检索结果-内蒙古大学图书馆

海洋与湖沼 2024年第2期55卷 375-385页

作者：马启良刘梅祁亨年杨小明原居林湖州师范学院浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000 湖州师范学院信息工程学院浙江湖州313000 浙江省淡水水产研究所浙江湖州313001

养殖水体水质的优劣直接影响养殖对象的成长,准确、快速、全面地掌控养殖水环境的水质参数变化情况具有重要意义。传统的水质指标监测方法都通过人工采样的方式,不仅耗费时间长,且只能体现局部水体情况。针对这些问题,提出了一种乌鸦搜... 详细信息

养殖水体水质的优劣直接影响养殖对象的成长,准确、快速、全面地掌控养殖水环境的水质参数变化情况具有重要意义。传统的水质指标监测方法都通过人工采样的方式,不仅耗费时间长,且只能体现局部水体情况。针对这些问题,提出了一种乌鸦搜索算法(CSA)结合偏最小二乘回归(PLSR)的高光谱特征波段筛选方法,快速构建回归模型,实现光谱数据的精准预测反演。以连片的养殖小区为研究对象,采集养殖水体样本并拍摄同时期的高光谱影像数据。首先对提取的采样点光谱数据利用多种数据变换方法分别预处理;其次利用这些数据,对水质指标总氮(TN)、氨氮(NH_(4)^(+)-N)、总磷(TP)和化学需氧量(COD)分别构建全波段的SVR和AdaBoost回归模型,同时与提出的CSA-PLS自动筛选波段方法和传统的连续投影算法(SPA)筛选波段后构建的模型进行比较分析;最后根据决定系数(R^(2))和均方根误差(REMS)选出适合各水质指标的最优模型。从实验结果可以看出,所提波段筛选方法的AdaBoost模型预测结果优于SVR和传统SPA方法提取特征波段后构建的模型,与全波段最优模型相比,在评价指标R^(2)和RMSE上TN提升了18.32%和10.73%;NH_(4)^(+)-N提升了17.42%和11.19%;COD提升了2.15%和2.54%。结果表明,基于CSA-PLS算法的光谱波段自动筛选方法结合AdaBoost构建的预测反演模型是有效、可行的,具有较高的精准度,为实现养殖水环境实时准确的预警调控提供了一种新的数据预测模型。

关键词：高光谱数据水质预测乌鸦搜索算法养殖水环境集成学习

来源：评论

学校读者我要写书评

暂无评论

基于门控双层异构图注意力网络的半监督短文本分类

引用

模式识别与人工智能 2023年第7期36卷 602-612页

作者：蒋云良王青朋张雄涛黄旭申情饶佳峰湖州师范学院信息工程学院湖州313000 湖州师范学院浙江省现代农业资源智慧管理与应用研究重点实验室湖州313000 浙江师范大学计算机科学与技术学院金华321004 湖州学院理工学院湖州313000

针对现有的基于异构图神经网络的短文本分类方法未充分利用节点之间的有效信息,以及存在的过拟合问题,文中提出基于门控双层异构图注意力网络的半监督短文本分类方法(Semi-Supervised Short Text Classification with Gated Double-Laye... 详细信息

针对现有的基于异构图神经网络的短文本分类方法未充分利用节点之间的有效信息,以及存在的过拟合问题,文中提出基于门控双层异构图注意力网络的半监督短文本分类方法(Semi-Supervised Short Text Classification with Gated Double-Layer Heterogeneous Graph Attention Network,GDHG).GDHG包含节点注意力机制和门控异构图注意力网络两层.首先,使用节点注意力机制,训练不同类型的节点注意力系数,再将系数输入门控异构图注意力网络,训练得到门控双层注意力.然后,将门控双层注意力与节点的不同状态相乘,得到聚合的节点特征.最后,使用softmax函数对文本进行分类.GDHG利用节点注意力机制和门控异构图注意力网络的信息遗忘机制对节点信息进行聚集,得到有效的相邻节点信息,进而挖掘不同邻居节点的隐藏信息,提高聚合远程节点信息的能力.在Twitter、MR、Snippets、AGNews四个短文本数据集上的实验验证GDHG性能较优.

关键词：门控异构图注意力半监督学习异构图神经网络短文本分类

来源：评论

学校读者我要写书评

暂无评论

属性权重未知情况下犹豫模糊多属性决策方法

引用

智能系统学报 2022年第4期17卷 728-736页

作者：申情蒋云良张雄涛湖州学院理工学院浙江湖州313000 湖州师范学院信息工程学院浙江湖州313000 湖州师范学院浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000

针对属性权重未知的犹豫模糊多属性决策,利用犹豫模糊元边界的确定性与边界内隶属度的犹豫性,把犹豫模糊元转换成集对分析中的三元联系数;再根据三元联系数的势函数和属性离差最大法确定属性权重,基此建立属性权重未知条件下的基于三元... 详细信息

针对属性权重未知的犹豫模糊多属性决策,利用犹豫模糊元边界的确定性与边界内隶属度的犹豫性,把犹豫模糊元转换成集对分析中的三元联系数;再根据三元联系数的势函数和属性离差最大法确定属性权重,基此建立属性权重未知条件下的基于三元联系数的犹豫模糊多属性决策模型,利用模型中不同犹豫强度对备选方案进行排序。实例计算和对比分析结果表明,新模型不仅包含了其他模型得到的结果,还提供了更多潜在的排序方案信息,由此形成的有条件决策,是犹豫模糊多属性决策不确定性本质属性的映照,与犹豫模糊多属性决策实际应用情况吻合。

关键词：犹豫模糊多属性决策犹豫模糊元属性权重三元联系数势函数犹豫强度示性系数离差最大法条件决策

来源：评论

学校读者我要写书评

暂无评论

基于视角-规则的深度TSK模糊分类器及其在多元癫痫脑电信号识别中的应用

引用

控制与决策 2024年第4期39卷 1315-1324页

作者：张雄涛李水苗翁江玮胡文军蒋云良湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000 浙江师范大学计算机科学与技术学院浙江金华321004

在癫痫脑电信号分类检测中,传统机器学习方法分类效果不理想,深度学习模型虽然具有较好的特征学习优势,但其“黑盒”学习方式不具备可解释性,不能很好地应用于临床辅助诊断;并且,现有的多视角深度TSK模糊系统难以有效表征各视角特征之... 详细信息

在癫痫脑电信号分类检测中,传统机器学习方法分类效果不理想,深度学习模型虽然具有较好的特征学习优势,但其“黑盒”学习方式不具备可解释性,不能很好地应用于临床辅助诊断;并且,现有的多视角深度TSK模糊系统难以有效表征各视角特征之间的相关性.针对以上问题,提出一种基于视角-规则的深度Takagi-SugenoKang(TSK)模糊分类器(view-to-rule Takagi-Sugeno-Kang fuzzy classifier,VR-TSK-FC),并将其应用于多元癫痫脑电信号检测中.该算法在原始数据上构建前件规则以保证模型的可解释性,利用一维卷积神经网络(1-dimensional convolutional neural network,1D-CNN)从多角度抓取多元脑电信号深度特征.每个模糊规则的后件部分分别采用一个视角的脑电信号深度特征作为其后件变量,视角-规则的学习方式提高了VR-TSK-FC表征能力.在Bonn和CHB-MIT数据集上,VR-TSK-FC算法模糊逻辑推理过程保证可解释的基础上达到了较好分类效果.

关键词： TSK模糊分类器多视角深度特征视角-规则癫痫脑电信号检测可解释性

来源：评论

学校读者我要写书评

暂无评论

基于超图的中药方剂超网络中药材群组信息挖掘

引用

中草药 2024年第11期55卷 3816-3824页

作者：单雨濛张科胡文军何英郑泽宇湖州师范学院信息工程学院浙江湖州313000 湖州师范学院浙江省现代农业资源管理与应用研究重点实验室浙江湖州313000 湖州师范学院医学院、护理学院浙江湖州313000

目的应用基于超图的超网络理论,构建中药方剂超网络并探究其群体的拓扑特性,以期挖掘药材的群组信息及其高阶关联关系。方法收集整理书籍《实用三味中医药方》和中医药信息数据库(TCM-ID)中的中药方剂,分别得到2个中药方剂数据库。以每... 详细信息

目的应用基于超图的超网络理论,构建中药方剂超网络并探究其群体的拓扑特性,以期挖掘药材的群组信息及其高阶关联关系。方法收集整理书籍《实用三味中医药方》和中医药信息数据库(TCM-ID)中的中药方剂,分别得到2个中药方剂数据库。以每首中药方剂作为超边,相应方剂中出现的每味药材作为节点,构建中药方剂超网络模型。通过计算中药方剂超网络的拓扑指标,重点对组度序列及组度分布规律进行分析,并借助Python软件中的Pyplot功能呈现可视化结果。结果2个数据集共收录9234首方剂,根据2个数据集的不同来源分别构建均匀超网络模型和非均匀超网络模型。其中,均匀超网络模型中共有2719首方剂,涉及1404味药材,频数最大的二元药材群组是{黄连,黄芩},黄芩虽然是二元药材群组中的重要组成药材,但却未出现在排名前10的单味药材中;非均匀超网络模型中共有6515首方剂,涉及2381味药材,频数最大的三元药材群组是{黄连,黄芩,甘草},黄连虽然是排名第1的三元药材群组中的重要组成药材,但其单味药材排名却是第7。2个中药方剂超网络的各类组度分布服从幂律分布,表明药材群组的分布具有无标度特性,提示频数越大的药材群组越重要。结论中药方剂中的药材从药理上具有互补性,仅评估单味药材或药对重要性的视角较单一,使用基于超图的超网络对中药方剂系统进行建模,突破了使用普通复杂网络建模中基于点对关联的局限,可更好地描述中药方剂这一现实复杂系统中的高阶交互关系,从而能够有效地挖掘出中药方剂中重要的药材群组,且组度值大的药材群组中药材之间具有紧密的多重关联性可为新方研发和创新用药等提供理论参考。

关键词：超图中药方剂超网络组度组度分布无标度分布药材群组

来源：评论

学校读者我要写书评

暂无评论

标签分布熵正则的模糊C均值平衡聚类方法

引用

控制与决策 2022年第9期37卷 2274-2280页

作者：王哲昀胡文军徐剑豪胡天杰湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000

许多应用场景要求每个类别的数量相对平衡,而传统模糊C均值(FCM)聚类算法无法实现此功能.为此,利用标签信息构造标签分布熵评价聚类的平衡度,然后将标签分布熵、模糊隶属度矩阵与标签矩阵之间的平方损失同时引入到传统FCM中,进而提出一... 详细信息

许多应用场景要求每个类别的数量相对平衡,而传统模糊C均值(FCM)聚类算法无法实现此功能.为此,利用标签信息构造标签分布熵评价聚类的平衡度,然后将标签分布熵、模糊隶属度矩阵与标签矩阵之间的平方损失同时引入到传统FCM中,进而提出一种标签分布熵正则的模糊C均值平衡聚类方法(FCMLDE).同时,利用迭代方法和增广拉格朗日乘数法设计该模型的优化算法.最后,利用6个真实数据集进行聚类实验,结果表明,所提方法在聚类性能和平衡性能上均具有很好的优势.

关键词：平衡聚类模糊C均值标签分布熵平方损失迭代法增广拉格朗日乘数法

来源：评论

学校读者我要写书评

暂无评论

基于种群演化的超参数异步并行搜索

引用

控制与决策 2021年第8期36卷 1825-1833页

作者：蒋云良赵康曹军杰范婧刘勇湖州师范学院信息工程学院浙江湖州313000 湖州师范学院浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000 浙江师范大学数学与计算机科学学院浙江金华321004 浙江大学智能系统与控制研究所杭州310027

近年来随着深度学习尤其是深度强化学习模型的不断增大,其训练成本即超参数的搜索空间也在不断变大,然而传统超参数搜索算法大部分是基于顺序执行训练,往往需要等待数周甚至数月才有可能找到较优的超参数配置.为解决深度强化学习超参数... 详细信息

近年来随着深度学习尤其是深度强化学习模型的不断增大,其训练成本即超参数的搜索空间也在不断变大,然而传统超参数搜索算法大部分是基于顺序执行训练,往往需要等待数周甚至数月才有可能找到较优的超参数配置.为解决深度强化学习超参数搜索时间长和难以找到较优超参数配置问题,提出一种新的超参数搜索算法—–基于种群演化的超参数异步并行搜索(PEHS).算法结合演化算法思想,利用固定资源预算异步并行搜索种群模型及其超参数,从而提高算法性能.设计实现在Ray并行分布式框架上运行的参数搜索算法,通过实验表明在并行框架上基于种群演化的超参数异步并行搜索的效果优于传统超参数搜索算法,且性能稳定.

关键词：超参数搜索种群演化算法异步并行深度学习并行框架

来源：评论

学校读者我要写书评

暂无评论

融合异常检测与区域分割的高效K-means聚类算法

引用

郑州大学学报（工学版） 2024年第3期45卷 80-88页

作者：尹宏伟杭雨晴胡文军湖州师范学院信息工程学院浙江湖州313000 湖州师范学院浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000

传统K-means及其众多改进算法缺乏显式处理异常样本的能力,导致其聚类性能容易受到异常样本的影响。针对此问题,提出一种融合异常检测与区域分割的高效K-means聚类算法。首先,通过构建统一聚类模型,形成异常检测与聚类之间的交互协同,... 详细信息

传统K-means及其众多改进算法缺乏显式处理异常样本的能力,导致其聚类性能容易受到异常样本的影响。针对此问题,提出一种融合异常检测与区域分割的高效K-means聚类算法。首先,通过构建统一聚类模型,形成异常检测与聚类之间的交互协同,以提高聚类性能。其次,利用近邻簇搜索技术对各类簇进行自适应的区域分割,以减少冗余计算,提高算法执行效率。最后,为验证所提方法的有效性,在多个合成数据集和真实数据集上分别进行测试。实验结果表明:所提算法聚类性能和执行效率优于其他算法;在添加10%异常样本的Wine数据集上准确度可达0.911。

关键词：聚类 K-means 异常检测区域分割近邻簇搜索自适应

来源：评论

学校读者我要写书评

暂无评论

基于域间Mixup微调策略的跨被试运动想象脑电信号分类算法

引用

智能系统学报 2024年第4期19卷 909-919页

作者：蒋云良周阳张雄涛苗敏敏张永湖州师范学院信息工程学院浙江湖州313000 湖州师范学院浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000 浙江师范大学计算机科学与技术学院浙江金华321000

为了缓解传统微调算法的灾难性遗忘问题,本文提出了一种基于域间Mixup微调策略的跨被试运动想象脑电信号分类算法Mix-Tuning。Mix-Tuning通过预训练、微调的二阶段训练方式,实现跨领域知识迁移。预训练阶段,Mix-Tuning使用源域数据初始... 详细信息

为了缓解传统微调算法的灾难性遗忘问题,本文提出了一种基于域间Mixup微调策略的跨被试运动想象脑电信号分类算法Mix-Tuning。Mix-Tuning通过预训练、微调的二阶段训练方式,实现跨领域知识迁移。预训练阶段,Mix-Tuning使用源域数据初始化模型参数,挖掘源域数据潜在信息。微调阶段,Mix-Tuning通过域间Mixup,生成域间插值数据微调模型参数。域间Mixup数据增强策略引入源域数据潜在信息,缓解传统微调算法在样本稀疏场景下的灾难性遗忘问题,提高模型的泛化性能。Mix-Tuning被进一步应用于运动想象脑电信号分类任务,实现了跨被试正向知识迁移。Mix-Tuning在BMI数据集的运动想象任务达到了85.50%的平均分类准确率,相较于被试–依赖和被试–独立训练方式的预测准确率58.72%和84.01%,分别提高26.78%和1.49%。本文分析结果可为跨被试运动想象脑电信号分类算法提供参考。

关键词：域间Mixup 预训练微调脑电信号运动想象跨被试知识迁移卷积神经网络正则化

来源：评论

学校读者我要写书评

暂无评论

基于多维特征交叉的深度协同过滤算法

引用

计算机工程与应用 2022年第22期58卷 72-78页

作者：陆悦聪王瑞琴金楠湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000

基于深度学习的推荐算法最初以用户和物品的ID信息作为输入,但是ID无法很好地表现用户与物品的特征。在原始数据中,用户对物品的评分数据在一定程度上能表现出用户和物品的特征,但是未考虑用户的评分偏好以及物品的热门程度。在评分任... 详细信息

基于深度学习的推荐算法最初以用户和物品的ID信息作为输入,但是ID无法很好地表现用户与物品的特征。在原始数据中,用户对物品的评分数据在一定程度上能表现出用户和物品的特征,但是未考虑用户的评分偏好以及物品的热门程度。在评分任务中使用隐式反馈和ID信息作为用户与物品的特征,在消除用户主观性对特征造成的噪声的同时在一定程度上缓解冷启动问题,利用单层神经网络对原始高维稀疏特征降维,使用特征交叉得到用户与物品的低阶交互,再利用神经网络捕获用户与物品的高阶交互,有效提取了特征间的高低阶交互。在四个公开数据集上的实验表明,该算法能有效提高推荐精度。

关键词：深度学习评分数据隐式反馈特征交叉

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：