检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

158 篇 学位论文
115 篇 期刊文献
10 篇 会议

馆藏范围

283 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

239 篇 工学
- 189 篇 计算机科学与技术...
- 168 篇 软件工程
- 137 篇 控制科学与工程
- 28 篇 机械工程
- 13 篇 网络空间安全
- 8 篇 仪器科学与技术
- 8 篇 电气工程
- 6 篇 信息与通信工程
- 5 篇 航空宇航科学与技...
- 4 篇 交通运输工程
- 3 篇 电子科学与技术（可...
- 3 篇 生物医学工程（可授...
- 3 篇 公安技术
- 2 篇 材料科学与工程（可...
- 2 篇 冶金工程
- 2 篇 动力工程及工程热...
- 2 篇 地质资源与地质工...
178 篇 管理学
- 172 篇 管理科学与工程(可...
- 10 篇 工商管理
- 2 篇 公共管理
- 2 篇 图书情报与档案管...
20 篇 经济学
- 20 篇 应用经济学
- 2 篇 理论经济学
18 篇 理学
- 8 篇 数学
- 4 篇 系统科学
- 4 篇 统计学（可授理学、...
13 篇 医学
- 8 篇 临床医学
- 2 篇 医学技术（可授医学...
5 篇 教育学
- 3 篇 教育学
3 篇 艺术学
- 3 篇 设计学（可授艺术学...
1 篇 法学
1 篇 历史学
1 篇 军事学

主题

283 篇 代价敏感学习
32 篇 支持向量机
26 篇 不平衡数据
20 篇 卷积神经网络
19 篇 集成学习
19 篇 机器学习
17 篇 分类
16 篇 决策树
14 篇 特征选择
14 篇 半监督学习
13 篇 数据挖掘
12 篇 重采样
12 篇 深度学习
11 篇 属性约简
11 篇 软件缺陷预测
10 篇 粗糙集
9 篇 极限学习机
9 篇 类不平衡
9 篇 主动学习
8 篇 故障诊断

机构

12 篇 南京大学
11 篇 哈尔滨工业大学
9 篇 闽南师范大学
8 篇 北京交通大学
8 篇 广西师范大学
7 篇 西南石油大学
7 篇 华南理工大学
6 篇 南京航空航天大学
6 篇 江苏科技大学
6 篇 中南大学
6 篇 东北大学
5 篇 华中科技大学
5 篇 大连理工大学
5 篇 山东大学
5 篇 重庆邮电大学
5 篇 南京师范大学
5 篇 浙江大学
5 篇 南京邮电大学
4 篇 东南大学
4 篇 西南交通大学

作者

5 篇 曹鹏
5 篇 邹鹏
4 篇 cao peng
4 篇 zou peng
3 篇 郝媛媛
3 篇 付忠良
3 篇 吕成戍
3 篇 赵大哲
3 篇 姚丽
3 篇 谷琼
3 篇 尹金良
3 篇 周志华
2 篇 倪艾玲
2 篇 陈勐
2 篇 王维国
2 篇 权鑫
2 篇 司学峰
2 篇 fang yu
2 篇 高波
2 篇 蔡勍萌

语言

283 篇 中文

检索条件"主题词=代价敏感学习"

共 283 条记录，以下是251-260 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于DFI流量分类技术研究与实现

基于DFI流量分类技术研究与实现

引用

作者：王艳东南大学

学位级别：硕士

网络流量分类不仅可以帮助互联网服务提供商提供服务质量保障,而且可以对网络进行有效的监督管理,确保网络安全。随着互联网的迅猛发展,新兴业务层出不穷,私有协议和加密应用的广泛使用,使得DPI分类方法的适用范围越来越小。DFI方法主... 详细信息

网络流量分类不仅可以帮助互联网服务提供商提供服务质量保障,而且可以对网络进行有效的监督管理,确保网络安全。随着互联网的迅猛发展,新兴业务层出不穷,私有协议和加密应用的广泛使用,使得DPI分类方法的适用范围越来越小。DFI方法主要通过流的统计特征来识别流量,无需解析应用层负载,处理速度快,对加密报文和隐私协议仍然有效,并且无需额外的设备开销。目前,基于DFI的机器学习流量分类方法具有良好的应用前景。但是,该方法通常以获得高的总体分类准确率为优化目标,而忽略网络流量数据所具有的多类不平衡特性,使得分类性能往往偏向大类,而忽视小类。在网络流量中,有些小类属于重量级应用,占有大量的字节,其分类性能关乎网络规划及带宽资源分配；有些小类应用属于命令流,实时通信流等,其分类性能关乎通信的可靠性及服务质量。此外,由于网络流量特征随着时间和环境的变化而发生改变,现有的分类方法很难保持稳定的分类性能,如何有效应对网络流量的概念漂移问题也是目前研究的热点。本文的研究工作围绕以上目标展开,研究基于深度流检测(Deep Flow Inspection, DFI)的流量分类方法。论文主要内容如下：1.特征选择算法对网络流量分类的影响：在目前基于DFI检测的网络流量识别中,测度属性的选取尤其重要。由于测度属性中包含冗余与不相关特征,使得流量分类具有很高的计算复杂度与空间复杂度。而特征选择算法能依据一定的评估策略选择出更能区分流量类别的属性,通过降低属性的维度来降低计算复杂度和空间复杂度,并提高分类和识别的准确率。本文提出基于选择性集成和改进序列向前搜索的混合特征选择算法,并且与传统的基于相关性的FCBF,信息增益InfoGain, GainRatio,基于统计的Chi-square以及基于一致性Consisitency进行比较,实验结果表明该特征选择算法可以更好的区分流行为特征属性和类属性之间的相关性。2.基于代价敏感的算法模型：由于网络流数据存在类不平衡特性,且目前的流分类算法多偏向大类,忽视小类。为了提高小类的分类性能,本文提出了一种基于重采样的代价敏感模型。首先对不平衡网络流量数据进行SMOTE重采样,改善大类与小类的不平衡特性,然后采用AdaCost算法分类流量数据,其中AdaCost中代价矩阵采用基于权重的错分代价矩阵。并且与传统的C4.5分类算法进行比较,实验结果表明该算法模型可以提高小类的流准确率和字节准确率。3.基于代价敏感的多分类器的算法模型：由于网络流量特征随着时间和环境的变化而发生改变,机器学习分类方法很难保持稳定的分类性能。为了提高分类器的自适应能力,本文提出一种基于精度权重的流量分类方法,实验结果表明该算法在处理流量的概念漂移问题上表现出较好的分类性能和泛化能力。为了进一步提高动态环境下小类的分类性能,本文在基于精度权重的集成学习分类方法的基础上提出了一种基于代价敏感的集成学习模型,模型由两部分构成：第一部分是混合特征选择,获取稳定的最优特征子集,第二部分将基于精度权重的分类方法与基于权重的AdaCost方法相结合。实验结果表明该方法能够有效提高概念漂移环境下小类的流准确率与字节准确率。

关键词：网络流量分类不平衡分类特征选择代价敏感学习集成学习

来源：评论

学校读者我要写书评

暂无评论

面向多源数据的微表情识别算法研究

面向多源数据的微表情识别算法研究

引用

作者：王蒙蒙天津大学

学位级别：硕士

人的微表情变化通常发生在一个人试图隐藏真实感受的情况下,与常规面部表情相比,它具有持续时间短、动作强度低的特性,能够揭示出与人们内心真实活动有关的信息。近年来,微表情识别因其在犯罪检测、商业谈判、刑事审讯等领域有重要的应... 详细信息

人的微表情变化通常发生在一个人试图隐藏真实感受的情况下,与常规面部表情相比,它具有持续时间短、动作强度低的特性,能够揭示出与人们内心真实活动有关的信息。近年来,微表情识别因其在犯罪检测、商业谈判、刑事审讯等领域有重要的应用价值而逐渐引起了研究者的关注。根据所使用的数据源种类,微表情识别可以在单一数据域和交叉数据域上进行研究。然而目前微表情识别研究仍处于初始阶段,主要存在以下问题:一是微表情数据库不足;二是微表情本身的细微动作特点导致大多数特征提取方法缺乏鲁棒性。本文针对以上问题,从不同的数据源角度出发,基于深度学习的技术提出了如下两个方案:1.基于数据增强和代价敏感学习的微表情识别算法。在单一数据域微表情识别问题上,本文从数据多样性的角度出发设计了一种新的数据增强方法,同时考虑到微表情数据集中各类样本数量之间存在不均衡问题,本文提出了一种基于样本数量和有效样本数量的类别权重计算方式。在此基础之上,提出了浅层卷积神经网络模型进行算法实现。实验结果表明,本文提出的基于数据增强和代价敏感学习的模型能够很好地完成微表情类别预测,并且在准确率、F1分数指标上优于现有的绝大多数算法。2.基于特征子空间分离的交叉域微表情识别算法。考虑到实际应用中算法模型的训练样本和测试样本可能存在一定的特征分布差异,本文进一步研究了交叉数据域微表情识别问题,提出了一种基于特征子空间分离的域适应网络模型,将深度学习技术应用到交叉域微表情识别问题上。该模型由三条并行的卷积神经网络组成,为了增强网络模型对特征的表达性能,引入注意力机制来得到更具类鉴别性的特征。实验结果表明了本文提出的深度学习模型和选用的注意力机制的有效性,并且与传统算法相比,在准确率和召回率指标上取得了较好的结果。

关键词：微表情识别数据增强代价敏感学习域适应卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于不平衡数据分布的加权极限学习机算法研究

基于不平衡数据分布的加权极限学习机算法研究

引用

作者：孙庆帅湘潭大学

学位级别：硕士

不平衡数据分类问题在数据挖掘领域占有重要的地位,如何有效处理不平衡数据已然成为当前的一个研究热点。采用传统的分类模型时,数据的失衡往往造成分类面的偏倚,导致难以得到令人满意的分类效果。现今,国内外学者相继提出了多种用于解... 详细信息

不平衡数据分类问题在数据挖掘领域占有重要的地位,如何有效处理不平衡数据已然成为当前的一个研究热点。采用传统的分类模型时,数据的失衡往往造成分类面的偏倚,导致难以得到令人满意的分类效果。现今,国内外学者相继提出了多种用于解决类不平衡问题的方法,但并没有充分考虑到数据的分布对分类模型性能的影响。针对传统模型出现的偏倚问题,本文基于代价敏感学习的思想,充分讨论了数据分布特性对分类器性能的影响。同时,本文基于样本数据的先验分布特性对数值型数据和图像数据的二分类及多分类不平衡问题分别展开了研究。主要研究工作有以下两方面:(1)数值型数据指经过人工筛选数值化后的数据,可直接用于分类器学习,而传统的分类器容易对多数类产生更大的偏好,造成对少数类的分类准确率下降。对此,本文提出了基于数据分布的加权极限学习机D-WELM(data distribution based weighted extreme learning machine)。该算法基于代价敏感学习,不仅考虑了样本类别数量的影响,还有数据分布的影响,同时,把全局损失考虑在内设计了一个新的加权方案。为了验证D-WELM算法的可行性和有效性,本文在包括二分类和多分类的多个不平衡数据集上进行了对比实验。实验结果表明,DWELM在不平衡分类问题中可以表现出更好的分类性能。(2)图像数据一般呈现规模大、维数高的特点,若是直接运用简单模型则不能得到好的效果,若是运用卷积神经网络CNN,则可以完成对图像特征的有效提取。本文针对图像的不平衡分类问题,提出了基于卷积神经网络和数据分布的加权极限学习机CNN-DWELM。该算法同样基于代价敏感学习,同时结合了CNN对特征提取的优点和ELM训练速度快、分类精度高的优点。通过在3个数据集上的实验对比,结果表明CNN-DWELM具有更好的不平衡图像分类能力。

关键词：不平衡数据分类代价敏感学习极限学习机卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于改进的随机森林对不平衡数据分类问题研究

基于改进的随机森林对不平衡数据分类问题研究

引用

作者：李正西南民族大学

学位级别：硕士

随着信息时代的发展,数据形式呈现多样化。其中,具有不平衡特性的数据广泛存在于实际应用中。传统分类模型对不平衡数据分类时,其期望风险最小化会导致分类结果倾向于对多数类样本的识别,而忽略少数类样本;此外,随着数据规模增大,不平... 详细信息

随着信息时代的发展,数据形式呈现多样化。其中,具有不平衡特性的数据广泛存在于实际应用中。传统分类模型对不平衡数据分类时,其期望风险最小化会导致分类结果倾向于对多数类样本的识别,而忽略少数类样本;此外,随着数据规模增大,不平衡数据具备高维特性后,数据中往往存在着大量与分类任务无关的特征,使得分类模型复杂度上升、分类效果不佳。针对上述问题,本文通过对传统随机森林进行研究,提出适应不平衡数据和高维特性的随机森林改进算法。本文所取得研究成果主要有: 针对传统随机森林对不平衡数据少数类样本识别低问题,提出一种基于密度峰值聚类(Density Peaks Clustering,DPC)的过采样加权随机森林算法。该算法在数据层面,首先对数据集进行噪声处理;接着利用DPC计算少数类样本的局部密度和中心偏移距离得到样本采样权重;之后根据采样权重利用插值公式合成新样本,得到平衡化数据;在算法层面,首先将一致性系数作为袋外样本评估决策树分类性能的指标;接着利用评估值对决策树进行筛选操作;之后对决策树加权处理得到集成模型。该算法对比传统随机森林在Recall、AUC、G-mean平均值分别提升了10.8%、6.0%、6.2%,对比其它算法在Recall、AUC、G-mean平均值最高分别提升了5.5%、3.8%、3.9%。实验结果表明该算法对不平衡数据少数类样本识别率和整体分类精度有一定的优势。针对高维不平衡数据存在的与分类任务无关特征以及高维不平衡数据少数类样本分类准确率低问题,提出一种基于特征选择的代价敏感随机森林算法。该算法首先使用基于对称不确定性和信息距离的特征选择方法为决策树找到一组相关性大冗余性小的特征子集;接着利用特征代价向量生成方法为特征子集生成特征代价向量,并将其转换为特征概率向量融入决策树结点分裂准则;之后将代价敏感准则转化为评分规则引入随机森林,得到基于特征选择的代价敏感随机森林。该算法对比传统随机森林在F1-measure、AUC、G-mean平均值分别提升了5.2%、5.7%、6.7%,对比其它算法在F1-measure、AUC、G-mean平均值最高分别提升了6.2%、6.6%、7.3%。实验结果表明该算法可以有效提高特征利用率,选取对分类任务贡献大的特征子集,能够在提高少数类样本分类准确率的基础上保证总体分类性能。

关键词：不平衡数据代价敏感学习过采样方法随机森林特征选择

来源：评论

学校读者我要写书评

暂无评论

基于随机配置网络的多分类集成算法研究

基于随机配置网络的多分类集成算法研究

引用

作者：黄鹤谦浙江工商大学

学位级别：硕士

分类问题在生活中普遍存在。在二分类问题上,有许多成熟的算法得到了广泛的应用。但是关于多分类问题,特别是当类别较多并且数据复杂时,大多数的机器学习算法不能达到令人满意的分类效果。因此多分类问题存在很大的研究空间。神经网络... 详细信息

分类问题在生活中普遍存在。在二分类问题上,有许多成熟的算法得到了广泛的应用。但是关于多分类问题,特别是当类别较多并且数据复杂时,大多数的机器学习算法不能达到令人满意的分类效果。因此多分类问题存在很大的研究空间。神经网络方法凭借着出色的非线性处理能力和自学习能力而被广泛地用来处理多分类问题。最常用的为BP神经网络多分类算法。但是在面对大量的复杂数据时,BP算法存在收敛效率低,易得局部最优解和过于依赖初始值参数等缺点,所以有研究者在神经网络中加入了随机的思想,提出了随机权神经网络。随机权神经网络凭借着其收敛速度快、不易陷入局部最优、训练过程简单易于实现等优点而被广泛地研究和应用。随机配置网络(SCN)是一种特殊的随机权神经网络,其网络结构是在特定的监督机制下,根据训练误差最小化逐步生成的。随机配置网络解决了人为经验选择隐藏层节点数目的问题,并且灵活性更强。本文将SCN应用在多分类问题上。为了更好地处理多分类问题,做了如下改进:(1)在SCN模型中加入了L2正则化项,提高SCN的泛化能力;(2)采用更适合处理分类数据的高斯径向基函数代替Sigmoid函数;(3)当分类数据中类不平衡时,将会影响模型分类效果。所以根据代价敏感学习方法(CSL)提出了加权SCN算法(WSCN)。在进一步研究中发现:当多分类问题中类别较多,并且某些类别之间差距较小时,神经网络算法会不可避免地出现误分类的情况。所以本文在使用WSCN算法对原始数据进行初次分类后,根据概率得分最高对应的两个类别,将数据划分为若干个二分类的数据子集;然后使用分类效果较好的随机森林算法对若干个数据子集进行再次分类。最后根据随机森林的分类结果判断样本属于WSCN算法初次分类的前两类中的哪一类。最后在UCI网站上选取10个真实的多分类数据集进行实验验证。首先验证了加权SCN算法(WSCN)的有效性;然后分析了误分类的存在性和使用其他算法再次分类的一个必要性;最后将WSCN-RF集成算法与BP神经网络多分类算法以及随机森林算法等进行比较,结果表明:本文提出的WSCN-RF算法在分类精度上优于其他多分类算法。

关键词：多分类随机配置网络代价敏感学习二次分类集成学习

来源：评论

学校读者我要写书评

暂无评论

基于极限学习机的输油管道泄漏诊断方法研究

基于极限学习机的输油管道泄漏诊断方法研究

引用

作者：李猛东北大学

学位级别：硕士

输油管道的安全运行是保障我国国民经济健康平稳发展的重要因素。近年来,国内屡屡发生的输油管道泄漏事故,给我国人民带来了巨大的生命和财产损失。如果处理不当还可能给周边环境带来重大污染。输油管道的安全问题受到越来越多的社会关... 详细信息

输油管道的安全运行是保障我国国民经济健康平稳发展的重要因素。近年来,国内屡屡发生的输油管道泄漏事故,给我国人民带来了巨大的生命和财产损失。如果处理不当还可能给周边环境带来重大污染。输油管道的安全问题受到越来越多的社会关注,对输油管道的泄漏诊断方法研究也成为日益重要的课题。本文在分析了当前的研究现状之后,发现现有的泄漏诊断方法多存在误警率和漏警率偏高的问题。出现这些问题的原因是大多数诊断方法要求建立的模型比较复杂,难以用精确的数学形式描述出来。因此有学者研究利用神经网络算法较强的非线性逼近能力来建立精确的输油管道泄漏诊断模型,但是这些研究大多没有考虑输油管道样本数据的不平衡分布问题。不平衡数据学习问题是一个相对较新的挑战,已经引起了学术界和工业界越来越多的关注。而极限学习机作为一种简单高效的单隐层前馈神经网络学习算法,通过对样本加权的方式能有效的提高算法在不平衡数据集上的学习性能。因此本文结合当下高速发展的计算机技术、传感器技术、使用极限学习机来对输油管道进行泄漏诊断。首先采用小波包算法进行输油管道特征提取,然后建立基于极限学习机的输油管道泄漏诊断模型。但是极限学习通过人为静态的对样本加权对算法性能有很大的影响。因此本文提出一种加权极限学习机提升算法,将加权极限学习机集成到改进后的Adaboost算法中,使得样本权重动态更新。然后又引入代价因子到算法的权重更新中,使得本文提出的算法成为代价敏感学习算法,提高对输油管道泄漏的诊断性能。综上所述,本文研究了基于极限学习机的输油管道泄漏诊断方法,并采用了加权极限学习机用于模型训练,解决了训练样本分布不均衡导致的漏警率偏高问题。然后提出权重动态更新的方法用于加权极限学习机的训练,避免了加权极限学习机以提高漏警率为代价来降低漏警率的问题,有效降低了输油管道泄漏诊断的漏警率和误警率。然后引入代价因子到算法中,进一步降低输油管道泄漏诊断的漏警率。

关键词：泄漏诊断不平衡数据代价敏感学习极限学习机

来源：评论

学校读者我要写书评

暂无评论

基于集成学习的新能源车辆与内燃机车辆交通事故严重程度影响因素对比研究

基于集成学习的新能源车辆与内燃机车辆交通事故严重程度影响因素...

引用

作者：孙少峰长安大学

学位级别：硕士

近年来,新能源车辆广泛出现在各种生活场景中,其节能、环保的特点与如今的“绿色交通”发展理念不谋而合。但相比于内燃机车辆,新能源车辆主要以电力为能源并使用电动机输出动力,其车辆噪声更小、加速起步更快,容易增加行人、自行车骑... 详细信息

近年来,新能源车辆广泛出现在各种生活场景中,其节能、环保的特点与如今的“绿色交通”发展理念不谋而合。但相比于内燃机车辆,新能源车辆主要以电力为能源并使用电动机输出动力,其车辆噪声更小、加速起步更快,容易增加行人、自行车骑手等其他交通参与者的安全风险,尤其是在低速行驶场景中。因此,新能源车辆的交通安全问题引发了公众关切,亟需在新能源车辆的交通安全邻域开展相关研究。本文以新能源车辆事故为主体,结合内燃机车辆事故进行对比研究。首先,基于英国道路交通事故数据,从道路及环境、车辆和伤亡人员三个角度对新能源车辆、内燃机车辆的事故数据进行描述性统计,其次重点对新能源车辆和内燃机车辆参与的行人事故、自行车事故进行假设检验,发现无论是行人事故还是自行车事故,涉及新能源车辆的事故发生率均显著高于内燃机车辆,分别为内燃机车辆的1.20、1.21倍。同时,当车辆处于慢速行驶状态(等待放行、转弯等)时,新能源车辆参与的行人或自行车事故的发生率显著高于内燃机车辆。为了更全面地认识上述差异的诱因,随后采用3种集成学习算法XGBoost、Light GBM和Cat Boost对涉及2种车辆的3类事故(全体事故、行人事故、自行车事故)分别构建事故严重程度分类模型,并且考虑到事故严重程度的类别不均衡问题(死亡、重伤事故较少,轻伤事故重多),使用了3种采样方法SMOTE、ENN、SMOTEENN和代价敏感学习处理数据不均衡问题。之后,使用以G-mean为主、AUC和准确率为辅的评价标准进行模型选择。最后,基于Tree SHAP解释方法,揭示了新能源车辆事故、内燃机车辆事故的事故严重程度与其影响因素间的作用机制。通过对模型的解读,本文发现新能源车辆事故、内燃机车辆事故的事故严重程度与其影响因素间的作用机制总体一致,但两种车辆的事故严重程度影响因素的重要性排序存在差异。新能源车辆、内燃机车辆的事故均多发于城区,但事故严重程度较低,而发生与乡镇或郊区的事故数量虽少,但往往更为严重,同时发生在午夜、凌晨的事故一般较为严重。此外,车龄较大、处于高速运动状态(超车、变道等)的车辆或偏离车道、撞击车道边缘(路缘石、中央分隔带等)、发生翻车的车辆事故严重程度更高。另一方面,由男性驾驶员或经济状况较好的驾驶员控制的车辆更易发生严重交通事故,而含有年长者或使用保护性较差的交通工具的人员及行人也容易发生严重交通事故。在行人、自行车事故中,还发现当人行步道处于施工状态时,周边易发生严重交通事故。且在行人事故中,夜晚无照明路段容易造成严重交通事故,而当行人存在不当过街行为时,也易出现严重伤亡。不同寻常的是,在新能源车辆-自行车事故中,车龄较小的车辆更易发生严重交通事故,与其它类事故的影响机制存在明显差异。上述研究扩充了新能源车辆的事故数据,增加了事故影响因素数量,考虑了事故影响因素的交互作用对事故严重程度的影响,丰富了现有研究。此外,本文揭示了新能源车辆事故严重程度与其影响因素间的作用机制,为有关部门制定新能源车辆相关管理政策提供了科学依据,有助于更好的保障新能源车辆与其他交通参与者的出行安全。

关键词：交通安全交通事故严重程度新能源车辆集成学习代价敏感学习

来源：评论

学校读者我要写书评

暂无评论

不平衡油耗数据的区间估计方法研究

不平衡油耗数据的区间估计方法研究

引用

作者：王琨中国民航大学

学位级别：硕士

为检查飞机运营商所报告油耗数据的合理性,当前第三方核查机构普遍基于点估计的方法。此方法将航程对应的油耗估计值作为门槛值,但实际上在一定区间内大于或小于估计值的油耗数据都是合理的,因此采用区间估计给出合理的估计范围是更为... 详细信息

为检查飞机运营商所报告油耗数据的合理性,当前第三方核查机构普遍基于点估计的方法。此方法将航程对应的油耗估计值作为门槛值,但实际上在一定区间内大于或小于估计值的油耗数据都是合理的,因此采用区间估计给出合理的估计范围是更为可靠的方法。同时在估计油耗数据区间时,数据的不平衡性会导致一般的区间估计方法得到的估计区间质量较低。针对上述问题,本文首先提出了基于XGBoost的区间估计模型,然后基于该模型分别从数据层面和算法层面出发,基于SMOTE算法和代价敏感学习的方法提出了提升不平衡数据区间估计区间质量的方法。首先,提出了基于XGBoost算法的区间估计模型。将XGBoost算法作为主要的机器学习方法,针对区间估计任务采用分位数损失作为XGBoost算法的损失函数。其中对XGBoost算法的分位数损失函数进行改进,平滑其一阶导数原点周围的小区域,解决了分位数损失函数导致XGBoost算法中的树不分裂的问题;通过训练区间估计模型,得到估计区间的上下界。最后,将此方法与其他常用的区间估计方法进行对比实验,验证其有效性。其次,从数据层面提升不平衡油耗数据估计区间的质量。在基于XGBoost的区间估计模型的基础上,提出了基于SMOTE-XGBoost的区间估计模型。通过SMOTE算法合成新的油耗样本,增加油耗数据集中少数类样本的数量,使训练集中少数类样本与多数类样本数量相同,平衡油耗数据集;然后以此训练集来训练XGBoost算法的区间估计模型,最终得到估计区间的上下界。实验结果表明该方法能够有效提高估计区间的质量。然后,从算法层面提升不平衡油耗数据估计区间的质量。在基于XGBoost的区间估计模型的基础上,提出了代价敏感的XGBoost区间估计模型。该模型使得不同航程的油耗样本对目标函数产生不同的影响,即不同的代价信息。由于传统的误分类代价不适用于区间估计,本文设计了基于误估计代价的代价敏感函数,进行两次训练,得到估计区间。最后,将本文提出的三种方法进行比较,结果表明从数据层面和算法层面解决油耗数据不平衡的问题均能够提升估计区间的质量,并且算法层面得到的区间质量更高。

关键词：区间估计不平衡油耗数据 XGBoost SMOTE 代价敏感学习

来源：评论

学校读者我要写书评

暂无评论

基于极限学习机的基因表达数据分类算法研究

基于极限学习机的基因表达数据分类算法研究

引用

作者：安春霖中国计量学院

学位级别：硕士

极限学习机（Extreme Learning Machine，ELM）具有分类速度快，分类精度高的优点，已经越来越多地用于基因表达数据分类中，但是个体极限学习机具有分类的不稳定性。随着分类技术的发展，集成学习可以克服单个极限学习机用于数据分类... 详细信息

极限学习机（Extreme Learning Machine，ELM）具有分类速度快，分类精度高的优点，已经越来越多地用于基因表达数据分类中，但是个体极限学习机具有分类的不稳定性。随着分类技术的发展，集成学习可以克服单个极限学习机用于数据分类时性能欠稳定的缺点，已经成为分析基因表达数据获取生物学信息的有力工具。然而当所给样本的误分类代价不相等时，对基因表达数据进行分类就不能仅仅以提高分类精度为目标，应该在高分类精度的基础上最小化误分类代价。本文将针对基因表达数据的分类进行研究，主要内容如下：（1）提出了极限学习机的相异性集成算法（D-ELM）：分别基于两种测度提出了基于输出不一致测度的极限学习机相异性集成算法（D-D-ELM）和基于错误一致测度的极限学习机相异性集成算法（DF-D-ELM）。首先对相异性测度（输出不一致测度、错误一致测度）进行分析，建立相应的剔除规则；然后对极限学习机进行相异度的判断，根据相应的剔除规则剔除冗余的极限学习机；采用多数投票技术集成筛选后的极限学习机；最后用该集成系统对基因表达数据进行分类。实验表明：D-ELM算法能够有效提高极限学习机的分类精度，并且能够进一步得出DF-D-ELM算法要优于D-D-ELM算法。（2）提出了极限学习机的代价敏感学习算法(CS-ELM)：首先在分类时引入概率估计的思想，将分类概率与误分类代价相结合；然后在此基础上进一步嵌入拒识代价实现极限学习机的代价敏感分类。实验表明：CS-ELM算法，虽然牺牲了误分类代价较低的大类别样本的分类精度，但降低了整体样本的误分类代价，实现了最小化误分类代价的目的。（3）提出了嵌入代价敏感的极限学习机相异性集成算法（CS-D-ELM）：该算法首先利用D-ELM算法的思想对极限学习机进行筛选，剔除冗余极限学习机；然后结合CS-ELM算法的思想最小化误分类代价。实验表明：CS-D-ELM算法既能有效提高样本的分类精度，又能达到降低误分类代价的目的。

关键词：极限学习机集成算法代价敏感学习基因表达数据分类

来源：评论

学校读者我要写书评

暂无评论

基于集成学习的不平衡数据分类算法研究与应用

基于集成学习的不平衡数据分类算法研究与应用

引用

作者：刘畅上海应用技术大学

学位级别：硕士

分类问题是机器学习领域研究的重要分支,而现实中的分类问题往往具有数据不平衡性,如常见的医疗诊断、信用卡欺诈检测,故障检测等,对不平衡数据的分类问题展开研究具有重要的理论与实际价值。相较于平衡数据分类问题,不平衡数据具有:类... 详细信息

分类问题是机器学习领域研究的重要分支,而现实中的分类问题往往具有数据不平衡性,如常见的医疗诊断、信用卡欺诈检测,故障检测等,对不平衡数据的分类问题展开研究具有重要的理论与实际价值。相较于平衡数据分类问题,不平衡数据具有:类间样本不平衡,少数类样本错分代价极高的特点。集成学习算法作为当前机器学习中较为典型的代表,能够通过群体决策提高整体分类准确率,被广泛应用至不平衡数据的分类中。但目前其对不平衡数据的分类效果仍有待提升,这主要是因为集成学习算法是以降低整体分类错误率为目标,并没有进一步考虑不同样本分类代价的差异,对关键的少数类样本识别效果欠佳。此外,不平衡数据也常伴随着高维度、低价值密度、类内数据交叠、缺失值严重等特点,这都给当前的集成学习算法带来了多重挑战。有鉴于此,本文聚焦于不平衡数据分类问题中的难点,在现有的不平衡数据分类方法基础上,从数据和算法两个层面出发,构建自适应关键特征挖掘算法,并引入代价敏学习对Ada Boost集成学习算法进行改进,以实现模型在保证整体分类准确率的前提下,对少数类样本的有效识别。主要的研究内容如下:(1)从数据层面出发,本文将从不平衡数据的关键特征挖掘技术展开分析,针对皮尔森冗余滤波器(Pearson's Redundancy Based Filter,PRBF)关键特征挖掘算法在删除特征时存在盲目性,易导致模型欠拟合的问题,提出了一种基于皮尔森冗余滤波器改进的自适应关键特征挖掘算法AKKPRBF(Adaptive KNN and Kernel Density Pearson's Redundancy Based Filter),该算法在皮尔森冗余滤波器算法的基础上引入了核密度估计系数对关键特征进行多系数联动识别,通过基于近邻距离的KNN算法对关键特征缺失值自适应填充,以维持特征的特异性,并利用多项式动态组合创建新特征,进一步提高特征的标识度。采用Ada Boost算法作为分类器,构建AKKPRBF-Ada Boost分类模型,通过分类结果对AKKPRBF关键特征挖掘算法的有效性进行验证,实验表明AKKPRBF自适应关键特征挖掘算法对集成学习分类模型性能有着更为显著的提升。(2)从算法层面出发,本文针对自适应增强集成学习算法Ada Boost(Adaptive Boosting)以整体准确率最优作为目标,难以应对数据错分代价不平衡、数据类间不平衡、数据交叠等问题,引入代价敏感学习(Cost Sensitive Learning),对Ada Boost算法自适应样本更新权重方式进行改进,提出了基于代价敏感改进的自适应增强集成学习算法Cs Ada Boost(Cost Sensitive Adaptive Boosting),该算法在原样本权重更新方式的基础上,进一步提高分类错误的少数类样本权重,同时也适当提高分类错误的多数类样本的权重,以避免过分关注少数类样本而引起整体分类代价的攀升,实现整体分类代价最低的目标。(3)融合数据与算法层面的研究,将AKKPRBF关键特征挖掘算法与Cs Ada Boost集成学习分类算法予以结合,构建基于关键特征挖掘与代价敏感改进的集成学习算法AKKPRBF-Cs Ada Boost(Adaptive KNN and Kernel Density Pearson's Redundancy Based Filter—Cost Sensitive Adaptive Boosting),该算法综合数据层面与算法层面的改进,既可以通过AKKPRBF算法实现不平衡数据集关键特征的自适应挖掘,也可以使用具有代价敏感的集成学习算法Cs Ada Boost在保证整体准确率的前提下完成对少数类样本的有效识别。为验证模型的分类效果,将AKKPRBF-Cs Ada Boost模型应用于不同领域的不平衡数据分类预测中,通过十折交叉验证、百次实验等方式,采用Recall和G-mean作为评价指标,从模型稳定性、准确性以及少数类样本识别率三个维度对算法的有效性进行评估与比较,验证所提出的AKKPRBF-Cs Ada Boost具有广泛的应用领域与实用价值。

关键词：不平衡数据分类集成学习代价敏感学习关键特征挖掘

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共29页 << < 20 21 22 23 24 25 26 27 28 29 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：