检索结果-内蒙古大学图书馆

作者：杨艳屏华中科技大学

学位级别：博士

医疗机构每天都会有海量的未标记的样本数据产生,医学诊断如果只使用那些有标记的样本,训练出的辅助诊断系统往往很难具有较强的泛化能力,同时造成大量未标记样本的浪费。为此,研究将主动学习算法应用于医学辅助诊断中,希望选择最有利... 详细信息

医疗机构每天都会有海量的未标记的样本数据产生,医学诊断如果只使用那些有标记的样本,训练出的辅助诊断系统往往很难具有较强的泛化能力,同时造成大量未标记样本的浪费。为此,研究将主动学习算法应用于医学辅助诊断中,希望选择最有利于提高诊断性能的未标记样本或属性进行类别标记或属性填充,从而从整体上减少所要标记的样本数量。在实际应用中,当前的主动学习算法还存在如下不足和值得改进的地方:(1)目前的主动学习算法要么基于最近边界的方法来选取不确定性样本,要么基于最远边界的方法来选取确定性样本,或者二者结合。因没有考虑样本数据集的结构分布,所以容易陷入局部最优;(2)针对属性缺失的主动特征学习以单一的误分类代价最低为目标,不符合现实中存在的多种代价的实际情况(如查询代价);(3)主动学习算法在不平衡数据问题方面研究仅仅采用选择决策边界附近的相同数量的少数类和多数类样本,这样分类器所能分析的样本数量就会更少。为了避免陷入局部最优,研究了基于层次化聚类的探索数据集结构分布的策略,并采用兼顾探索和发掘的平衡策略,给出了一种对数据样本决策边界自动定位的新方法。考虑到现实生活中存在的多代价情况,针对属性缺失数据的主动特征学习,给出了一种兼顾误分类代价和查询代价的学习方法。该学习方法以适合增量采样的基于最大期望改变的预测误差算法为基础,引入了特征不确定性度量,以追求训练所得的分类器分类精度和综合代价均为最优。另外,为了避免引入过多的无用的新特征,使用适合处理属性缺失值的属性相关性度量方法进行属性选择。在处理类间不平衡问题时,概念复杂度、训练样本规模会影响分类器的准确率。因此,采用随机子空间算法来降低概念复杂度,利用主动学习采样和添加人工数据样本来提高训练样本集的规模,并通过对少数类的误分类赋予较高的权值来引导算法对少数类的关注。采用主动学习算法针对心血管疾病进行致病因素分析和诊断,并用湖北省疾病控制预防中心的真实的高血压疾病数据进行了实验。同时也针对公共数据集UCI中的医学数据进行了分析和诊断。实验结果表明,基于层次化聚类的主动学习算法具有快速、准确确定样本决策边界位置的能力,考虑综合代价的主动特征学习算法不仅能发掘相关属性的能力,也使得分类器具有更高的分类精度。面向医学领域的非均衡数据样本时,仍能得到较高的预测精度。

关键词：计算机辅助医疗诊断主动学习算法层次化聚类特征采样不平衡数据集

来源：评论

学校读者我要写书评

暂无评论

主动学习算法在板厚控制系统中的应用研究

主动学习算法在板厚控制系统中的应用研究

引用

作者：李冬梅华北理工大学

学位级别：硕士

主动学习算法是用来减少机器学习算法标记数据需求量的有效方法,它采用未标记样例辅助已标记样例的形式对分类器进行训练,以此构建高精度分类器。将主动学习应用到板厚控制系统中是机器学习及智能控制领域研究的重要课题。针对板厚控制... 详细信息

主动学习算法是用来减少机器学习算法标记数据需求量的有效方法,它采用未标记样例辅助已标记样例的形式对分类器进行训练,以此构建高精度分类器。将主动学习应用到板厚控制系统中是机器学习及智能控制领域研究的重要课题。针对板厚控制系统自适应能力较弱,智能化程度较低等问题,从模拟生物自学习的角度建立了板厚控制系统基于主动学习的发育模型。基于该发育模型,板厚控制系统能够根据系统反馈值做出控制参数的自适应调整,并不断积累调整经验以此提高系统智能化程度。首先,针对目前BP神经网络控制算法中训练样本采集耗时长的问题,提出了一种基于主动学习的BP神经网络控制算法。仿真实验结果显示,通过采用主动学习算法有效减少了网络训练时间。其次,针对主动学习算法中传统采样策略易采集重复样例的问题,提出了一种改进型采样策路,实现网络训练样本的采集,并使用快速下降算法用于网络自学习过程,提出一种改进型多层感知器神经网络控制算法。最后,针对网络最终性能因自身结构固定不变而受影响的问题,提出一种动态神经网络。根据全局敏感度分析法调整动态网络结构,通过该动态网络在线调节PID控制器的参数,以此构建主动学习发育模型,从而建立控制带钢厚度的智能系统。主动学习算法的应用使板厚控制系统的智能化程度与自适应能力得以提高,最后的仿真实验验证了该研究的有效性。由于时间和条件的限制,研究尚有多方面等待改进和深入讨论。

关键词：主动学习算法全局敏感度分析法动态神经网络板厚控制

来源：评论

学校读者我要写书评

暂无评论

一类结合神经算子网络与贝叶斯神经网络的主动学习算法:从微观数据学习集群行为的宏观模型

引用

计算物理 2024年第6期41卷 783-796页

作者：高正雅毛志平厦门大学数学科学学院福建厦门361005 宁波东方理工大学(暂名)数学科学学院浙江宁波315200

随着人工智能和科学计算的发展,深度学习在数学建模中发挥着越来越重要的作用。本文发展了一类结合微观数据的主动学习算法对集群行为建立的宏观模型。具体来说,针对Cucker-Smale模型,结合微观粒子数据与部分机理,发展了一类结合神经算... 详细信息

随着人工智能和科学计算的发展,深度学习在数学建模中发挥着越来越重要的作用。本文发展了一类结合微观数据的主动学习算法对集群行为建立的宏观模型。具体来说,针对Cucker-Smale模型,结合微观粒子数据与部分机理,发展了一类结合神经算子网络与贝叶斯神经网络的主动学习算法。该算法可通过群体行为的微观数据高效地建立对应的宏观Euler模型。最后通过一维和二维数值模拟验证了主动学习算法的有效性。

关键词：数学建模非局部欧拉方程贝叶斯神经网络主动学习算法 Cucker-Smale模型

来源：评论

学校读者我要写书评

暂无评论

基于SVM主动学习算法的网络钓鱼检测系统

引用

计算机工程 2011年第19期37卷 126-128页

作者：何高辉邹福泰谭大礼王明政上海交通大学信息安全工程学院上海200240

针对钓鱼式网络攻击,从URL入手,对网址URL和Web页面内容综合特征进行识别、分类,实现网络钓鱼检测并保证检测的效率和精度。用支持向量机主动学习算法和适合小样本集的分类模型提高分类性能。实验结果证明,网络钓鱼检测系统能达到较高... 详细信息

针对钓鱼式网络攻击,从URL入手,对网址URL和Web页面内容综合特征进行识别、分类,实现网络钓鱼检测并保证检测的效率和精度。用支持向量机主动学习算法和适合小样本集的分类模型提高分类性能。实验结果证明,网络钓鱼检测系统能达到较高的检测精度。

关键词：网络钓鱼支持向量机主动学习算法分类器敏感特征

来源：评论

学校读者我要写书评

暂无评论

主动学习算法在量子物理中的应用

新兴科学和技术趋势

引用

新兴科学和技术趋势 2023年第1期 0041-0048页

作者：姚娟南方科技大学量子科学与工程研究院广东深圳518055 国际量子研究院广东深圳518048 广东省量子科学与工程重点实验室南方科技大学广东深圳518055

主动学习方法作为一种能够自主选择数据样本的机器学习算法,在处理量子物理问题中有着诸多应用。通过“Query by committee(QBC)”的主动学习策略对训练数据进行动态扩充,从而在样本数据较少的情况下,可以有效提高训练模型的表现性能... 详细信息

主动学习方法作为一种能够自主选择数据样本的机器学习算法,在处理量子物理问题中有着诸多应用。通过“Query by committee(QBC)”的主动学习策略对训练数据进行动态扩充,从而在样本数据较少的情况下,可以有效提高训练模型的表现性能。针对量子物理中数据获取困难的特征,使用主动学习算法优化数据组成结构,为模型的训练提供有效信息,提高模型训练表现性能。通过介绍在多维函数拟合以及优化两类量子物理问题中应用实例,体现主动学习算法在处理此类量子物理问题的可行性和优越性。

关键词：主动学习算法量子物理拟合优化

来源：评论

学校读者我要写书评

暂无评论

基于特征选择的主动学习算法及其在高光谱遥感图像分类中的应用

基于特征选择的主动学习算法及其在高光谱遥感图像分类中的应用

引用

作者：姜爱晓中国地质大学（武汉）

学位级别：硕士

随着信息技术的发展和人们对于信息以及数字化的认识逐渐增强，现今社会随处可见并可用的便是数据。加之近年来数据从获取存储到数据管理的成本急剧降低，我们开始更多的思考怎样在大规模的数据中寻求曾经难以解决问题的答案。虽然大多... 详细信息

随着信息技术的发展和人们对于信息以及数字化的认识逐渐增强，现今社会随处可见并可用的便是数据。加之近年来数据从获取存储到数据管理的成本急剧降低，我们开始更多的思考怎样在大规模的数据中寻求曾经难以解决问题的答案。虽然大多数的数据我们可以通过自动化方式获得并处理，但是在实际生产应用中许多数据仍需人工获取或标注。例如文本分类、语音识别、图像分类的监督学习问题中这种需要人工获取或者获得成本很高的数据是普遍存在的。为了解决类标记获取代价高的问题本文研究了主动学习算法用于减少所需训练样本数。\n 另外，随着数据测量精度的提高以及多源数据融合的广泛应用数据特征维度急剧增加，维度灾难频频发生。面临频发的维度灾难问题我们主要研究了特征选择方法用于数据降维。研究成果显示随着特征数的增加各种分类器达到一定精度所需的训练样例数也急剧增加。相对而言当样本数有限时，随着特征数的增加分类器的精度出现先上升后下降的趋势，这种现象被称为Hughes现象。在实验研究分析中也发现大规模数据中对主动学习和特征选择的应用需求在许多情况下是并存的，并且二者在以分类为目标的应用中是相互关联并相互影响的。因此，不同的主动学习与特征选择的结合方式也会对分类算法的整体性能造成影响。\n 针对现有研究成果中的不足本文主要针对主动学习和特征选择的结合算法进行研究。本文的主要研究内容及结论包括以下几个方面:\n 一、本研究在Hughes现象的基础上分析了前序特征选择的主动学习、后序特征选择的主动学习和嵌入式特征选择的主动学习三种结合方式，研究发现前序特征选择方案是不可行的另外两种方案各具特色。\n 二、针对后续特征选择的主动学习和嵌入式特征选择的主动学习两种结合方案，本研究基于SVM分类器在BvSB(Best versus Second Best)主动学习方法和变型SVM-RFE(MRMR)特征选择算法分别设计实现了具体的算法，文中分别用POST-AL和EMBEDDED-AL表示。\n 三、本研究在UCI数据集上进行了实验研究，通过对比后序特征选择的主动学习算法(POST-AL)、嵌入式特征选择的主动学习算法(EMBEDDED-AL)、原始主动学习算法(AL:BvSB)、嵌入式特征选择的随机采样(EMBEDDED-Random)、随机采样(Random)、和原始分类算法(SMO)在分类精度、训练样本数和所选特征数三个方面的性能得出以下结论。(1)分类精度方面:主动学习算法能有效提高分类精度，嵌入式特征选择对主动学习算法分类精度影响不大，后续特征选择算法会降低主动学习分类精度。(2)减少采样个数方面:主动学习算法能有效降低训练样本数，特征选择对训练样本数方面影响不大。(3)减少选择特征个数方面:基于特征选择的主动学习算法明显优于基于特征选择的随机采样算法，说明在特征数方面主动学习对于特征选择是有明显促进作用。(4)综合考虑，只有嵌入式特征选择的主动学习算法在三个评价指标上总与最优算法性能相当。后续特征选择的主动学习算法在训练样本数和特征数方面与最优算法性能相当，然而在分类精度方面明显劣于最优算法。\n 四、作为算法应用的探索本文在高光谱遥感图像分类中应用本文设计实现的算法进行了实验研究。首先分析了高光谱遥感图像的样本获取困难和特征维度高的特点，说明在高光谱遥感图像分类中应用主动学习和特征选择的必要性，然后在多光谱遥感图像ModDimension和高光谱遥感图像DC-mall和Indain Pain上进行了实验。实验结果显示(1)分类精度方面:无论在多光谱图像上还是高光谱图像上主动学习算法能有效提高分类精度，嵌入式特征选择对分类精度影响不大。另外，在多光谱图像上后续特征选择算法会明显降低主动学习分类精度，而在高光谱图像上后续特征选择对主动学习分类精度影响不大。(2)减少训练样本数方面:嵌入特征选择的主动学习算法在三幅图像上均表现最优，说明对于类似的多光谱或高光谱图像特征选择对主动学习过程有促进作用。(3)减少特征数方面:后续特征选择比嵌入式特征选择在主动学习中效果略微明显一些。(4)从主动学习整个过程上看，多光谱图像中嵌入式特征选择的主动学习分类精度稳定性较差，高光谱图像中这一特性表现的不明显。另外在两幅高光谱图像中嵌入式特征选择的主动学习算法的特征数随着训练样本数的增加成波动上升趋势，而在多光谱图像中则成无规律随机波动。

关键词：特征选择主动学习算法支持向量机高光谱遥感图像分类算法

来源：评论

学校读者我要写书评

暂无评论

面向噪声数据的组合分类及主动学习算法研究

面向噪声数据的组合分类及主动学习算法研究

引用

作者：梁睿辉中山大学

学位级别：硕士

在数据挖掘的实际应用当中，作为数据挖掘对象的源数据通常都是带有噪声的。人为的错误、测量设备的误差、数据收集过程的漏洞都是导致噪声的原因。传统的做法是在应用数据挖掘算法之前，对源数据进行去噪等数据预处理工作。但是这些工... 详细信息

在数据挖掘的实际应用当中，作为数据挖掘对象的源数据通常都是带有噪声的。人为的错误、测量设备的误差、数据收集过程的漏洞都是导致噪声的原因。传统的做法是在应用数据挖掘算法之前，对源数据进行去噪等数据预处理工作。但是这些工作繁琐、耗时且难以保证正确性，对数据挖掘的实际效率造成了不可忽视的影响。所以，通过改进数据挖掘算法以适应噪声数据，从而减轻或免去庞大的数据预处理工作，成为了当今数据挖掘界在理论研究方面的热点。\n 近些年来，在不确定性数据(噪声数据)处理的方向上已经出现了不少有意义的研究。大致上来说，数据的不确定性可以分为两大类：第一类是关注数据存在的不确定性；第二类是关注属性取值的不确定性。本文研究的是第二类不确定性数据，具体来说就是当前观测到的数据是由原始数据真值加上一个以概率密度分布表示的噪声所组成的，而且噪声的概率密度分布是已知的，但是原始数据真值的概率密度分布并不可知。针对这一类问题，本文总共提出了四个新算法：NoiseEnsemble、ActKnn、ActSVM、ActSVM_HD。NoiseEnsemble算法借鉴了组合分类算法的思想，目的在于分散噪声对分类器的影响，即每次在带噪声的训练集中随机抽样训练子分类器，最后通过投票决定测试数据的标签。ActKnn、ActSVM和ActSVM_HD算法都属于主动学习算法在噪声数据上的应用，只是各自在挑选用于主动学习的关键点时的方法有所不同：ActKnn算法用到了K近邻算法来识别带噪声训练集中的边界点并对其进行去噪还原；ActSVM算法则应用支持向量机原理找出带噪声训练集中的支持向量并进行去噪还原；而ActSVM_HD算法是对ActSVM算法的改进，就是只挑选距离分类超平面近的支持向量作去噪还原。\n 在实验方面，本文首先将NoiseEnsemble、ActKnn、ActSVM、ActSVM_HD这四个算法放在同一实验环境下进行对比，发现ActKnn、ActSVM、ActSVM_HD这三个应用了主动学习思想的算法获得了较好的分类精度，而ActSVM_HD)算法更是以较小的主动学习代价提高了可观的分类精度。然后本文对NoiseEnsemble算法进行了详细的实验分析以研究其算法特性，包括了对其组合规模、采样率、概率分布、在无噪声数据集上的表现等在不同参数设置下的观察分析。最后，本文还将ActKnn、ActSVM、ActSVM_HD这三个主动学习算法与随机主动学习算法的实验效果作比较，证明了ActKnn、ActSVM、ActSVM_HD算法所挑选出来进行主动学习的数据点都是有效的。

关键词：数据挖掘组合分类算法主动学习算法 K近邻算法支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于流形的主动学习算法

基于流形的主动学习算法

引用

作者：李成浙江大学

学位级别：硕士

大数据时代的来临为机器学习领域带来了巨大的机遇和挑战。一方面，大规模的数据为机器学习算法提供了丰富的训练样本;另一方面，如何更好地利用这些数据成为了一个重要的问题。在实际的机器学习应用中，我们需要利用更多带有标签的数... 详细信息

大数据时代的来临为机器学习领域带来了巨大的机遇和挑战。一方面，大规模的数据为机器学习算法提供了丰富的训练样本;另一方面，如何更好地利用这些数据成为了一个重要的问题。在实际的机器学习应用中，我们需要利用更多带有标签的数据对模型进行训练。然而面对当今快速增长的数据，我们却只能选择对其中一小部分数据进行标注。因此，为了取得最佳的学习效果，如何选择标注数据成为了一个非常关键的问题。在这个背景下，人们提出了许多主动学习的算法。然而，大多数方法都主要关注数据空间的欧氏结构，往往忽略了数据流形的局部几何结构。\n 因此，本文提出了一种新的主动学习算法。算法假设数据分布在一个嵌入于高维欧氏空间的低维流形上，利用两个数据点在最近邻图中的最短距离，来近似数据点在流形上的测地距离，并根据局部几何结构选取最具有代表性的数据点。该算法能够在保持良好效果的同时，降低训练所需要标注的样本数目。实验表明，算法在图像识别和文本分类等实际任务中都取得了良好的效果。

关键词：数据流形主动学习算法最近邻图图像识别文本分类

来源：评论

学校读者我要写书评

暂无评论

基于平衡度调整策略的Ba-AL主动学习算法

引用

牡丹江师范学院学报（自然科学版） 2022年第2期48卷 30-35页

作者：汪婵权悦姚洁张帝李振国李新恒安徽科技学院电气与电子工程学院安徽蚌埠233000

提出一种面向不平衡数据的主动学习算法Balance adjustment Active Learning(简称Ba-AL).每次迭代结束检查训练集样本平衡度,对不平衡训练集进行聚类并剔除冗余样本,保持训练集的平衡,从而提高分类效果.UCI数据集及真实的遥感影像数据... 详细信息

提出一种面向不平衡数据的主动学习算法Balance adjustment Active Learning(简称Ba-AL).每次迭代结束检查训练集样本平衡度,对不平衡训练集进行聚类并剔除冗余样本,保持训练集的平衡,从而提高分类效果.UCI数据集及真实的遥感影像数据集仿真结果表明,该方法可以获得较好的分类效果,达到目标正确率所需的最少训练样本数更少,算法效率更高,数据利用指标更优越.

关键词：主动学习算法平衡度分类精度数据利用

来源：评论

学校读者我要写书评

暂无评论

改进的主动学习算法及在高光谱分类中的应用

改进的主动学习算法及在高光谱分类中的应用

引用

2013年第四届中国计算机学会服务计算学术会议

作者：李宠谷琼蔡之华吴琼湖北文理学院数学与计算机科学学院湖北襄阳 441053 中国地质大学计算机学院湖北武汉 430074 湖北文理学院数学与计算机科学学院湖北襄阳 441053 中国地质大学计算机学院湖北武汉 430074

针对主动学习算法能主动从大量未标记样本中选择最能提高分类器性能的样本加入训练集,可从小的非最优训练集建立高性能的分类器这一特点,以及传统主动学习算法熵值装袋查询的多值偏置问题,提出了改进的均值熵值装袋查询算法,引入权值函... 详细信息

针对主动学习算法能主动从大量未标记样本中选择最能提高分类器性能的样本加入训练集,可从小的非最优训练集建立高性能的分类器这一特点,以及传统主动学习算法熵值装袋查询的多值偏置问题,提出了改进的均值熵值装袋查询算法,引入权值函数保证了取样的多样性.通过对高光谱遥感图像分类的实验表明:主动学习只需大约20％的样本即可达到使用全部数据集作为训练集的分类效果,而且均值熵值装袋查询方法具有较高的分类精度,同时拥有较快的收敛速度.

关键词：主动学习算法高光谱遥感图像类型划分均值熵值装袋查询方法

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：