检索结果-内蒙古大学图书馆

智能系统学报 2025年第2期20卷 329-343页

作者：冷强奎孙薛梓孟祥福辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125105

过采样是处理不平衡数据分类问题的有效策略。本文提出了一种基于K近邻(K-nearest neighbor,KNN)和随机仿射的边界样本合成过采样方法,用于改进现有过采样方法的种子样本选择阶段和合成样本生成阶段。首先,引入三近邻理论,建立样本间有... 详细信息

过采样是处理不平衡数据分类问题的有效策略。本文提出了一种基于K近邻(K-nearest neighbor,KNN)和随机仿射的边界样本合成过采样方法,用于改进现有过采样方法的种子样本选择阶段和合成样本生成阶段。首先,引入三近邻理论,建立样本间有效的内在近邻关系,并去除数据集中的噪声,以降低后续分类器的过拟合风险。其次,准确识别那些难以学习且包含丰富信息的少数类边界样本,并将其用作采样种子。最后,利用局部随机仿射代替线性插值机制,在原始数据的近似流形中均匀地生成合成样本。相比于传统过采样方法,本文方法能更充分挖掘数据集中的重要边界信息,从而为分类器提供更多辅助以改善其分类性能。在18个基准数据集上,与8种经典采样方法(结合4种不同分类器)进行了大量对比实验。结果表明,本文所提方法获得了更高的F1分数和几何均值(G-mean),可以更为有效地解决不平衡数据分类问题。此外,统计分析也证实该方法具有更高的弗里德曼排名(Friedman ranking)。

关键词： K近邻线性插值边界样本自然分布过采样三近邻理论随机仿射变换不平衡分类

来源：评论

学校读者我要写书评

暂无评论

基于边界样本的训练样本选择方法

引用

北京邮电大学学报 2006年第4期29卷 77-80页

作者：张莉郭军北京邮电大学信息工程学院

以入侵检测系统中的分类器设计为例,研究分类器训练样本选择问题.提出了一种大规模数据集的训练样本选择方法.首先通过聚类将训练数据划分为不同的子集,缩小搜索范围;然后根据聚类内离散度和样本的覆盖区域选择样本,保留每个聚类的边界... 详细信息

以入侵检测系统中的分类器设计为例,研究分类器训练样本选择问题.提出了一种大规模数据集的训练样本选择方法.首先通过聚类将训练数据划分为不同的子集,缩小搜索范围;然后根据聚类内离散度和样本的覆盖区域选择样本,保留每个聚类的边界样本,删除内部样本.仿真结果证实,由于保留了典型样本,减少了训练样本数量,从而保证了分类器的性能且训练效率较高.

关键词：样本选择离散度覆盖区域边界样本

来源：评论

学校读者我要写书评

暂无评论

基于边界样本选择的支持向量机加速算法

引用

计算机工程与应用 2017年第3期53卷 169-173页

作者：胡小生钟勇佛山科学技术学院电子与信息工程学院广东佛山528000

针对支持向量机(Support Vector Machine,SVM)处理大规模数据集的学习时间长、泛化能力下降等问题,提出基于边界样本选择的支持向量机加速算法。首先,进行无监督的K均值聚类;然后,在各个聚簇内依照簇的混合度、支持度因素应用K近邻算法... 详细信息

针对支持向量机(Support Vector Machine,SVM)处理大规模数据集的学习时间长、泛化能力下降等问题,提出基于边界样本选择的支持向量机加速算法。首先,进行无监督的K均值聚类;然后,在各个聚簇内依照簇的混合度、支持度因素应用K近邻算法剔除非边界样本,获得最终的类别边界区域样本,参与SVM模型训练。在标准数据集上的实验结果表明,算法在保持传统支持向量机的分类泛化能力的同时,显著降低了模型训练时间。

关键词：支持向量机大规模分类边界样本聚类

来源：评论

学校读者我要写书评

暂无评论

一种抽取多数类边界样本的入侵检测算法

引用

科技通报 2013年第10期29卷 106-108页

作者：彭胜伟河南化工职业学院郑州450042

针对传统网络入侵检测方法在实时性响应和入侵行为识别率上存在的不足,本文提出了一种抽取多数类边界样本的入侵检测算法。该算法首先根据中心距离确定网络链接行为中多数类样本的边界样本,然后将多数类样本的边界样本与少数类样本合并... 详细信息

针对传统网络入侵检测方法在实时性响应和入侵行为识别率上存在的不足,本文提出了一种抽取多数类边界样本的入侵检测算法。该算法首先根据中心距离确定网络链接行为中多数类样本的边界样本,然后将多数类样本的边界样本与少数类样本合并构成新的训练集合,最后进行分类学习。该算法有效地降低了类别之间的不平衡度和减少了训练样本数目,具有更好的入侵检测性能。在KDD CUP99数据集上的仿真实验,充分验证了该算法的有效性。

关键词：入侵检测实时性边界样本中心距离

来源：评论

学校读者我要写书评

暂无评论

一种基于边界样本迭代生成的增量学习鲁棒性提升方法

一种基于边界样本迭代生成的增量学习鲁棒性提升方法

引用

作者：陈晋音朱伟鹏郑海斌成凯回 310014 浙江省杭州市拱墅区潮王路18号

一种基于边界样本迭代生成的增量学习鲁棒性提升方法，包括：(1)训练卷积神经网络分类模型；(2)训练基于弹性权重巩固(EWC)的卷积神经网络增量学习模型；(3)基于边界样本迭代生成方法增大新类样本与其他各类样本的决策边界；(4)重训练... 详细信息

标准号: CN115358305A

一种基于边界样本迭代生成的增量学习鲁棒性提升方法，包括：(1)训练卷积神经网络分类模型；(2)训练基于弹性权重巩固(EWC)的卷积神经网络增量学习模型；(3)基于边界样本迭代生成方法增大新类样本与其他各类样本的决策边界；(4)重训练基于卷积神经网络的增量学习模型，评价鲁棒性提升大小，评估方法的防御效果。本发明从数据样本入手，增大类样本之间的决策边界，保证了方法的高迁移性，并限制扰动的大小保证主任务性能，提高新训练增量学习模型的鲁棒性。

关键词：增量学习卷积神经网络鲁棒性样本边界样本决策边界迭代防御效果分类模型数据样本扰动迁移性重训练权重新类保证评估

来源：评论

学校读者我要写书评

暂无评论

一种基于特征缩放和边界样本的不平衡图像分类系统

一种基于特征缩放和边界样本的不平衡图像分类系统

引用

作者：王喆李冬冬董奇达杨孟平杜文莉杨海 200237 上海市徐汇区梅陇路130号

本发明公开了一种基于特征缩放和边界样本的不平衡图像分类系统。所述图像分类系统包括：1）将原始样本数据划分为训练集和测试集，并将训练集构造为不平衡数据；2）对每个类实施特征缩放模块进行特征缩放；3）对每个类实施边界样本挖... 详细信息

标准号: CN114155407A

本发明公开了一种基于特征缩放和边界样本的不平衡图像分类系统。所述图像分类系统包括：1）将原始样本数据划分为训练集和测试集，并将训练集构造为不平衡数据；2）对每个类实施特征缩放模块进行特征缩放；3）对每个类实施边界样本挖掘模块，进行边界样本挖掘，约束类内类间距离；4）通过损失调度器调控上述两个模块的训练过程；5）将原始测试图片输入到训练好的卷积神经网络中，然后通过全连接层对图片进行判断。本发明从模型结构上调整，增强了深度学习模型在不平衡图像数据上的分类性能和鲁棒性。

关键词：边界样本图像分类系统训练集缩放卷积神经网络分类性能类间距离模型结构缩放模块图片输入图像数据训练过程原始测试原始样本挖掘测试集调度器连接层鲁棒性调控学习图片

来源：评论

学校读者我要写书评

暂无评论

一种基于匹配滤波的雷达信号边界样本检测方法

一种基于匹配滤波的雷达信号边界样本检测方法

引用

作者：臧勤曹俊纺洪鼎王佳铭赵兴海 210003 江苏省南京市中山北路346号

本发明公开了一种基于匹配滤波的雷达信号边界样本检测方法，属于被动侦测智能化数据处理领域，主要针对低信噪比情况下存在的侦测数据样本提取困难，边界样本少的问题，将匹配滤波方法引入到智能化数据处理样本检测领域中来，采用已知... 详细信息

标准号: CN113534086A

本发明公开了一种基于匹配滤波的雷达信号边界样本检测方法，属于被动侦测智能化数据处理领域，主要针对低信噪比情况下存在的侦测数据样本提取困难，边界样本少的问题，将匹配滤波方法引入到智能化数据处理样本检测领域中来，采用已知信号的中频数据标准样本与侦收到的原始中频数据进行匹配滤波，从中找到最接近的中频数据，从而提取边界样本数据。本发明提高了在低信噪比情况下的样本检测能力，可丰富高样本库数量，又增加各种边界样本信息，为样本模型训练提供更接近实际环境的训练样本，提高学习模型的准确性。

关键词：边界样本匹配滤波中频数据低信噪比样本检测智能化数据处理领域标准样本雷达信号实际环境训练样本样本模型样本提取已知信号侦测数据数据处理样本库侦测引入检测学习

来源：评论

学校读者我要写书评

暂无评论

一种基于边界样本的混合采样方法

一种基于边界样本的混合采样方法

引用

作者：张爽何云斌 150080 黑龙江省哈尔滨市南岗区学府路52号哈尔滨理工大学

本发明涉及一种基于边界样本的混合采样方法，本发明首先通过基于变异系数的边界点检测算法，将多数类样本划分为边界样本和内部样本，并根据多数类的边界样本反向确定少数类边界样本；然后分别对多数类样本和少数类样本进行k‑means聚... 详细信息

标准号: CN113449805A

本发明涉及一种基于边界样本的混合采样方法，本发明首先通过基于变异系数的边界点检测算法，将多数类样本划分为边界样本和内部样本，并根据多数类的边界样本反向确定少数类边界样本；然后分别对多数类样本和少数类样本进行k‑means聚类，对于少数类样本根据簇内边界样本密度确定各个簇的过采样权重，对于多数类样本选取离聚类中心最近的样本点进行欠采样，从而使数据达到平衡状态；本发明在一定程度上解决了类不平衡问题，同时又能避免在采样过程中丢失有用信息。

关键词：样本边界样本边界点检测变异系数采样过程聚类中心密度确定平衡状态样本选取过采样内边界欠采样样本点采样聚类权重算法

来源：评论

学校读者我要写书评

暂无评论

基于边界样本分位数的葡萄霜霉病自适应识别方法

基于边界样本分位数的葡萄霜霉病自适应识别方法

引用

作者：高芮杨涛武琼 711305 陕西省咸阳市旬邑县城关镇育才路东段气象大厦

本发明公开了基于边界样本分位数的葡萄霜霉病自适应识别方法，涉及农业病斑识别技术领域，该方法包括：获取葡萄叶片原图像，通过灰度映射方法将所述葡萄叶片原图像映射转化为叶片灰度图；对所述叶片灰度图进行边界识别，获得叶片病斑... 详细信息

标准号: CN116596879A

本发明公开了基于边界样本分位数的葡萄霜霉病自适应识别方法，涉及农业病斑识别技术领域，该方法包括：获取葡萄叶片原图像，通过灰度映射方法将所述葡萄叶片原图像映射转化为叶片灰度图；对所述叶片灰度图进行边界识别，获得叶片病斑边界信息；基于样本分位数提取法，确定所述叶片病斑边界信息的病斑阈值；按照所述病斑阈值对所述叶片灰度图的各像素点进行判定，将小于所述病斑阈值的像素点确定为病斑，获得图像病斑识别结果；基于统计学法计算获得所述图像病斑识别结果的病斑比例。本发明解决了现有技术中葡萄霜霉病的病斑识别速度慢，识别精度低的技术问题，达到了提高葡萄霜霉病的病斑识别速度和识别精度的技术效果。

关键词：病斑葡萄霜霉病灰度图叶片边界信息葡萄叶片叶片病斑像素点原图像映射图像自适应识别边界识别边界样本技术效果农业病提取法灰度判定样本转化统计

来源：评论

学校读者我要写书评

暂无评论

基于凸边界的学习样本抽取方法

引用

计算机应用 2019年第8期39卷 2281-2287页

作者：顾依依谈询滔袁玉波华东理工大学信息科学与工程学院

学习样本的质量和数量对于智能数据分类系统至关重要,但在数据分类系统中没有一个通用的良好方法用于发现有意义的样本。以此为动机,提出数据集合凸边界的概念,给出了快速发现有意义样本集合的方法。首先,利用箱型函数对学习样本集合中... 详细信息

学习样本的质量和数量对于智能数据分类系统至关重要,但在数据分类系统中没有一个通用的良好方法用于发现有意义的样本。以此为动机,提出数据集合凸边界的概念,给出了快速发现有意义样本集合的方法。首先,利用箱型函数对学习样本集合中的异常和特征不全样本进行清洗;接着,提出数据锥的概念,对归一化的学习样本进行锥形分割;最后,对每个锥形样本子集进行中心化,以凸边界为基础提取距离凸边界差异极小的样本构成凸边界样本集合。实验在12个UCI数据集上进行,并与高斯朴素贝叶斯(GNB)、决策树(CART)、线性判别分析(LDA)、提升算法(AdaBoost)、随机森林(RF)和逻辑回归(LR)这六种经典的数据分类算法进行对比。结果表明,各个算法在凸边界样本集合的训练时间显著缩短,同时保持了分类性能。特别地,对包含噪声数据较多的数据集,如剖腹产、电网稳定性、汽车评估等数据集,凸边界样本集合能使分类性能得到提升。为了更好地评价凸边界样本集合的效率,以样本变化率和分类性能变化率的比值定义了样本清洗效率,并用该指标来客观评价凸边界样本的意义。清洗效率大于1时说明方法有效,且数值越高效果越好。在脉冲星数据集合上,所提方法对GNB算法的清洗效率超过68,说明所提方法性能优越。

关键词：机器学习数据分类样本选择凸锥边界样本

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：