检索结果-内蒙古大学图书馆

计算机集成制造系统 2006年第4期12卷 621-624,635页

作者：苏洲裴仁清上海大学机电工程与自动化学院上海200072

为了避免曲面在非均匀细分过程中产生裂缝,提出了一种基于边界采样的曲面裂缝处理方法。该方法结合曲面在参数空间上递归细分和沿曲面上曲线采样,在曲面初始化的基础上,对所有细分单元进行边界采样,构造自适应多边形来近似曲面上的曲线... 详细信息

为了避免曲面在非均匀细分过程中产生裂缝,提出了一种基于边界采样的曲面裂缝处理方法。该方法结合曲面在参数空间上递归细分和沿曲面上曲线采样,在曲面初始化的基础上,对所有细分单元进行边界采样,构造自适应多边形来近似曲面上的曲线。再根据边界曲线的曲率,对每一个细分单元进行平坦性检测。通过构造内部边来细分每一个不能通过平坦性准则检测的单元,可有效避免近似曲面产生裂缝。

关键词：细分曲面曲面裂缝平坦性边界采样

来源：评论

学校读者我要写书评

暂无评论

基于边界采样技术的插值Loop细分方法

引用

计算机应用与软件 2005年第12期22卷 26-27,114页

作者：梁伟文深圳职业技术学院先进制造技术工程系广东深圳518055

本文在分析了传统几何造型的弊端及开曲面造型中光滑边界曲线的插值要求后,针对细分曲面造型方法中较常用的Loop细分,提出了基于边界采样技术的插值细分曲面造型方法。该方法一方面利用了细分曲面造型的优点,如算法简单、可表达任意拓... 详细信息

本文在分析了传统几何造型的弊端及开曲面造型中光滑边界曲线的插值要求后,针对细分曲面造型方法中较常用的Loop细分,提出了基于边界采样技术的插值细分曲面造型方法。该方法一方面利用了细分曲面造型的优点,如算法简单、可表达任意拓扑结构等;另一方面又满足了工程应用中插值边界曲线的要求。文中详细讨论该算法的步骤,并通过示例验证了该算法的有效性和实用性。

关键词：细分曲面边界采样插值Loop细分开曲面造型

来源：评论

学校读者我要写书评

暂无评论

基于边界采样的插值Catmull-Clark细分曲面造型

引用

机电工程 2005年第3期22卷 48-50页

作者：梁伟文戴珏深圳职业技术学院先进制造技术工程系广东深圳518055

提出了基于边界采样的插值CatmullClark细分曲面造型方法。首先简单介绍了CatmullClark细分规则;为了满足插值边界要求,提出了一种边界采样技术;最后介绍了插值CatmullClark细分方法,并通过实例验证了该方法的有效性和可行性。该方法对... 详细信息

提出了基于边界采样的插值CatmullClark细分曲面造型方法。首先简单介绍了CatmullClark细分规则;为了满足插值边界要求,提出了一种边界采样技术;最后介绍了插值CatmullClark细分方法,并通过实例验证了该方法的有效性和可行性。该方法对丰富细分曲面造型技术,推广其曲面造型中的应用起到一定作用。

关键词：边界采样细分曲面插值曲面造型造型技术规则实例验证推广丰富

来源：评论

学校读者我要写书评

暂无评论

IP返回跟踪DoS(拒绝服务)攻击中的压缩边界采样算法

引用

微电子技术 2003年第5期31卷 13-16页

作者：徐鸣涛上海交通大学上海200030

本文描述了IP返回跟踪DoS(拒绝服务 )攻击中的压缩边界采样算法。

关键词：拒绝服务攻击 IP返回跟踪数据包标记边界采样

来源：评论

学校读者我要写书评

暂无评论

IP返回跟踪DoS攻击的压缩边界采样算法

引用

通信技术 2003年第7期36卷 109-111页

作者：徐鸣涛陆松年上海交通大学电子信息与电气工程学院上海200030

描述了IP返回跟踪DoS(拒绝服务)攻击中的压缩边界采样算法,并在保证后向兼容性的前提下对IP数据包头部进行修改。

关键词：拒绝服务攻击 IP返回跟踪数据包标记边界采样

来源：评论

学校读者我要写书评

暂无评论

面向失衡数据集的簇边界采样与动态剪枝的失衡数据分类方法

面向失衡数据集的簇边界采样与动态剪枝的失衡数据分类方法

引用

作者：李鹏张楷卉 150080 黑龙江省哈尔滨市南岗区学府路52号

面向失衡数据集的簇边界采样与动态剪枝的失衡数据分类方法，属于失衡数据分类领域。为了解决目前失衡数据分类方法分类效果不好的问题。它包括：步骤一：对失衡数据集D基于密度聚类进行簇边界采样，获取重采样后的失衡数据集B；步骤二... 详细信息

标准号: CN104102718A

面向失衡数据集的簇边界采样与动态剪枝的失衡数据分类方法，属于失衡数据分类领域。为了解决目前失衡数据分类方法分类效果不好的问题。它包括：步骤一：对失衡数据集D基于密度聚类进行簇边界采样，获取重采样后的失衡数据集B；步骤二：对重采样后的失衡数据集B基于KNN动态阈值进行剪枝，获取剪枝后的失衡数据集T；步骤三：对剪枝后的失衡数据集T采用SVM分类器进行分类，获取分类后的失衡数据集。它应用于医疗诊断、癌症检测、蛋白质的检测、故障检测、客户流失预测等领域。

关键词：失衡数据集剪枝数据分类边界采样采样癌症检测动态阈值分类效果故障检测医疗诊断分类器聚类蛋白质检测

来源：评论

学校读者我要写书评

暂无评论

基于三支决策的不平衡数据过采样方法

引用

电子学报 2018年第1期46卷 135-144页

作者：胡峰王蕾周耀计算智能重庆市重点实验室(重庆邮电大学) 重庆400065

采样是解决不平衡数据分类问题的一个有效途径.文中结合三支决策理论,根据样本分布将样本划分成三个区域:正域、边界域和负域;在此基础上,分别对边界域和负域中的小类样本进行不同的过采样处理,提出了一种基于三支决策的不平衡数据过采... 详细信息

采样是解决不平衡数据分类问题的一个有效途径.文中结合三支决策理论,根据样本分布将样本划分成三个区域:正域、边界域和负域;在此基础上,分别对边界域和负域中的小类样本进行不同的过采样处理,提出了一种基于三支决策的不平衡数据过采样算法(TWD-IDOS算法).实验结果表明,在C4.5、KNN和CART等分类器上,文中提出的算法能有效解决不平衡数据的二分类问题,在Recall、F-value、AUC等指标上优于文献中的过采样算法.

关键词：三支决策邻域粗糙集边界采样不平衡数据 SMOTE

来源：评论

学校读者我要写书评

暂无评论

IP返回跟踪DoS攻击的三种数据包标记算法

引用

计算机应用研究 2004年第3期21卷 235-236,253页

作者：徐鸣涛陆松年杨树堂上海交通大学电子信息学院上海200030

阐述了一种以数据包标记为基础的IP返回跟踪机制,并根据该机制给出了对付DoS(拒绝服务)攻击的三种数据包标记算法。

关键词：拒绝服务攻击 IP返回跟踪数据包标记边界采样

来源：评论

学校读者我要写书评

暂无评论

基于粗糙集的不平衡数据采样方法研究

基于粗糙集的不平衡数据采样方法研究

引用

作者：李航重庆邮电大学

学位级别：硕士

不平衡数据分类问题是机器学习领域里一个重要的研究内容。在不平衡数据中，样本在各个类别之间地分布是不平衡的。由于少数类样本数量稀少，用传统的机器学习方法在应对不平衡数据分类问题时会出现分类结果更多倾向于多数类，而少数类... 详细信息

不平衡数据分类问题是机器学习领域里一个重要的研究内容。在不平衡数据中，样本在各个类别之间地分布是不平衡的。由于少数类样本数量稀少，用传统的机器学习方法在应对不平衡数据分类问题时会出现分类结果更多倾向于多数类，而少数类样本的识别准确率不高，对少数类样本识别困难。为提高少数类样本的识别率，研究人员在不同层面提出了解决办法，其中通过采样改变数据不平衡度从而改善少数类识别率的方法取得了比较广泛地应用，这其中最具代表性的算法就是SMOTE智能过采样算法。但是，SMOTE采样算法不加区分地对所有少数类样本采样，其采样范围过广。虽然能够达到提高少数类识别率的目的，但同时多数类的决策空间被新样本压缩，其识别率降低较大。因此采样前对需要采样的少数类样本进行筛选，研究有针对性的过采样方法很有必要。邻域粗糙集模型将粗糙集理论应用到邻域系统中，该模型以样本点及其邻域半径为基础，可以很容易得出整个不平衡数据集在特征空间的分布状态，如果能够把它应用到SMOTE采样算法中，则可能得到采样效果更好的采样方法。本文结合邻域粗糙集模型，开展了基于邻域粗糙集的采样方法的研究。首先，根据邻域粗糙集模型的理论，计算每个样本的邻域半径以及邻域，根据其邻域内的样本分布将不平衡数据集进行划分并得到属于边界域的少数类样本集与属于正域的多数类样本集。在此基础上，结合SMOTE采样算法，提出了基于邻域粗糙集的边界采样算法，即NRSBoundary-SMOTE算法。算法对边界域内少数类样本进行过采样，同时将合成样本与正域内的多数类样本进行比较，若合成样本属于某个正域内多数类样本的邻域，则进行重采样，否则将合成样本加入到训练集中。其次，在将NRSBoundary-SMOTE算法应用到大数据集上时出现了运行时间过长，执行效率过低的问题。因此本文结合MapReduce编程范式，提出了基于邻域粗糙集的并行边界采样算法，即Parallel-NRSBoundary-SMOTE。算法通过将数据集划分的过程与采样过程进行并行化，降低了算法的时间复杂度，有效改善在大数据上的计算效率。最后分别通过实验并将实验结果与其他算法进行对比分析，表明本文的采样算法能够更加高效地合成少数类样本，并且能够并行处理大数据，降低执行时间。

关键词：不平衡数据 SMOTE 邻域粗糙集边界采样并行 MapReduce

来源：评论

学校读者我要写书评

暂无评论

基于混合采样技术的不平衡数据分类算法的研究与应用

基于混合采样技术的不平衡数据分类算法的研究与应用

引用

作者：李欣上海工程技术大学

学位级别：硕士

近年来,随着科技互联网的快速发展,数据研究对人们的生活变得越发重要。在很多领域,例如信用评估、疾病预测和金融大数据等,存在大量的不平衡数据。不平衡数据是指数据集中某一类的样本比其他类的样本多,就会出现类别不平衡。将样本数... 详细信息

近年来,随着科技互联网的快速发展,数据研究对人们的生活变得越发重要。在很多领域,例如信用评估、疾病预测和金融大数据等,存在大量的不平衡数据。不平衡数据是指数据集中某一类的样本比其他类的样本多,就会出现类别不平衡。将样本数量多的类称为多数类(负类样本),样本数量少的类称为少数类(正类样本)。若对不平衡数据集进行错误的分类划分或少数类群体被错误地认为是多数类群体时,数据使用个体通常会付出更大的代价。因此,人们更加关注少数类样本。如何提高少数类的分类性能是本文的研究重点。本文的主要内容分为以下三个部分。首先,针对不平衡数据集边界处多数类与少数类分类模糊造成的少数类重要信息丢失的问题,提出了边界混合采样的不平衡数据分类算法。通过该方法先去除数据中噪声点,再根据数据样本的k距离设置邻域半径,利用对象邻域内的k距离信息区分边界点与非边界点。最后对边界集和非边界集进行混合采样形成平衡集,并对分类后的数据进行评估。使用UCI机器学习库中六组不平衡数据对分类算法进行验证,结果表明该算法使分类后的和值与F-value值都有提高。其次,针对邻域重叠样本较大地影响分类器性能的问题,提出了基于邻域重叠的混合采样方法。其中,改进的k-NN算法通过识别和消除重叠的负样本,能够最大限度地提高少数群体实例的可见性。同时通过使用邻域搜索技术,可以更准确地识别重叠的负样本,从而防止过度消除和最小化信息损失。使用UCI机器学习库中五组不平衡数据集进行验证,该算法能较好的提高数据的分类性能。最后,分别研究了不平衡数据分类在信用评估和疾病预测领域的应用。首先,针对单一模型在进行信用评估时效果并不十分理想的情况,提出基于改进的GS-XGBoost的个人信用评估算法。从UCI数据库中选取信贷数据进行验证,分别与支持向量机、随机森林、逻辑回归、神经网络以及未改进的XGBoost的所得结果进行比较。实验结果表明,该模型的分类性能均有提高。其次,针对医疗领域中疾病预测速度慢、准确率不高等问题,使用改进的网格搜索法寻找SVM分类器中的最优参数。选取UCI中的Pima糖尿病数据集进行验证,并与未改进的SVM分类算法结果G-mean进行比较。实验结果表明,改进的SVM分类算法能有效提高糖尿病的预测准确率和运算速度。

关键词：不平衡数据分类混合采样边界采样领域重叠信用评估疾病预测

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：