检索结果-内蒙古大学图书馆

实验室研究与探索 2024年第11期43卷 46-51,81页

作者：张鑫周伟徐志宇同济大学电子与信息工程学院上海201804

为了实现配电网故障线路辨识,以真实录波数据为驱动,从大数据分析角度提出一种配电网单相接地故障定位方法。首先,利用故障波形关联维数、零序电流时频故障测度值等构建多维故障特征向量,反映各种单相接地故障工况;其次,设计一种基于代... 详细信息

为了实现配电网故障线路辨识,以真实录波数据为驱动,从大数据分析角度提出一种配电网单相接地故障定位方法。首先,利用故障波形关联维数、零序电流时频故障测度值等构建多维故障特征向量,反映各种单相接地故障工况;其次,设计一种基于代价敏感学习的接地故障分类器,解决非均衡数据集分类问题,并依托真实波形数据对算法中代价因子的选择进行优化;最后,形成一种基于代价敏感学习AdaCost算法的配电网单相接地故障定位方法。模拟电网实验结果表明,该方法能够有效提高故障线路识别准确率,而且不受故障类型、故障样本比例、中性点接地方式的影响,为配电网接地故障定位提供了一种解决方案。

关键词：配电网单相接地故障代价敏感学习非均衡数据集故障定位

来源：评论

学校读者我要写书评

暂无评论

基于代价敏感学习的上市公司财务困境动态预测模型研究

引用

系统工程 2024年

作者：李大元颜卓惠曾阳艳中南大学商学院湖南工商大学前沿交叉学院

为了保障企业的财务健康，准确且有效的财务困境预测模型至关重要。然而，类别不平衡和概念漂移是财务困境预测领域需要解决的两个关键问题。为此，本文基于代价敏感学习和带时间加权的Adaboost方法提出了一种兼顾类别不平衡和概念漂移... 详细信息

为了保障企业的财务健康，准确且有效的财务困境预测模型至关重要。然而，类别不平衡和概念漂移是财务困境预测领域需要解决的两个关键问题。为此，本文基于代价敏感学习和带时间加权的Adaboost方法提出了一种兼顾类别不平衡和概念漂移的动态财务困境预测方法，并在2005年至2022年间中国上市公司的动态不平衡数据集上进行了实证分析。结果表明，该方法在动态不平衡数据集上的预测性能优于改进前的模型，能够同时处理财务困境预测领域的概念漂移问题和数据分布不平衡问题。

关键词：动态财务困境预警不平衡数据概念漂移代价敏感学习 AdaBoost算法

来源：评论

学校读者我要写书评

暂无评论

基于代价敏感学习的企业财务危机预警模型研究

基于代价敏感学习的企业财务危机预警模型研究

引用

作者：王洪宝哈尔滨工业大学

学位级别：博士

企业无时无刻不受其内部条件和外部环境变化的影响,并使其处于风险之中。从2007年以来,美国次贷危机触发了全球性金融危机,企业破产与失败在世界范围内正呈结构性增加的态势。作为能够预测公司财务危机并为公司投资人、管理者和债务人... 详细信息

企业无时无刻不受其内部条件和外部环境变化的影响,并使其处于风险之中。从2007年以来,美国次贷危机触发了全球性金融危机,企业破产与失败在世界范围内正呈结构性增加的态势。作为能够预测公司财务危机并为公司投资人、管理者和债务人等各利益相关者提供预警信号的风险管理工具,财务危机预警一直受到广大国内外学者的广泛关注,并逐渐成为公司财务管理领域中的热点问题之一。因此,能够有效地进行财务危机预警对避免金融危机的蔓延具有重要的现实意义。\n 当前,国内外的财务危机预警模型研究仅将预测准确率作为衡量预警模型优劣的唯一标准,忽略了一个重要问题,即预警模型将财务危机企业预测为正常企业,和把正常企业预测为财务危机企业相比,人们付出的代价会有很大差异。通常前者被称为预警模型的第Ⅰ类错误,后者为预警模型的第Ⅱ类错误。并且根据现实情况,当模型使用者的身份不同时,预警模型出现错误带给使用者的经济损失也有区别,然而以往并没有学者对其展开讨论或研究。再者,大部分基于模式识别的预警模型没有考虑财务数据具有时间序列特征,仅使用截面数据建立预警模型,忽略了企业陷入财务危机是一个循序渐进的过程。因此,建立基于代价敏感的财务危机预警模型能够满足这种复杂环境下财务危机预警的需要,具有重要的理论意义。\n 本文从企业财务危机的概念界定、表现形式等角度综述国内外的研究情况,对企业产生财务危机的原因进行了详细的分析。从理论层面上,通过阐述预警理论、财务危机预警理论和代价敏感学习理论建立起企业财务危机的成因与财务指标变化之间的关系,提出了基于代价敏感的企业财务危机预警建模的思路框架。\n 在理论模型提出之前,选取样本数据集和筛选财务指标。以上海证券交易所和深圳证券交易所的170家上市公司的30个财务指标数据建立财务危机预警模型的样本数据集。正态性检验和均值非参数检验从实证方面验证了大部分正常企业和财务危机企业在财务指标上具有显著差异。样本数据集经过特征提取后,获得备选财务指标体系,作为第四章、第五章和第六章财务危机预警模型的输入。\n 针对选取的截面样本数据集,提出两种基于单分类器的代价敏感企业财务危机预警模型。在深入分析BP神经网络及代价敏感神经网络的基本理论后,利用代价敏感神经网络建立企业财务危机预警模型,通过实验验证表明该模型的有效性,接着结合代价敏感支持向量机的基本理论,最后通过实验验证的方法证明该方法能有效减少对企业财务危机预警的错分代价。\n 在选取的截面样本数据集的基础上,提出财务指标时间序列轨迹视角下的决策树财务危机预警方法。结合单分类器财务危机预警方法空间几何意义,分析了仅利用截面数据信息建立企业财务危机预警模型的不足,并利用企业财务指标时间序列轨迹的特性,提出财务指标时间序列轨迹视角下的决策树财务危机预警建模方法。利用 pearson卡方检验和fisher精确检验证明企业财务指标时间序列轨迹含有较多的分类信息,因此将财务指标及其相关的时间序列轨迹共同训练企业财务危机预警模型,通过实证表明该方法能有效提高预警模型的预警准确率。\n 针对截面数据集和具有时间序列轨迹特征的数据集,提出基于代价敏感选择性集成的企业财务危机预警模型方法。从单分类器生成和结论融合两个方面将代价敏感学习机制引入集成学习建立财务危机预警模型,从而基于选择性集成学习的企业财务危机预警模型能够具有更小的错分代价。首先在单分类器生成阶段,对Adaboosting算法进行改进,使其权值调整具有代价敏感特性,生成代价敏感单分类器。然后,利用遗传算法对单分类器的结论进行融合,生成错分代价的选择性集成模型以建立财务危机预警模型,最后,通过实验验证该方法的有效性。\n 本文所进行的基于代价敏感学习的企业财务危机预警建模研究,分别从单分类器和集成学习两个角度进行研究,拓广了基于错分代价视角下的企业财务危机预警研究,为利益相关者提供理论和技术支撑,具有重要的理论和实际意义。

关键词：企业管理财务危机预警代价敏感学习模式识别神经网络

来源：评论

学校读者我要写书评

暂无评论

基于代价敏感学习的半监督软件缺陷预测方法

引用

计算机应用与软件 2022年第6期39卷 1-6,69页

作者：张金传张震扎兰屯职业学院内蒙古呼伦贝尔162650 中南大学计算机学院湖南长沙410000

软件缺陷预测通过学习软件缺陷历史数据建立缺陷预测模型,是开发可信软件的重要手段。现有的研究在学习不平衡软件缺陷数据时,确定合理的误分类代价是一个难以解决的问题。在代价敏感朴素贝叶斯方法的基础上拓展,提出一种动态调整模型... 详细信息

软件缺陷预测通过学习软件缺陷历史数据建立缺陷预测模型,是开发可信软件的重要手段。现有的研究在学习不平衡软件缺陷数据时,确定合理的误分类代价是一个难以解决的问题。在代价敏感朴素贝叶斯方法的基础上拓展,提出一种动态调整模型参数的半监督学习方法——CSNB-EM(EM based Cost-Sensitive Naive Bayes)。该方法通过交叉验证搜索适合训练数据集的最优误分类代价,将搜索到的误分类代价用于建立分类模型,利用未标记数据迭代修正模型参数。方法利用未标记数据提高模型性能,同时克服了传统的软件缺陷预测中确定误分类代价的困难。基于AUC与GeoM评测指标在MDP软件缺陷数据集的5个项目上进行比较实验。实验结果表明,CSNB-EM与CS-NB、CS-NN等现有的代价敏感软件缺陷预测方法相比,其预测性能有明显提高。

关键词：软件缺陷预测不平衡数据代价敏感学习半监督学习

来源：评论

学校读者我要写书评

暂无评论

基于特征融合和代价敏感学习的图像标注方法

引用

计算机工程与设计 2021年第11期42卷 3114-3120页

作者：厍向阳车子豪董立红西安科技大学计算机科学与技术学院陕西西安710054

针对图像标注数据集中存在的标注对象比例不一致和标签分布不平衡问题,提出基于特征融合和代价敏感学习的图像标注方法。在卷积神经网络中加入特征融合层,改进VGG16原有的网络结构,特征融合层结合注意力机制,对网络中不同卷积层提取的... 详细信息

针对图像标注数据集中存在的标注对象比例不一致和标签分布不平衡问题,提出基于特征融合和代价敏感学习的图像标注方法。在卷积神经网络中加入特征融合层,改进VGG16原有的网络结构,特征融合层结合注意力机制,对网络中不同卷积层提取的多尺度特征进行选择性融合,提升对不同尺度对象的标注精度;将代价敏感学习融入损失函数对网络模型进行训练,提升网络的泛化性能。实验结果表明,该方法能提升图像标注的准确率,增加对低频标签的召回率。

关键词：图像自动标注深度学习特征融合卷积神经网络代价敏感学习

来源：评论

学校读者我要写书评

暂无评论

非均衡数据下基于注意力网络和代价敏感学习的轨面状态识别

引用

科学技术与工程 2024年第5期24卷 1972-1979页

作者：于惠钧张锦圣刘建华彭慈兵刘丽丽龚事引湖南工业大学轨道交通学院株洲412007 湖南铁道职业技术学院智能控制学院株洲412012 湖南铁路科技职业技术学院铁道供电与电气学院株洲412000

准确识别轨面状态,可为列车牵引/制动性能提升提供关键依据。重点针对传统代价敏感学习应用在非均衡轨面状态识别中存在的同类别样本重要性不同和多数类精度下降等问题,提出一种基于注意力网络和代价敏感学习的轨面状态识别方法。该法... 详细信息

准确识别轨面状态,可为列车牵引/制动性能提升提供关键依据。重点针对传统代价敏感学习应用在非均衡轨面状态识别中存在的同类别样本重要性不同和多数类精度下降等问题,提出一种基于注意力网络和代价敏感学习的轨面状态识别方法。该法首先利用迁移学习思想将均衡数据集的特征迁移到非均衡轨面状态数据集,减轻少数类样本误分类影响;其次在骨干网络ResNet18中引入卷积注意力机制模块,增强网络对目标区域的特征学习能力和全局特征信息的感知性能,调整优化网络权重参数;最后构造依据轨面状态样本重要性大小的自适应加权平衡损失函数,降低决策边界对困难样本中多数类的过拟合,获得更加平滑的决策边界。非均衡数据下的实验结果表明,在3种非均衡比下,所提方法的准确率和召回率分别达到96.00%、90.67%、86.33%,与目前常用的方法Focal相比,分别提升了7.00%、2.34%、3.00%。此外,该方法在提高少数类召回率的同时可有效维持多数类的召回率,并且降低了网络训练时间成本。

关键词：轨面状态识别非均衡数据代价敏感学习注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于隐空间代价敏感学习的微博水军识别方法

引用

计算机工程 2018年第9期44卷 159-163,170页

作者：王磊任航王之怡西南财经大学经济信息工程学院成都610074

根据微博水军活动的特点,提出一种基于隐空间代价敏感学习的半监督水军识别方法。从内容、行为、社交关系3个视角选取微博账户的22个特征,结合矩阵隐空间分解、代价敏感学习和社交关系正则技术,构造代价敏感的半监督最大间隔分类模型,... 详细信息

根据微博水军活动的特点,提出一种基于隐空间代价敏感学习的半监督水军识别方法。从内容、行为、社交关系3个视角选取微博账户的22个特征,结合矩阵隐空间分解、代价敏感学习和社交关系正则技术,构造代价敏感的半监督最大间隔分类模型,并利用随机梯度下降算法求解模型的线性复杂度。实验结果表明,该方法在准确率、召回率和F1指标上均优于SMFSR和L2-SVMs方法,并且具有接近线性的学习速度。

关键词：水军识别矩阵分解代价敏感学习社交关系正则隐空间

来源：评论

学校读者我要写书评

暂无评论

基于关联度和代价敏感学习的决策树生成法

引用

科学技术与工程 2013年第5期21卷 1196-1199页

作者：孟光胜河南科技大学林业职业学院洛阳471002

针对ID3决策树生成法中存在的缺点,通过引用属性关联度和代价敏感学习,提出了一种基于属性关联度和代价敏感学习的决策树生成法。该方法利用粗糙集理论对条件属性进行约减,在构建决策树过程中,把属性的关联程度和性价比作为选择分裂结... 详细信息

针对ID3决策树生成法中存在的缺点,通过引用属性关联度和代价敏感学习,提出了一种基于属性关联度和代价敏感学习的决策树生成法。该方法利用粗糙集理论对条件属性进行约减,在构建决策树过程中,把属性的关联程度和性价比作为选择分裂结点的依据,利用改进的信息增益方法构建代价敏感决策树。试验结果表明,该方法在分类准确度和生结点总数量上比常用决策树生成方法优越。

关键词：关联度决策树代价敏感学习属性约简

来源：评论

学校读者我要写书评

暂无评论

基于代价敏感学习的SUMO蛋白质修饰位点预测的研究

基于代价敏感学习的SUMO蛋白质修饰位点预测的研究

引用

作者：叶莎莎华东师范大学

学位级别：硕士

随着科学技术的爆炸式发展,人类在很多领域都获得了不小的进步。人类基因组计划的实施以及下一代基因测序技术的成熟也产生了海量的生物数据。如何利用最新的技术挖掘数据背后的生物信息,对于生物学的长足发展具有重要意义。翻译后修饰... 详细信息

随着科学技术的爆炸式发展,人类在很多领域都获得了不小的进步。人类基因组计划的实施以及下一代基因测序技术的成熟也产生了海量的生物数据。如何利用最新的技术挖掘数据背后的生物信息,对于生物学的长足发展具有重要意义。翻译后修饰是一类通过改变蛋白质原始化学组成成分的调节过程。它通过在一个或者多个氨基酸残基上添加修饰的基因组(例如磷酸酯,糖基,泛素和脂肪酰基)来调节蛋白质功能和细胞过程。小泛素修饰(SUMO)是翻译后修饰中非常独特和重要的一种,主要通过改变细胞内定位或其他类型的翻译后修饰来调节底物功能。SUMO蛋白是泛素类蛋白家族的重要成员之一,可影响蛋白质的稳定性,酶活性以及蛋白质相互作用。鉴定原核生物或真核生物中的SUMO蛋白修饰位点是十分重要的,可以帮助我们更好地了解各种疾病的发病机制,如癌症和阿尔茨海默氏病。数据不平衡现象在生物信息学中十分常见,正样本的数量远小于负样本的数量,在SUMO蛋白修饰位点预测的研究中中也存在这一现象。并且机器学习算法很容易受到数据不平衡的影响,尽管已开发出多种预测SUMO蛋白修饰位点的计算方法,但它们在不平衡数据集上的表现不佳,正样本的识别率都偏低。本文首先分析了前人提出的针对蛋白质序列的特征提取方法,提出了一种新的基于氨基酸在特殊位置的生化特性的新特征并进行比较,选出最佳的特征组合分别输入机器学习模型中进行实验。实验结果表明该新特征有助于提高模型的准确性。本文针对数据不平衡的问题,分别设计了涉及AdaCost算法和遗传算法对级联森林进行改进的SUMO蛋白修饰位点预测模型。实验结果证明这些措施能够大大缓解数据不平衡问题。与现有的方法相比,我们的方法不仅能够大大提升正样本的识别率,并且准确度(Acc),特异性(Sp),马修斯相关系数(MCC)和曲线下面积(AUC)等性能也没有降低。本文同时也对深度学习尤其是卷积神经网络在SUMO蛋白修饰位点预测的应用进行了探索,分别采用了不同的损失函数进行实验,分析了实验结果,探究了卷积神经网络性能不佳的原因,为今后的研究指明了方向。

关键词： SUMO蛋白代价敏感学习级联森林 AdaCost 遗传算法卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于概率密度的代价敏感学习方法研究

基于概率密度的代价敏感学习方法研究

引用

作者：周杉林江苏科技大学

学位级别：硕士

代价敏感学习是解决类别不平衡学习(CIL)问题的一种流行方法。传统的代价敏感学习方法总是通过为所有少数类样本指定一个恒定的高于多数类样本的训练误差惩罚来解决CIL问题,而忽略了每个样本位置信息的重要性。因此,最近的一些研究开始... 详细信息

代价敏感学习是解决类别不平衡学习(CIL)问题的一种流行方法。传统的代价敏感学习方法总是通过为所有少数类样本指定一个恒定的高于多数类样本的训练误差惩罚来解决CIL问题,而忽略了每个样本位置信息的重要性。因此,最近的一些研究开始关注个性化代价分配,即根据不同样本的位置信息指定不同的代价。新兴的个性化代价敏感方法总是比传统方法表现更好;然而,其对位置信息的估计可能不准确,因为它容易受到数据密度变化的影响。并且在去除噪声或者消除噪声的传播上,有些算法甚至直接使用数据清洗的方法来解决噪声问题,虽然在一些数据集上这样可以取得良好的效果,但对于生活中复杂的、变化无常的数据分布,这种方法可能会提供极不准确的指导。从而导致难以找出真正的噪声,最终会使学习模型质量低下。针对上述两种问题,提出了更加鲁棒和通用的解决方案,本文的主要研究成果为以下两点:1.提出了RUE算法,它采用了通过随机欠采样集合的错误率反馈的方式来间接探索样本位置信息分布,并根据反馈的信息与噪声阈值之间大小关系来划分噪声、安全和边界。通过这种方法,噪声可以被有效的去除并且边界区域会被加强,使学习模型更加注重拟合这些样本。2.提出了Pre-AdaCost算法,它可以被视为一种新的代价敏感AdaBoost算法Pre-AdaCost在运行AdaCost之前增加了位置信息预估计和权重预分配过程。样本位置信息用于查找和去除噪声,并指导权重预分配。并且采用了一种基于随机欠采样集合的错误率反馈的鲁棒间接策略。特别是,高错误率的样本总是对应于噪声,中等错误率的样本通常是真正的难以学习的样本,而低错误率的通常是容易学习的样本。根据这个假设,可以找到并删除噪声。RUE算法与Pre-AdaCost算法的区别在于:RUE将样本错误率与样本所在类的总错误率的比值作为每个样本的代价,而Pre-AdaCost通过调节因子放大难以学习的样本与易学样本的初始权值之差然后再进行归一化来计算每个样本的代价。而两者最大的共同点在于它们都会根据噪声阈值尽量减少样本空间噪声,防止学习模型出现过拟合的现象。为了证明上述两个算法的有效性,对比了当今前沿的代价敏感学习算法,其中包括了FSVM和WELM两种不同框架,在40多个不同的数据集上做了对比实验,无论是直接探索还是间接相对密度分布,RUE算法和Pre-AdaCost算法都展示出其通用性和鲁棒性。

关键词：类别不平衡 AdaBoost 随机欠采样集成学习代价敏感学习模糊支持向量机

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：