期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于增量加权的不平衡漂移数据流分类算法
1
作者 蔡博 张海清 +3 位作者 李代伟 向筱铭 于曦 邓钧予 《计算机应用研究》 CSCD 北大核心 2024年第3期854-860,共7页
概念漂移是数据流学习领域中的一个难点问题,同时数据流中存在的类不平衡问题也会严重影响算法的分类性能。针对概念漂移和类不平衡的联合问题,在基于数据块集成的方法上引入在线更新机制,结合重采样和遗忘机制提出了一种增量加权集成... 概念漂移是数据流学习领域中的一个难点问题,同时数据流中存在的类不平衡问题也会严重影响算法的分类性能。针对概念漂移和类不平衡的联合问题,在基于数据块集成的方法上引入在线更新机制,结合重采样和遗忘机制提出了一种增量加权集成的不平衡数据流分类方法(incremental weighted ensemble for imbalance learning,IWEIL)。该方法以集成框架为基础,利用基于可变大小窗口的遗忘机制确定基分类器对窗口内最近若干实例的分类性能,并计算基分类器的权重,随着新实例的逐个到达,在线更新IWEIL中每个基分器及其权重。同时,使用改进的自适应最近邻SMOTE方法生成符合新概念的新少数类实例以解决数据流中类不平衡问题。在人工数据集和真实数据集上进行实验,结果表明,相比于DWMIL算法,IWEIL在HyperPlane数据集上的G-mean和recall指标分别提升了5.77%和6.28%,在Electricity数据集上两个指标分别提升了3.25%和6.47%。最后,IWEIL在安卓应用检测问题上表现良好。 展开更多
关键词 数据流 不平衡数据 概念漂移 增量加权 集成学习
下载PDF
基于冷却塔逆用的缓解热岛效应新方法 被引量：1
2
作者 邓钧予 郭海丰 +2 位作者 陈鑫 冯岑 张天枢 《建筑与预算》 2019年第9期52-55,共4页
城市化进程的不断加快,使城市环境成为人们关注的热点,热岛效应显得尤为突出。热岛效应严重影响城市的热环境、能源消耗、市民的身体健康,因此如何缓解城市的热岛效应成为当下学者研究的主要方向。本文主要介绍了热岛效应的成因及危害,... 城市化进程的不断加快,使城市环境成为人们关注的热点,热岛效应显得尤为突出。热岛效应严重影响城市的热环境、能源消耗、市民的身体健康,因此如何缓解城市的热岛效应成为当下学者研究的主要方向。本文主要介绍了热岛效应的成因及危害,系统地回顾近几年来缓解热岛效应的策略及研究进展,并提出利用冷却塔逆用来解决热岛效应的新思路。 展开更多
关键词 热岛效应 冷却塔逆用 缓解措施
下载PDF
基于?传递与?分析方法的补热塔可行性研究
3
作者 陈鑫 郭海丰 +2 位作者 邓钧予 冯岑 张天枢 《建筑与预算》 2019年第10期56-59,共4页
为解决寒冷地区地下水冷堆积问题,本研究以热力学第一、第二定律为基础,从[火用]传递的角度分析当水温低于空气露点温度时,补热塔对地下水进行补热时空气与水的热湿交换过程。在本研究中,设定空气初始状态作为[火用]分析的参考点,并考... 为解决寒冷地区地下水冷堆积问题,本研究以热力学第一、第二定律为基础,从[火用]传递的角度分析当水温低于空气露点温度时,补热塔对地下水进行补热时空气与水的热湿交换过程。在本研究中,设定空气初始状态作为[火用]分析的参考点,并考虑补热过程中湿空气发生了相变,由此,对水[火用]的表达式进行新的解读。为此工况下补热塔的设计以及气、水参数的设置提供理论支持。在夏季或者过渡季对地下水进行补热是解决地源热泵系统造成冷堆积问题的解决方法。由温度较低的地下水与环境中温度较高的空气进行热湿交换,该过程既能使水的温度升高,又可尽量少地消耗能量。 展开更多
关键词 补热塔 冷却塔逆用 冷堆积 [火用]传递 [火用]分析 冷凝潜热
下载PDF
基于Lightgbm和XGBoost的优化深度森林算法 被引量：10
4
作者 谢军飞 张海清 +2 位作者 李代伟 于曦 邓钧予 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第5期833-840,共8页
教育规模不断扩大,高校在校生人数持续上升,导致学生的能力参差不齐.为了提升教育水平,教师需掌握学生在校期间的学习状态,预测学生期末成绩是教师掌握学生学习状态的重要途径之一.目前的研究工作主要采用传统的机器学习算法进行成绩预... 教育规模不断扩大,高校在校生人数持续上升,导致学生的能力参差不齐.为了提升教育水平,教师需掌握学生在校期间的学习状态,预测学生期末成绩是教师掌握学生学习状态的重要途径之一.目前的研究工作主要采用传统的机器学习算法进行成绩预测,如随机森林、贝叶斯、深度森林等,但精度不高;也有利用深度学习算法进行预测,但模型缺少可解释性. Lightgbm(Light Gradient Boosting Machine)算法内存消耗低,时间复杂度低,而XGBoost(eXtreme Gradient Boosting)算法精度高.因此,基于提高精度与降低模型内存消耗的策略,将深度森林中的随机森林与极限随机森林模块分别替换为Lightgbm和XGbBoost,提出一种基于Lightgbm和XGBoost算法的优化深度森林算法LIGHT-XDF.在八个数据集上与其他模型进行对比实验,结果表明,LIGHT-XDF算法的综合性能最好. 展开更多
关键词 Lightgbm算法 XGBoost算法 深度森林 综合性能
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部