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

73 篇 学位论文
32 篇 期刊文献

馆藏范围

105 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

99 篇 工学
- 59 篇 计算机科学与技术...
- 52 篇 软件工程
- 47 篇 控制科学与工程
- 35 篇 机械工程
- 11 篇 信息与通信工程
- 10 篇 仪器科学与技术
- 9 篇 公安技术
- 6 篇 生物医学工程（可授...
- 5 篇 航空宇航科学与技...
- 5 篇 网络空间安全
- 4 篇 电气工程
- 4 篇 电子科学与技术（可...
- 4 篇 交通运输工程
- 3 篇 生物工程
- 2 篇 冶金工程
- 2 篇 化学工程与技术
- 2 篇 石油与天然气工程
48 篇 管理学
- 48 篇 管理科学与工程(可...
- 2 篇 公共管理
13 篇 医学
- 9 篇 临床医学
11 篇 理学
- 5 篇 系统科学
- 2 篇 数学
- 2 篇 化学
- 1 篇 天文学
- 1 篇 大气科学
6 篇 经济学
- 6 篇 应用经济学
3 篇 军事学
- 2 篇 军事装备学
3 篇 艺术学
- 3 篇 设计学（可授艺术学...
2 篇 法学
- 2 篇 公安学
2 篇 农学
- 2 篇 植物保护

主题

105 篇 样本不均衡
18 篇 深度学习
12 篇 卷积神经网络
10 篇 故障诊断
7 篇 特征选择
7 篇 生成对抗网络
7 篇 集成学习
6 篇 迁移学习
6 篇 目标检测
5 篇 注意力机制
5 篇 机器学习
4 篇 小样本
3 篇 数据增强
3 篇 损失函数
3 篇 支持向量机
3 篇 特征提取
3 篇 轴承故障诊断
3 篇 孪生神经网络
3 篇 多标签分类
3 篇 特征融合

机构

8 篇 中国科学院大学
5 篇 西南交通大学
5 篇 青岛理工大学
4 篇 电子科技大学
3 篇 东南大学
3 篇 西安电子科技大学
3 篇 浙江大学
2 篇 北京交通大学
2 篇 天津大学
2 篇 江西理工大学
2 篇 南京信息工程大学
2 篇 哈尔滨理工大学
2 篇 沈阳工业大学
2 篇 北京邮电大学
2 篇 四川大学
2 篇 上海交通大学
2 篇 中国石油大学
2 篇 华东师范大学
2 篇 哈尔滨工业大学
2 篇 湖北大学

作者

2 篇 李道全
2 篇 鲁晓夫
2 篇 李健
2 篇 王小丽
2 篇 li jian
2 篇 peng fei
2 篇 陈俊宇
2 篇 彭飞
1 篇 李兆星
1 篇 zhang chongyang
1 篇 zhou zhi-hua
1 篇 zeng dayi
1 篇 易才键
1 篇 张鑫宇
1 篇 宗继梁
1 篇 lu xiaofu
1 篇 史冰莹
1 篇 bao shengli
1 篇 熊淑华
1 篇 陈俊

语言

105 篇 中文

检索条件"主题词=样本不均衡"

共 105 条记录，以下是51-60 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：

基于集成学习的个人信贷违约预测研究

基于集成学习的个人信贷违约预测研究

引用

作者：王小丽湖北大学

学位级别：硕士

互联网金融催生网络贷款的普及,满足消费者多元化融资需求。然而,随着信贷平台增多,违约事件频发,这不仅严重影响平台的资金回收与正常运营,更可能给投资者造成重大的经济损失。因此,准确预测并有效防范信贷违约事件,是金融风控领域亟... 详细信息

互联网金融催生网络贷款的普及,满足消费者多元化融资需求。然而,随着信贷平台增多,违约事件频发,这不仅严重影响平台的资金回收与正常运营,更可能给投资者造成重大的经济损失。因此,准确预测并有效防范信贷违约事件,是金融风控领域亟需解决的关键课题。本文将集成学习应用于信贷违约研究,融合多个机器学习模型,并从数据和算法层面对不平衡数据集进行处理,旨在构建较高预测性能的信贷违约预测模型,为信贷平台降低不良贷款率、减少损失。本文主要工作如下: （1）为解决借贷数据集维度过高、特征冗余的问题,本文将基于逻辑回归的递归特征消除（LR-RFE）方法与XGBoost算法结合。先运用LR-RFE逐步剔除冗余和无效特征;随后借助XGBoost对特征进行重要性排序,筛选出对模型预测影响最大的特征。（2）由于借贷数据中样本分类不均衡,本文提出了一种新的综合采样算法SMOTERUS,将SMOTE算法结合随机欠采样对样本进行平衡处理,既增加了少数类样本的数量,又减少了可能存在的噪声,降低了过拟合风险。（3）将多种机器学习算法进行集成,本文提出了一种新的Stacking融合模型Light GBMStacking。在该模型中,随机森林、XGBoost和Cat Boost被选为第一层的基模型,Light GBM为第二层的元模型。综合利用各机器学习的优势,弥补单一模型的局限性,最终提升模型整体的预测效果。本文选用Lending Club 2019至2020年的借贷数据进行研究,将SMOTERUS与六种不同的采样算法进行对比,并结合Light GBM构建信贷违约预测模型。实验结果表明,SMOTERUS算法在确保精确率的同时,模型的预测性能均高于其他采样算法,AUC值高达0.8088,证实了该算法对于解决不平衡数据是可行有效的。同时,通过与多个单一模型进行对比,验证了Light GBMStacking集成学习模型在预测性能上具有一定的优势,准确率、召回率和AUC均得到了提升,且综合性能表现最优。

关键词：集成学习信贷违约预测 Stacking模型融合样本不均衡特征选择

来源：评论

学校读者我要写书评

暂无评论

高光谱遥感图像分类多尺度密集网络轻量化方法研究

高光谱遥感图像分类多尺度密集网络轻量化方法研究

引用

作者：薛丹齐鲁工业大学

学位级别：硕士

目前,深度学习(Deep Learning,DL)中的卷积神经网络(Convolutional Neural Network,CNN)已经被广泛应用于高光谱遥感图像(Hyperspectral Remote Sensing Images,HSI)分类。同时,研究人员为提高网络模型对HSI的分类精度,不断对卷积神经网络进行深度加深和尺度改变,再通过密集连接,构建了多尺度密集网络(Multi-scale Dense Network,MSDN)。但MSDN模型在水平方向上是一个稠密连接网络(DenseNet),造成特征复用冗余,使网络复杂度和参数量增加,进而导致网络使用受计算机性能的约束,在一些实际场景中应用受限。此外,高光谱遥感图像数据集自身存在样本分布不均衡的问题,会降低高光谱遥感图像分类精度。因此,如何对多尺度密集网络轻量化,并且降低高光谱遥感图像样本不均衡对分类精度的影响值得研究。针对上述问题,本文主要进行了如下研究: 1.针对高光谱遥感图像分类多尺度密集网络轻量化,本文通过稀疏交互和池化操作对多尺度密集网络进行轻量化,构建了轻量化多尺度密集网络(Lightweight Multi-scale Dense Network,LMSDN)。具体的,将MSDN网络沿着水平方向分成S=3块,让第i(i=1,2,3)块中仅包含来自上一块的输入特征,不再是包含所有块的输入特征,来实现稀疏交互。在垂直方向上采用平均池化操作替换原来的步幅卷积进行下采样,将“对角块”中的计算进行分组,仅按照分类器所需路径传输,来减少网络模型参数量。此外,考虑到全连接层会产生大量的计算参数,本文使用全局平均池化对卷积层最后输出特征进行展平操作,减少多尺度密集网络的参数量。通过在公开的四个高光谱遥感图像数据集上进行实验,证明了轻量化多尺度密集网络相较于多尺度密集网络在模型复杂度和参数量上有所下降。但轻量化后的多尺度密集网络在降低模型复杂度和参数量的同时,对于样本分布不均衡的高光谱遥感图像的分类精度有所下降。 2.针对LMSDN模型对样本分布不均衡的高光谱遥感图像分类效果不佳的问题,本文从改进LMSDN模型的角度,提出了一种轻量化层间多尺度密集网络(Inter layer Lightweight Multi-scale Dense Network,I+LMSDN)的高光谱遥感图像分类方法。I+LMSDN模型在垂直方向上利用不同感受野卷积核,更多的保留图像关键特征,达到提高分类精度目的。实验结果证明,I+LMSDN模型在减少参数量的同时,提高了 LMSDN模型对样本分布不均衡高光谱遥感图像数据集的分类精度。 3.针对LMSDN模型对样本分布不均衡的高光谱遥感图像分类效果不佳的问题,本文提出了将三维Gabor滤波器组与轻量化多尺度密集网络相结合的高光谱遥感图像分类方法。首先,以π/4为步长、φ和θ为(0,π/4,π/2,3π/4)和f为1/6、1/4、1/3和1/2,构建一组三维Gabor滤波器组来获取高光谱遥感图像的内部空间特征,再将这些特征进行融合后送到轻量化多尺度密集网络进行HSI分类的方法,来减轻网络模型对训练样本的依赖。实验结果证明了,这种方法提高了 LMSDN模型对样本分布不均衡高光谱遥感图像数据集的分类精度。

关键词：高光谱遥感图像分类多尺度密集网络轻量化样本不均衡

来源：评论

学校读者我要写书评

暂无评论

基于支持向量机的多分类算法研究

基于支持向量机的多分类算法研究

引用

作者：曹兆龙华东师范大学

学位级别：硕士

支持向量机最初于20世纪90年代由Vapnik提出，是一种新的统计学习算法，其学习原则是使结构风险最小化，这使得支持向量机具有很强的泛化能力。近年来，支持向量机在理论研究和算法实现都取得了突破性进展，是数据挖掘中的一项新技术，... 详细信息

支持向量机最初于20世纪90年代由Vapnik提出，是一种新的统计学习算法，其学习原则是使结构风险最小化，这使得支持向量机具有很强的泛化能力。近年来，支持向量机在理论研究和算法实现都取得了突破性进展，是数据挖掘中的一项新技术，开始成为克“维数灾难”和“过学习”等传统困难的有力手段。核函数的核心内容是：对于输入空间中非线性可分问题，选择一个适当的映射，将输入空间中的样本点映射到一个高维特征空间，使得对应的样本点在该空间线性可分，在求解决策函数的过程中的计算仍在原空间进行，大大降低了在映射后的高维特征空间计算的复杂性。由于实际问题的复杂性，很多实际问题所采集的数据指标太多，再使用核函数，使得维数进一步扩大，进而使得计算量过于庞大，对实际问题的解决带来了困难。此外，绝大多数讨论仅局限于用SVM解决两类问题。然而，即使我们能够将两类问题正确分类，也并不意味着实际应用中多类分类问题的解决。本文首先从支持向量机的理论入手，介绍核函数的性质，以及根据序列极小化方法的基本思想建立的特征选择的方法，从而提高支持向量机在分类问题中的应用能力。对于多类分类问题，我们首先对基于支持向量机的几种多类分类方法的性能进行研究和比较，并就基于模糊支持向量机的多类分类问题中可能出现的盲区提出了解决办法，对于一对多类分类方法中经常出现的样本不均衡问题提出一个可行的解决方法，这些改进对高维多类分类问题具有很强的实践价值。最后通过多类字母图象分类问题说明支持向量机算法在多类分类问题中的应用。

关键词：支持向量机核函数特征选择盲区样本不均衡字母图像

来源：评论

学校读者我要写书评

暂无评论

基于EEG图表征的睡眠分期模型研究

基于EEG图表征的睡眠分期模型研究

引用

作者：黄慧杭州电子科技大学

学位级别：硕士

睡眠是人类的生命本能,但是随着社会压力的增大,越来越多人面临着睡眠障碍的困扰。睡眠分期作为睡眠质量评估和障碍诊断的基础,在相关领域研究中占据重要地位。脑电信号记录睡眠期间的大脑活动具有高准确性,是睡眠阶段判读中的主要评判... 详细信息

睡眠是人类的生命本能,但是随着社会压力的增大,越来越多人面临着睡眠障碍的困扰。睡眠分期作为睡眠质量评估和障碍诊断的基础,在相关领域研究中占据重要地位。脑电信号记录睡眠期间的大脑活动具有高准确性,是睡眠阶段判读中的主要评判依据,被广泛应用于临床和科研中。然而现有的脑电睡眠分期方法更多基于特征工程或者深度学习框架,主要关注大脑局部信息而忽略了通道之间及脑区之间的信息交互,忽略了脑电信号固有的“图”属性,未能很好地利用数据的空间信息。而脑连接是一种双变量特征,可以捕获脑区之间的耦合关系,表征大脑信息流通。此外,睡眠脑电具有很强的时间依赖性。综上,本文研究了脑功能连接作为脑电睡眠分期“图”表征指标的有效性;然后提出了一种基于图表征的多视图时空图卷积模型,充分利用脑电信号的时、空信息;最后针对该模型提出了不同的优化策略。具体的研究工作包括:(1)为了利用能够有效表征各睡眠阶段的全局信息交互特征,本文基于锁相值及脑电频率特性对睡眠各阶段的特性、差异性及分类性能进行分析。结果显示,效果最佳的是通过特征层方式融合六个频段的结果,并发现alpha频段在睡眠分期中占据主导地位,6个频段中alpha频段贡献占据49.74%;beta1频段比较擅长区分快速眼动期与N2期、快速眼动期与N3期,但是对N2期和N3期区分比较困难。(2)为了利用脑电信号固有的“图”结构信息以及睡眠阶段之间的强依赖性,本文提出一种基于脑连接表征的多视图时空图卷积(Multi-view SpatialTemporal Graph Convolutional Networks,MSTGCN)模型。该模型融合了脑功能连接和脑结构连接两种视图的拓扑结构来挖掘脑电的空间信息,并联合上下文信息来捕获睡眠脑电的时间结构信息,采用三种样本不均衡解决方法缓解数据不平衡问题。分别在夜间额叶癫痫被试和健康被试的睡眠脑电数据上实验,结果表明疾病被试的F1分数和ACC分别为91.94%和93.21%,健康被试的F1分数和ACC分别为92.60%和93.96%,对比现有的其他模型F1分数有较大提高(9%以上),准确率有1.5%～4%的提高。另外,发现相对于健康被试,病人的睡眠结构更不稳定,但是在睡眠阶段之间的连续性、关联性方面与健康被试是一致的。(3)针对MSTGCN模型联合上下文信息的方式存在计算复杂度较高、联合上下文信息的长度难以扩展的问题,本文提出多任务-联合分类与预测的模型优化策略。结果显示,改进后所有被试的分期结果都有所提高(F1分数平均提高3.12%),并发现夜间额叶癫痫被试联合前后30s信息、健康被试联合前后60s信息时分期效果最佳,即病人的睡眠脑电时间依赖性低于健康被试,较长的上下文信息会对分期准确率产生负面影响。

关键词：睡眠分期脑电图脑连接图卷积样本不均衡

来源：评论

学校读者我要写书评

暂无评论

面向开源情报的军事国防领域嵌套命名实体识别研究

面向开源情报的军事国防领域嵌套命名实体识别研究

引用

作者：李欣妍华东师范大学

学位级别：硕士

从互联网论坛、社交平台等网络数据源获取的开源军事情报,可以为国家军事行动计划、国防战略规划和国家安全保障提供宝贵的价值。军事国防领域的嵌套命名实体识别对开源情报的信息提取和分析来说是重要技术手段。目前,面向开源情报的国... 详细信息

从互联网论坛、社交平台等网络数据源获取的开源军事情报,可以为国家军事行动计划、国防战略规划和国家安全保障提供宝贵的价值。军事国防领域的嵌套命名实体识别对开源情报的信息提取和分析来说是重要技术手段。目前,面向开源情报的国防军事领域嵌套命名实体识别研究存在缺乏公开、规范标注的国防军事领域嵌套命名实体数据集;命名实体具有领域性简化表达、文本不规范、多类字符杂糅、实体边界难以感知、嵌套结构普遍存在且该结构具有领域语义和层间关系约束;实际模型训练场景中样本不均衡等问题和挑战。本文针对面向开源情报的军事国防领域嵌套命名实体识别研究面临的问题和挑战,主要贡献如下:(1)以新浪微博为数据源,针对开源情报文本特点,在领域专家的协助下,定义了19种命名实体类型,制定了规范的军事国防领域嵌套命名实体标注准则,并提出了基于交叉监督与仲裁会议的三阶段标注流程,严格控制实体标注质量。最终构建了可搜索范围内首个公开的、面向开源情报的军事国防嵌套命名实体语料集ND-NER。该语料集包含了416448个字符、50010个命名实体实例,其中嵌套命名实体实例占比超过40%。应用主流的和目前最新的嵌套命名实体识别模型对该数据集进行了测评,实验结果表明ND-NER具有多个难点,包括长实体和嵌套结构普遍存在、嵌套层间约束、实体边界模糊、文本不规范性和口语化等,这些难点给实体识别带来了挑战。ND--NER的构建为军事国防领域的开源情报分析工作提供了宝贵的训练数据资源。(2)面向军事国防领域将嵌套命名实体识别任务建模为字符对(Token-pair)关系分类任务,提出了基于边界特征增强和字符对关系分类的嵌套命名实体识别模型BFTP(Boundary Feature Enhance and Token Pair Relation Classification)。该模型由四个模块组成:编码模块、增强边界特征的关系特征循环提取模块、关系分类模块和解码模块。编码模块基于Ro BERTa-wwm和Bi LSTM对输入文本进行字级别编码和初步的上下文特征融合。增强边界特征的关系特征循环提取模块基于空洞卷积神经网络组学习和多头注意力机制,提取字符对特征并增强边界特征。关系分类模块基于多层感知机分类器和双仿射分类器对字符对关系联合分类,生成关系矩阵。解码模块采用实体边界和实体内部结构互补的实体提取算法对关系矩阵进行解码,得到最终的预测实体结果。通过与主流的通用领域嵌套命名实体识别模型在ND--NER上进行实验对比,结果表明了BFTP模型的有效性。(3)提出了基于重加权策略的自调节聚焦损失函数SFL(Self-adjust Focal Loss)缓解了样本不均衡对模型训练的影响。该方法根据正负样本梯度累加值在模型学习不充分、不平衡的样本类别上较低的事实,将正负样本梯度累加值作为聚焦参数调节的依据,从而增大负样本多、难样本多的实体类别在损失计算中的权重。此外,该聚焦参数会随着模型每轮迭代不断更新,根据训练过程中每类实体的学习情况自动调整聚焦程度。通过与主流的基于重加权策略的缓解样本不均衡问题的损失函数在ND-NER上进行实验对比,验证了SFL的有效性。

关键词：嵌套命名实体识别字符对关系开源情报样本不均衡边界增强

来源：评论

学校读者我要写书评

暂无评论

基于特征学习的雷达目标分类算法研究

基于特征学习的雷达目标分类算法研究

引用

作者：朱玉烨西安电子科技大学

学位级别：硕士

雷达目标分类技术是雷达的重要功能之一,该技术主要通过对雷达回波信号进行处理和分析,提取比较稳健和典型的目标特征,并利用不同目标在所提取特征上的差异实现目标分类。但是特征提取方法往往具有一定的局限性,在不同雷达工作条件或不... 详细信息

雷达目标分类技术是雷达的重要功能之一,该技术主要通过对雷达回波信号进行处理和分析,提取比较稳健和典型的目标特征,并利用不同目标在所提取特征上的差异实现目标分类。但是特征提取方法往往具有一定的局限性,在不同雷达工作条件或不同目标环境下的分类结果差异性较大。针对此问题,本文利用多特征融合、深度学习两种方法对雷达目标分类技术展开研究,主要内容和创新性工作如下: 1、研究了目标微动特征,由于雷达回波信号中包含了精细的目标微多普勒信息,可以从中提取有利于特征分类的、目标特有的特征信息。重点研究了飞机旋翼回波模型,分析不同参数对多旋翼飞机微多普勒特征的影响,仿真分析了三类不同类型的飞机,并研究了人和车的微运动特征。研究了实测数据杂波抑制、动目标检测以及恒虚警处理等数据预处理方法,为后续目标特征提取提供基础。 2、针对单一分类特征受数据集影响大以及分类稳健性不足等问题,采用多特征融合雷达目标分类算法,提出一种基于特征优化的多特征融合分类方法。该方法在时域、多普勒域及特征谱域提取对应特征的基础上,对不同的特征进行了目标分类效果分析评估,优化选择不同域的合适特征,利用多特征融合算法进行分类,能够在保证分类准确率的同时提高算法效率。实测与仿真数据均表明,本文所提出的方法能够充分利用目标在各个域的特点,在不同雷达工作参数如脉冲重复频率、驻留时间的情况下,均具有比较稳定的分类效果。 3、针对传统特征提取方法泛化性不足和人工提取特征效率不高等问题,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的雷达目标分类算法。传统基于CNN的目标分类算法利用图像信息作为网络输入,而本文所提算法直接将雷达目标回波数据作为网络的输入,使网络能够更加有效地利用输入数据的特征,从而实现对目标的正确分类。此外,针对目标样本不均衡问题,采用焦点损失函数,提高了网络在样本不均衡和存在分类困难样本情况下的算法性能。实测和仿真数据表明本文所提算法在分类准确率、运行效率以及存在样本不均衡条件下算法的稳定性与有效性。

关键词：雷达目标分类特征提取支持向量机深度学习样本不均衡

来源：评论

学校读者我要写书评

暂无评论

基于多模态情感计算的网络话语复杂情感分析方法研究

基于多模态情感计算的网络话语复杂情感分析方法研究

引用

作者：董文华长春大学

学位级别：硕士

随着社交媒体的广泛应用,仅通过文本已经不能满足网络话语复杂情感分析的需求,大量音频、视频、图片等信息的使用引起了政府相关部门、研究人员以及社会的密切关注。在复杂情感的分析过程中,多模态数据的出现为细粒度情感的研究提供了... 详细信息

随着社交媒体的广泛应用,仅通过文本已经不能满足网络话语复杂情感分析的需求,大量音频、视频、图片等信息的使用引起了政府相关部门、研究人员以及社会的密切关注。在复杂情感的分析过程中,多模态数据的出现为细粒度情感的研究提供了新的方向,通过融合多模态数据特征解决文本等单模态存在的情感特征单一性问题,也能够为准确描述网络话语中的复杂情感提供应用研究基础。这种多模态研究对相关部门进行舆情分析、风控预测提供了一种新的分析方法,同时为现有电商、短视频等行业的数据分析提供新的研究方向。本文基于语音和文本两种模态进行复杂情感分析,并对其特征提取方法、多模态特征融合方法以及处理样本不均衡问题开展研究,主要研究内容为:本文提出一种MA2PE的语音情感特征提取方法,解决语音情感特征提取过程中数据过长或过少导致的特征缺失和冗余问题。重点对语音模态数据采用频谱图、自相关性、静音比例、音调等方式进行重新组合,构造了8维的音频情感特征,最终语音情感识别的准确率达到89.08%。针对样本不均衡现象,提出SOM过采样方法、完全迭代欠采样方法,建立基于text2vec的文本自监督预训练模型。通过实验对比,分析不同处理方法对整体结果的差异性,确定了SOM过采样方法对样本不均衡问题的效果有较大提升。针对上述研究成果,对多模态特征的融合方案进行分析,提出基于特征层融合的多模态细粒度情感分析模型,在MELD和IEMOCAP数据集上进行对比实验。结果表明:应用于MELD数据集,本文所提出的模型相比SOTA模型提高了33.88%的准确率,分类效果达到了94.13%。本文提出的基于特征层融合的多模态细粒度情感分析模型能够提取更加丰富的多模态情感特征,对样本不均衡数据的情感分析有很好的识别效果,能够进一步提升多模态情感分析的能力。

关键词：多模态情感分析自监督预处理样本不均衡多模态情感特征提取

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的太阳射电频谱分类研究

基于卷积神经网络的太阳射电频谱分类研究

引用

作者：宗继梁云南大学

学位级别：硕士

太阳射电是太阳上发生一种急剧突变的无线电辐射过程,通常分为宁静射电、缓变射电和太阳射电爆发。太阳射电爆发是突发性的太阳活动,剧烈的活动会引起太阳的质子爆发、X射线爆发或太阳耀斑爆发等现象同时发生,由于活动中辐射出大量的强... 详细信息

太阳射电是太阳上发生一种急剧突变的无线电辐射过程,通常分为宁静射电、缓变射电和太阳射电爆发。太阳射电爆发是突发性的太阳活动,剧烈的活动会引起太阳的质子爆发、X射线爆发或太阳耀斑爆发等现象同时发生,由于活动中辐射出大量的强射电波,能引起如电离层骚扰,磁暴等一系列有重要影响的地球物理现象,对影响航天器、通讯、电力等现代化技术系统的正常运行,因此,我们需要从观测数据中选出太阳射电爆发的数据进行研究,通过观察和研究太阳射电爆发时候的射电频谱图,可以学习太阳射电爆发时的特征,以及了解太阳射电爆发的规律,有利于我们更好的了解太阳的活动以及日地关系,有着很好的研究价值和意义。在关于太阳射电爆发的分类问题的研究中,本文在分析现有的太阳射电频谱分类问题的研究基础上,提出了改进的方法。本文的主要工作如下:首先,对太阳射电频谱图预处理。由于在接收太阳射电频谱数据的过程中难免受到接受仪器自身各个通道相干扰、空间电磁波干扰等,使得我们得到的频谱图像中存在大量的噪声,频谱图像中显示出大量的横条纹干扰以及其他噪声,会影响我们提取图像真实的信息,将噪声错认为爆发信息、噪声掩盖了真实的爆发信息从而造成信息的遗漏。本文使用通道归一化去除各种外部环境因素的干扰和仪器本身的通道效应造成的横条纹干扰,运用引导滤波保护爆发边缘信息不被模糊。并对图像最大最小值归一化来消除其他函数变换对图像造成的影响。然后,针对本数据集中各类数据样本数量不均衡的问题,我们提出了两种解决办法。第一是生成新样本和样本重采样的方法来补充样本量少的数据类别,第二是用加权交叉熵损失函数提升少样本类别对损失的贡献程度,使网络在训练过程中更关注样本量少的数据类别。最后,将具有良好特征提取性能的卷积神经网络引入到本文所研究的太阳射电频谱分类的问题,根据本文实验中太阳射电频谱图的特点,提出了一种竖直型的卷积核代替传统的卷积核提取特征,以提高对射电频谱图像特征提取的准确性,有益于网络学习和训练来更准确的对太阳射电频谱图进行分类。本文用所提方法对中国科学院国家天文台怀柔观测基地所提供的数据进行实验。实验结果表明,与其他已有的方法相比较,本文所提方法能够获得更良好的分类准确性。

关键词：太阳射电爆发分类卷积神经网络特征提取样本不均衡

来源：评论

学校读者我要写书评

暂无评论

SDN中基于机器学习的网络安全研究

SDN中基于机器学习的网络安全研究

引用

作者：鲁晓夫青岛理工大学

学位级别：硕士

软件定义网络(Software Defined Networking,SDN)是在传统网络模式的基础上提出的一种新的网络架构。传统网络中的硬件设备是将控制与转发集中在了一起,而SDN的核心思想是将控制权限从转发设备中进行剥离,转发设备只关注数据包的转发,... 详细信息

软件定义网络(Software Defined Networking,SDN)是在传统网络模式的基础上提出的一种新的网络架构。传统网络中的硬件设备是将控制与转发集中在了一起,而SDN的核心思想是将控制权限从转发设备中进行剥离,转发设备只关注数据包的转发,被剥离的控制权限上移至控制器中,由控制器对分布式的网络进行统一的管理,并且控制器又对外开放北向接口,网络开发人员可以通过编程的方式对SDN网络进行动态配置,使网络变得更加智能,但也正是因为如此,SDN网络面临着更多的安全风险。在集中控制方面,攻击者可以通过攻击控制器使得网络服务出现大面积瘫痪,如DDoS攻击;在可编程方面,攻击者可以通过开放的北向接口对网络进行监听从而窃取信息,如在SDN应用层中植入恶意软件。这里的“窃取信息”和DDoS攻击都属于恶意流量,而流量的正确分类可以达到恶意流量检测的目的,因此,SDN网络的流量分类是当前的热门研究领域。随着OpenFlow协议的发布与迭代,SDN网络迈向了规范化,吸引了更多的网络开发者,推动了其进一步的发展。在早期的SDN网络中,流量的分类一般是基于To S字段,通过对该字段的解析可以获得数据包对应的服务类型,但这种方式识别准确率较低且难以应对现如今越来越复杂的网络流量。本文从SDN网络的安全性着手,主要研究了SDN网络中恶意软件流量的分类检测和DDoS攻击检测与防御,主要的工作内容如下:(1)针对SDN网络中的恶意软件流量分类检测问题,本文将孪生神经网络与恶意流量检测相结合,从相似度对比着手提出了一种在线的实时流量分类检测方法。该方法依据了孪生神经网络的特性,将流量数据集转化为灰度图像样本后再通过比较图像间的相似程度达到分类的目的。该方法在取得良好的检测准确率前提下,又依据孪生神经网络的另一特性,对样本不均衡的分类问题也提出了一种解决方案,因此该方法适用于真实的网络环境中。未来可在SDN网络的应用层中部署相关模块,通过北向接口实时的将捕获到的流量数据传输到应用层的各个模块中,由对应的模块完成相应的功能,从而实现流量的分类检测。(2)针对SDN网络中的DDoS攻击检测与防御问题,提出了一种基于SVM的DDoS攻击检测与防御的方法。本文在前人的研究基础上通过多次对比实验,从众多的特征值中筛选出了“最佳”的五元组特征,以较少的特征数量达到了良好的检测效果。同时还加入了一个异常检测模块,该模块利用控制器单位时间内的负载值增量来预判断当前的网络状态,当异常检测模块认为当前网络为异常时才会去执行最终的攻击检测模块。此模块的加入降低了整个检测与防御过程中的CPU占用率。

关键词： SDN 恶意软件流量孪生神经网络样本不均衡 DDoS 异常检测模块

来源：评论

学校读者我要写书评

暂无评论

基于不平衡数据集的蛋白质相互作用位点预测研究

基于不平衡数据集的蛋白质相互作用位点预测研究

引用

作者：张欢安徽工业大学

学位级别：硕士

蛋白质与蛋白质相互作用的研究具有十分重要的生物学意义,蛋白质和蛋白质之间的相互作用是细胞生化反应网络的一个重要的组成部分。通过传统的实验方法用于预测蛋白质相互作用位点不仅耗时耗力,而且对于蛋白质相互作用位点的预测缺少一... 详细信息

蛋白质与蛋白质相互作用的研究具有十分重要的生物学意义,蛋白质和蛋白质之间的相互作用是细胞生化反应网络的一个重要的组成部分。通过传统的实验方法用于预测蛋白质相互作用位点不仅耗时耗力,而且对于蛋白质相互作用位点的预测缺少一定的准确性。本文主要针对蛋白质数据中存在的不平衡问题进行处理和预测。本文的主要工作如下所述:在数据集的获取部分,针对170个瞬时蛋白质相互作用对,本文删除了一些冗余的蛋白质链,最终获取了91条蛋白质链。基于氨基酸的进化保守型,本文从HSSP数据库中提取了4个特征,即残基空间序列,序列信息熵,相对熵,残基序列权重。从蛋白质功能区识别服务器(Consurf Serve)中提取了残基保守分数一共5个特征,并将这5个特征进行融合再编码,得到本文最终的数据集。在蛋白质相互作用位点的预测部分,针对上述数据集存在的样本不均衡问题,本文提出了两种用于处理蛋白质数据样本不均衡问题的采样方法。第一种是基于最近邻规则和样本重叠问题对非界面残基进行处理;第二种基于样本被误分类的可能性对数据进行采样处理,最后结合XGBoost(Extreme Gradient Boosting)分类器对PPIs(Protein-Protein Interaction Sites)进行预测。其中第二种方法达到了80.7%的准确率,且灵敏度和MCC(Matthews Correlation Coefficient)分别达到81.2%和61.4%。随后本文基于蛋白质界面残基的局限性定义,数据中存在的假阴性和假阳性等问题,提出了一种针对蛋白质数据的数据重组策略。通过蛋白质数据中的一些错误定义的界面残基和非界面残基进行处理并预测,预测结果中准确率和MCC值分别达到了94.73%和84.47%。相比较传统的实验和计算方法,分类效果有了一定的提升。

关键词：蛋白质相互作用位点样本不均衡保守性特征 XGBoost 局限性定义数据重组

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11页 << < 2 3 4 5 6 7 8 9 10 11 > >>

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：