检索结果-内蒙古大学图书馆

西南师范大学学报（自然科学版） 2021年第7期46卷 77-83页

作者：白洁仙剧雷鸣山西工商学院计算机信息工程学院太原030006 南阳理工学院软件学院河南南阳473000

针对当前无监督学习的入侵检测算法准确度低、误报率高以及有监督学习算法所需训练样本标记成本高的问题,提出一种基于对抗性自编码器的入侵检测算法.这是一种半监督学习算法,仅需要训练数据集中少量标记数据进行训练,并在训练数据集中... 详细信息

针对当前无监督学习的入侵检测算法准确度低、误报率高以及有监督学习算法所需训练样本标记成本高的问题,提出一种基于对抗性自编码器的入侵检测算法.这是一种半监督学习算法,仅需要训练数据集中少量标记数据进行训练,并在训练数据集中支持未标记数据,从而提高性能.首先,自编码器通过提取重要特征作为潜在变量来降低输入数据的维数;其次,利用生成对抗网络使自编码器的潜在变量遵循任意分布以进行正则化;最后,利用标记数据的交叉熵损失来实现半监督学习的分类.实验结果表明:相较于其他算法,本文所提算法对少量标记的数据集检测具有一定的优势,在实现高准确度、低误报率的同时,降低对标记数据的需求.

关键词：入侵检测算法自编码器生成对抗网络半监督学习

来源：评论

学校读者我要写书评

暂无评论

基于Hadoop平台的大数据人力资源管理高效推荐研究

引用

重庆理工大学学报（自然科学） 2020年第6期34卷 141-145页

作者：胡必波彭梅陆璐广州工商学院计算机科学与工程系广州510850 华南理工大学计算机科学与工程学院广州510006

为了提高Hadoop平台下大数据人力资源管理推荐的高效性和精准性,采用支持向量机来完成岗位匹配。将人员指标要素样本进行稀疏表示,得到人员指标要素稀疏矩阵,经过支持向量机对样本进行二元分类,判断人员对岗位的匹配程度,最后引入随机... 详细信息

为了提高Hadoop平台下大数据人力资源管理推荐的高效性和精准性,采用支持向量机来完成岗位匹配。将人员指标要素样本进行稀疏表示,得到人员指标要素稀疏矩阵,经过支持向量机对样本进行二元分类,判断人员对岗位的匹配程度,最后引入随机变换函数,实现Hadoop平台下大数据环境下的动态推荐。经过实验证明:文中算法人员岗位匹配精准度好,且动态推荐效率高且能实现批量推荐。

关键词： Hadoop平台岗位匹配稀疏表示支持向量机高效推荐

来源：评论

学校读者我要写书评

暂无评论

高校学情分析可视化平台的设计与实现

引用

电子技术与软件工程 2021年第21期 133-134页

作者：卢小华刘静山西工商学院计算机信息工程学院山西省太原市030006 山西工商学院设备与信息化建设中心山西省太原市030006

本文主要阐述了基于***和JavaScript以及ECharts等技术结合的高校学情分析可视化平台的设计与实现,学习成绩数据的图形化展示,为教师和学校了解学生学情提供了便利。

关键词：学情分析 ECharts Node.js JavaScript 数据可视化

来源：评论

学校读者我要写书评

暂无评论

词袋模型在高分遥感影像地物分类中的应用研究

引用

现代电子技术 2020年第17期43卷 56-59页

作者：王小芹张志梅邵烨王常颖张小峰青岛大学数据科学与软件工程学院山东青岛266071 山东工商学院计算机科学与技术学院山东烟台264000

高分辨率遥感影像空间信息丰富,同时也给地物分类带来挑战。故提出一种基于词袋模型的地物分类方法,通过实验讨论词袋模型在这一问题中的适用性。首先在多尺度影像下随机选取场景,通过场景的底层特征聚类建立多尺度视觉词典;然后用视觉... 详细信息

高分辨率遥感影像空间信息丰富,同时也给地物分类带来挑战。故提出一种基于词袋模型的地物分类方法,通过实验讨论词袋模型在这一问题中的适用性。首先在多尺度影像下随机选取场景,通过场景的底层特征聚类建立多尺度视觉词典;然后用视觉单词表达少量标记样本来训练支持向量机;最后用分类器提取典型地物。结果表明,在多尺度词袋模型表达下,研究区分类总体精度达到92.18%,Kappa系数为0.880 9。对比实验结果表明,词袋模型和多尺度词袋模型可以有效表达语义特征,从而在少量标记样本下提高分类精度。

关键词：高分遥感影像词袋模型地物分类视觉词典地物特征提取样本表达

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯网络的基因调控研究

引用

数学的实践与认识 2020年第8期50卷 84-93页

作者：张燕陈兆蕙广州工商学院会计系广东广州510850 华南理工大学广州学院计算机工程学院广东广州510800

为研究基因间的网络调控关系,通过贝叶斯网络方法将概率论知识与图论结合,有效构造了基因间的贝叶斯网络模型并进行了推理.针对一组白血病基因表达数据,首先进行数据标准化、离散化等预处理;其次使用决策树ID3算法求出基因间节点的顺序... 详细信息

为研究基因间的网络调控关系,通过贝叶斯网络方法将概率论知识与图论结合,有效构造了基因间的贝叶斯网络模型并进行了推理.针对一组白血病基因表达数据,首先进行数据标准化、离散化等预处理;其次使用决策树ID3算法求出基因间节点的顺序,并使用K2算法进行贝叶斯网络的结构学习,找出各基因间的网络拓扑结构;再次通过极大似然估计进行参数学习,求出网络中父节点与子节点间的概率依赖关系;最后对构建的贝叶斯网络模型进行了有效性验证,检验数据分析表明,贝叶斯网络对基因间调控关系的预测分析有较高精度.

关键词：基因贝叶斯网络结构学习参数学习概率

来源：评论

学校读者我要写书评

暂无评论

改进的k最邻近算法在海量数据挖掘中的应用

引用

济南大学学报（自然科学版） 2021年第1期35卷 24-28页

作者：黄文秀唐超尘神显豪周术诚福州工商学院工学院福建福州350715 西安电子科技大学通信工程学院陕西西安710071 桂林理工大学广西嵌入式技术与智能系统重点实验室广西桂林541004 福建农林大学计算机与信息学院福建福州350002

为了提高数据挖掘的效率与准确性,将k最邻近算法与样本均衡策略相结合,在海量数据挖掘中进行应用;首先对样本集文本进行分析,找出样本领域的密集分布区域,对样本密集区域进行有效裁剪优化,实现样本分布均衡,然后对经过样本均衡处理的数... 详细信息

为了提高数据挖掘的效率与准确性,将k最邻近算法与样本均衡策略相结合,在海量数据挖掘中进行应用;首先对样本集文本进行分析,找出样本领域的密集分布区域,对样本密集区域进行有效裁剪优化,实现样本分布均衡,然后对经过样本均衡处理的数据样本执行传统k最邻近算法,根据权重获得分类结果,最后对不同k值的k最邻近算法进行实例仿真。结果表明,在相同的数据样本环境中,相比于其他分类算法,采用改进的k最邻近算法的分类准确度和分类效率更高。

关键词：数据挖掘样本优化 k最邻近算法样本均衡邻域密集区域

来源：评论

学校读者我要写书评

暂无评论

基于BIM技术的古建筑典型构件参数化建模方法研究

引用

武汉大学学报（工学版） 2020年第S01期53卷 323-329页

作者：闫泽文王子庠闫伟文闫建文中国电力工程顾问集团华北电力设计院有限公司北京100120 山西工商学院计算机信息工程学院山西太原030006 吉林动画学院吉林长春130012

针对目前学者多是基于单个具有代表性的古建筑进行测绘、建模,并没有考虑如何正向建立古建筑模型的问题,提出了正向建立古建筑典型构件模型的方法。在对宋、清古建筑模数制研究的基础上,以单翘单昂平身科斗拱为例,使用Revit创建该典型... 详细信息

针对目前学者多是基于单个具有代表性的古建筑进行测绘、建模,并没有考虑如何正向建立古建筑模型的问题,提出了正向建立古建筑典型构件模型的方法。在对宋、清古建筑模数制研究的基础上,以单翘单昂平身科斗拱为例,使用Revit创建该典型构件的三维BIM模型,验证了该参数化建模方法的可行性。结果表明,利用古籍资料中的数据作为数据源,实现了清代建筑典型构件的三维重建,对古建筑构件BIM"族"库的完善具有重要意义,也有利于古建筑形制规律的研究。

关键词：古建筑典型构件模数制 BIM 参数化建模

来源：评论

学校读者我要写书评

暂无评论

基于图聚类与蚁群算法的社交网络聚类算法

引用

计算机应用研究 2020年第6期37卷 1670-1674,1687页

作者：叶小莺万梅唐蓉谢云陈桂宏李强广东东软学院计算机科学与技术系广东佛山528225 广州工商学院计算机科学与工程系广州510850 重庆市九龙坡区精神卫生中心重庆400052 中山大学电子与信息工程学院广州510006

针对社交网络中社交关系的有向性与多样性,提出了一种基于图聚类与蚁群算法的社交网络聚类算法。首先,在网络覆盖率的约束下为社交网络建立有向、非全连接的二维图模型;然后,采用K-medoids算法搜索用户分组的中心用户,采用人工蚁群算法... 详细信息

针对社交网络中社交关系的有向性与多样性,提出了一种基于图聚类与蚁群算法的社交网络聚类算法。首先,在网络覆盖率的约束下为社交网络建立有向、非全连接的二维图模型;然后,采用K-medoids算法搜索用户分组的中心用户,采用人工蚁群算法在2D图中搜索各个用户与中心用户的相似性,将满足相似性阈值的用户分为同一个用户组。设计了低活跃用户的预测机制解决网络的稀疏性问题与冷启动问题。此外,通过网络覆盖率的约束条件权衡聚类准确率与覆盖率两个指标。仿真实验结果表明,该算法实现了较好的社交网络聚类性能,并且有效地缓解了稀疏性问题与冷启动问题。

关键词：社交网络数据挖掘聚类处理人工蚁群优化图聚类信任信息

来源：评论

学校读者我要写书评

暂无评论

一种深度学习批规范化改进算法

引用

计算机系统应用 2020年第4期29卷 187-194页

作者：罗国强李家华左文涛广州科技职业技术大学信息工程学院广州510550 广州工商学院计算机科学与工程系广州510850

现实中采集的数据由于需要适应实际工程需求以及数据细粒度信息的分类形式多样,样本数据间很难保持完全的独立同分布.而非独立同分布数据会严重降低深度神经网络模型训练的鲁棒性以及特定任务上的泛化性能.为了降低非独立同分布数据在... 详细信息

现实中采集的数据由于需要适应实际工程需求以及数据细粒度信息的分类形式多样,样本数据间很难保持完全的独立同分布.而非独立同分布数据会严重降低深度神经网络模型训练的鲁棒性以及特定任务上的泛化性能.为了降低非独立同分布数据在模型训练和推断过程中的不良影响,提出一种批规范化的改进算法.该算法在神经网络模型训练开始前从数据集中取出一小批量数据做批规范化,求解出的均值与方差作为参考值用来更新训练时的其他批量数据.实验结果表明,该改进算法一定程度上能够加快神经网络模型训练收敛,相对于BN算法,分类错误率降低了0.3%,提高了神经网络模型训练的鲁棒性.在目标检测和实例分割任务上,应用该改进算法的预训练模型能够有效提高某些检测算法的泛化性能.

关键词：深度学习批规范化独立同分布鲁棒性泛化性

来源：评论

学校读者我要写书评

暂无评论

一种深度学习批规范化改进算法

引用

自动化与仪器仪表 2020年第10期 63-67页

作者：罗国强李家华左文涛广州科技职业技术大学信息工程学院广州510550 广州工商学院计算机科学与工程系广州510850

非独立同分布数据会严重降低深度神经网络模型训练的鲁棒性以及特定任务上的泛化性能,提出一种批规范化的改进算法,即神经网络训练开始前,从数据集中取出一批量数据做批规范化,求解出的均值与方差作为参考值用来更新训练时的其他批量数... 详细信息

非独立同分布数据会严重降低深度神经网络模型训练的鲁棒性以及特定任务上的泛化性能,提出一种批规范化的改进算法,即神经网络训练开始前,从数据集中取出一批量数据做批规范化,求解出的均值与方差作为参考值用来更新训练时的其他批量数据。实验结果表明,该改进算法一定程度上能够提高神经网络模型训练的鲁棒性,在特定检测任务上有效提高某些检测算法的泛化性能。

关键词：深度学习批规范化独立同分布

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：