检索结果-内蒙古大学图书馆

统计与决策 2023年第2期39卷 20-23页

作者：赵文丽石洪波山西财经大学统计学院太原030006 山西财经大学信息管理学院太原030006

针对小样本建模存在的模型拟合效果欠佳、参数估计不准确的问题,利用生成对抗网络可以捕获原始数据分布且能够生成服从其分布的数据的特性,文章将生成对抗网络用于扩展小样本数据的规模,并对生成的数据进行优化处理,使用优化后的数据集... 详细信息

针对小样本建模存在的模型拟合效果欠佳、参数估计不准确的问题,利用生成对抗网络可以捕获原始数据分布且能够生成服从其分布的数据的特性,文章将生成对抗网络用于扩展小样本数据的规模,并对生成的数据进行优化处理,使用优化后的数据集进行多元回归分析。结果表明,模型拟合结果与原始数据相比效果更好。生成对抗网络可以作为扩大样本量的一种方法,应用于经济社会统计中。

关键词：小样本建模生成对抗网络 WGAN 深度学习

来源：评论

学校读者我要写书评

暂无评论

高光谱结合小样本建模的岩石类别识别方法研究

高光谱结合小样本建模的岩石类别识别方法研究

引用

作者：彭奕博西安石油大学

学位级别：硕士

岩样识别是储层描述、地层评价、石油钻井等应用领域的重要研究内容,准确、高效地识别岩样具有很大的实用价值。由于地质岩性信息复杂多变、不同种类的岩样数据分布不平衡,这些原因导致传统岩样识别方法存在工作效率低、识别效果不理想... 详细信息

岩样识别是储层描述、地层评价、石油钻井等应用领域的重要研究内容,准确、高效地识别岩样具有很大的实用价值。由于地质岩性信息复杂多变、不同种类的岩样数据分布不平衡,这些原因导致传统岩样识别方法存在工作效率低、识别效果不理想和稳定性差等问题,难以用于实际的岩样识别工作中。高光谱作为一种光谱分析技术,具有效率高、操作简便、无损检测等优点,已广泛应用于岩石识别研究中。在实际应用中,岩石光谱数据的获取往往需要通过人工采集,这在产生极大人力成本的同时也导致收集到的光谱数据往往十分有限。因此,如何能在样本数量较少的情况下实现岩石快速有效的识别具有重要研究意义。本文以不同种类岩石为研究对象,利用高光谱技术结合多种分类算法建立了岩样识别模型,并结合数据预处理和降维方法,期望能够进一步提高模型的识别效果。具体的研究内容如下: (1)高光谱结合线性建模方法的岩样识别模型。首先,利用高光谱技术采集了火山岩、砂岩和石灰岩3类岩石样本高光谱数据。其次,采用标准正态变换、Savitzky-Golay平滑滤波、多元散射校正和一阶微分四种方法对数据进行预处理,最后结合偏最小二乘分类(Partial Least Square Discriminant Analysis,PLS-DA)和线性判别分析(Linear Discriminant Analysis,LDA)两种算法建立了线性识别模型。研究结果表明,建立的MSC-LDA模型的识别能力最佳,分类准确率为78.70%。此外,为了进一步提高模型的分类准确率,采用主成分分析(Principal Component Analysis,PCA)方法进行数据降维处理,其中SG-PCA-LDA模型的识别能力最佳,识别准确率为83.33%,同时各项模型评价指标也最高。由此可见,高光谱结合线性建模方法用于小样本岩样识别方法简便、高效,为岩石定性分类研究提供了一种新的方法。 (2)高光谱结合非线性建模方法的岩样识别模型。为了进一步提高模型的识别能力,利用采集到的三类岩石高光谱数据,分别采用Savitzky-Golay平滑滤波、标准正态变换、多元散射校正和一阶微分4种方法对光谱数据进行预处理,并利用主成分分析和局部线性嵌入两种方法进行数据降维,结合非线性建模方法建立了识别模型。研究结果表明,通过比较非线性建模方法中非集成学习和集成学习模型识别准确率的结果,其中建立的SGPCA-Ada Boost模型识别效果最佳,识别准确率为100%,同时各项模型评价指标也最高。由此可见,高光谱结合集成学习的非线性模型用于小样本岩样识别更加准确、高效,为岩石定性分类研究提供了重要参考价值。 (3)激光诱导击穿光谱结合非线性建模方法的岩样识别模型。利用激光诱导击穿光谱(Laser-Induced Breakdown Spectroscopy,LIBS)技术采集三类岩石的LIBS光谱数据,采用Savitzky-Golay平滑滤波、标准正态变换、多元散射校正和一阶微分4种方法对LIBS光谱数据进行预处理,并利用主成分分析和局部线性嵌入两种方法进行数据降维,结合SVM、KNN、RF和AdaBoost四种非线性建模方法建立了识别模型。其中,基于LIBS数据建立的MSC-PCA-AdaBoost模型的识别效果最佳,识别准确率为96.30%,同时各项模型评价指标也最高。研究结果表明,相较于基于LIBS技术建立的模型,基于高光谱技术建立的岩样识别模型识别准确率更高,由此可见,将高光谱技术应用于岩石定性分类研究更可靠,模型更具有优越性。

关键词：高光谱岩样识别小样本建模集成学习

来源：评论

学校读者我要写书评

暂无评论

基于多目标PSO混合优化的虚拟样本生成

引用

自动化学报 2024年第4期50卷 790-811页

作者：王丹丹汤健夏恒乔俊飞北京工业大学信息学部北京100124 北京工业大学智慧环保北京实验室北京100124 北京工业大学智能感知与自主控制教育部工程研究中心北京100124

受限于检测技术难度、高时间与经济成本等原因,难测参数的软测量模型建模样本存在数量少、分布稀疏与不平衡等问题,严重制约了数据驱动模型的泛化性能.针对以上问题,提出一种基于多目标粒子群优化(Multi-objective particle swarm optim... 详细信息

受限于检测技术难度、高时间与经济成本等原因,难测参数的软测量模型建模样本存在数量少、分布稀疏与不平衡等问题,严重制约了数据驱动模型的泛化性能.针对以上问题,提出一种基于多目标粒子群优化(Multi-objective particle swarm optimization, MOPSO)混合优化的虚拟样本生成(Virtual sample generation, VSG)方法.首先,设计综合学习粒子群优化算法的种群表征机制,使其能够同时编码用于连续变量和离散变量;然后,定义具有多阶段多目标特性的综合学习粒子群优化算法适应度函数,使其能够在确保模型泛化性能的同时最小化虚拟样本数量;最后,提出面向虚拟样本生成的多目标混合优化任务以改进综合学习粒子群优化算法,使其能够适应虚拟样本优选过程的变维特性并提高收敛速度.同时,首次借鉴度量学习提出用于评价虚拟样本质量的综合评价指标和分布相似指标.利用基准数据集和真实工业数据集验证了所提方法的有效性和优越性.

关键词：小样本建模虚拟样本生成混合优化多目标粒子群优化分布相似度

来源：评论

学校读者我要写书评

暂无评论

基于灰狼算法-LSSVM的惯组建模预测技术研究

引用

弹箭与制导学报 2021年

作者：李亚徐军辉单斌甄占昌火箭军工程大学导弹工程学院

针对捷联惯组大部分误差系数时间序列复杂度高的特点，提出了一种基于经验模态分解和灰狼算法优化最小二乘支持向量机的惯组误差系数预测方法。首先将原始测试数据等间隔化，利用经验模态分解将复杂的时间序列分解为一系列较平稳的本征... 详细信息

针对捷联惯组大部分误差系数时间序列复杂度高的特点，提出了一种基于经验模态分解和灰狼算法优化最小二乘支持向量机的惯组误差系数预测方法。首先将原始测试数据等间隔化，利用经验模态分解将复杂的时间序列分解为一系列较平稳的本征模函数，然后使用相空间重构构造预测模型的输入与输出；最后对各模态分别使用灰狼算法优化后的最小二乘支持向量机进行预测。在实例分析中，本文提出的预测模型较其它方法具有更好的预测精度。

关键词：捷联惯组小样本建模灰狼算法最小二乘支持向量机经验模态分解

来源：评论

学校读者我要写书评

暂无评论

特征样本重复抽样建模方法和应用研究

引用

统计研究 2016年第10期33卷 93-99页

作者：李宝瑜刘雪晨刘洋山西财经大学统计研究院山西财经大学

本文在传统统计回归方法的基础上,构建了一种新的特征样本重复抽样回归(FSR)建模方法。该方法是依据变量特征采用机器抽样方法重复抽样,形成多个特征样本,然后对多个样本进行参数估计,形成参数的抽样分布;最后依据抽样分布,在多个优化... 详细信息

本文在传统统计回归方法的基础上,构建了一种新的特征样本重复抽样回归(FSR)建模方法。该方法是依据变量特征采用机器抽样方法重复抽样,形成多个特征样本,然后对多个样本进行参数估计,形成参数的抽样分布;最后依据抽样分布,在多个优化目标要求下建立最优化模型。FSR方法能够作为社会科学研究中一种通用的建模方法。

关键词：特征样本重复抽样小样本建模模型优化

来源：评论

学校读者我要写书评

暂无评论

捷联惯组历次测试数据时间序列建模与预报

引用

弹箭与制导学报 2005年第S5期25卷 620-623页

作者：徐军辉肖正林钱培贤第二炮兵工程学院301教研室西安710025

提出了捷联惯组历次测试数据时间序列分析法。针对惯组历次测试数据少,小样本建模困难的问题,提出了通过二次修正插值的方法,构建惯组历次测试数据建模分析所需的时间序列。为解决惯组历次测试数据小样本建模问题提供一种可行的途径。... 详细信息

提出了捷联惯组历次测试数据时间序列分析法。针对惯组历次测试数据少,小样本建模困难的问题,提出了通过二次修正插值的方法,构建惯组历次测试数据建模分析所需的时间序列。为解决惯组历次测试数据小样本建模问题提供一种可行的途径。最后通过时间序列预报,预测惯组误差系数的变化趋势,为使用、分析、挑选惯组提供了理论依据。

关键词：捷联惯组历次测试数据时间序列小样本建模

来源：评论

学校读者我要写书评

暂无评论

信息优化的模糊神经网络在建模中的应用研究

引用

哈尔滨工业大学学报 1996年第6期28卷 112-115页

作者：张勇张彤张家余陈晓东丁世坤哈尔滨电站设备集团公司

提出采用信息聚类－扩散的模糊神经网络（ＩＣＥＦＮ）来对小样本建立模型的理论．利用信息扩散将分类小样本信息扩散至周围信息点，从而解决神经网络在小样本上无法建模的缺陷．同时，还采用了因素程度空间来扩展输入＼输出结点，减少... 详细信息

提出采用信息聚类－扩散的模糊神经网络（ＩＣＥＦＮ）来对小样本建立模型的理论．利用信息扩散将分类小样本信息扩散至周围信息点，从而解决神经网络在小样本上无法建模的缺陷．同时，还采用了因素程度空间来扩展输入＼输出结点，减少隐结点数，使网络进一步符合实际系统．该方法用于降水量预测，取得了满意的仿真结果．

关键词：小样本建模模糊神经网络信息扩散信息聚类

来源：评论

学校读者我要写书评

暂无评论

燃气轮机CCHP变工况节能特性研究

引用

计算机仿真 2017年第9期34卷 282-287页

作者：康笑洲任雅琴杨远昭韩鹏飞武汉大学动力与机械学院湖北武汉430072 武汉立为工程技术有限公司湖北武汉430072

燃机冷热电联产因充分利用烟气余热而具有节能减排的重要价值,变工况运行是系统的工作常态,分析变工况节能效果有助于提高系统节能性。因系统运行工况十分复杂,一般采用建模仿真进行分析,当前主要建模仿真方法所需样本量过大,实际情况... 详细信息

燃机冷热电联产因充分利用烟气余热而具有节能减排的重要价值,变工况运行是系统的工作常态,分析变工况节能效果有助于提高系统节能性。因系统运行工况十分复杂,一般采用建模仿真进行分析,当前主要建模仿真方法所需样本量过大,实际情况难以满足建模要求。为解决上述问题,设计了一种燃机三联产系统,基于CMSVM2.0平台应用LOOCV-SVM算法以小容量样本建立一套变工况模型。通过实例计算表明,基于小样本建立的模型精度可靠,可用于燃机三联产变工况节能性研究。

关键词：支持向量机留-法交叉验证燃机三联产系统小样本建模变工况模型

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的管道泄漏检测方法研究

基于深度学习的管道泄漏检测方法研究

引用

作者：张桢北京化工大学

学位级别：硕士

近几年,声波法由于泄漏检测灵敏度高、定位精度高、成本低等优点被广泛应用于管道泄漏监测系统中。但由于其灵敏度高的特点,基于该方法的泄漏检测定位系统非常容易产生误报。此外,现有的管道泄漏检测方法都是以一帧完整的信号作为检测对... 详细信息

近几年,声波法由于泄漏检测灵敏度高、定位精度高、成本低等优点被广泛应用于管道泄漏监测系统中。但由于其灵敏度高的特点,基于该方法的泄漏检测定位系统非常容易产生误报。此外,现有的管道泄漏检测方法都是以一帧完整的信号作为检测对象,对其是否存在局部异常信号进行分类,但是分类的结果并不能给出局部异常信号的个数及其在一帧信号中的局部位置信息。然而在实际应用中,获取局部异常信号的个数及位置信息,对于准确定位、减少误报和漏报有着重要作用。针对上述问题,本课题将干扰信号和泄漏信号均视为局部异常信号,研究了基于深度学习的局部异常信号检测方法,从一个新的角度实现了管道输送过程中局部异常信号的检测,并结合已有的基于信号匹配的互相关定位方法,实现了管道泄漏的准确检测和定位。由于实际管道很难获得大量的泄漏信号样本,而基于深度学习的异常信号检测模型训练需要大量样本的支持,本文从信号时域局部特征的角度出发,将局部子信号的幅值、宽度等多个时域局部特征结合,提出了信号的时域局部联合特征,并结合网络本身的特点,分析了局部异常信号检测模型实现小样本建模的可行性,实现了小样本建模。针对管道泄漏检测定位中由于上下游局部异常信号非同源导致误报的现象,本文提出了基于孪生网络和卷积分类网络相结合的异常信号同源性检验方法,实现上下游非同源异常信号的识别,克服了孪生网络得到相似度值后需要通过设定阈值判断样本是否相似的缺点,减少了非同源信号造成的误报。利用实际管道的声波信号数据进行了方法有效性检验,结果表明:基于深度学习的局部异常信号检测模型在多条管道上的测试效果良好,泛化能力强;基于孪生网络和卷积分类网络的非同源信号识别方法能够有效减少误报;课题提出的管道泄漏检测方法为工业应用提供了一种有效、可靠的实现方法。

关键词：管道泄漏检测目标识别小样本建模非同源信号检测

来源：评论

学校读者我要写书评

暂无评论

石化过程生产指标的在线估计方法研究

石化过程生产指标的在线估计方法研究

引用

作者：刘祁跃清华大学

学位级别：硕士

先进控制是化工过程的有效控制手段,得到了广泛应用。先进控制往往要求实时测得控制变量的各项指标,如产品成分、气体含量等;而实际生产中这些指标受限于现场测量条件、仪表购买和维护成本等原因,往往不能用在线分析仪表直接在线测量。... 详细信息

先进控制是化工过程的有效控制手段,得到了广泛应用。先进控制往往要求实时测得控制变量的各项指标,如产品成分、气体含量等;而实际生产中这些指标受限于现场测量条件、仪表购买和维护成本等原因,往往不能用在线分析仪表直接在线测量。由此需要采用在线估计方法,实时计算待测变量。作为建模问题,化工过程生产指标在线估计的特点在于:过程变化明显及样本点少。本文以“常压塔塔顶产品质量指标估计”为背景进行方法研究。该问题中,作为进料的原油,其性质不断发生变化,容易造成模型失配,预测精度不够。本文首先利用流程模拟软件HYSYS仿真原油变化情况,比较对原油变化分类建立模型的有效性,然后对于更为复杂的实际工业数据进行研究和提出解决方法,主要工作集中在以下两方面。 1、针对原油性质发生变化的问题,提出采用分类和聚类的方法,对相似性质的原油建模,并在线选择对应的预测模型。通过分类或聚类,使每个子类的样本点更吻合该类模型。在分类方法中,比较了RBF网络、SVM(支持向量机)和AdaBoost三种分类器,并由AdaBoost分类器得到了最好的分类效果。验证了分类准确率的提高,将带来预测精度的提高;相对于不分类直接建模,其预测误差降低了17.8%。对于缺乏类别标志的数据,采用聚类方法,同样明显提高了预测精度,改善达到12.8%。由此说明,对于类似于原油性质变化的问题,采用分类或聚类建模的方法,将是改善精度的有效手段。 2、针对化工建模训练集样本数通常较少,特别是在分类后子类样本集过小的特点,应用了小样本建模的方法。利用统计学习理论相关知识,采用SVR(支持向量回归)方法,根据对象特性选择了合适的Kernel函数,有效地提高了模型的推广性,并使得小样本子类的预测精度提高了近19.1%。另外,采用Bagging方法验证对小样本建模的效果,发现在样本数很小的情况下,PLS模型具有直观上的“不稳定性”(unstable),符合Bagging方法的应用条件;Bagging方法的引入,将原有的建模精度提高了9.9%。作为直接建模手段的SVR和力图解决模型不稳定性的Bagging方法,都为化工过程小样本建模提供了可行的方法选择。

关键词：在线估计统计建模分类算法聚类算法小样本建模

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：