检索结果-内蒙古大学图书馆

数据分析与知识发现 2022年第11期6卷 72-78页

作者：杨洋江开忠原明君惠岚昕上海工程技术大学数理与统计学院上海201620

【目的】针对LDA模型中主题数目需指定的问题,提出一种面向新闻话题识别领域的融合语义与时序的自适应主题数目确定方法。【方法】将语义和时序作为两个视图对新闻数据进行提取,得到对应的特征向量;再利用Co-DPSC算法对两个视图进行协... 详细信息

【目的】针对LDA模型中主题数目需指定的问题,提出一种面向新闻话题识别领域的融合语义与时序的自适应主题数目确定方法。【方法】将语义和时序作为两个视图对新闻数据进行提取,得到对应的特征向量;再利用Co-DPSC算法对两个视图进行协同训练,得到包含时序影响的语义特征矩阵;最后对矩阵降维处理后按行进行密度峰值聚类,其结果作为最优主题的个数。【结果】实验结果表明:考虑语义和时间因素确定最优主题数,查准率和F值分别提高了35.09个百分点和15.39个百分点。【局限】对关键词集进行聚类,关键词的获取方法一定程度上影响了聚类的效果和运行时间。本文算法仅针对新闻数据,在其他类型数据上具有一定局限性。【结论】实验证明,本文方法将新闻数据的时效性和内容结合起来考量新闻的类别,能够在一定程度上提升最优主题数目选取的准确性。

关键词： LDA模型新闻话题多视图聚类

来源：评论

学校读者我要写书评

暂无评论

P2⁃Na_(x)CoO_(2)材料Ca掺杂性质的第一性原理研究

引用

材料导报 2022年第12期36卷 16-21页

作者：马秋菊童路汪丽莉宓一鸣赵新新上海工程技术大学数理与统计学院上海201620

采用基于密度泛函理论的第一性原理方法研究了P2⁃Na_(x) CoO_(2)材料的Ca掺杂性质,结果表明,掺杂Ca倾向位于氧原子与氧原子形成的三棱柱中心,此三棱柱与周围的CoO_(6)八面体共边。Ca通过电子转移与周围的氧发生较强的化学相互作用,削弱... 详细信息

采用基于密度泛函理论的第一性原理方法研究了P2⁃Na_(x) CoO_(2)材料的Ca掺杂性质,结果表明,掺杂Ca倾向位于氧原子与氧原子形成的三棱柱中心,此三棱柱与周围的CoO_(6)八面体共边。Ca通过电子转移与周围的氧发生较强的化学相互作用,削弱了相邻的Co⁃O键。Ca⁃CoO_(2)的相互作用强于Na⁃CoO_(2)的相互作用,Ca的嵌入能约为7.90 eV,几乎是Na的两倍(~4.25 eV)。借助两个Na以及一个Na和一个Ca在CoO_(2)层间形成的稳定结构研究了Ca⁃Na和Na⁃Na相互作用,结果表明,Ca⁃Na的作用使Na难以接近Ca,从而减少了Na在Ca周围的分布。分子动力学研究表明,Ca⁃Na的相互作用可以抑制Na在不同位置的分布随Na含量的剧烈变化。在P2⁃Na_(x) CoO_(2)中通过Ca掺杂提高电池的性能主要归因于Ca⁃CoO_(2)和Ca⁃Na的强相互作用,这两种作用在一定程度上减缓了充放电过程中材料的结构变化,提高了电池的循环稳定性。

关键词：密度泛函理论 P2⁃Na_(x),CoO_(2) Ca掺杂电荷密度分子动力学

来源：评论

学校读者我要写书评

暂无评论

基于W几何形的恒星光谱分子带检测

引用

光谱学与光谱分析 2024年第8期44卷 2279-2283页

作者：陈奋王颖刘福窑上海工程技术大学数理与统计学院上海201620 上海工程技术大学计算物理与应用研究中心上海201620

研究关注由分子内部能级变化引起的光谱分子带的识别和检测,有助于研究恒星光谱类型和参数估计。首先从分子带的曲线趋势出发,运用曲线分析对分子带进行识别,并剔除具备W形但下降趋势明显的伪分子带。借鉴多类型多分类准则的识别思路,... 详细信息

研究关注由分子内部能级变化引起的光谱分子带的识别和检测,有助于研究恒星光谱类型和参数估计。首先从分子带的曲线趋势出发,运用曲线分析对分子带进行识别,并剔除具备W形但下降趋势明显的伪分子带。借鉴多类型多分类准则的识别思路,将检测出的分子带尖峰深度、W形宽度、曲线趋势和回升趋势四个参数作为训练特征。这四个参数综合考虑了始点变化速率、曲线变化趋势、极值点分布和曲线形状因素。其次,为了验证该方法的可行性与可靠性,利用LightGBM(light gradient boosting machine)模型分别对F型恒星光谱和分子带特征参数进行识别,准确率分别为97.62%和99.16%,进一步验证了所提取分子带的准确性。本工作不仅能挖掘出晚期恒星,提高数据标签的准确性,还能在准确识别的基础上,利用LightGBM机器学习模型检测未知型光谱自动识别晚期恒星,提高了识别效率并且减少了内存占用。

关键词： W几何形特征分子带检测曲线趋势分类识别恒星光谱

来源：评论

学校读者我要写书评

暂无评论

CEEMDAN-HURST算法在新冠疫情预测中的应用

引用

计算机工程与应用 2023年第7期59卷 261-268页

作者：王启云郑中团上海工程技术大学数理与统计学院上海201620

针对COVID-19新增病例是一个非线性非平稳的时间序列,提出基于CEEMDAN-HURST算法的COVID-19组合预测模型。利用自适应噪声完全集合经验模态分解算法将新增病例时间序列分解为频率不同的子序列;利用HURST指数分析各个子序列的随机性并将... 详细信息

针对COVID-19新增病例是一个非线性非平稳的时间序列,提出基于CEEMDAN-HURST算法的COVID-19组合预测模型。利用自适应噪声完全集合经验模态分解算法将新增病例时间序列分解为频率不同的子序列;利用HURST指数分析各个子序列的随机性并将子序列整合为高频、中频和低频三种子序列,通过最小二乘支持向量机对这三种子序列分别进行预测;叠加各重构子序列的预测结果,得到COVID-19新增病例的最终预测值。结果表明,基于CEEMDAN-HURST算法的COVID-19新增病例组合预测模型提高了非线性时间序列预测过程中的效率以及预测精度。与CEEMDAN-PE组合模型相比,平均绝对误差、均方根误差分别降低了11.13%和29.67%,表明CEEMDAN-HURST算法可有效解决非线性时间序列预测模型普遍存在的预测效率低和预测精度低的问题;赫斯特(HURST)指数度量了时间序列的偏移程度,引入HURST指数进行合并重构整合,可减少时间序列预测所需要的子序列数目。

关键词：非线性非平稳时间序列自适应噪声的完整集合经验模态分解(CEEMDAN) HURST指数组合预测 COVID-19

来源：评论

学校读者我要写书评

暂无评论

基于滑模控制的不确定中立型系统有限时间稳定

引用

信息与控制 2022年第2期51卷 168-175页

作者：张航王天波丁阳上海工程技术大学数理与统计学院上海201620

针对一类不确定中立型时滞系统,利用滑模控制理论研究其有限时间稳定问题。首先构造了适当的滑模面及状态反馈控制器,使得系统的状态轨线能够在有限时间内到达滑模面并维持滑动模态。然后利用李雅普诺夫稳定性理论和不等式放缩技巧,研... 详细信息

针对一类不确定中立型时滞系统,利用滑模控制理论研究其有限时间稳定问题。首先构造了适当的滑模面及状态反馈控制器,使得系统的状态轨线能够在有限时间内到达滑模面并维持滑动模态。然后利用李雅普诺夫稳定性理论和不等式放缩技巧,研究了闭环系统状态在滑动模态段的有限时间稳定问题,得到了该系统是有限时间稳定的充分条件,该条件以线性矩阵不等式的形式给出,易于求解。最后通过一个数值仿真算例,验证了所得结论的有效性。

关键词：不确定性中立型系统滑模控制有限时间稳定

来源：评论

学校读者我要写书评

暂无评论

基于特征换序的SCDF多因子量化选股研究

引用

计算机工程与应用 2023年第16期59卷 305-315页

作者：王文轩李路上海工程技术大学数理与统计学院上海201620

对深度森林的级联层进行子层再连接,建立了子层连接深度森林(sub-layer connection deep forests,SCDF)的分类算法。级联子层之间通过错误分类信息的传递,使得后续的子层能获得前子层的修正特征,从而有效提升了算法的收敛速度和分类正... 详细信息

对深度森林的级联层进行子层再连接,建立了子层连接深度森林(sub-layer connection deep forests,SCDF)的分类算法。级联子层之间通过错误分类信息的传递,使得后续的子层能获得前子层的修正特征,从而有效提升了算法的收敛速度和分类正确率。在深度森林的多粒度扫描部分,利用袋外误差对数据特征的重要性进行排序,使重要性较高的因子可多次参与多粒度扫描,弥补了深度森林多粒度扫描的采样不平衡的缺点,并构建了基于特征换序的SCDF多因子选股模型。实验表明,基于特征换序的SCDF多因子选股模型在2020年1月—2022年1月的沪深300股票的年化收益率为26.47%,累计收益率达到120%,优于深度森林的收益率。

关键词：深度森林特征换序子层连接多因子选股

来源：评论

学校读者我要写书评

暂无评论

RF-MIP-LSTM股价预测模型

引用

计算机工程与应用 2024年第17期60卷 272-281页

作者：张颖李路上海工程技术大学数理与统计学院上海201620

长短时记忆(LSTM)神经网络在预测股价波动这类复杂的非线性系统中展现了较好的性能,然而LSTM模型没有考虑三个门控机制的耦合关系和长时记忆对模型输入的影响。通过增加输入门控的长时记忆窥视和耦合了三个门控机制的唯一门机制,增强了... 详细信息

长短时记忆(LSTM)神经网络在预测股价波动这类复杂的非线性系统中展现了较好的性能,然而LSTM模型没有考虑三个门控机制的耦合关系和长时记忆对模型输入的影响。通过增加输入门控的长时记忆窥视和耦合了三个门控机制的唯一门机制,增强了长时记忆信息传递和模型的稳定性,构建了基于随机森林特征选择的RF-MIP-LSTM模型,并推导了模型的前向与反向传播算法。通过对中国农业银行、盐田港、格力电器三只股票价格和上证指数的预测和比较,表明RF-MIP-LSTM模型的收敛速度和预测精度均优于LSTM模型。

关键词：股价预测随机森林(RF) 长短时记忆(LSTM)神经网络长时窥视孔

来源：评论

学校读者我要写书评

暂无评论

RF-SA-GRU模型的股价预测研究

引用

计算机工程与应用 2023年第15期59卷 300-309页

作者：邹婕李路上海工程技术大学数理与统计学院上海201600

针对股票具有多因子、高随机性和非平稳性等复杂特征,利用门控循环单元(GRU)网络直接进行股价预测效果较差的问题。在融合自注意力机制(SA)和GRU,构建SA-GRU模型的基础上,引入降维处理技术随机森林(RF)算法,针对股票收盘价筛选其他因子... 详细信息

针对股票具有多因子、高随机性和非平稳性等复杂特征,利用门控循环单元(GRU)网络直接进行股价预测效果较差的问题。在融合自注意力机制(SA)和GRU,构建SA-GRU模型的基础上,引入降维处理技术随机森林(RF)算法,针对股票收盘价筛选其他因子,将经过降维的股票因子数据作为SA-GRU模型的输入。基于双层GRU网络提取股票因子间的依赖关系,再利用SA加强对重要因子的关注和因子内部的联系,得到加入注意力权重后的股票因子数据,通过全连接层输出股价预测值,从而构建RF-SA-GRU混合模型。选取涉及18个基础行业的18只股票进行股价预测,实验显示RF-SA-GRU模型在18只股票上均取得好的预测效果,且预测精度和稳定性均优于其他模型。此外,选取3个指数进行收盘点位预测,实验显示RF-SA-GRU模型在股指预测方面依旧具有更好的预测性能。

关键词：股票价格预测随机森林(RF) 自注意力机制(SA) 门控循环单元(GRU)

来源：评论

学校读者我要写书评

暂无评论

WKMeans与SMOTE结合的不平衡数据过采样方法

引用

计算机工程与应用 2021年第23期57卷 106-112页

作者：陈俊丰郑中团上海工程技术大学数理与统计学院上海201620

针对SMOTE方法对所有少数类样本进行过采样的缺陷,提出一种基于特征加权与聚类融合的过采样方法(WKMeans-SMOTE),由此进行不平衡数据分类。考虑到不同特征权重对聚类结果的影响程度不同,选择特征加权的聚类算法对原始数据集进行聚类,并... 详细信息

针对SMOTE方法对所有少数类样本进行过采样的缺陷,提出一种基于特征加权与聚类融合的过采样方法(WKMeans-SMOTE),由此进行不平衡数据分类。考虑到不同特征权重对聚类结果的影响程度不同,选择特征加权的聚类算法对原始数据集进行聚类,并多次改变初始簇中心生成不同的聚类结果;根据簇标签匹配方法将不同的聚类结果进行匹配,引进“聚类一致性系数”筛选出处于少数类边界的样本;对筛选出的少数类样本进行SMOTE过采样,并采用CART决策树方法作为基分类器,对新的少数类样本与所有的多数类样本进行训练。实验结果表明,与现有的SMOTE、Borderline-SMOTE和ADASYN等过采样方法相比,所提出的WKMeans-SMOTE方法在分类性能上有一定的提升。

关键词：不平衡数据分类聚类融合特征权重聚类一致性系数簇匹配过采样

来源：评论

学校读者我要写书评

暂无评论

张量加权Schatten范数交通数据补全估计

引用

公路交通科技 2021年第12期38卷 122-130页

作者：谢佳鑫俞卫琴上海工程技术大学数理与统计学院上海201600

智慧交通蓬勃发展,但受限于技术因素和外部环境因素,导致收集的数据存在缺失而不能直接使用,降低了数据的直接利用率和有效性。为了合理有效地填补缺失的数据,鉴于交通数据集具有低秩特性,在低秩张量补全框架下,将数据构建成"位点&... 详细信息

智慧交通蓬勃发展,但受限于技术因素和外部环境因素,导致收集的数据存在缺失而不能直接使用,降低了数据的直接利用率和有效性。为了合理有效地填补缺失的数据,鉴于交通数据集具有低秩特性,在低秩张量补全框架下,将数据构建成"位点×时间×天"模式的张量结构。在此结构上,提出使用加权的Schatten范数进行数值逼近,同时利用交替方向乘子法和贝叶斯优化算法对参数进行更新和寻优。将构建的补全模型和对比补全模型放在广州城市交通数据集上进行数值试验,并选取平均百分比误差和均方根误差2个评价指标。结果表明:提出的张量加权Schatten范数最小化(Tensor Weighted Schatten Norm Minimization,TWSNM)模型具有竞争性和鲁棒性。在随机缺失场景中,从低缺失率10%到高缺失率90%,TWSNM模型得到的平均百分比误差和均方根误差均小于其他补全模型。在非随机缺失场景中,低缺失率情形下,TWSNM模型的表现与其他模型相比具有竞争性。在70%和80%缺失率情况下,低秩框架下的其他模型表现出了不稳定性,误差率上升,而TWSNM模型在不同缺失率下的表现都非常稳定,即TWSNM模型兼有鲁棒性。可见,TWSNM模型能够有效完成数据补全任务,提高对交通数据的利用率,可为交通决策者提供分析与决策的依据。

关键词：智能交通数据插补低秩张量补全 Schatten p-范数时空交通数据

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：