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

24 篇 专利
2 篇 学位论文

馆藏范围

26 篇 电子文献
0 种 纸本馆藏

日期分布

主题

2 篇 线性分类模型
2 篇 座标下降法
1 篇 最佳化方法
1 篇 最大熵方法
1 篇 最大熵模型
1 篇 迭代法
1 篇 逻辑回归模型
1 篇 多标签分类
1 篇 线性支持向量机

机构

2 篇 云境商务智能研究...
2 篇 江苏大学
2 篇 山东省科学院自动...
2 篇 福州大学
2 篇 南京财经大学
2 篇 上海大学
2 篇 华南理工大学
2 篇 阿里巴巴集团控股...
1 篇 博尔诚科技有限公...
1 篇 蓝象智联科技有限...
1 篇 华为云计算技术有...
1 篇 上海依智医疗技术...
1 篇 国立台湾大学
1 篇 招联消费金融有限...
1 篇 南京信息工程大学
1 篇 台湾大学
1 篇 重庆邮电大学
1 篇 苏州大学
1 篇 电子科技大学
1 篇 安徽工业大学

作者

2 篇 崔洪亮
2 篇 秦云
2 篇 徐文青
2 篇 张璐
2 篇 赵德安
2 篇 高喆
2 篇 司罗
2 篇 蔡宏民
2 篇 孙常龙
2 篇 丁晓剑
2 篇 戚浩
2 篇 李珂
2 篇 曹硕
2 篇 于元隆
2 篇 康杨杨
2 篇 石子坚
2 篇 曹杰
2 篇 孙真真
2 篇 徐彩云
2 篇 杨帆

语言

24 篇 中文
2 篇 英文

检索条件"主题词=线性分类模型"

共 26 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：

线性分类模型盗窃检测

线性分类模型盗窃检测

引用

作者：雅尼·伯曼鲁文·霍伦什洛米·阿祖莱 550025 贵州省贵阳市贵安新区黔中大道交兴功路华为云数据中心

公开了一种用于线性分类模型盗窃检测的系统和方法，其使用多个数据点和针对所述多个数据点生成的多个推断。生成特殊的验证集，以便检测被窃取的线性分类模型。所述验证集由定义所训练的线性分类模型的数据点组成，这些数据点又用作定... 详细信息

标准号: CN118076950A

公开了一种用于线性分类模型盗窃检测的系统和方法，其使用多个数据点和针对所述多个数据点生成的多个推断。生成特殊的验证集，以便检测被窃取的线性分类模型。所述验证集由定义所训练的线性分类模型的数据点组成，这些数据点又用作定义所述训练的模型的密钥。所述验证集可以用于查询其它疑似被窃取的机器学习模型。只需要所述疑似模型针对所述验证集数据点作出的推断。因此，所述方法可以应用于黑盒模型。

关键词：线性分类模型验证集数据点窃取推断机器学习模型盗窃检测黑盒模型密钥验证查询检测应用

来源：评论

学校读者我要写书评

暂无评论

一种基于参数服务器异步更新Spark MLlib中线性分类模型参数的方法

一种基于参数服务器异步更新Spark MLlib中线性分类模型参数的方法

引用

作者：李中正王冬霞 200444 上海市宝山区上大路99号

本发明公开了一种基于参数服务器异步更新Spark MLlib中线性分类模型参数的方法,结合Spark和参数服务器的特征，首先设置和分配Spark和参数服务器启动资源，然后启动服务器应用程序和Spark应用程序来执行相关操作。在服务器应用程序中... 详细信息

标准号: CN113342313B

本发明公开了一种基于参数服务器异步更新Spark MLlib中线性分类模型参数的方法,结合Spark和参数服务器的特征，首先设置和分配Spark和参数服务器启动资源，然后启动服务器应用程序和Spark应用程序来执行相关操作。在服务器应用程序中，首先初始化执行环境和相关参数，然后接收来自Spark应用程序中Executor计算的梯度信息来更新模型参数。本发明通过引入参数服务器的方式，将线性分类模型参数划分到不同的服务节点中，并通过设置时钟的方式实现异步传输，服务节点只需获取部分工作节点的梯度信息即可对模型参数进行更新。本发明通过添加服务器节点来减轻Spark中Driver节点的计算负载，并通过异步传输方式来降低集群中慢节点对算法性能的影响。

关键词：参数服务器应用程序线性分类模型服务节点模型参数梯度信息服务器应用程序异步传输方式服务器节点启动服务器工作节点计算负载相关参数异步传输异步更新初始化更新集群算法引入分配

来源：评论

学校读者我要写书评

暂无评论

一种线性分类模型缺陷发生预测方法

一种线性分类模型缺陷发生预测方法

引用

作者：郑泽忠谢乐牟范侯安锴江邵斌马鹏程 610000 四川省成都市高新区(西区)西源大道2006号

本发明公开了一种线性分类模型缺陷发生预测方法，包括如下步骤:步骤一：缺陷数据集加载；步骤二：训练样本数据选取；步骤三：构建线性分类缺陷发生预测模型；步骤四：基于线性判别分析算法，将训练样本数据输入线性分类缺陷发生预测... 详细信息

标准号: CN110348633A

本发明公开了一种线性分类模型缺陷发生预测方法，包括如下步骤:步骤一：缺陷数据集加载；步骤二：训练样本数据选取；步骤三：构建线性分类缺陷发生预测模型；步骤四：基于线性判别分析算法，将训练样本数据输入线性分类缺陷发生预测模型监督训练；步骤五：输入测试样本集到缺陷发生预测模型，输出预测结果。通过本发明，可以实现一种线性分类模型缺陷发生预测方法。

关键词：缺陷发生预测模型线性分类模型训练样本数据线性判别分析缺陷数据输出预测输入测试样本集分类预测构建加载算法监督

来源：评论

学校读者我要写书评

暂无评论

一种基于参数服务器异步更新Spark MLlib中线性分类模型参数的方法

一种基于参数服务器异步更新Spark MLlib中线性分类模型参数的方法

引用

作者：李中正王冬霞 200444 上海市宝山区上大路99号

标准号: CN113342313A

来源：评论

学校读者我要写书评

暂无评论

最佳化方法于原始与对偶最大熵问题应用

最佳化方法于原始与对偶最大熵问题应用

引用

作者：黄芳兰国立台湾大学

学位级别：博士

最大熵模型在自然语言处理与其他领域中相当有用，本论文致力于研究有效率的最佳化方法来解最大熵模型原始与对偶的问题，同时，也探讨了最大熵模型的特殊形式─逻辑回归。本论文分为两个部份：第一部分：研究迭代法解最大熵模型的原... 详细信息

最大熵模型在自然语言处理与其他领域中相当有用，本论文致力于研究有效率的最佳化方法来解最大熵模型原始与对偶的问题，同时，也探讨了最大熵模型的特殊形式─逻辑回归。本论文分为两个部份：第一部分：研究迭代法解最大熵模型的原始问题，此法是解最大熵问题最热门的方法之一。这么多不同的迭代法中，要了解并看出不同是有困难的，因此，我们建立一个普遍与统一的迭代法架构，此架构连结了迭代与座标下降法。同时，我们也证明了一般性的收敛结果并分析时间复杂度。根据这架构，我们扩充一个在线性支撑向量机应用的座标下降法来解最大熵问题，结果显示此法比现存的迭代法快。第二部份：研究最佳化的方法来解最大熵模型对偶的问题，目前现存的方法大多为解原始的问题，而非对偶的问题。反之，对线性支撑向量机模型，已有些有效率的方法提出来解对偶的问题。我们应用座标下降法来解对偶的逻辑回归与最大熵模型，有趣地，我们发现很多细节与支撑向量机模型的情况不同，并仔细地研究理论收敛与数值问题。这个新提出的对偶方法比大多数目前最新的方法解逻辑回归与最大熵模型还快。

关键词：最大熵模型逻辑回归模型迭代法座标下降法最佳化方法线性分类模型

来源：评论

学校读者我要写书评

暂无评论

二階正規化多標籤線性分類器比較

二階正規化多標籤線性分類器比較

引用

作者：黃天亮臺灣大學

学位级别：碩士

The classification problem appears in many applications such as document classification and web page search. Support vector machine(SVM) is one of the most popular tools used in classification task. One of the component in SVM is the kernel trick. We use kernels to map data into a higher dimentional space. And this technique is applied in non-linear SVMs. For large-scale sparce data, we use the linear kernel to deal with it. We call such SVM as the linear SVM. There are many kinds of SVMs in which different loss functions are applied. We call these SVMs as L1-SVM and L2-SVM in which L1-loss and L2-loss functions are used respectively. We can also apply SVMs to deal with multi-class classification with one-against-one or one-against-all approaches. In this thesis several models such as logistic regression, L1-SVM, L2-SVM, Crammer and Singer, and maximum entropy will be compared in the multi-class classification task.

关键词：線性分類模型線性支持向量機多標籤分類最大熵方法座標下降法

来源：评论

学校读者我要写书评

暂无评论

散粮集装箱物流运输环境异常检测的关键特征识别方法

散粮集装箱物流运输环境异常检测的关键特征识别方法

引用

作者：曹杰丁晓剑张璐徐彩云杨帆 210003 江苏省南京市鼓楼区铁路北街128号

本发明公开了一种散粮集装箱物流运输环境异常检测的关键特征识别方法，首先构建异常识别的数据样本集、关键特征排序集，初始化特征集合指标集；然后构建训练样本集，训练线性分类模型SVM‑train，计算排序系数；接着找出获取排序系数... 详细信息

标准号: CN113592379B

本发明公开了一种散粮集装箱物流运输环境异常检测的关键特征识别方法，首先构建异常识别的数据样本集、关键特征排序集，初始化特征集合指标集；然后构建训练样本集，训练线性分类模型SVM‑train，计算排序系数；接着找出获取排序系数最大的特征，并从特征集合指标集中消除该特征，更新特征集合指标集和关键特征排序集，直至特征集合指标集为空集；本发明提供的关键特征识别方法使用递归特征消除方法每次迭代删除得分最高的权值系数对应的特征，使线性SVM模型在剩余特征子集上训练得到的间隔最大化，能够快速识别散粮集装箱物流运输环境状态相关的“关键特征”，并得到所有特征对散粮集装箱物流运输环境状态影响的排名。

关键词：关键特征特征集合散粮集装箱排序物流运输指标集环境状态构建线性分类模型训练样本集方法使用快速识别权值系数剩余特征数据样本特征消除异常检测异常识别线性SVM 初始化最大化递归迭代空集子集删除更新

来源：评论

学校读者我要写书评

暂无评论

一种句式识别方法及相关装置

一种句式识别方法及相关装置

引用

作者：黄凯毛宇林昊徐伟林华春王福海 518000 广东省深圳市南山区科技园科兴科学园A4栋18楼

本申请实施例公开了一种句式识别方法及相关装置，其中方法包括：通过第一双向长短时记忆神经网络Bi‑LSTM模型对目标句子的第一词语矩阵进行处理，生成第二词语矩阵；通过第二Bi‑LSTM模型对所述目标句子的第一词性矩阵进行处理，生成第... 详细信息

标准号: CN115600579A

本申请实施例公开了一种句式识别方法及相关装置，其中方法包括：通过第一双向长短时记忆神经网络Bi‑LSTM模型对目标句子的第一词语矩阵进行处理，生成第二词语矩阵；通过第二Bi‑LSTM模型对所述目标句子的第一词性矩阵进行处理，生成第二词性矩阵；基于双向交互式注意力AOA机制对所述第二词语矩阵与所述第二词性矩阵进行处理，生成融合矩阵；通过线性分类模型对所述融合矩阵进行处理，输出所述目标句子的句式结果。本申请实施例通过融合所述目标句子中的词语信息和词性信息，生成所述目标句子的句式特征信息，从而提升句式识别的准确度。

关键词：矩阵目标句子词性词语融合记忆神经网络线性分类模型双向交互式词性信息词语信息句式特征相关装置准确度申请注意力输出

来源：评论

学校读者我要写书评

暂无评论

基于迁移学习解决在线复杂优化计算的稀疏特征学习方法

基于迁移学习解决在线复杂优化计算的稀疏特征学习方法

引用

作者：于元隆孙真真 350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学

本发明涉及一种基于迁移学习解决在线复杂优化计算的稀疏特征学习方法，包括以下步骤:步骤S1:采集数据集，对于图像数据，先将其向量化作为训练集样本；步骤S2:在源域中，采用同伦迭代硬阈值算法求解训练集的稀疏特征;步骤S3:将源域中... 详细信息

标准号: CN112070236B

本发明涉及一种基于迁移学习解决在线复杂优化计算的稀疏特征学习方法，包括以下步骤:步骤S1:采集数据集，对于图像数据，先将其向量化作为训练集样本；步骤S2:在源域中，采用同伦迭代硬阈值算法求解训练集的稀疏特征;步骤S3:将源域中得到的稀疏特征迁移到目标域作为真值，训练目标域中单隐层神经网络输入层与隐藏层之间的输入权重；步骤S4:根据得到的输入权重，计算训练样本的近似稀疏特征，并根据近似稀疏特征和训练样本的类别标签矩阵，训练线性分类模型；步骤S5:将待测样本进行预处理后输入分类器，计算得到待测样本的分类标签。本发明能够有效提高分类精度和效率。

关键词：稀疏特征待测样本权重源域近似迁移神经网络输入层预处理矩阵线性分类模型输入分类器训练集样本采集数据分类标签计算训练类别标签图像数据训练目标训练样本优化计算阈值算法单隐层目标域训练集隐藏层迭代求解向量样本学习分类

来源：评论

学校读者我要写书评

暂无评论

基于秘密分享的纵向联邦线性支持向量分类方法

基于秘密分享的纵向联邦线性支持向量分类方法

引用

作者：陈星强刘文博裴阳马煜翔任江哲毛仁歆 311121 浙江省杭州市余杭区仓前街道鼎创财富中心2幢3012室

本发明公开提供一种基于秘密分享的纵向联邦线性支持向量分类方法，方法包括：构建纵向联邦线性支持向量分类模型，纵向联邦线性支持向量分类模型包括发起方Guest和参与方Host；在训练环节发起方Guest提供模型训练样本的本方特征，同时... 详细信息

标准号: CN114925786A

本发明公开提供一种基于秘密分享的纵向联邦线性支持向量分类方法，方法包括：构建纵向联邦线性支持向量分类模型，纵向联邦线性支持向量分类模型包括发起方Guest和参与方Host；在训练环节发起方Guest提供模型训练样本的本方特征，同时提供用于训练的样本标签；参与方Host用于在训练过程中提供参与方特征，发起方Guest和参与方Host是采用参数秘密共享方式并通过误差学习的方式协同训练得到线性分类模型权重参数。本发明通过秘密分享和误差学习的方式保护两方通信数据安全，无需借助可信任第三方作为数据安全传输方。

关键词：参与方线性支持向量分类发起方误差学习可信任第三方模型训练样本数据安全传输线性分类模型秘密共享权重参数通信数据训练过程秘密构建样本标签协同环节安全

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3页 << < 1 2 3 > >>

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

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：