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

1 篇 学位论文

馆藏范围

1 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 工学
- 1 篇 控制科学与工程
- 1 篇 计算机科学与技术...
- 1 篇 软件工程
1 篇 管理学
- 1 篇 管理科学与工程(可...

主题

1 篇 可控梯度旋转
1 篇 不充分经验表示
1 篇 偏好性欠采样
1 篇 缺失正类过采样
1 篇 特定数据信息学习
1 篇 神经网络
1 篇 不平衡数据分类

机构

1 篇 四川大学

作者

1 篇 黄占鳌

语言

1 篇 中文

检索条件"主题词=可控梯度旋转"

共 1 条记录，以下是1-10 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：

不平衡数据分类的神经网络方法

不平衡数据分类的神经网络方法

引用

作者：黄占鳌四川大学

学位级别：博士

近年来,神经网络因其优秀的数据拟合能力受到了广泛的关注。然而,神经网络的优化算法通常隐含了数据是平衡的先验假设。当数据变得不平衡时,这个假设条件将被打破,引起神经网络出现学习偏差问题。已有神经网络方法处理数据不平衡问题时... 详细信息

近年来,神经网络因其优秀的数据拟合能力受到了广泛的关注。然而,神经网络的优化算法通常隐含了数据是平衡的先验假设。当数据变得不平衡时,这个假设条件将被打破,引起神经网络出现学习偏差问题。已有神经网络方法处理数据不平衡问题时大都聚焦于重采样或重加权的技术手段,通过对已知数据进行再平衡处理来满足神经网络优化算法的先验假设。这种做法通常忽略了数据不平衡问题的本质,即正类样本数量稀少所引起的已知数据经验表示不充分问题。在神经网络分类不平衡数据中,经验表示不充分问题将导致神经网络学习过程中的梯度旋转和缩放尺度无法确定,该问题使得已有重采样或重加权方法无法很好地匹配神经网络的优化算法运行特性。此外,在神经网络学习过程中,其存在的紧致性表达问题亦很难适用于处理经验表示不充分问题。因此,本文提出研究不平衡数据分类的神经网络方法,探索不平衡数据条件下神经网络的解决方案以达到提升神经网络扩展性及实用性的目的。主要贡献如下:(1)从优化算法原理上,针对不平衡数据条件下已有重采样或重加权方法因正类经验表示不充分造成的梯度旋转和缩放尺度不确定问题,提出了一种梯度旋转可控分类不平衡数据的神经网络方法。具体而言,在分类过程中,梯度缩放问题可通过约束正负类梯度为单位梯度来解决。单位梯度约束能够使得神经网络恢复在不平衡数据条件下的工作能力。进一步,为解决梯度旋转不确定性问题,提出了一种梯度旋转可控的策略来约束正负类梯度的旋转方向,实现了神经网络在任意不平衡比例或任意数据分布上局部可控地扩展已知正类样本分布区域的功能。(2)从数据重采样上,针对已有欠采样策略和神经网络优化算法之间的无关联性问题,提出了一种偏好性欠采样分类不平衡数据的神经网络方法。具体而言,提出的偏好性欠采样方法包含神经网络欠采样及生成正类样本扩张分类边界两部分。其中,神经网络欠采样方法解决了不平衡数据条件下神经网络中存在的梯度淹没现象,生成正类样本扩张分类边界策略可实现已知正类样本分布区域的局部扩张。提出的方法建立起了神经网络中的负类样本欠采样策略与优化算法之间的匹配关联,实现了神经网络优化算法与欠采样策略的强耦合。(3)另一方面,针对已有过采样方法保持采样前后数据分布一致的要求无法从根本上解决因正类样本数量稀少带来的经验表示不充分问题,提出了过采样缺失正类样本分类不平衡数据的神经网络方法。具体而言,使用采样算法采样经验表示充分的负类样本,将采样过程中拒绝的样本收集起来作为候选缺失正类样本。为加速采样过程,设计了一个线分割状态转移核缩小候选状态空间。此外,针对因样本概率密度估计不准确导致的候选缺失正类样本的类别属性定义模糊问题,引入了类概率密度约束条件来提升采样的缺失正类样本质量。最后,针对神经网络的优化算法,提出了局部边界偏移与全局边界偏移两种策略来使用过采样出来的缺失正类样本。提出的过采样缺失正类样本方法打破了传统过采样方法采样前后数据分布一致的假设,实现了已知正类样本经验分布区域的有效扩充。(4)从优化算法学习策略上,针对已知交叉熵损失函数的直线型类别属性空间存在的紧致性表达问题,基于单分类范式扩展了一种平面型的不平衡数据类别属性空间。针对学习过程中存在的超球体坍塌,类间属性关系不明确以及紧致性表达等问题,提出了一种学习特定数据信息分类不平衡数据的神经网络方法。具体而言,基于超球体的单分类学习范式,利用神经网络将已知数据映射至不平衡数据类别属性空间中的两个非重叠正类和负类区域。同时,为减缓不平衡数据类别属性空间中负类区域中的紧致性表达损伤正类样本的辨识性能,提出了一种动态信息势能方法来尽可能地分散该区域中的负类样本。提出的方法从优化算法学习的角度提供了不平衡数据类别属性空间中的特定数据信息学习模式,实现了原始数据空间中非负类区域的有效收缩。(5)最后,在实际应用场景中,针对不平衡心电图信号分类的神经网络方法应用研究,基于可控梯度旋转思想衍生出了一种加权再平衡神经网络方法。具体而言,针对心电图信号中存在的相似性和差异性问题,设计了一种一维卷积神经网络用于自动提取可靠的心电图类别特征。针对心电图数据中存在的多类数据不平衡问题,提出了一种损失函数加权再平衡策略来平衡分类过程中的假正例和假负例预测失衡问题。提出的方法为心电图信号分类提供了一种自动化的算法方案,可将其作为临床辅助手段以减少临床诊断压力和误诊率。

关键词：神经网络不平衡数据分类不充分经验表示可控梯度旋转偏好性欠采样缺失正类过采样特定数据信息学习

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

共1页 << < 1 > >>

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：