检索结果-内蒙古大学图书馆

作者：陆正发重庆大学

学位级别：硕士

软件缺陷是指软件产品未满足与预期需求有关的功能。软件存在缺陷会降低软件的可靠性,降低软件的质量。软件缺陷预测能够提高软件开发和测试的效率,保障软件质量。研究者根据软件源代码度量元对软件进行缺陷预测,提出了针对无标签数据... 详细信息

软件缺陷是指软件产品未满足与预期需求有关的功能。软件存在缺陷会降低软件的可靠性,降低软件的质量。软件缺陷预测能够提高软件开发和测试的效率,保障软件质量。研究者根据软件源代码度量元对软件进行缺陷预测,提出了针对无标签数据集的无监督缺陷预测方法和跨项目缺陷预测方法,并且取得了较好的效果。这两种方法因其不需要待预测项目标签数据的特点而能够快速应用于新开发的项目。但是CLA(Clustering and LAbeling)无监督方法忽略度量元值与阈值的差值的影响。跨项目缺陷预测方法在计算项目分布相似度时没有使用标签数据。本文提出PCLA(Probabilistic Clustering and LAbeling)无监督缺陷预测方法和提出基于PCLA的跨项目缺陷预测方法。主要工作内容如下:1)提出PCLA无监督缺陷预测方法,将度量元值与阈值的差值映射为概率,使用概率评估类存在缺陷的可能性,再通过聚类和标记来完成缺陷预测。2)分析了PCLA方法中度量元阈值的计算方法,Sigmoid函数倾斜度参数a及标记临界值计算参数O对方法预测性能的影响。3)将PCLA方法与CLA方法比较。实验在Net Gen和Relink两组数据集共7个软件项目上进行,结果表明PCLA方法在查全率、查准率、F-measure上相对CLA方法分别平均提升4.58%,2.56%,3.25%。4)研究不同模型在跨项目缺陷预测方法上的预测效果。选择10个预测模型,对比它们在15个项目共50个版本的数据集上进行跨项目缺陷预测的效果,结果表明SimpleLogistic预测模型的预测效果最佳。5)提出基于PCLA的跨项目缺陷预测方法,通过PCLA方法标记目标项目,再计算可选源项目和目标项目的分布相似度,最后使用选取的源项目训练缺陷预测模型并在目标项目上进行预测。6)在基于PCLA的跨项目缺陷预测方法上,对比9种分布相似度计算策略的预测效果。使用标签数据的百分比计算分布相似度时,取得的预测效果最佳。对比基于PCLA的跨项目缺陷预测与PCLA方法的成功率,其成功率比PCLA方法提升200%。本文提出的针对无标签数据集的缺陷预测方法能够快速应用于工程实践中,特别是对新项目进行缺陷预测,有助于提高软件的质量。

关键词：软件工程缺陷预测无标签无监督跨项目

来源：评论

学校读者我要写书评

暂无评论

碳化钛介导原位还原的无标签可视化银离子检测综合实验设计

引用

大学化学 2022年第12期37卷 111-118页

作者：董宁宁许琳琪熊峰闫博宇李昆郭栋才化学生物传感与计量学国家重点实验室长沙410082 湖南大学化学化工学院长沙410082 化学国家级实验教学示范中心(湖南大学) 长沙410082

选取切合本科教学实际的科研前沿成果,将无机材料的制备和表征、光学分析方法的建立和应用融会在一起,为学生呈现了完整的课题研究流程。基于碳化钛介导的原位还原,构建了免标记、可视化的等离激元传感光学方法,实现了对样品中银离子的... 详细信息

选取切合本科教学实际的科研前沿成果,将无机材料的制备和表征、光学分析方法的建立和应用融会在一起,为学生呈现了完整的课题研究流程。基于碳化钛介导的原位还原,构建了免标记、可视化的等离激元传感光学方法,实现了对样品中银离子的高灵敏、特异性检测。本实验有助于学生掌握纳米分析化学的研究范式,养成探索创新的科研思维习惯,并激发学习兴趣和科研报国热情。

关键词：研究型综合实验碳化钛银离子无标签比色传感

来源：评论

学校读者我要写书评

暂无评论

一种无标签单链型人源双特异性抗体及其用途

一种无标签单链型人源双特异性抗体及其用途

引用

作者：勾蓝图杨金亮魏于全 610065 四川省成都市武侯区一环路南一段24号

本发明涉及基因工程和蛋白质工程技术领域，具体涉及编码包含人源CD3抗体可变区与人源CD19抗体可变区片段的重组融合蛋白的DNA、其所编码的融合蛋白等。本发明提供的是一种无标签的单链型人源CD3-CD19双特异性抗体，并提供了相应的检测... 详细信息

标准号: CN105399832A

本发明涉及基因工程和蛋白质工程技术领域，具体涉及编码包含人源CD3抗体可变区与人源CD19抗体可变区片段的重组融合蛋白的DNA、其所编码的融合蛋白等。本发明提供的是一种无标签的单链型人源CD3-CD19双特异性抗体，并提供了相应的检测方法。本发明的双特异性抗体不仅可用于传统的直接给药疗法，还可以在体外重塑T淋巴细胞，以靶向性细胞疗法在极低效靶比情况下杀伤肿瘤细胞。因此，本发明双特异性抗体具有更佳的人体适用性和更广泛的用途。

关键词：双特异性抗体人源疗法杀伤肿瘤细胞重组融合蛋白靶向性细胞蛋白质工程抗体可变区基因工程检测方法融合蛋白直接给药可变区无标签单链可用一种在体涉及包含

来源：评论

学校读者我要写书评

暂无评论

利用多标签信息的聚类方法

引用

天津理工大学学报 2024年第1期40卷 15-21页

作者：杨国安王志岗天津朗誉科技发展有限公司天津300457 天津理工大学计算机科学与工程学院天津300384

k-means是当前使用最广泛的聚类算法,但其只对无标签信息的样本数据进行聚类,需用户提供初始聚类中心等信息且聚类花费时间长结果不稳定。当前很多数据集都带有多标签的信息,如何利用多标签信息更加快速有效的聚类是一个重要的研究方向... 详细信息

k-means是当前使用最广泛的聚类算法,但其只对无标签信息的样本数据进行聚类,需用户提供初始聚类中心等信息且聚类花费时间长结果不稳定。当前很多数据集都带有多标签的信息,如何利用多标签信息更加快速有效的聚类是一个重要的研究方向。文中提出了多标签数据的聚类方法,首先对多标签信息进行聚类得到适当的初始聚类中心,然后再使用k-means算法对大量样本做聚类。试验结果表明,该聚类方法比使用随机初始聚类中心的k-means算法具有更好的时间性能和聚类结果。

关键词：多标签聚类 k-means 无标签

来源：评论

学校读者我要写书评

暂无评论

一种新的半监督支持向量机

引用

郑州大学学报（理学版） 2012年第3期44卷 66-68页

作者：王红蔚席红旗孔波河南教育学院数学系河南郑州450046 河南教育学院信息技术系河南郑州450046

在模式识别中,采取支持向量机对有类别标签样本分类是非常有效的,但在实际应用中,对样本进行标记并不是一件容易的工作.通过综合利用有类别标签和无类别标签样本信息构造目标函数和约束条件,借助二次规划模型提出了一种新的半监督支持... 详细信息

在模式识别中,采取支持向量机对有类别标签样本分类是非常有效的,但在实际应用中,对样本进行标记并不是一件容易的工作.通过综合利用有类别标签和无类别标签样本信息构造目标函数和约束条件,借助二次规划模型提出了一种新的半监督支持向量机,从而提高了仅依靠有类别标签样本支持向量机的分类准确率.

关键词：支持向量机二次规划无标签半监督

来源：评论

学校读者我要写书评

暂无评论

基于对比学习的自监督故障诊断方法研究

基于对比学习的自监督故障诊断方法研究

引用

作者：蔡晓满东莞理工学院

学位级别：硕士

信息化与工业化深度融合发展是新一轮工业革命的重要任务,对我国建设制造强国、构建现代化产业体系和实现经济高质量发展具有重要意义。机械设备故障诊断方法旨在提取出监测数据中蕴含的设备健康状态信息,检测设备早期故障并判断故障类... 详细信息

信息化与工业化深度融合发展是新一轮工业革命的重要任务,对我国建设制造强国、构建现代化产业体系和实现经济高质量发展具有重要意义。机械设备故障诊断方法旨在提取出监测数据中蕴含的设备健康状态信息,检测设备早期故障并判断故障类型,为设备的运行维护提供支持,避免机械设备非计划停机造成的经济损失与可能引发的严重事故。常规故障诊断方法通常假设已在机械设备正常与各种不同故障状态下采集到了大量监测数据,使用有监督的机器学习模型从“数据-标签(状态)”映射中提取关联信息,即可取得很好的诊断效果。然而,在实际工业场景中获取的机械设备监测数据存在无标签、故障样本少的问题:1)由于给监测数据添加标签依赖于特定领域的专家知识和大量人力,出于条件限制或成本考虑,监测数据普遍没有被标记对应的标签;2)机械设备往往运行较长一段时间才会出现故障,故障的萌生与扩展速度很快,并且出现故障后会迅速停机检修,因此在采集到的监测数据中绝大部分是正常状态数据,而在故障状态下采集到的数据很少。为突破上述问题对机械设备故障诊断的限制,需要研究不依赖数据标签和大量故障数据的故障诊断方法。近期兴起的自监督对比学习方法直接从数据本身出发,通过数据样本间的对比来提取一个数据样本最不同于其他样本的本质特征,为解决故障诊断领域中数据无标签、故障数据少样本的问题提供了新思路。本文(1)以机械设备关键易损部件轴承和齿轮为对象,开展基于自监督对比学习的故障诊断方法研究。针对实际工业场景中机械设备监测数据普遍没有标签的问题,本文提出了一种机械振动信号对比预测编码方法。考虑振动信号的一维时间序列特性,设计了基于一维卷积神经网络的振动数据特征提取器。在此基础上,使用一个极短时间段内的前几个数据样本特征来预测后几个样本特征,以提取出同一状态的共同特征,作为对比,将后几个样本多次随机替换为其他时间段采集的样本,对于各类别数据较为均衡的情况,替换后的样本有较大概率表示其他不同的状态,因此通过对比可使得提取出的特征相对其他状态具有分辨力。使用该方法处理大量无标签振动数据,可以提取出数据中每一类别最不同与其他类别的代表性特征,结合降维与聚类方法,有助于发现数据集中的不同类别。对特征提取效果进行定性与定量评估,结果表明所提出方法优于自编码器与统计特征方法。针对实际工业场景中更为苛刻的故障数据非常少的问题,本文提出了基于孪生表征学习的故障诊断方法(SRLD)。由于极度不平衡的监测数据中正常状态数据远多于故障状态数据,很难在无标签的情况下选中不同类别的数据进行对比,因此该方法首先使用自监督孪生对比表示学习方法将振动数据样本与其自身的增强样本进行对比,通过对比同一样本的不同表现形式来提取其中的本质特征,从而避免了不同类别数据的选取问题。在数据极度不平衡条件下,最终提取出的不同类别特征有优良的分辨力,因此可以直接在特征空间中基于最近邻规则进行故障诊断。此外,该方法还可以通过判断新数据样本是否超出每个已知类的范围来检测未知的故障状态。本文在在实验室齿轮箱故障模拟实验台上采集了多种故障及复合故障的振动信号,结合公开的故障诊断基准数据集对SRLD的特征提取、故障诊断效果进行评估,结果表明,在故障数据极度少的情况下,SRLD可以成功提取出故障特征,准确诊断故障并检测未知故障。本文研究为实际工业场景中数据无标签、少故障样本限制下的机械故障信息提取与诊断提供了新的思路。

关键词：深度学习对比学习无标签极度不平衡故障诊断

来源：评论

学校读者我要写书评

暂无评论

迁移学习在信贷冷启动业务上的应用研究

迁移学习在信贷冷启动业务上的应用研究

引用

作者：钟宇轩上海财经大学

学位级别：硕士

在经济发展新常态下,消费逐渐成为我国经济增长的主要贡献点,消费贷款的规模也在不断扩大。而随着国家在监管政策上的逐步收紧,消费金融的规范发展需要做到提高金融机构自身的风控能力。尤其是在个人贷款的申请数量稳步增长的形势下,信... 详细信息

在经济发展新常态下,消费逐渐成为我国经济增长的主要贡献点,消费贷款的规模也在不断扩大。而随着国家在监管政策上的逐步收紧,消费金融的规范发展需要做到提高金融机构自身的风控能力。尤其是在个人贷款的申请数量稳步增长的形势下,信用风险评估能力对消费金融从业者而言也变得越来越重要。与此同时,各类金融机构都在不断扩展自身业务,商业银行等传统的金融机构除了开展传统个人业务外,也积极向消费信贷业务上进军,而要做好新产品的开发就要求在风控模式上做到有所创新。对于开展消费贷款这一新业务的传统金融机构,往往会缺少足量的有表现客户数据用于搭建信用评分模型,而迁移学习则可以通过把已有的成熟产品上学习到的知识迁移到新的产品上进行建模,解决建模数据量不足的问题。为了有效解决在信贷冷启动业务中数据量不足的问题,同时在风控模型上尝试新的模型方法,本文利用了某金融机构的消费贷和小额分期贷款数据,重点研究了基于样本和基于特征的迁移学习方法分别在有标签样本和无标签样本上的建模效果,并与传统的建模方法对比观察迁移学习算法是否能对信贷冷启动业务上的风控模型效果起到提升作用。期望借助本文对迁移学习方法在信贷冷启动业务上的探索,可以在冷启动业务数据少的背景下帮助改善模型性能,以加速模型的上线;此外还可以促进已有客户信息的充分利用,不仅使得珍贵的已有业务数据得以重复利用,还能达到有效管理客户信息的效果。本文首先对信用风险量化评估模型和迁移学习两个方面在国内外的研究经验及发展趋势做了总结与凝练,并系统研究了信用风险评分模型的各类方法以及迁移学习的应用空间。然后介绍了本文研究的思路与框架,以及所涉及算法的相关理论基础。之后对本文实证所利用的数据背景做了较为详尽的介绍,再运用迁移学习方法,在实证数据上搭建了基于样本以及基于特征的信用风险评分模型,并通过对比基准模型验证了迁移学习算法的可行性,最终在有标签场景下的信贷冷启动业务上取得了明显的模型效果提升。本文具体的研究内容与主要结论可以概括为以下两个方面: (1)迁移学习在有标签业务场景下的实证分析。首先对消费贷产品积累的数据进行数据探索性分析,检查变量分布是否有异常,然后对变量进行压缩,筛选出对违约预测有一定区分能力的变量,训练light GBM模型作为基准模型。然后引入有一定成熟样本积累的小额分期贷款产品样本,利用Tr Adaboost迁移学习算法在迭代中得到的样本权重对分期贷款产品的样本进行筛选,每次迭代中去掉样本权重低的部分分期贷款产品样本,最后保留下与消费贷产品样本以及当前模型参数相适应的分期贷款产品样本,得到基于迁移学习方法达到的模型效果的同时,也保留了样本和模型的可解释性。实验结果表明,在有标签的业务场景下,经过调整后的迁移学习方法可以运用到信贷冷启动业务中,且相较于传统建模方法,迁移学习算法Tr Adaboost的模型效果可以得到提升。同时,基于样本的迁移学习方法不仅可以提高模型效果,还能筛选出与目标域客群相似的源域客群,这部分相似客群可以进一步用于目标域产品的引流,实现客户的有效转化和客户信息的充分利用。 (2)迁移学习在无标签业务场景下的实证分析。首先将有标签业务场景下的数据探索和变量压缩方法运用到小额分期贷款产品数据上,由于消费贷的数据在此场景下还没有是否逾期的表现,建模的基准引入了小额分期贷款产品样本建立了逻辑回归模型,以及采用了异常检测算法在消费贷产品样本上直接训练模型,将预测为异常的样本视为预测得到的违约样本。然后利用基于特征的JDA迁移学习算法,在小额分期贷款产品样本上建模,在消费贷产品上预测得到伪标签,在迭代中更新模型和伪标签,得到最终收敛的迁移学习模型。在无标签的业务场景下,相较于传统建模方法,迁移学习算法JDA没有得到模型效果的提升,这可能是数据集变量维数多,样本标签分布不均衡有关,也可能与算法本身初始值设置精度低的缺点有关。综上所述,本文认为迁移学习方法可以应用到仅有少量有表现客户的信贷冷启动业务中,并且对冷启动业务的风控算法平台建设有一定的应用价值。

关键词：消费金融信贷冷启动业务迁移学习有标签无标签

来源：评论

学校读者我要写书评

暂无评论

面向轴承故障跨域诊断应用的深度残差网络模型优化研究

面向轴承故障跨域诊断应用的深度残差网络模型优化研究

引用

作者：李超河南理工大学

学位级别：硕士

轴承作为电机设备的重要组成单元,在运输、冶金等领域都有广泛应用,其健康状态与机械装备的安全运行息息相关。实际工程应用中,机械装备经常暴露在不确定的条件下,例如噪声干扰和变化的负载,电机轴承在复杂的工作环境中长期高速运转,难... 详细信息

轴承作为电机设备的重要组成单元,在运输、冶金等领域都有广泛应用,其健康状态与机械装备的安全运行息息相关。实际工程应用中,机械装备经常暴露在不确定的条件下,例如噪声干扰和变化的负载,电机轴承在复杂的工作环境中长期高速运转,难免发生故障,轻则影响机械生产的正常运作,重则引起安全事故,因此对电机轴承展开故障诊断研究具有重要意义。深度网络能够自动从大数据样本中提取所隐藏的特征信息,直接建立起信号输入与预测输出之间的关系,具备端到端的故障识别优势。但在实际的工业场景中,电机轴承经常要根据实际工作任务及时调整工作状态,并且工业场景通常比较恶劣,充斥着未知的背景噪声,这导致在多变的工作状态下采集数据样本费时费力,数据分布差异大。因此,研究在标签样本不足、条件多变的复杂工业环境中,基于深度网络故障诊断模型,构建能够适应不同工作场景的故障诊断模型,具有重要的研究意义和工程价值,本文基于深度残差网络,研究面向跨域轴承故障诊断应用的深度网络优化方法,主要研究内容如下: 1.深度网络轴承故障诊断模型在面对变工况和噪声环境的诊断任务时,会因为模型训练场景与应用场景特征分布有差异,导致诊断精度下降,同时目标域标签样本有限,不足以重新训练模型。针对此问题,提出了基于密集连接深度残差网络的底层参数迁移模型。以深度残差网络为骨干,在残差块之间引入密集连接,将不同层次的特征信息直接相连,实现对特征的重复利用,扩展模型对全局特征和局部特征的描述能力。所采集的振动信号转换为图像数据集作为模型特征提取层的输入,对源域工况下振动信号设置标签对诊断模型进行训练,学习故障特征,构建故障诊断模型。根据目标域异于源域的特征信息,利用底层参数迁移方法,在所得诊断模型的基础上使用少量目标域标签样本对网络模型的顶层参数进行特异化调整,完成适应不同负载任务和噪声场景中的轴承故障诊断。实验结果表明,所提方法能够在标签样本有限的跨域任务中对轴承进行有效的故障诊断。 2.进一步,研究解决轴承故障跨域诊断时目标域无标记样本条件的模型优化问题。从跨域特征的分布差异角度,通过构建跨域分布损失和故障分类损失相结合的目标函数,对深度网络模型进行优化,提出了基于密集连接和局部最大平均差异的深度残差跨域自适应网络模型。首先将源域和目标域的振动信号转换为图像作为输入,利用密集连接深度残差网络提取源域和目标域的深层特征,并将其映射至同一子空间内,依据目标域任务类别数目预先划分子域,并根据样本间的相似度预先将同种标签的样本预先划分至同一子域,使用局部最大平均差异来量化源域和目标域中相关子域之间的分布距离,表征跨域任务中的数据分布差异,同时使用源域的样本及标签训练网络模型。从跨域特征分布差异出发,通过最小化跨域深层特征之间的局部最大平均差异距离来最小化跨域之间的数据分布差异,将域分布损失和故障分类损失相结合,对深度网络模型进行优化。实验结果表明,所提出的模型能够有效解决无标签状态下的目标域轴承健康状态分类。针对跨域诊断需求,从优化网络结构和减小域间特征分布差异的角度入手,研究基于残差网络的故障诊断模型优化,有效提高了深度残差网络在不同工业场景下对域不变稳定特征的提取能力,从而提升了诊断模型轴承故障跨域诊断的预测能力。图30幅,表14个,参考文献52篇。

关键词：故障诊断跨域深度残差网络底层参数迁移无标签域适应

来源：评论

学校读者我要写书评

暂无评论

一种鲁棒直推式标签估计及数据分类方法和系统

一种鲁棒直推式标签估计及数据分类方法和系统

引用

作者：张召贾磊李凡长张莉王邦军 215137 江苏省苏州市相城区济学路8号

本发明公开了一种鲁棒直推式标签估计及数据分类方法和系统，方法包括：利用有标签和无标签训练样本人工初始化类标签矩阵，经近邻搜索构造相似近邻图和归一化后的权重系数矩阵；通过平衡近邻重构项和标签拟合项得到未知标签训练样本的... 详细信息

标准号: CN105608471A

本发明公开了一种鲁棒直推式标签估计及数据分类方法和系统，方法包括：利用有标签和无标签训练样本人工初始化类标签矩阵，经近邻搜索构造相似近邻图和归一化后的权重系数矩阵；通过平衡近邻重构项和标签拟合项得到未知标签训练样本的软标签矩阵；基于鲁棒l_2,1-范数度量的近邻重构错误，定义流形平滑项；对标签拟合项进行l_2,1-范数正则化；通过迭代计算得到每个未知标签样本数据的软类别标签向量，估计出样本类别，得到分类结果。采用该方法构建的系统，通过引入l_2,1-范数正则化技术，有效提升了系统对于噪音的鲁棒性，增强分类性能。

关键词：标签矩阵范数正则化近邻鲁棒拟合未知类别标签向量标签训练迭代计算分类结果分类性能近邻搜索权重系数数据分类训练样本样本类别样本数据初始化定义流归一化鲁棒性软标签无标签直推式重构项度量平滑构建一种重构样本噪音相似引入平衡提升公开有效增强进行

来源：评论

学校读者我要写书评

暂无评论

一种改进的可迁移深度学习模型

引用

电子产品世界 2022年第10期29卷 46-48页

作者：李政仪邱春荣马洋长沙民政学院软件学院长沙410004 湖南航天宏图无人机系统有限公司长沙410000

本文设计了一种改进的可迁移深度学习模型。该模型能够在离开可靠的训练环境(其中存在标签)并被置于纯粹的无标签数据的领域时,输出依然可以持续得到改善,这种训练方式可以降低对监督学习的依赖程度。

关键词：可迁移深度学习无标签

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：