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

25 篇 学位论文
11 篇 期刊文献

馆藏范围

36 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

30 篇 工学
- 19 篇 计算机科学与技术...
- 18 篇 软件工程
- 13 篇 控制科学与工程
- 7 篇 网络空间安全
- 3 篇 矿业工程
- 2 篇 信息与通信工程
- 1 篇 机械工程
- 1 篇 仪器科学与技术
- 1 篇 电气工程
- 1 篇 水利工程
20 篇 管理学
- 20 篇 管理科学与工程(可...
3 篇 经济学
- 3 篇 应用经济学
2 篇 理学
- 2 篇 数学
2 篇 医学
- 2 篇 临床医学

主题

36 篇 过采样算法
6 篇 入侵检测
4 篇 非平衡数据
4 篇 数据分类
3 篇 欠采样算法
3 篇 卷积神经网络
2 篇 不平衡数据集
2 篇 不平衡学习
2 篇 聚类算法
2 篇 注意力机制
2 篇 不平衡数据
2 篇 集成算法
2 篇 支持向量机
2 篇 lightgbm
2 篇 生成对抗网络
2 篇 类不平衡
2 篇 煤与瓦斯突出
2 篇 软件缺陷预测
2 篇 时间序列模型
2 篇 adam算法

机构

3 篇 大连海事大学
3 篇 西安电子科技大学
3 篇 辽宁工程技术大学
2 篇 兰州交通大学
2 篇 哈尔滨工业大学
1 篇 河北师范大学
1 篇 浙江师范大学
1 篇 北方联合电力有限...
1 篇 国防科技大学
1 篇 深圳职业技术大学
1 篇 上海理工大学
1 篇 江苏大学
1 篇 武汉三联水电控制...
1 篇 华北水利水电大学
1 篇 江西师范大学
1 篇 国能四川大渡河双...
1 篇 国家数字交换系统...
1 篇 山东科技大学
1 篇 解放军信息工程大...
1 篇 东北石油大学

作者

2 篇 chen gang
2 篇 李泓绪
2 篇 万宇
2 篇 陈刚
2 篇 郭晓梅
1 篇 zhou zhimin
1 篇 张儒
1 篇 张源
1 篇 yan binghao
1 篇 石海鹤
1 篇 hou binjie
1 篇 逯玉婧
1 篇 周颖
1 篇 周世文
1 篇 任晓丹
1 篇 li hongxu
1 篇 song yan
1 篇 王明洋
1 篇 xiao zhengxing
1 篇 shi haihe

语言

36 篇 中文

检索条件"主题词=过采样算法"

共 36 条记录，以下是21-30 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：

类不平衡数据分类方法研究与应用

类不平衡数据分类方法研究与应用

引用

作者：王家泰北京石油化工学院

学位级别：硕士

化合物分子的研究在工艺优化、新材料的研发和应用,以及提高生产效率和产品质量方面具有关键性作用。然而,在实际生产中,化合物分子的类别往往呈现不平衡的情况,其中某些类别的分子数量较少,而其他类别的数量较多。这种不平衡会对数据... 详细信息

化合物分子的研究在工艺优化、新材料的研发和应用,以及提高生产效率和产品质量方面具有关键性作用。然而,在实际生产中,化合物分子的类别往往呈现不平衡的情况,其中某些类别的分子数量较少,而其他类别的数量较多。这种不平衡会对数据分析和分类任务带来挑战。为解决这一问题,研究人员广泛使用机器学习算法,尽管取得一定成果,但仍需解决一些紧迫问题:在特征层面,样本分布不均可能影响特征信息的传递和分类算法对少数类样本的识别能力;在算法层面,传统方法倾向于更常见的类别,从而影响分类性能;在数据层面,传统平衡方法难以充分学习数据的特征。本论文针对类不平衡数据分类的三个关键问题展开研究,包括以下工作:1.针对类不平衡数据分类中存在的特征问题,提出了一种基于LightGBM特征重要性度量的特征选择算法,称为TWS-LGBM。该算法采用改进的双向搜索策略,综合考虑特征间的相关性和特征与类别相关性,以获得最优特征子集。具体来说,该算法以LightGBM特征重要性度量为基础,并结合前向搜索策略以互信息测量特征间相关性,同时采用后向搜索策略以皮尔逊相关性度量特征与类别相关性,通过这种方式,特征信息能够有效传递并提高分类算法对少数类样本的识别能力。2.针对类不平衡数据分类在数据和算法层面存在的问题,提出一种基于过采样集成学习方法的分类算法CTGAN＿LightGBM,该算法在数据层面采用针对表格数据的生成对抗网络算法CTGAN生成更加多样化的合成样本,使得数据样本达到平衡,在算法层面采用LightGBM集成学习算法并提出改进的网格搜索算法进行参数优化,这样的组合能够改进传统方法,使其不再偏向常见类别,从而提高分类性能。3.针对类不平衡数据分类的三个关键问题,提出了一种基于TWS-LGBM特征工程的CTGAN＿LightGBM分类算法,并将该算法在二氢叶酸还原酶抑制剂(DHFR)数据集上进行应用,验证本论文算法的有效性。

关键词：特征工程算法过采样算法 CTGAN TWS-LGBM特征选择 LightGBM

来源：评论

学校读者我要写书评

暂无评论

基于Inception-CBAM的入侵检测方法研究

基于Inception-CBAM的入侵检测方法研究

引用

作者：李泓绪辽宁工程技术大学

学位级别：硕士

随着互联网的普及,网络入侵带来的安全隐患层出不穷,而且互联网存在自身数据量大、入侵攻击行为数据差异较大的问题,因此入侵检测方法准确率的高低是网络安全防护的关键。为了提高入侵检测方法的准确率,提出了一种基于卷积神经网络(Conv... 详细信息

随着互联网的普及,网络入侵带来的安全隐患层出不穷,而且互联网存在自身数据量大、入侵攻击行为数据差异较大的问题,因此入侵检测方法准确率的高低是网络安全防护的关键。为了提高入侵检测方法的准确率,提出了一种基于卷积神经网络(Convolutional Neural Networks,CNN)的Inception网络结构与卷积注意力模块(Convolutional Block Attention Module,CBAM)结合的入侵检测方法。首先在数据处理阶段通过使用Borderline-SMOTE过采样算法倍率增加小类样本数量,结合Min Max归一化对数据集进行处理,可以有效缓解样本标签数量与特征间数值差异较大问题;其次使用改进的一维卷积神经网络Inception结构从不同尺度进行特征提取,配合CBAM注意力机制构建改进方法,提取出具有高鲁棒性,低维度的特征;最后使用Adam优化算法,以及Dropout正则化提高模型泛化性,使该方法在处理海量数据时有更好的特征表达。选用经典入侵检测数据集CIC-IDS-2017进行模拟实验,结果评价标准选用准确率、精确率、召回率和F1值四个评价指标,全面综合分析入侵检测方法的检测性能。实验结果显示,Inception-CBAM方法的平均准确率达到99.57%,证明Inception-CBAM入侵检测方法具有良好的适应性,对未知样本具有较高的识别性,相较于SVM、CNN、RNN以及BLS-GMM,在准确率上分别提升了4.48%、1.35%、1.62%和0.04%,召回率分别提高了4.48%、1.36%、1.62%和0.14%。同时,相对于对比模型,针对小类样本Bot、Web Attack Sql Injection以及Heartbleed检测率分别提升了72%、65%、65%,在数据不均衡情况下精确率有一定提升。该论文有图14幅,表15个,参考文献57篇。

关键词：入侵检测卷积神经网络注意力机制过采样算法 Adam算法 Dropout正则化

来源：评论

学校读者我要写书评

暂无评论

基于自步多任务学习的网络入侵流量检测技术

基于自步多任务学习的网络入侵流量检测技术

引用

作者：孙立健国防科技大学

学位级别：硕士

随着信息技术的飞速发展,人们的日常生活与互联网之间的联系越来越紧密。每天无数的服务器、计算机和移动设备通过互联网相互传输大量的数据。在这些数据之中往往存在着大量的恶意网络入侵行为,例如病毒、蠕虫、恶意程序等。为有效检测... 详细信息

随着信息技术的飞速发展,人们的日常生活与互联网之间的联系越来越紧密。每天无数的服务器、计算机和移动设备通过互联网相互传输大量的数据。在这些数据之中往往存在着大量的恶意网络入侵行为,例如病毒、蠕虫、恶意程序等。为有效检测出这些恶意网络入侵行为并将其进行隔离或删除,人们开发了入侵检测系统,以避免网络入侵流量对计算机设备造成损害。目前,主流的入侵检测系统是基于网络的,通过构建异常网络入侵流量检测模型,入侵检测系统可以及时检测出网络流量中存在的入侵行为。为构建性能优良的网络入侵流量检测模型,许多学者采用机器学习算法来设计网络入侵流量检测算法,并把它们运用到真实的网络入侵流量检测中来。传统的网络入侵流量检测算法采用的机器学习算法主要有支持向量机、决策树和神经网络等,这些算法在维护计算机网络和系统安全中发挥了重要作用。然而,传统的网络入侵流量检测算法在处理网络流量数据时往往会忽略两个关键性问题:1)网络流量中只有少数网络入侵行为可以被标注;2)网络流量往往由不同的计算机终端产生,并且这些流量数据之间存在分布的差异。换言之,为达到较好的网络入侵流量检测效果,传统的网络入侵流量检测算法通常依赖足够多的已标注网络流量数据来训练其算法。与此同时,这些算法并没有考虑计算机终端等网络设备中数据分布的差异,从而导致网络入侵流量检测模型在处理不同终端上的网络流量数据时不能很好地理解数据之间的异同,和不能为不同的计算机终端提供针对性更强的安全防护。为克服传统网络入侵流量检测模型中存在的问题,本文提出基于自步多任务学习的网络入侵流量检测技术,该技术主要包含两个部分。第一部分为多任务网络入侵流量检测模型。第二部分为灵活自步多任务学习算法。通过基于自步多任务学习的网络入侵流量检测技术,可以有效应对真实网络中已标注网络流量匮乏和网络流量分布存在差异的挑战。针对网络流量数据类不平衡的特点,本文首先基于过采样算法在数据级层面对网络流量进行处理,有效提高网络流量数据中少数类样本的数量;在此基础上,针对网络流量数据分布在不同计算机终端上的特点,建立多任务网络入侵流量检测模型,并采用多任务学习算法来利用不同计算机终端中网络流量数据的共享信息。为更好地检测网络流量中隐蔽性更强的网络入侵,本文提出灵活自步多任务学习算法。该算法通过引入自步学习机制,在训练过程中由易到难地对网络流量样本进行训练,从而更好地提高了网络入侵流量检测算法的鲁棒性。另一方面,该算法采用多任务学习机制,更加充分地利用了不同计算机终端中网络流量数据的异同,从而为不同的计算机终端提供了更加针对性的安全保障。最后,本文设计了两个实验对所提方法进行验证。第一个实验在仿真数据集上测试灵活自步多任务学习算法的分类性能及鲁棒性。第二个实验基于最新的两个网络安全数据集UNSW-NB15和CICIDS2018,对不同的网络入侵流量检测算法进行对比。通过分析表明,基于自步多任务学习的网络入侵流量检测技术可以有效检测出计算机终端中存在的网络入侵流量,降低网络入侵流量检测模型的漏警率与虚警率。

关键词：网络入侵流量检测类不平衡自步多任务学习算法过采样算法

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的端到端自动睡眠分期研究

基于深度学习的端到端自动睡眠分期研究

引用

作者：尹海波哈尔滨工业大学

学位级别：硕士

针对现阶段可用的睡眠脑电数据皆为类不平衡小数据集,深度学习模型的直接迁移应用所取得的分期效果较差的问题,分别从数据集重构和模型训练优化两方面入手,提出一种可用于少量类不均衡原始睡眠脑电数据集的深度端到端自动睡眠分期模型... 详细信息

针对现阶段可用的睡眠脑电数据皆为类不平衡小数据集,深度学习模型的直接迁移应用所取得的分期效果较差的问题,分别从数据集重构和模型训练优化两方面入手,提出一种可用于少量类不均衡原始睡眠脑电数据集的深度端到端自动睡眠分期模型。以下为本文的主要研究内容和成果:(1)构建了深度端到端自动睡眠分期模型。使用Sleep-EDF数据库Fpz-Cz通道的原始睡眠脑电数据集对模型进行15折交叉验证实验,得到总体精度和宏平均F1值分别为86.73%和81.70%。并通过与近年使用相同实验数据集的高水平分类模型的比较,验证了所提出的端到端自动睡眠分期模型的先进性。(2)在改进生成少数类过采样技术(MSMOTE)的基础上从减少决策域的角度出发,只对少数类中的安全类进行扩增,并对数据生成的方法进行改进,提出同维度变换生成少数类过采样技术(DMSMOTE)。实验表明,DMSMOTE在本文模型中的应用效果优于MSMOTE。(3)以减少类原始数据集中类不均衡对少数类分类的负面影响为出发点。考虑到DMSMOTE重构后生成的类平衡数据集中会含有不属于任何分类的数据;用DMSMOTE重构后的类平衡数据集对模型作预激活处理,原始脑电数据集用于模型的微调。实验表明,采用DMSMOTE重构后生成的类平衡数据集对模型作预激活,可使最小类的分类F1值由45.16%增至53.64%。研究结果显示:模型可实现对少量原始睡眠脑电数据的端到端学习,总体分类效果优于近年高水平模型;鉴于其端到端特性,相对于传统基于特征工程的机器学习模型,所提模型更适用于配备远程服务器的分体式个性化睡眠监测设备。

关键词：迁移学习过采样算法残差连接自动分期脑电信号

来源：评论

学校读者我要写书评

暂无评论

针对不平衡数据过采样的ICO欺诈识别研究

针对不平衡数据过采样的ICO欺诈识别研究

引用

作者：郑一凡中央财经大学

学位级别：硕士

近年来,信息技术的迅猛发展不断助推金融全球化、网络化和虚拟化,人工智能、区块链、大数据等驱动的金融创新不仅改变了传统金融业态,也给其带来了新的风险与挑战。首次代币发行(Initial Coin Offering,ICO)即是这种金融科技创新的典型... 详细信息

近年来,信息技术的迅猛发展不断助推金融全球化、网络化和虚拟化,人工智能、区块链、大数据等驱动的金融创新不仅改变了传统金融业态,也给其带来了新的风险与挑战。首次代币发行(Initial Coin Offering,ICO)即是这种金融科技创新的典型例子,其融合区块链以及加密代币的使用权,来为开发、维护、交换相关产品或者服务的项目进行融资,现在常被用来为区块链项目筹集资金。然而,随着ICO市场的发展,金融欺诈的风险也随之增加。由于ICO的去中心化特性,其融资过程缺乏证监会等机构的严格监管,ICO欺诈者或进行虚假承诺,或实行庞氏骗局,或销售假币,给投资人造成了巨大的经济损失。虽然我国已发布禁令,禁止国内所有ICO交易,但国际上仍有大量区块链项目公开面向中国公民募集资金,单靠我国监管机构的阻挡,无法完全杜绝中国相关资本外流。由此可见,此种金融欺诈行为对我国的金融秩序造成了极大地威胁,不利于我国未来加密代币体系的成熟和加密代币市场的繁荣。因此,要降低ICO投资者的投资风险,保护人民群众的财产安全,就需要及时发现和识别ICO项目的欺诈可能性。ICO项目一般通过发行白皮书来对其项目背景、目标、技术细节等进行详细阐述,因此白皮书是投资者了解ICO信息的重要来源。然而通过人工阅读白皮书的方式区分欺诈与合法ICO,是一项具有挑战性、耗时且容易出错的任务。此外,由于ICO项目发展历史不长,最终司法判决的发生率较低,很难确定真正欺诈的案件,尚未被起诉欺诈的项目也未必是完全可靠的,这就需要制定严格的筛选规则来筛选欺诈与非欺诈样本,且最终确认的欺诈项目数往往小于非欺诈项目数,存在数据非平衡问题。针对以上现状,本文的主要工作与贡献如下:(1)提出了一套不仅包含欺诈ICO项目筛选规则,还规定了非欺诈项目需满足要求的白皮书文本数据集的构建方案。非欺诈ICO项目需满足以下要求:在多个ICO项目评价网站上获得较高评分;筹集到其设立的目标金额;在社交网站上活跃的项目。欺诈ICO项目则:应在评价网站上已被列为欺诈或获得较低评分;不再在社交平台上更新和互动;已从上市平台上摘牌;有针对其的官方诉讼发生。最终该方案收集到194个非欺诈和73个欺诈白皮书样本。(2)提出基于方差迁移的过采样算法(Variance Transfer Oversampling,VTO)以生成新少数类样本,提高欺诈检测模型的分类效果。该算法假设多数类相较于少数类具有更丰富的类内方差,故而将从多数类获取到的类内方差迁移至少数类来创建新样本,以期提升分类效果。该方法首先分别计算多数类和少数类的样本中心点,然后计算多数类样本至其中心的偏移向量,过滤以符合置信条件,最后将经两类特征重要性权重调整的偏移向量置加到少数类样本中心点上,以此构建少数类新样本,使数据集达到类间数量平衡。对比SMOTE、BD-SMOTE等其他过采样算法,VTO在六个KEEL公开数据集上取得了F-score平均排名1.66,PR-AUC平均排名1.5的良好效果。(3)利用自然语言处理技术从文本分析的角度对ICO欺诈问题进行研究,训练机器学习分类器检测ICO欺诈项目,并对其数据非平衡问题分别用修改算法对不同类别的学习权重、VTO等过采样方法进行数据过采样处理、修改代价敏感的损失函数三种非平衡问题处理方法进行处理,建立相应的金融欺诈风险识别模型。实验发现,XGBoost算法相较其他模型具有最好的分类效果,且在对数据集使用VTO算法进行过采样处理后,该模型达到了0.9473的AUC值与83.22%的准确率,优于其他过采样方法,证明本文提出针对非平衡数据进行处理的金融欺诈风险识别模型具有良好的检测效果。

关键词：首次代币发行欺诈检测过采样算法方差迁移

来源：评论

学校读者我要写书评

暂无评论

煤与瓦斯突出危险性预测方法研究

煤与瓦斯突出危险性预测方法研究

引用

作者：万宇兰州交通大学

学位级别：硕士

现代煤矿企业随着工业技术的进步极大的提高了生产力,但是伴随这种快速发展带来的是各种工业事故造成的生产安全问题,安全生产是保障企业经济效益以及员工生命健康的重要条件。煤与瓦斯突出是煤矿生产过程中的一种极其复杂的动力灾害,... 详细信息

现代煤矿企业随着工业技术的进步极大的提高了生产力,但是伴随这种快速发展带来的是各种工业事故造成的生产安全问题,安全生产是保障企业经济效益以及员工生命健康的重要条件。煤与瓦斯突出是煤矿生产过程中的一种极其复杂的动力灾害,灾害发生时会破坏井下重要机械设备、扰乱通风系统,严重时甚至会造成大量人员伤亡。煤矿企业虽然针对这一危害建立了严格的规章制度和监控体系,但是由于煤与瓦斯突出受多种因素共同影响且相互之间存在高度非线性关系而难以实现及时精准的预测,如果能解决这一问题,可以在灾害发生前做出相应的防护措施,最大限度的保障井下工作者的生命安全。目前大多数生产企业已积累了一些针对煤与瓦斯突出的监测数据,但是突出灾害有着影响因素众多、机理复杂的特点,且突出本身属于小概率事件,可用于模型训练的突出数据只占总样本的一小部分。本文主要工作如下:针对煤与瓦斯突出预测问题,首先结合文献分析了可能导致突出发生的8个影响因素,采用灰色关联分析法从8个影响因素中选取5个作为下一步突出预测的指标;然后利用筛选出的指标结合样本数据构成预测指标集,将整理好的训练数据集导入神经网络和支持向量机模型分别进行训练和预测;针对样本类不平衡问题引入了过采样算法理论,改进了BSMOTE算法合成新样本以达到平衡数据集的目的;针对训练过程中调参复杂的问题,使用粒子群算法进行参数寻优,最后将改进的粒子群算法与BSMOTE-SVM结合构造组合预测模型PSO-BSMOTE-SVM。使用SVM模型进行预测时,结果显示分类正确率达到了61.90%,而BP神经网络正确率仅为47.62%,结合其它评价指标可以看出支持向量机在小样本条件下的性能表现要明显优于BP神经网络,但是模型训练的结果仍不能达到预测的精度要求;在分析了SVM模型失效原因后引入了BSMOTE算法,并针对其缺点进行了改进,首先通过聚类分析将突出样本分成多个簇,其次在每个簇中综合考虑样本距离、近邻域密度对“疑似噪声点”进行识别、剔除,将剩余样本按信息量进行排序,再通过改进的合成公式合成新样本,仿真结果显示,改进后的BSMOTE-SVM预测模型分类正确率达到了80.95%,可见过采样算法通过改善训练集平衡性大大提升了预测精度;由于BSMOTE-SVM模型计算时很难快速确定准确合适的参数,采用改进的粒子群算法对模型进行参数调优,仿真结果显示,PSO-BSMOTE-SVM预测模型的训练时间缩短至6.241秒,分类正确率达到了92.86%,可以满足煤与瓦斯突出预测问题的精度需求。

关键词：煤与瓦斯突出神经网络支持向量机过采样算法粒子群算法

来源：评论

学校读者我要写书评

暂无评论

基于CNN-SVM模型的债券违约预测研究

基于CNN-SVM模型的债券违约预测研究

引用

作者：郑成浙江财经大学

学位级别：硕士

2014年“11超日债”因无法按时兑付利息构成实质性违约,打破了我国债券刚性兑付的历史。自此,我国债券市场违约事件频发,债券违约也进入常态化阶段。在人工智能时代,机器学习方法已被成功应用于量化金融和风险管理方面。在债券违约日益... 详细信息

2014年“11超日债”因无法按时兑付利息构成实质性违约,打破了我国债券刚性兑付的历史。自此,我国债券市场违约事件频发,债券违约也进入常态化阶段。在人工智能时代,机器学习方法已被成功应用于量化金融和风险管理方面。在债券违约日益凸显的背景下,如何利用机器学习模型全面、准确的评估和预测债券的违约风险,建立适合我国的债券违约预测模型,保护合作者合法权益,更是是科技赋能金融、用技术防范化解金融问题的核心环节。本文使用中国债券市场实质违约数据,基于过采样算法对样本进行训练,并尝试提出一种新的集成机器学习方法分析并预测信用债券的违约风险,丰富了机器学习在量化金融风险管理领域中的应用,具有重要的理论和现实意义。为了更好的利用债券发行主体的数据,解决债券违约风险研究目前存在的问题,本文选取所有2014年-2022年6月发生过实质违约的信用债券,提取对应债券的发行主体于债券发行年份前两年数据构建训练样本,在指标方面,从盈利能力、偿债能力、营运能力、成长能力、报表衍生指标5个维度选取了18个财务指标另外选取了3个宏观经济指标。针对数据不平衡问题,经过数据整理和合成少数类过采样技术(SMOTE)、生成式对抗网络(GANs)对违约样本进行再平衡,拟合生成的新数据集使训练出的模型更精确合理。在模型方面,基于深度学习框架,应用随机森林(RF)、卷积神经网络(CNN)、支持向量机(SVM)分别建立分类模型,并一步构建卷积神经网络与支持向量机融合预测模型(CNN-SVM模型)尝试改进单分类器的预测效果。在评价指标方面,利用准确性、查准率、召回率、F值和AUC值等指标对预测违约风险的准确性和综合性能进行评估。实证结果显示:第一,基于各机器学习模型对于我国债券市场的预测效果而言,RF模型、CNN模型、SVM和CNN-SVM融合模型准确率都达到了93%以上,说明本文构建的模型适用于中国债券市场。第二,从选取指标的重要程度而言,基于支持向量机构建预测模型分析因子重要性时发现,排名前三的特征变量分别是净资产收益率、净利润(同比增长率)、销售净利率。第三,在数据处理方面,将使用过采样算法训练再平衡后的数据应用在CNN模型、SVM模型、CNN-SVM模型上,各模型自身综合性能皆有提升。其中,应用SMOTE算法时,融合模型F1值提升了4.17%,AUC提升了2.57%,应用GANs算法时,模型提升效果更佳且更稳定,F1值提升了6.81%,AUC提升了3.12%。第四,从不同模型的预测效果对比来看,单分类器RF在综合性能指标AUC值和F1值略高于CNN和SVM模型的单独使用,改进后的CNN-SVM模型的预测效果无论在准确性和综合性能指标方面都高于任一单分类器。

关键词：债券违约预测不平衡数据过采样算法卷积神经网络支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于集成学习的软件缺陷预测方法研究

基于集成学习的软件缺陷预测方法研究

引用

作者：王守东山东科技大学

学位级别：硕士

软件是信息产业的核心和灵魂，是数字经济的倍增器。在数字优先的世界，软件定义一切，其质量至关重要。软件缺陷预测是一种对软件中可能还遗留或尚未发现的缺陷进行预测的技术，是保证软件质量不可或缺的重要技术手段，一直是软件工程... 详细信息

软件是信息产业的核心和灵魂，是数字经济的倍增器。在数字优先的世界，软件定义一切，其质量至关重要。软件缺陷预测是一种对软件中可能还遗留或尚未发现的缺陷进行预测的技术，是保证软件质量不可或缺的重要技术手段，一直是软件工程领域的研究热点之一。　　针对目前软件缺陷预测方法中存在的主要问题，本文从缺陷数据预处理的重采样、特征选择以及基于集成学习的软件缺陷预测算法展开研究，主要工作和成果如下:　　(1)针对缺陷数据集中存在的类不平衡问题，本文提出了一种基于样本分布特征的分类过采样算法(BKm-SMOTE)。该算法首先针对Borderline-SMOTE算法合成新样本代表性不强且易生成噪声样本的问题，对其进行改进。然后，利用改进后的Borderline-SMOTE算法结合K-MeansSMOTE算法，基于对少数类样本进行分类过采样的思想，分别在边界区和中心区合成新样本，从而平衡缺陷数据集。通过与SMOTE、Borderline-SMOTE、K-MeansSMOTE和GDO四种过采样算法进行对比实验，实验结果表明:BKm-SMOTE算法在类不平衡数据集下获得更好的效果。　　(2)针对缺陷数据集中存在的维数灾难问题，本文提出了一种基于ReliefF和CFS的混合特征选择算法(RCH)。该算法首先针对ReliefF算法存在的阈值设置问题和因随机选择样本而造成的权重倾斜问题，以及CFS算法存在的因未考虑特征与缺陷模块类别间关联性而造成的特征不相关问题，对两算法进行改进。然后利用改进后的ReliefF算法和CFS算法,基于混合特征选择的思想,去除数据集中的不相关特征和冗余特征。通过与ReliefF、CFS、MICHAC和RFC四种特征选择算法进行对比实验，实验结果表明:RCH算法可以更好的筛选得到冗余度低且相关性高的特征子集。　　(3)针对缺陷预测算法缺乏泛化能力，本文提出了一种基于BKm-RCH和WHEL的软件缺陷预测算法(BKmRCH-WHEL)。该算法首先针对Bagging集成算法中存在的基分类器构建问题和基分类器权重设置问题，通过增加多样性的方式引入随机性，采用倍数加权法赋予每个基分类器相应的权重，从而提出一种基于加权的异质集成学习算法(WHEL)。然后，利用BKm-SMOTE和RCH对数据集进行数据预处理，基于WHEL算法，利用预处理后的数据集构建缺陷预测算法。通过与RandomForest和KMB两种集成学习算法以及Enhanced-APE和SWIMBoost两种缺陷预测算法进行对比实验，实验结果表明，WHEL和BKmRCH-WHEL算法可以得到更好的预测结果。　　本文的主要研究成果可以较好地解决软件缺陷预测中存在的主要问题，提升了缺陷预测模型的性能，对提高软件产品质量具有一定的促进作用。

关键词：软件缺陷预测过采样算法特征选择算法集成学习

来源：评论

学校读者我要写书评

暂无评论

基于模糊代表度差的过采样技术研究

基于模糊代表度差的过采样技术研究

引用

作者：任若楠西安电子科技大学

学位级别：硕士

数据的爆炸式增长，引起了研究者们对数据挖掘的广泛关注，其中类不平衡数据又给数据挖掘增添了极大的难度.为了解决这个问题，重采样技术应运而生.传统的重采样算法大多使用样本量大小的比值作为不平衡度量的标准，然而，它只关注了样... 详细信息

数据的爆炸式增长，引起了研究者们对数据挖掘的广泛关注，其中类不平衡数据又给数据挖掘增添了极大的难度.为了解决这个问题，重采样技术应运而生.传统的重采样算法大多使用样本量大小的比值作为不平衡度量的标准，然而，它只关注了样本的数量，无法准确地表达不同类样本间包含的信息.本文从不平衡度量的角度出发对不平衡数据分类问题展开了研究.模糊数学常用于处理不确定性问题，可以较好地表示样本的从属关系.随着模糊理论的日益完善，其在数据挖掘中的应用愈加广泛.\n 针对传统重采样算法中不平衡度量的缺陷，本文提出了一种基于模糊代表度差的重采样方法(FRDR).它使用了一种新的不平衡度量——模糊代表度差(FRD)代替原始的样本量大小比，使得在产生新样本时不只是关注样本的“数量”而更加重视样本的“质量”.FRDR算法首先使用近邻传播算法求得数据集的代表性样本.其次，根据马氏距离和代表性样本为每个样本定义模糊代表度.然后利用模糊代表度不断迭代产生新的样本直到两类的不平衡度符合要求.最后，为了验证FRDR算法的有效性，在8个不平衡数据集上与其他5种流行的过采样技术进行对比分析，实验结果表明FRDR算法的分类性能要比传统的不平衡数据预处理方法更加优良.\n 为了克服传统过采样算法中K-近邻方法的缺陷，本文提出了一种改进的基于模糊代表度差和染色体遗传理论的过采样算法(FRDOAC).它利用生物基因遗传规律，对原始样本不断随机交叉产生下一代，使得产生的样本点既位于正类分布范围内又具有多样性.同时FRDOAC方法不需要设置参数，具有较强的鲁棒性.在UCI和KEEL数据库中选取16个真实的数据集，将该算法和现有的流行算法在真实数据集上进行对比分析.实验结果表明，基于模糊代表度差和染色体遗传理论的过采样算法FRDOAC在各方面的性能都比较好.

关键词：数据分类过采样算法模糊代表度差染色体遗传理论

来源：评论

学校读者我要写书评

暂无评论

COFDM解调/译码联合处理技术的研究与实现

COFDM解调/译码联合处理技术的研究与实现

引用

作者：罗柏文解放军信息工程大学

学位级别：硕士

OFDM是一种高频谱效率的抗多径干扰调制技术，能在严重多径干扰环境下对传输的数字信号提供有效地保护，实现高速和可靠地传输信息。由于OFDM具有较高的频谱效率和抵抗多径干扰的能力，目前已成为解决高速数据传输的主流技术之一，被广... 详细信息

OFDM是一种高频谱效率的抗多径干扰调制技术，能在严重多径干扰环境下对传输的数字信号提供有效地保护，实现高速和可靠地传输信息。由于OFDM具有较高的频谱效率和抵抗多径干扰的能力，目前已成为解决高速数据传输的主流技术之一，被广泛应用于许多的通信系统中。本文以十五期间国家高技术发展计划(863计划)“基于3G技术的移动自组织网研究”为基础，对物理层调制解调关键技术进行研究。本文在假设COFDM通信系统接收端已实现了精确的同步、解调、信道估计的基础上，对COFDM通信系统的解调与译码联合技术进行了讨论。依据COFDM系统的数字基带模型，将基带数字信号的解调与译码联合处理，从总体上优化通信系统，提出了两个新颖的算法——使用解调译码后纠正了部分错误的信号修正原接收符号的基于迭代译码的COFDM(COFDM-ID)算法，以及利用COFDM接收信号实部与虚部信息冗余的特性实现类似Turbo码译码中各个分量码之间相互校对译码的过采样算法。通过计算机仿真验证了COFDM-ID算法以及过采样算法的正确性。仿真表明将解调与译码联合处理技术，可以在不对COFDM系统的发射端作任何改变的情况下，对减小接收端的误比特率具有显著作用。最后，依据COFDM-ID算法以及过采样算法原理，本文给出了使用IP-CORE的FPGA实现方案。

关键词： COFDM 解调与译码联合 COFDM-ID算法过采样算法

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4页 << < 1 2 3 4 > >>

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：