检索结果-内蒙古大学图书馆

第35届中国控制与决策会议

作者：张雯毛文涛王宇陈宗涛刘可盈河南师范大学计算机与信息工程学院智慧商务与物联网技术河南省工程实验室

在时间序列预测中,序列峰值处的不平滑特性易导致周期性信息表示不准确,导致预测过程的误差累积。针对该问题,本文提出融合鲁棒周期性信息的长短时记忆(Long Short-Term Memory,LSTM)网络模型。该模型在LSTM基础上,引入鲁棒周期损失函数... 详细信息

在时间序列预测中,序列峰值处的不平滑特性易导致周期性信息表示不准确,导致预测过程的误差累积。针对该问题,本文提出融合鲁棒周期性信息的长短时记忆(Long Short-Term Memory,LSTM)网络模型。该模型在LSTM基础上,引入鲁棒周期损失函数,在计算前后峰值距离的同时,利用Soft-DTW距离计算峰值处的预测误差,在对周期性信息建模的同时,增强峰值处不规则形状的误差度量效果。在欧洲能源价格数据和东方股票数据上进行对比实验,结果表明,所提模型可以在保持对序列周期走势预测效果的同时,显著提高峰值处的预测精度,从而增强了整体预测结果的准确性和鲁棒性。

关键词：时间序列预测长短时记忆网络周期性建模软动态时间规整

来源：评论

学校读者我要写书评

暂无评论

跨机器剩余寿命预测的可解释深度领域对抗迁移学习方法

跨机器剩余寿命预测的可解释深度领域对抗迁移学习方法

引用

第34届中国过程控制会议

作者：张雯毛文涛张艳娜陈宗涛梁云佳河南师范大学计算机与信息工程学院智慧商务与物联网技术河南省工程实验室

近年来,深度迁移学习技术已经成功应用于跨工况剩余寿命(remaining useful life,RUL)预测,其核心是领域知识的有效传递。然而对于跨机器的RUL预测问题,不同机器的退化数据分布差异增大,导致域之间公共退化信息的提取难度加大,易产生负... 详细信息

近年来,深度迁移学习技术已经成功应用于跨工况剩余寿命(remaining useful life,RUL)预测,其核心是领域知识的有效传递。然而对于跨机器的RUL预测问题,不同机器的退化数据分布差异增大,导致域之间公共退化信息的提取难度加大,易产生负迁移。本文从样本重要度的角度出发,提出了一个可解释的深度领域对抗迁移学习方法,以提高跨机器RUL预测的可靠性。首先,提取源域各故障模式数据和目标域数据的时序特征,综合考虑退化机理和数据特性,提出一个源域样本重要度指标3SI,用以评估源域不同故障模式下的退化数据对迁移过程的重要度;其次,构建深度领域对抗适配模型,利用3SI指标对其中领域判别器进行自适应加权,实现了源域退化知识的选择性传递,最终完成跨机器的可靠RUL预测和对抗适配过程在样本层面的解释。本文利用两个轴承数据集IEEEPHMChallenge2012和XJTU-SY模拟跨机器的迁移预测任务,实验结果验证了本文方法的有效性。

关键词：剩余寿命预测跨机器可解释性深度领域对抗

来源：评论

学校读者我要写书评

暂无评论

基于自信息和模糊邻域条件熵的特征选择方法

引用

山西大学学报(自然科学版) 2025年第1期48卷 77-88页

作者：徐久成段江豪牛武林张杉白晴河南师范大学计算机与信息工程学院智慧商务与物联网技术河南省工程实验室

针对模糊邻域粗糙集的特征选择方法通常仅考虑下近似中的分类信息，而忽略上近似和边界域中的分类信息这一问题，本文提出了一种基于自信息和模糊邻域条件熵的特征选择算法。首先，结合下近似、上近似和边界域提出了三种自信息不确定性... 详细信息

针对模糊邻域粗糙集的特征选择方法通常仅考虑下近似中的分类信息，而忽略上近似和边界域中的分类信息这一问题，本文提出了一种基于自信息和模糊邻域条件熵的特征选择算法。首先，结合下近似、上近似和边界域提出了三种自信息不确定性测度，并将三种自信息相结合提出了相似自信息。其次，在信息论视角下，给出了模糊邻域条件熵的不确定性度量，并将其与相似自信息相结合，提出了更为全面的特征评价函数，用于衡量特征子集分类信息的不确定性，并基于此利用最大相关最小冗余技术设计特征选择算法。最后，通过在数据集上进行对比实验，实验结果表明所提算法能有效处理上近似和边界域中的分类信息；且所提算法在两个分类器下其平均分类精度，在低维数据集中分别提高了2.55%和4.15%，在高维数据集中分别提高了0.83%和2.54%。

关键词：模糊邻域粗糙集自信息不确定性度量模糊邻域熵模糊邻域条件熵

来源：评论

学校读者我要写书评

暂无评论

一种基于无监督深度迁移学习的地铁车轮退化状态智能评估方法

引用

控制与决策 2025年第7期 2261-2270页

作者：刘灏毛文涛寇淋淋陈一帆吴佳宁河南师范大学计算机与信息工程学院智慧商务与物联网技术河南省工程实验室北京市地铁运营有限公司

随着国内城轨列车普遍加装轴箱振动传感器,基于振动信号的车轮退化状态检测成为地铁运维的新需求.受路基病害、变载荷及测量误差等因素影响,振动信号易受不规则噪声干扰,导致退化状态识别精度较低;同时,新列装车辆数据不足,退化趋势表... 详细信息

随着国内城轨列车普遍加装轴箱振动传感器,基于振动信号的车轮退化状态检测成为地铁运维的新需求.受路基病害、变载荷及测量误差等因素影响,振动信号易受不规则噪声干扰,导致退化状态识别精度较低;同时,新列装车辆数据不足,退化趋势表征困难,检测模型鲁棒性不足.鉴于此,提出一种鲁棒无监督张量域适配网络,通过跨车辆车轮退化信息迁移提升状态评估效果.首先,利用深度卷积自编码网络提取源域与目标域的深度特征,采用张量Tucker分解获得核心张量,通过最小化两域核心张量间的最大均值差异损失及张量化趋势性损失来进行领域适配;然后,建立交替优化算法,交替进行张量分解与领域适配,得到最优核心张量及公共退化特征表示;最后,基于退化特征的第一主成分构建健康指标(HI),并根据HI曲线的凹凸性识别退化拐点.实验基于国内某地铁6号线的实测数据,结果表明,所提出方法能够有效实现车轮退化信息迁移,且鲁棒性强、识别精度高,可以为地铁跨线跨车运维提供新的解决方案.

关键词：列车车轮 Tucker分解领域适配退化状态健康指标

来源：评论

学校读者我要写书评

暂无评论

基于多粒度粗糙直觉犹豫模糊集的最优粒度选择方法

引用

计算机科学 2021年第10期48卷 98-106页

作者：薛占熬孙冰心侯昊东荆萌萌河南师范大学计算机与信息工程学院河南新乡453007 “智慧商务与物联网技术”河南省工程实验室河南新乡453007

为了对含有多属性的直觉犹豫模糊决策信息系统进行约简,获取最优粒度,运用多粒度粗糙集处理直觉犹豫模糊决策信息系统中的不确定信息,并对多粒度粗糙直觉犹豫模糊集的最优粒度选择方法进行了研究。首先,在直觉犹豫模糊集的基础上引入属... 详细信息

为了对含有多属性的直觉犹豫模糊决策信息系统进行约简,获取最优粒度,运用多粒度粗糙集处理直觉犹豫模糊决策信息系统中的不确定信息,并对多粒度粗糙直觉犹豫模糊集的最优粒度选择方法进行了研究。首先,在直觉犹豫模糊集的基础上引入属性信息,给出粗糙直觉犹豫模糊集的概念,提出乐观、悲观多粒度粗糙直觉犹豫模糊集的下、上近似这4种模型,且研讨了它们的性质。其次,主要定义了基于悲观多粒度粗糙直觉犹豫模糊集下近似的粒度质量相似度和内、外粒度重要度的计算公式,设计了其最优粒度选择算法。最后,通过葡萄酒测评的案例,分别基于乐观、悲观多粒度粗糙直觉犹豫模糊集的下、上近似这4种情况,计算出最优粒度并进行了分析,验证了该算法在直觉犹豫模糊决策信息系统中的约简是有效的。

关键词：直觉犹豫模糊集多粒度粗糙集粒度重要度最优粒度选择

来源：评论

学校读者我要写书评

暂无评论

集对优势关系下多粒度决策粗糙集的可变三支决策模型

引用

计算机科学 2021年第1期48卷 157-166页

作者：薛占熬张敏赵丽平李永祥河南师范大学计算机与信息工程学院河南新乡453007 “智慧商务与物联网技术”河南省工程实验室河南新乡453007

多粒度决策粗糙集是从多角度来处理不确定数据和风险决策问题的重要模型。针对不完备信息系统下的决策分析问题,在多粒度决策粗糙集中引入集对优势关系,对优势度进行了改进,使结果更加合理。然后对多粒度近似空间进行了拓展,提出了集对... 详细信息

多粒度决策粗糙集是从多角度来处理不确定数据和风险决策问题的重要模型。针对不完备信息系统下的决策分析问题,在多粒度决策粗糙集中引入集对优势关系,对优势度进行了改进,使结果更加合理。然后对多粒度近似空间进行了拓展,提出了集对优势关系下的乐观、悲观、均值、乐观-悲观和悲观-乐观5种多粒度决策粗糙集模型,并讨论了其相关性质以及模型之间的相互关系。结合三支决策理论,在不完备信息系统中用区间值表示损失函数,获得不同的阈值,建立了5个相应的可变三支决策模型,推导出决策规则。最后,通过公司员工评估的案例证明,所提模型在实际应用中灵活性更高,不会过于宽松或过于严格,使最终决策更为合理,从而为不完备信息系统下不确定性问题的决策分析提供了新方法。

关键词：多粒度决策粗糙集多粒度集对优势关系不完备信息系统三支决策

来源：评论

学校读者我要写书评

暂无评论

基于改进帝王蝶优化算法的特征选择方法

引用

模式识别与人工智能 2020年第11期33卷 981-994页

作者：孙林赵婧徐久成薛占熬河南师范大学计算机与信息工程学院新乡453007 河南师范大学智慧商务与物联网技术河南省工程实验室新乡453007

针对帝王蝶优化算法(MBO)全局搜索能力较弱、在迁移过程中容易出现种群多样性减少等问题,文中提出基于柯西变异的差分自适应MBO及其特征选择算法.首先,使用差分进化算法中的变异操作替换MBO的迁移算子,提升全局搜索能力.然后,将自适应... 详细信息

针对帝王蝶优化算法(MBO)全局搜索能力较弱、在迁移过程中容易出现种群多样性减少等问题,文中提出基于柯西变异的差分自适应MBO及其特征选择算法.首先,使用差分进化算法中的变异操作替换MBO的迁移算子,提升全局搜索能力.然后,将自适应调整策略融入MBO的调整算子,改变单一的调整方式.最后,对每次更新的种群进行柯西变异,增加种群多样性.为了验证改进帝王蝶优化算法及其特征选择方法的性能,通过基准函数和UCI数据集两部分实验对其进行测试,结果表明文中算法性能较优.

关键词：特征选择帝王蝶优化算法(MBO) 差分进化算法柯西变异

来源：评论

学校读者我要写书评

暂无评论

基于类间半径的自适应邻域特征选择算法

引用

昆明理工大学学报(自然科学版) 2025年第1期50卷 85-95页

作者：徐久成马妙贤张杉白晴河南师范大学计算机与信息工程学院河南新乡453007 智慧商务与物联网技术河南省工程实验室河南新乡453007

邻域粗糙集模型被广泛应用于特征选择领域,然而传统邻域粗糙集模型受限于网格搜索法,且存在仅从特征角度确定邻域的粒度和特征评价函数构造视角单一等问题.针对上述问题,提出一种基于类间半径的自适应邻域特征选择方法.首先,提出类间半... 详细信息

邻域粗糙集模型被广泛应用于特征选择领域,然而传统邻域粗糙集模型受限于网格搜索法,且存在仅从特征角度确定邻域的粒度和特征评价函数构造视角单一等问题.针对上述问题,提出一种基于类间半径的自适应邻域特征选择方法.首先,提出类间半径的概念,从样本角度与特征角度出发,为不同类的样本生成相应的邻域半径,构造了基于类间半径的自适应邻域粗糙集模型,并基于此定义了自适应邻域互信息.其次,由类间边界引出类间系数,并将其与自适应邻域互信息结合,进而构造了类间互信息这一特征评价函数,该函数从代数和信息论视角评价特征.最后,设计一种基于类间半径的自适应邻域特征选择算法.通过在8个UCI数据集上与5种算法进行实验对比分析.实验结果表明,所提算法在选择的特征数量和分类精度上优于其他算法.

关键词：自适应邻域类间半径类间系数特征选择邻域粗糙集

来源：评论

学校读者我要写书评

暂无评论

间歇性时间序列的可预测性评估及联合预测方法

引用

计算机应用 2022年第9期42卷 2722-2731页

作者：郎祎平毛文涛罗铁军范黎林任颖莹刘侠河南师范大学计算机与信息工程学院河南新乡453007 “智慧商务与物联网技术”河南省工程实验室(河南师范大学) 河南新乡453007 株洲中车时代电气股份有限公司湖南株洲412001 盾构及掘进技术国家重点实验室郑州450001

在高端制造企业的运维业务中,配件需求随机发生,且伴随有大量的零需求阶段,同时,对应的配件需求数据量小,且呈现出间歇性和块状分布的特点,导致现有时间序列预测方法难以有效预测配件需求走势。为解决该问题,提出了一种间歇性时间序列... 详细信息

在高端制造企业的运维业务中,配件需求随机发生,且伴随有大量的零需求阶段,同时,对应的配件需求数据量小,且呈现出间歇性和块状分布的特点,导致现有时间序列预测方法难以有效预测配件需求走势。为解决该问题,提出了一种间歇性时间序列的可预测性评估及联合预测方法。首先,提出了一种新的间歇相似度指标,通过统计两条序列中“0”元素出现的频次和位置,并结合最大信息系数和平均需求间隔等度量指标,有效评估了序列的趋势信息和波动规律,并实现了对间歇性序列可预测性的量化;其次,基于该指标,构建了一个间歇相似度层次聚类方法来自适应地筛选相似性高、可预测性强的序列,剔除极度稀疏、无法预测的序列;此外,探索利用序列间的结构化信息,并构建多输出支持向量回归(M-SVR)模型,从而实现小样本下的间歇性序列联合预测;最后,分别在两个公开数据集(UCI礼品零售数据集和华为电脑配件数据集)和某大型制造企业实际配件售后数据集上进行实验。实验结果表明,相比多个典型的时间序列预测方法,所提方法可有效挖掘各类间歇性序列的可预测性,提高小样本间歇性序列的预测精度,从而为制造企业配件需求预测提供了一种新的解决方案。

关键词：需求预测间歇性时间序列可预测性评估时间序列预测时间序列聚类

来源：评论

学校读者我要写书评

暂无评论

可验证的隐私保护k-means聚类方案

引用

计算机应用 2021年第2期41卷 413-421页

作者：张恩李会敏常键河南师范大学计算机与信息工程学院河南新乡453007 智慧商务与物联网技术河南省工程实验室(河南师范大学) 河南新乡453007

针对现有云外包隐私保护k-means聚类方案存在的效率不高,以及当云服务器不可信或遭受黑客攻击时返回不合理聚类结果的问题,提出了一种可应用于多方隐私保护场景的云外包可验证隐私保护k-means聚类方案。首先,提出了一种适用于云外包场... 详细信息

针对现有云外包隐私保护k-means聚类方案存在的效率不高,以及当云服务器不可信或遭受黑客攻击时返回不合理聚类结果的问题,提出了一种可应用于多方隐私保护场景的云外包可验证隐私保护k-means聚类方案。首先,提出了一种适用于云外包场景的改进的聚类初始化方法,从而有效提高算法的迭代效率;然后,利用乘法三元组技术来设计安全欧几里得距离的计算,并利用混淆电路技术来设计安全计算最小值算法;最后,提出了一种验证算法,使用户仅需一轮通信就实现对聚类结果的验证,并且数据外包后算法的训练完全在云上进行,能够有效减少用户和云的交互。仿真实验表明,所提方案在数据集Synthetic和S1上的准确度分别达到97%和93%,说明隐私保护下的k-means聚类和明文k-means聚类的情况近似,适用于医疗、社会科学和商业等领域。

关键词： k-means聚类云外包安全多方计算隐私保护可验证性

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：