检索结果-内蒙古大学图书馆

武汉工程大学学报 2024年第2期46卷 231-236页

作者：张梦陈旭勇彭元林李书雅武汉工程大学土木工程与建筑学院湖北武汉430074

当结构的功能函数呈现高度非线性、极限状态曲面为多区域的情形时,现有算法无法有效求解非概率可靠性指标,为解决此类问题,将合成少数类过采样技术(SMOTE)进行改进,提出了基于改进SMOTE算法的非概率可靠性指标解法。首先基于非概率可靠... 详细信息

当结构的功能函数呈现高度非线性、极限状态曲面为多区域的情形时,现有算法无法有效求解非概率可靠性指标,为解决此类问题,将合成少数类过采样技术(SMOTE)进行改进,提出了基于改进SMOTE算法的非概率可靠性指标解法。首先基于非概率可靠性指标的几何意义,将样本分类策略、超球限制策略与标准SMOTE算法相结合,提出了改进SMOTE算法来进一步提升算法在极限状态曲面附近的采样效率;然后结合改进SMOTE算法在标准化空间中高精度的拟合局部极限状态曲面,进而搜索得到非概率可靠性指标;最后给出了基于改进SMOTE算法的非概率可靠性指标解的主要流程。数值算例表明,当极限状态曲面呈现局部闭合、多区域的特点时,改进后的SMOTE算法可以高效地获取位于极限状态曲面附近的样本点,进而高精度地拟合极限状态曲面。将本文方法的计算结果与解析解对比,相对误差远远小于工程中的最大误差限值5%,说明改进SMOTE算法能够较好地处理高度非线性功能函数,验证了所提算法的有效性和实用性。

关键词：非概率可靠性指标合成少数类过采样技术样本分类策略超球限制策略极限状态曲面

来源：评论

学校读者我要写书评

暂无评论

面向不平衡数据的特征子空间增强的异质集成学习

引用

计算机工程与科学 2025年第05期 940-950页

作者：陈丽芳白云施永辉代琪华北理工大学理学院河北省数据科学与应用重点实验室

对于不平衡数据，传统分类器趋向于保证多数类的准确率，而牺牲少数类的准确率，造成算法的整体性能下降。针对这一问题，提出一种面向不平衡数据的特征子空间增强的异质集成学习算法HEL-FSA。首先利用XGBoost算法学习特征的重要性，并... 详细信息

对于不平衡数据，传统分类器趋向于保证多数类的准确率，而牺牲少数类的准确率，造成算法的整体性能下降。针对这一问题，提出一种面向不平衡数据的特征子空间增强的异质集成学习算法HEL-FSA。首先利用XGBoost算法学习特征的重要性，并选择重要的特征，形成数据集的特征子空间；其次使用SMOTE算法在特征子空间中生成新样本，获得更加平衡的训练数据；最后，采用逻辑回归、决策树、多层感知器、支持向量机和XGBoost这5种基模型，并使用if＿any算法融合异质基模型。在9个不平衡数据集上的实验结果验证了该算法的可行性，同时，将提出的算法用于宫颈癌风险预测，增强了其对宫颈癌风险的理解和预测能力。

关键词：不平衡数据特征选择集成学习合成少数类过采样技术

来源：评论

学校读者我要写书评

暂无评论

面向不平衡图像数据的对抗自编码器过采样算法

引用

电子与信息学报 2024年第11期46卷 4208-4218页

作者：职为梅常智卢俊华耿正乾郑州大学计算机与人工智能学院郑州450001

许多适用于低维数据的传统不平衡学习算法在图像数据上的效果并不理想。基于生成对抗网络(GAN)的过采样算法虽然可以生成高质量图像,但在类不平衡情况下容易产生模式崩溃问题。基于自编码器(AE)的过采样算法容易训练,但生成的图像质量... 详细信息

许多适用于低维数据的传统不平衡学习算法在图像数据上的效果并不理想。基于生成对抗网络(GAN)的过采样算法虽然可以生成高质量图像,但在类不平衡情况下容易产生模式崩溃问题。基于自编码器(AE)的过采样算法容易训练,但生成的图像质量较低。为进一步提高过采样算法在不平衡图像中生成样本的质量和训练的稳定性,该文基于生成对抗网络和自编码器的思想提出一种融合自编码器和生成对抗网络的过采样算法(BAEGAN)。首先在自编码器中引入一个条件嵌入层,使用预训练的条件自编码器初始化GAN以稳定模型训练;然后改进判别器的输出结构,引入一种融合焦点损失和梯度惩罚的损失函数以减轻类不平衡的影响;最后从潜在向量的分布映射中使用合成少数类过采样技术(SMOTE)来生成高质量的图像。在4个图像数据集上的实验结果表明该算法在生成图像质量和过采样后的分类性能上优于具有辅助分类器的条件生成对抗网络(ACGAN)、平衡生成对抗网络(BAGAN)等过采样算法,能有效解决图像数据中的类不平衡问题。

关键词：不平衡图像数据过采样生成对抗网络对抗自编码器合成少数类过采样技术

来源：评论

学校读者我要写书评

暂无评论

不均衡小样本下的设备状态与寿命预测

引用

计算机集成制造系统 2024年第1期30卷 217-226页

作者：陈扬刘勤明郑伊寒上海理工大学管理学院上海200093

针对面向小样本不均衡设备健康监测数据时AdaBoost处理效果差的问题,提出了基于裁剪过采样新增AdaBoost算法的设备健康状态分析以及寿命预测模型。首先,基于AdaBoost计算出样本权值分布和容量,根据样本最大权值与样本个数生成改进裁剪系... 详细信息

针对面向小样本不均衡设备健康监测数据时AdaBoost处理效果差的问题,提出了基于裁剪过采样新增AdaBoost算法的设备健康状态分析以及寿命预测模型。首先,基于AdaBoost计算出样本权值分布和容量,根据样本最大权值与样本个数生成改进裁剪系数,选择性地对权值大于裁剪系数的样本进行处理从而提高计算效率。其次,通过类k近邻法则过滤出错分类样本权值,随后引入合成少数类过采样技术提升该种类样本权值个数,有效规避迭代过程中不均衡数据集可能引起的过拟合问题。最后,通过对设备运行状态进行准确分类并拟合出与时间相关的设备寿命曲线预测设备寿命。算例结果表明,所提模型能够有效分析出不均衡数据下的设备健康状况,同时也可以对剩余寿命进行有效预测。

关键词：小样本不均衡数据 AdaBoost算法合成少数类过采样技术剩余寿命预测

来源：评论

学校读者我要写书评

暂无评论

基于支持向量机算法的配电线路时变状态预测方法

引用

电力系统自动化 2020年第18期44卷 74-80页

作者：谢桦亚夏尔·吐尔洪陈昊张沛北京交通大学电气工程学院北京市100044

配电线路状态准确预测是进行配电网调控的基础。提出了基于支持向量机(SVM)算法的配电线路时变状态预测方法。首先,分析影响配电线路状态变化的因素,构建基于Fokker-Planck的配电线路状态转移模型。其次,融合配电信息系统多源海量数据,... 详细信息

配电线路状态准确预测是进行配电网调控的基础。提出了基于支持向量机(SVM)算法的配电线路时变状态预测方法。首先,分析影响配电线路状态变化的因素,构建基于Fokker-Planck的配电线路状态转移模型。其次,融合配电信息系统多源海量数据,采用基于相关度的最优特征子集筛选方法构建配电线路状态特征变量集,采用合成少数类过采样技术(SMOTE)算法解决线路故障状态样本数量少而带来的样本集类别不平衡问题。然后,考虑到线路状态二分类的特点,采用SVM算法进行线路运行工况的分类预测,形成了基于SMOTE-SVM算法的状态转移模型求解方法,可实现配电线路时变状态预测。最后,以某实际配电系统为算例验证了所提方法的有效性。

关键词：配电线路时变状态预测数据融合合成少数类过采样技术支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于多异学习器融合Stacking集成学习的窃电检测

引用

电力系统自动化 2022年第24期46卷 178-186页

作者：游文霞李清清杨楠申坤李文武吴泽黎三峡大学电气与新能源学院湖北省宜昌市443002

针对窃电检测中用户用电数据类别不平衡、采用投票法作为结合策略的集成学习方法无法充分发挥多个不同学习器优势等问题,提出一种利用Stacking集成学习融合多异学习器的模型应用于窃电检测。首先,从影响电量计量的因素出发,根据常见的5... 详细信息

针对窃电检测中用户用电数据类别不平衡、采用投票法作为结合策略的集成学习方法无法充分发挥多个不同学习器优势等问题,提出一种利用Stacking集成学习融合多异学习器的模型应用于窃电检测。首先,从影响电量计量的因素出发,根据常见的5种窃电方法模拟6种窃电行为模式;其次,采用合成少数类过采样技术(SMOTE)对不平衡的用电数据进行处理,并利用K折交叉验证法对平衡后的训练集进行划分以缓解因重复学习造成的过拟合;然后,使用评价指标和多样性度量优选模型的不同初级学习器和元学习器,构建融合不同学习器优势和差异的Stacking集成学习窃电检测模型;最后,算例对比分析结果表明所提窃电检测模型能有效解决用电数据类别不平衡,充分发挥不同学习器的优势,评价指标良好。

关键词： Stacking结合策略集成学习窃电检测合成少数类过采样技术 K折交叉验证

来源：评论

学校读者我要写书评

暂无评论

基于AVOA-XGBoost模型的岩爆预测研究

引用

华中科技大学学报（自然科学版） 2023年第12期51卷 151-157页

作者：高永涛朱强吴顺川陈龙北京科技大学金属矿山高效开采与安全教育部重点实验室北京100083 昆明理工大学国土资源工程学院云南昆明650093

为了安全高效地开采矿产资源,提出一种AVOA-XGBoost模型来预测岩爆烈度.依据初步选取的6个评价指标收集了326个岩爆案例,并采用Boruta算法和合成少数类过采样技术(SMOTE)进行特征筛选和解决类不平衡问题.经过预处理后的数据集通过分层... 详细信息

为了安全高效地开采矿产资源,提出一种AVOA-XGBoost模型来预测岩爆烈度.依据初步选取的6个评价指标收集了326个岩爆案例,并采用Boruta算法和合成少数类过采样技术(SMOTE)进行特征筛选和解决类不平衡问题.经过预处理后的数据集通过分层抽样被划分为训练集(80%)和测试集(20%),分别用于训练和测试模型,结果表明:非洲秃鹰优化算法(AVOA)可以高效地确定XGBoost算法的超参数;与现有的智能模型相比,该模型的准确率优异,Kappa系数为0.92,且较单一的XGBoost模型表现出更优的收敛速度;对特征的重要性分析发现岩石的弹性能量指数对模型的贡献最大.最后,将模型应用于三山岛金矿工程案例,验证了AVOA-XGBoost模型在岩爆预测中的有效性和实用性.

关键词：岩石力学岩爆预测极限梯度提升非洲秃鹰优化算法合成少数类过采样技术

来源：评论

学校读者我要写书评

暂无评论

一种基于随机森林的OFDM系统自适应算法

引用

信号处理 2024年第6期40卷 1007-1018页

作者：王波刘潇然熊俊辜方林张晓瀛国防科技大学电子科学学院湖南长沙410073

针对动态变化的信道环境,自适应正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统可以对子载波间隔和循环前缀长度进行调整,以最大化系统的吞吐量。为了能够快速准确地找到OFDM系统在不同信道环境中的最优子载波间... 详细信息

针对动态变化的信道环境,自适应正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统可以对子载波间隔和循环前缀长度进行调整,以最大化系统的吞吐量。为了能够快速准确地找到OFDM系统在不同信道环境中的最优子载波间隔和循环前缀长度取值,本文提出了基于随机森林的OFDM系统自适应算法。随机森林算法基于集成的思想,能够有效处理高维度数据,并且具有高效率、高准确率和强泛化能力等优势,可以在复杂的数据场景下进行有效的分类。通过提取通信过程中信噪比、用户移动速度、最大多普勒频率和均方根时延扩展等信道特征与OFDM系统的子载波间隔和循环前缀长度组成训练样本,利用随机森林算法创建了OFDM系统参数多分类模型。所提模型可以根据输入的信道特征,实现OFDM系统子载波间隔和循环前缀长度的自适应分配。同时,针对训练样本主要集中在少数几个系统参数类别的情况,利用合成少数类过采样技术对较少样本数的类别进行扩充,满足了随机森林算法对训练样本类别平衡化的需求,进一步提高了算法的分类准确率。相比传统的自适应算法,所提算法具有更高的分类准确率和模型泛化能力。分析和仿真结果表明,与子载波间隔和循环前缀长度固定的OFDM系统相比,本文所提出的自适应算法能够准确选择出最优的系统参数,可以有效地减轻信道中符号间干扰和子载波间干扰的影响,从而在整个信噪比范围上提供最大的平均频谱效率。基于随机森林的OFDM系统自适应算法能够动态地分配子载波间隔和循环前缀长度,增强OFDM系统的通信质量和抗干扰能力,实现在不同信道环境下的可靠传输。

关键词：正交频分复用合成少数类过采样技术随机森林自适应算法

来源：评论

学校读者我要写书评

暂无评论

滑坡易发性评价中样本不均衡问题处理研究

引用

水文地质工程地质 2024年第6期51卷 171-181页

作者：田尤高波殷红李元灵张佳佳陈龙李洪梁中国地质科学院探矿工艺研究所四川成都611734 自然资源部地质灾害风险防控工程技术创新中心四川成都611734 四川省地质灾害防治工程技术研究中心四川成都610081 四川省地质环境调查研究中心四川成都610081

滑坡易发性评价中,样本不均衡问题的不同处理方案通常会带来评价结果的大量不确定性。针对这一问题,以藏东昌都市部分县(区)为研究区,构建滑坡/非滑坡样本不均衡数据集,采用不处理、下采样和合成少数类过采样(synthetic minority oversa... 详细信息

滑坡易发性评价中,样本不均衡问题的不同处理方案通常会带来评价结果的大量不确定性。针对这一问题,以藏东昌都市部分县(区)为研究区,构建滑坡/非滑坡样本不均衡数据集,采用不处理、下采样和合成少数类过采样(synthetic minority oversampling technique,SMOTE)3种处置方案,运用逻辑回归方法分别构建滑坡易发性评价模型。基于ROC曲线、准确度、精确率、召回率、漏检率等评价指标,采用综合评价指标F_(1)′同数对模型分类的精度进行验证。结果表明:数据处理成均衡数据集(过采样/下采样)建立的模型效果较不处理数据建立的模型效果有了大幅提升,F_(1)′同数的值最大提高了53.17%;在下采样、过采样两种数据处理方案中,过采样方法比下采样方法F_(1)′分数的值提高了16.30%,表明过采样方法对处理样本不均衡数据问题方面具有较好效果。研究成果可为滑坡预测和地质灾害预测前的数据集处理提供参考,为进一步提高区域防灾减灾水平提供理论与技术支持。

关键词：滑坡易发性合成少数类过采样技术评价模型昌都市样本不均衡数据

来源：评论

学校读者我要写书评

暂无评论

面向不平衡数据集的浓香型白酒基酒等级分类研究

引用

中国酿造 2024年第1期43卷 184-189页

作者：王继华李兆飞杨壮赵娜张贵宇四川轻化工大学人工智能四川省重点实验室四川宜宾644000 四川轻化工大学自动化与信息工程学院四川宜宾644000

为解决基于气相色谱-质谱联用(GC-MS)仪采集的浓香型白酒基酒等级分类中样本不均衡导致分类模型性能下降的问题,提出了一种面向不平衡数据集的浓香型白酒基酒分类研究。该方法首先采用合成少数类过采样技术(SMOTE)对浓香型基酒样品中少... 详细信息

为解决基于气相色谱-质谱联用(GC-MS)仪采集的浓香型白酒基酒等级分类中样本不均衡导致分类模型性能下降的问题,提出了一种面向不平衡数据集的浓香型白酒基酒分类研究。该方法首先采用合成少数类过采样技术(SMOTE)对浓香型基酒样品中少数类样本进行扩充,改善样本的不均衡性;然后结合稀疏主成分分析(SPCA)对GC-MS图谱数据进行降维;最后使用深度森林(DF)分类器建立浓香型白酒基酒分类识别模型。结果表明,使用SMOTE算法对基酒数据集进行平衡之后能够有效提高模型分类准确率,所建立的浓香型基酒分类模型正确率达到96.61%,该分类模型的建立对基酒等级分类能起到一定的指导和借鉴作用。

关键词：气相色谱-质谱联用浓香型白酒基酒合成少数类过采样技术稀疏主成分分析基酒分类

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：