、劣关系的动态更新原理,基于此给出了优势信息粒和劣势信息粒的增量更新策略。最后,分别提出了集值决策系统中数据取值动态添加、删除时基于粗糙集理论的决策类近似集增量更新算法。本文基于粒计算思想,利用增量学习技术,系统分析了动态不完备数据中基于粗糙集理论的高效知识获取方法,给出的若干增量更新原理为动态数据处理与分析提供了新的研究方法和理论支撑,在UCI公共数据集和人工数据集上的相关仿真实验也进一步验证了所提出的增量算法的有效性和高效性。因此,本文研究工作拓展了粒计算与粗糙集理论及应用的研究范畴,丰富了动态数据挖掘方法的研究手段,为大数据环境中的知识发现问题提供了新的处理技巧和研究视角。

关键词：知识发现粒计算粗糙集增量学习不完备数据

来源：评论

学校读者我要写书评

暂无评论

多标记不完备数据的特征选择算法

引用

计算机科学与探索 2019年第10期13卷 1768-1780页

作者：钱文彬黄琴王映龙杨珺江西农业大学计算机与信息工程学院南昌330045 江西农业大学软件学院南昌330045

多标记数据的特征选择是机器学习和数据挖掘领域的重要研究内容,当前对于多标记数据的特征选择研究大多是针对完备性数据,但在许多应用领域中,连续型数值数据较多,且由于诊测成本和隐私保护等因素导致数据往往呈现出不完备性。为解决上... 详细信息

多标记数据的特征选择是机器学习和数据挖掘领域的重要研究内容,当前对于多标记数据的特征选择研究大多是针对完备性数据,但在许多应用领域中,连续型数值数据较多,且由于诊测成本和隐私保护等因素导致数据往往呈现出不完备性。为解决上述问题,提出了一种面向多标记不完备数据的特征选择算法。该算法将邻域粗糙集模型应用于多标记不完备数据的特征选择,根据邻域阈值求解多标记不完备数据的邻域粒度,并基于邻域粒度给出了度量多标记不完备数据的特征重要性准则,以此设计了面向多标记不完备数据的特征选择算法。最后,通过在Mulan数据集上的实验结果验证了算法的有效性和可行性。

关键词：不完备数据粗糙集特征选择属性约简

来源：评论

学校读者我要写书评

暂无评论

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

请选择保存的检索档案：

请选择收藏分类：

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

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

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：