检索结果-内蒙古大学图书馆

本发明涉及一种基于触发阈值移动窗的局部放电脉冲群异常波形识别方法，包括：步骤1，对记录波形开始部分的a个点和结束部分的b个点，计算幅值平均值进而求取记录波形的基准偏置值；步骤2，从记录波形中去掉基准偏置值形成处理波形；步骤3，根据触发阈值Yz，建立可调时长的触发阈值移动窗，对处理波形从记录的开始部分直至结束部分，当触发阈值移动窗内存在绝对幅值大于等于Yz/m时，计算移动窗内数据的时间标准差T及频率标准差B，当T×B≥1时记录极值和对应位置；步骤4，当极值的个数k_j大于1时，判别当前记录的单个脉冲时域波形为异常波形；当极值的个数k_j等于1时，判别当前记录的单个脉冲时域波形为正常波形。与现有技术相比，本发明具有鲁棒性好等优点。

关键词：触发记录波形阈值移动单个脉冲时域波形异常波形记录偏置局部放电脉冲频率标准时间标准正常波形鲁棒性移动窗可调时长

来源：评论

学校读者我要写书评

暂无评论

用于通过根据电子装置的移动调整与对象在关注区域中的移动相关联的阈值来拍摄移动画面的电子装置及其操作方法

用于通过根据电子装置的移动调整与对象在关注区域中的移动相关联...

引用

作者：金东秀下川修一姜和映金东勋尹汝倬尹泳权赵显哲元钟勋李基赫韩国京畿道

一种电子装置可以包括相机、传感器电路、存储器和处理器，所述处理器被配置为：利用相机基于第一帧速率获得包括关注区域(ROI)的多个第一图像；利用传感器电路检测电子装置的移动；基于电子装置的移动来确定与ROI的移动相关的阈值，其... 详细信息

标准号: CN111670573A

一种电子装置可以包括相机、传感器电路、存储器和处理器，所述处理器被配置为：利用相机基于第一帧速率获得包括关注区域(ROI)的多个第一图像；利用传感器电路检测电子装置的移动；基于电子装置的移动来确定与ROI的移动相关的阈值，其中，与ROI的移动相关的阈值被确定为第一阈值，并且与ROI的移动相关的阈值被确定为大于第一阈值的第二阈值；响应于对象在ROI中以第一阈值或第二阈值移动，基于大于第一帧速率的第二帧速率获得多个第二图像；以及提供与对象相关的视频。

关键词：移动传感器电路电子装置处理器相机图像检测电子装置存储器关注区域阈值移动视频响应配置

来源：评论

学校读者我要写书评

暂无评论

融合生成对抗网络和难例挖掘的产品质量预测模型

引用

计算机集成制造系统 2024年第10期30卷 3698-3707页

作者：李剑锋柏雪赵春财钱朋超王洪涛徐伟风中国计量大学经济与管理学院浙江杭州310018 新凤鸣集团研究院质量管理部浙江桐乡314513 杭州古珀医疗科技有限公司研发中心浙江杭州311200

针对连续性工业生产特点,重点关注类别不平衡造成的不合格样本召回率低问题。为了从高维数据提取有效特征,结合one class F-score和最小冗余最大相关性在特征提取方面的优势,有效降低特征维度并提取有价值特征;利用Wasserstein生成对抗... 详细信息

针对连续性工业生产特点,重点关注类别不平衡造成的不合格样本召回率低问题。为了从高维数据提取有效特征,结合one class F-score和最小冗余最大相关性在特征提取方面的优势,有效降低特征维度并提取有价值特征;利用Wasserstein生成对抗网络(WGAN)方法扩增不合格样本数量;通过类别权重优化Focal Loss函数以提高困难样本识别率;通过轻量级梯度提升机算法结合阈值移动策略,构建基于WGAN数据增强和难例挖掘技术的质量预测模型(WGAN_Focal Loss_LGB(TM))。将所提模型应用于开源SECOM数据集,验证了所提方法的有效性。

关键词：高维数据 Wasserstein生成式对抗网络 Focal Loss函数难例挖掘轻量级梯度提升机算法阈值移动产品质量预测

来源：评论

学校读者我要写书评

暂无评论

基于概率阈值Bagging算法的不平衡数据分类方法

引用

计算机工程与科学 2019年第6期41卷 1086-1094页

作者：张忠林吴挡平兰州交通大学电子与信息工程学院

类别不平衡问题广泛存在于现实生活中,多数传统分类器假定类分布平衡或误分类代价相等,因此类别不平衡数据严重影响了传统分类器的分类性能。针对不平衡数据集的分类问题,提出了一种处理不平衡数据的概率阈值Bagging分类方法—PT-Baggin... 详细信息

类别不平衡问题广泛存在于现实生活中,多数传统分类器假定类分布平衡或误分类代价相等,因此类别不平衡数据严重影响了传统分类器的分类性能。针对不平衡数据集的分类问题,提出了一种处理不平衡数据的概率阈值Bagging分类方法—PT-Bagging。将阈值移动技术与Bagging集成算法结合起来,在训练阶段使用原始分布的训练集进行训练,在预测阶段引入决策阈值移动方法,利用校准的后验概率估计得到对不平衡数据分类的最大化性能测量。实验结果表明,PT-Bagging算法具有更好的处理不平衡数据的分类优势。

关键词：不平衡数据阈值移动 Bagging集成学习后验概率

来源：评论

学校读者我要写书评

暂无评论

用于软件缺陷预测的集成模型

引用

计算机科学 2019年第11期46卷 176-180页

作者：胡梦园黄鸿云丁佐华浙江理工大学理学院杭州310018 浙江理工大学图书馆多媒体大数据中心杭州310018 浙江理工大学信息学院杭州310018

软件缺陷预测的目的是有效地识别出有缺陷的模块。对于类别平衡数据,传统的分类器具有较好的预测效果,但当数据类别比例分布不均衡时,传统的分类器往往偏向于多数类,易使得少数类模块被误分。但是,真实的软件缺陷预测中的数据往往是类... 详细信息

软件缺陷预测的目的是有效地识别出有缺陷的模块。对于类别平衡数据,传统的分类器具有较好的预测效果,但当数据类别比例分布不均衡时,传统的分类器往往偏向于多数类,易使得少数类模块被误分。但是,真实的软件缺陷预测中的数据往往是类别不平衡的。为了处理软件缺陷中的这种类别不平衡问题,文中提出了基于改进的类权自适应、软投票与阈值移动的集成模型,该模型在不改变原始数据集的情况下,从训练阶段和决策阶段同时考虑处理类别不平衡的问题。首先,在类权值学习阶段,通过类权自适应学习得到不同类的最优权值;然后,在训练阶段,使用前一步得到的最优权值训练3个基分类器,并通过软集成的方法组合3个基分类器;最后,在决策阶段,根据阈值移动模型来做出决策,以得到最终预测类别。为了证明所提方法的有效性,实验采用NASA软件缺陷标准数据集和Eclipse软件缺陷标准数据集进行预测,并在相同的数据集上将其与近年提出的几种软件缺陷预测方法在召回率值Pd、假正例率值Pf和F 1度量值F-measure方面进行了对比。实验结果表明,所提方法的召回率Pd平均提高了0.09,在F 1度量值F-measure上平均提高了0.06。因此,文中提出的处理软件缺陷预测中类别不平衡问题的方法的整体性能优于其他软件缺陷预测方法,具有较好的预测效果。

关键词：软件缺陷预测类权自适应软投票集成学习软集成阈值移动

来源：评论

学校读者我要写书评

暂无评论

基于集成模型的软件缺陷预测

基于集成模型的软件缺陷预测

引用

作者：胡梦园浙江理工大学

学位级别：硕士

现代社会中,计算机软件产业迅速发展,生活中的各个角落都充斥着计算机软件的影子。软件缺陷预测是软件开发工程中的重要环节,如果在开发的过程中可以及时发现并纠正软件中潜在的缺陷,可以在一定的程度上提高软件的质量。所以,软件缺陷... 详细信息

现代社会中,计算机软件产业迅速发展,生活中的各个角落都充斥着计算机软件的影子。软件缺陷预测是软件开发工程中的重要环节,如果在开发的过程中可以及时发现并纠正软件中潜在的缺陷,可以在一定的程度上提高软件的质量。所以,软件缺陷预测在保证软件质量中发挥着重要的作用。软件缺陷预测的目的是有效地识别出有缺陷的样本。为了预测软件中的缺陷,许多数据挖掘算法已被提出,如支持向量机和贝叶斯等。然而,真实的软件缺陷预测中的数据往往是类别不平衡的,这些传统的方法并不能有效地处理此类数据。鉴于此,研究者提出了重采样、代价敏感学习和集成学习等方法。但这些方法或者改变了原始数据集的真实性,或者只是单纯地在训练阶段或决策阶段处理类别不平衡。为了处理软件缺陷中这种类别不平衡问题,本文提出了一个基于改进的类权自适应、软投票与阈值移动的Bagging集成模型,该模型在不改变原始数据集比例的情况下,从训练和决策两个阶段同时考虑处理类别不平衡问题。为了证明文中提出的方法的有效性,实验采用NASA和Eclipse软件缺陷标准数据集进行预测,并与最近几年提出的软件缺陷预测方法进行对比,实验表明,该文提出的处理软件缺陷预测中类别不平衡问题的方法整体性能优于其它软件缺陷预测方法,具有较好的预测效果。本文的主要研究工作如下:(1)为了避免错分带来惨痛的代价,我们给不同的类别赋予不同的权值为使分类器在训练过程中对不同的类赋予不同的关注度。本文在不改变原始数据集比例的情况下(训练集和测试集上的类别不平衡率相等),对每类样本进行类权值自适应学习,分别得到不同类样本的最优权值。(2)训练阶段,由于选择分类器要满足“好而不同”(基分类器要有一定的“准确性”和“多样性”)的特点,本文选择决策树(DT)、支持向量机(SVM)和逻辑回归(LR)三个经典分类器,使用第一步得到的最优权值训练三个基分类器,并通过软集成的方法组合三个基分类器,得到三个类加权基分类器,同时计算每个类加权基分类器的置信度。(3)决策阶段,在测试集上分别计算三个类加权基分类器的分类概率,使用软投票的方法对分类器预测的结果进行投票。最后,根据阈值移动模型来作出决策,得出最终预测类别。

关键词：软件缺陷预测类权自适应软投票集成学习软集成阈值移动

来源：评论

学校读者我要写书评

暂无评论

高维不均衡数据情形下一种基于随机投影的决策树集成分类方法

高维不均衡数据情形下一种基于随机投影的决策树集成分类方法

引用

作者：黄禹侨中国科学技术大学

学位级别：硕士

随着时代的发展,高维不均衡数据越来越频繁地出现在各个领域,比如基因数据、信号数据、金融数据等;如何有效地对高维不均衡数据进行分类是一个重要的研究方向。为此,本文提出一种基于随机投影的决策树集成分类方法;并利用阈值移动的方... 详细信息

随着时代的发展,高维不均衡数据越来越频繁地出现在各个领域,比如基因数据、信号数据、金融数据等;如何有效地对高维不均衡数据进行分类是一个重要的研究方向。为此,本文提出一种基于随机投影的决策树集成分类方法;并利用阈值移动的方式将该方法推广到高维不均衡数据的情形。在第二章,针对于高维数据的分类问题,本文提出一种基于随机投影的决策树集成学习方法Projection Forest(PJForest)。该方法以决策树为基分类器,利用一系列随机投影对数据进行降维,基于降维后的数据构建相应的一系列决策树,而后通过集成学习构造集成分类器。利用随机投影对数据进行降维,能保持数据几何结构的信息;更重要的是,随机投影通过对原始数据进行扰动,能丰富一系列决策树的多样性,经过集成可有效克服噪音的影响,进而提升PJForest的泛化能力。本文证明了PJForest泛化误差的极限性质,得到一定意义下泛化误差的收敛速度。本文做了大量的模拟研究,并对实际数据进行了实证分析。模拟研究的结果表明,PJForest能有效地对包含大量噪音的高维数据进行分类,比起已有的诸如随机森林、Xgboost等方法,有更好的分类性能。在第三章,本文将PJForest方法推广到了高维不均衡数据的情形下,提出一种基于阈值移动的均衡化PJForest方法,Banlanced Projection Forest(BPJForest)。该方法通过改变投票阈值,移动决策边界,进而增强对少数类样本的分类表现,这使得BPJForest能对高维不均衡数据进行分类。当以均衡分类准确率(Balanced accuracy)作为不均衡数据分类的评价指标时,本文给出了一个最优阈值的选择方法。本文将PJForest泛化误差的极限性质推广到了BPJForest下,得到了相似的理论结果。本文做了模拟研究,模拟研究的结果表明,BPJForest能有效地对高维不均衡数据进行分类,比起已有的PJForest、RPF等方法,有更好的分类性能。

关键词：决策树多样性高维不均衡分类集成学习随机投影阈值移动

来源：评论

学校读者我要写书评

暂无评论

基于集成学习的贷款违约预测研究

基于集成学习的贷款违约预测研究

引用

作者：贡杨泰西南大学

学位级别：硕士

近年来,我国经济实力和社会生活发生了翻天覆地的变化,人们对于美好生活的消费需求被充分激发,消费方式也逐渐从传统的保守消费转向借贷消费,与此同时,为了扩大内需、刺激消费,国家大力支持发展信贷产业。伴随着人工智能、区块链、大数... 详细信息

近年来,我国经济实力和社会生活发生了翻天覆地的变化,人们对于美好生活的消费需求被充分激发,消费方式也逐渐从传统的保守消费转向借贷消费,与此同时,为了扩大内需、刺激消费,国家大力支持发展信贷产业。伴随着人工智能、区块链、大数据等技术的迅速兴起,金融行业也迎来了数字化和信息化转型。新兴科技与传统金融行业相结合推动了互联网金融的迅猛发展,然而互联网金融的出现,不仅改变了贷款业务,也带来了新的风险。目前互联网金融业务面临的情况是订单金额低、订单数目多、借贷期限短、客群资质差异大。面对复杂且变化莫测的信贷风险,传统的风控方法已经不能满足目前的风控需求,在这种情况下,建立一个科学有效的贷款违约预测模型对我国信贷业的健康发展显得尤为重要。本文通过构建基于集成学习算法的贷款违约预测模型,帮助信贷平台识别违约客户,以最大限度地对可能遭遇的信用风险进行规避。采用Data Fountain竞赛平台提供的75万条网络信贷数据作为实验数据,并通过探索性数据分析、数据预处理、变量衍生以及变量选择来提高数据的有效性和模型的性能表现。本文利用随机森林算法对不同采样方式进行对比,最终选择Tomek Links欠采样与KS阈值移动相结合的方式来解决贷款数据不平衡问题。在集成学习的模型选择上,使用随机森林、XGBoost以及Cat Boost这3种集成学习算法分别构建贷款违约预测模型,并对同一模型在KS阈值移动前后的预测效果进行对比,然后根据各模型的AUC值、KS值以及F2值选出最佳模型,最后对该模型利用Permutation Importance和Shap方法进行影响因素分析。经过上述的研究与分析,本文得到以下5个实证结果:一是在贷款数据不平衡问题的处理上,Tomek Links欠采样效果最好,未采样效果其次,SMOTE过采样效果最差,它们的AUC值依次为0.8631、0.8621、0.8608,且在Tomek Links欠采样后,数据依然存在不平衡问题,由此可知使用采样方法可能降低预测效果,也可能效果提升十分有限,并且采样后不能确保可以很好的解决数据不平衡问题;二是经过KS阈值移动后,3个模型的Recall至少提高了28.67%,F2值至少提高了16.50%,即KS阈值移动后的3个模型具有更好的预测效果,它们均极大地提高了金融风控领域较为关心的召回率,同时也在最大程度上保证了精准率;三是3个集成学习模型的预测效果均较好,它们的AUC值均大于0.8680,且模型之间的预测差距较小,AUC值最大差距仅为0.43%;四是Cat Boost模型是本文进行贷款违约预测的最佳模型,在3个模型中Cat Boost模型的AUC值、KS值、F2值最大,且其KS值与AUC值的波动最小,由此可知该模型的预测效果和稳定性均强于其他两个模型;五是发现婚姻状态、所在公司类型、贷款等级之子等级、工作类型、提前还款次数这5个变量对于预测贷款是否违约最为重要,同时分析了这些变量与贷款违约的具体影响关系,这对于金融机构在贷款审核时具有参考价值。

关键词：违约预测阈值移动随机森林 XGBoost CatBoost

来源：评论

学校读者我要写书评

暂无评论

类别不平衡图像的多分类算法研究

类别不平衡图像的多分类算法研究

引用

作者：林国远华南理工大学

学位级别：硕士

多类别不平衡分布在图像分类的应用中普遍存在,是图像分类研究的主要问题之一。传统的分类算法基于平衡数据训练进行设计,当遇到不平衡数据时分类结果会偏向于样本数量较多的多数类,导致分类性能下降。现有不平衡分类算法通过加强少数... 详细信息

多类别不平衡分布在图像分类的应用中普遍存在,是图像分类研究的主要问题之一。传统的分类算法基于平衡数据训练进行设计,当遇到不平衡数据时分类结果会偏向于样本数量较多的多数类,导致分类性能下降。现有不平衡分类算法通过加强少数类样本的表征能力或调整分类界面使得分类结果偏向于少数类样本,进而提高算法分类性能,但仍存在类别权重超参数寻优困难、多数类表征能力大幅度下降等问题。本文主要研究内容如下:(1)设计了一种基于分布动态映射的自适应阈值移动算法,解决传统阈值移动算法中需要人为预先设定或复杂寻优算法生成固定阈值移动系数的问题。为了生成较好的阈值移动系数来调整网络分类界面,本文在已训练好的分类网络基础上,构建嵌入网络从平衡分布数据子集中学习阈值移动系数映射函数,根据样本分类概率分布自适应生成样本相关阈值移动系数。实验结果表明,本文算法能生成较好的样本相关阈值移动系数,有效提高类别不平衡图像的多分类精度。(2)设计了一种基于双分布表征学习与分类解耦学习的结合算法,提高网络的特征表征能力以及调整网络的分类界面。为了在提高少数类表征能力的同时保留多数类的表征能力,本文设计双分布表征学习算法,通过原始分布数据集与平衡分布数据集进行双通道学习,生成全局特征敏感空间。为了更好地调整分类界面,本文采用分类解耦学习算法将分类网络的特征提取模块与分类模块分离,基于平衡分布数据子集训练,使得分类界面更偏向于平衡分布。实验结果证明了双分布表征学习与分类解耦学习的结合算法能够提高网络整体表征能力,同时有效改进分类界面的偏移问题。

关键词：不平衡数据多分类阈值移动表征学习分类解耦

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：