期刊文献+
共找到166篇文章
< 1 2 9 >
每页显示 20 50 100
刀具磨损感知数据驱动下的DBN预测模型研究 被引量:5
1
作者 刘子安 刘建春 +1 位作者 苏进发 秦昆 《机械科学与技术》 CSCD 北大核心 2021年第7期1043-1050,共8页
针对制造车间数控刀具在连续作业过程中易出现过度使用或提前置换的现状,对刀具磨损感知数据获取方法和磨损预测模型构建进行研究。为避免传感器噪声影响,采用OPC技术直接与机床协同完成数控通信,并设计一套双镜头垂直分布的感知数据获... 针对制造车间数控刀具在连续作业过程中易出现过度使用或提前置换的现状,对刀具磨损感知数据获取方法和磨损预测模型构建进行研究。为避免传感器噪声影响,采用OPC技术直接与机床协同完成数控通信,并设计一套双镜头垂直分布的感知数据获取系统;为增强预测模型泛化能力,采用Dropout优化后深度信念网络(DBN)作为预测模型,先在特征提取阶段重构出优化权值,再引入标签量训练特征匹配阶段。结果显示,改进的DBN算法平均预测准确度约96.0%,在预测精度和稳定性方面较传统模型显著改善。 展开更多
关键词 视觉检测 全生命周期 深度学习 DROPOUT 刀具磨损预测
下载PDF
基于规则和数据学习的清洗模型研究
2
作者 石少敏 《陕西教育学院学报》 2011年第3期89-93,共5页
数据质量在信息管理系统中具有重要意义。然而,由于用户拼写、录入、系统升级等原因导致各种数据质量问题的出现。数据清洗的目的就是检测出脏数据并修复它们。而当前的清洗工具缺乏灵活性和扩展性,基于此,本文提出了一个基于规则和数... 数据质量在信息管理系统中具有重要意义。然而,由于用户拼写、录入、系统升级等原因导致各种数据质量问题的出现。数据清洗的目的就是检测出脏数据并修复它们。而当前的清洗工具缺乏灵活性和扩展性,基于此,本文提出了一个基于规则和数据学习的通用清洗模型。模型实现了动态规则学习和动态数据学习等关键技术。通过规则匹配和反馈学习过程实现了动态清洗规则最佳选择;通过字段学习和元表学习过程实现了动态数据的初始化。实验证明,应用该模型保证了动态数据的质量,提高了当前清洗工具的灵活性和扩展性。 展开更多
关键词 数据清洗 清洗规则 规则反馈 数据质量 数据学习 规则学习
下载PDF
知识建模的清洗模型研究
3
作者 石彦华 李蜀瑜 《计算机技术与发展》 2011年第11期124-128,132,共6页
数据清洗是保证数据质量的实用方法,但是如何实施灵活的和有效的数据清洗一直是研究的难点。基于此,提出了知识建模的数据清洗来保证数据质量的有效方法。依据清洗系统的现状分析,首先给出了静态库、动态库和静态清洗系统、动态清洗系... 数据清洗是保证数据质量的实用方法,但是如何实施灵活的和有效的数据清洗一直是研究的难点。基于此,提出了知识建模的数据清洗来保证数据质量的有效方法。依据清洗系统的现状分析,首先给出了静态库、动态库和静态清洗系统、动态清洗系统的相关概念;然后提出了知识建模的清洗模型,并给出了模型的具体设计和实现过程。最后通过使用知识建模的清洗模型,应用企业信用数据交换系统作为实验,验证了它的灵活性和有效性,保证了数据质量。 展开更多
关键词 动态清洗 动态规则 数据学习 规则学习 数据质量 清洗模型
下载PDF
基于数据学习的结构静力学性能预测方法 被引量:1
4
作者 赵航 童水光 朱郑州 《计算机科学》 CSCD 北大核心 2022年第4期140-143,共4页
针对目前机械结构优化中建立预测模型代价较高的问题,提出了一种基于数据学习的结构静力学性能预测方法。以悬臂梁为研究对象,建立有限元仿真模型以获取位移场数据,构建边界条件-位移场代理模型,预测结果表明位移场分布趋势与实际一致,... 针对目前机械结构优化中建立预测模型代价较高的问题,提出了一种基于数据学习的结构静力学性能预测方法。以悬臂梁为研究对象,建立有限元仿真模型以获取位移场数据,构建边界条件-位移场代理模型,预测结果表明位移场分布趋势与实际一致,载荷为1000 N和1600 N时最大位移相对误差分别为-0.02%和-0.47%。文中讨论了均布力大小和集中力作用位置对位移场预测结果的影响,结果表明,随着载荷幅值增加,预测误差有所增加。相比均布力,集中力载荷下的预测误差更大,且加载位置靠近边缘处的误差更大。反演问题分别将位移场作为输入,将均布力大小和集中力位置作为输出构建位移场-边界条件代理模型,载荷为1000 N和1600 N时的预测误差分别为0.15%和-0.48%,在5 mm和10 mm处的载荷位置预测误差分别为0.38%和-1.84%,实现了对力边界条件的高精度预测。所提方法从数据学习角度出发,可为机械结构的静力学性能预测提供一种新的思路。 展开更多
关键词 数据学习 代理模型 神经网络 有限元分析 性能预测
下载PDF
基于适应性的数字学习推荐系统构建
5
作者 刘焕 《河北软件职业技术学院学报》 2011年第2期58-60,共3页
随着网络资源日益丰富,搜索引擎从资源的查准率上已经显得力不从心。如果能在数字学习中应用数据挖掘技术的话,必然能使学习效果事半功倍。鉴于此,针对学习者在新增学习领域或新增学习兴趣的情况下,提出基于适应性的智能型推荐学习服务... 随着网络资源日益丰富,搜索引擎从资源的查准率上已经显得力不从心。如果能在数字学习中应用数据挖掘技术的话,必然能使学习效果事半功倍。鉴于此,针对学习者在新增学习领域或新增学习兴趣的情况下,提出基于适应性的智能型推荐学习服务系统,使学习者在学习过程中,能给予快速与准确的推荐。 展开更多
关键词 数字学习 轻量目录访问协议 协同过滤 学习推荐系统
下载PDF
基于数据学习的动态抽样方式设计
6
作者 谢笑盈 林凌斌 +1 位作者 金康伟 潘莉 《统计与决策》 CSSCI 北大核心 2021年第1期5-9,共5页
动态抽样在缩减数据规模、提高数据分析效率方面表现优异,传统的动态抽样方法在设计抽样方案时,很少同时考虑总体的数据特征和后续数据分析的需要,抽样方式单一,难以满足复杂数据分析的需求。鉴于此,文章设计了基于数据学习的三种动态... 动态抽样在缩减数据规模、提高数据分析效率方面表现优异,传统的动态抽样方法在设计抽样方案时,很少同时考虑总体的数据特征和后续数据分析的需要,抽样方式单一,难以满足复杂数据分析的需求。鉴于此,文章设计了基于数据学习的三种动态抽样方式,将动态抽样看成是学习总体某方面数据特征的过程,当样本的相关特征测度达到一定精度时,抽样过程结束。实验结果表明:对同一个总体而言,不同的数据分析任务需要从总体中提取不同的数据特征,从而需要选取不同的动态抽样策略,不同抽样策略获得的样本,其数据特征差异巨大;基于数据学习的动态抽样方法在保证抽样精度的前提下,缩减数据规模明显。 展开更多
关键词 数据学习 累进抽样 统计抽样 适应抽样
下载PDF
基于数据学习的无源定位实验研究
7
作者 杨金超 杨世兴 田保立 《电子信息对抗技术》 2020年第5期28-31,共4页
首先简要介绍了传统的无源定位方法,针对在复杂电磁环境条件下传统方法在参数测量中面临的挑战,重点介绍了通过从数据中提取与位置信息相关的特征,然后完成位置信息的学习与训练,最后通过模型匹配获取位置信息的无源定位方法。设计试验... 首先简要介绍了传统的无源定位方法,针对在复杂电磁环境条件下传统方法在参数测量中面临的挑战,重点介绍了通过从数据中提取与位置信息相关的特征,然后完成位置信息的学习与训练,最后通过模型匹配获取位置信息的无源定位方法。设计试验并通过对真实试验数据的分析,验证了基于数据学习完成无源定位的可行性,给出了实测数据的无源定位结果,验证了所提方法的有效性。 展开更多
关键词 无源定位 数据学习 实验研究
下载PDF
基于贝叶斯网络的化学恐怖袭击后果评估方法研究
8
作者 盛子健 胡啸峰 《中国人民公安大学学报(自然科学版)》 2021年第1期83-89,共7页
作为一种非常规形式的恐怖袭击,化学恐怖袭击造成的人员伤亡和社会影响往往极为严重。通过梳理恐怖袭击发生的主要脉络,利用K2算法构建贝叶斯网络结构,运用EM算法进行参数学习,得到贝叶斯网络风险评估模型。实验结果表明,利用建立的贝... 作为一种非常规形式的恐怖袭击,化学恐怖袭击造成的人员伤亡和社会影响往往极为严重。通过梳理恐怖袭击发生的主要脉络,利用K2算法构建贝叶斯网络结构,运用EM算法进行参数学习,得到贝叶斯网络风险评估模型。实验结果表明,利用建立的贝叶斯网络模型,得到人员伤亡等级分类准确率为0.75,该模型可用于推理分析和实例预测。通过推理分析发现,相比于爆炸类化学武器,中毒类化学武器被使用的概率更高,应该受到更多关注。利用发生在阿富汗和伊朗的4起化学恐怖袭击事件进行风险评估模型的验证。结果表明,模型评估结果和事件发生后果相符。研究结果预期可以为公安机关对化学恐怖袭击的预防提供决策支持。 展开更多
关键词 数据学习 贝叶斯网络 化学恐怖袭击 推理分析
下载PDF
机器人操作技能学习方法综述 被引量:39
9
作者 刘乃军 鲁涛 +1 位作者 蔡莹皓 王硕 《自动化学报》 EI CSCD 北大核心 2019年第3期458-470,共13页
结合人工智能技术和机器人技术,研究具备一定自主决策和学习能力的机器人操作技能学习系统,已逐渐成为机器人研究领域的重要分支.本文介绍了机器人操作技能学习的主要方法及最新的研究成果.依据对训练数据的使用方式将机器人操作技能学... 结合人工智能技术和机器人技术,研究具备一定自主决策和学习能力的机器人操作技能学习系统,已逐渐成为机器人研究领域的重要分支.本文介绍了机器人操作技能学习的主要方法及最新的研究成果.依据对训练数据的使用方式将机器人操作技能学习方法分为基于强化学习的方法、基于示教学习的方法和基于小数据学习的方法,并基于此对近些年的研究成果进行了综述和分析,最后列举了机器人操作技能学习的未来发展方向. 展开更多
关键词 机器人 操作技能 强化学习 示教学习 小数据学习
下载PDF
基于深度学习的时间序列数据异常检测方法 被引量:36
10
作者 胡姣姣 王晓峰 +2 位作者 张萌 张德鹏 胡绍林 《信息与控制》 CSCD 北大核心 2019年第1期1-8,共8页
针对类间分布不平衡的时间序列数据的异常检测问题,提出了一种基于深度卷积神经网络的检测方法.首先采用抽样法对不平衡时间序列数据进行预处理;其次,将处理后的时间序列数据转换为尺度一致、时长一致的片段;最后将数据送入具有4层隐藏... 针对类间分布不平衡的时间序列数据的异常检测问题,提出了一种基于深度卷积神经网络的检测方法.首先采用抽样法对不平衡时间序列数据进行预处理;其次,将处理后的时间序列数据转换为尺度一致、时长一致的片段;最后将数据送入具有4层隐藏层结构的卷积神经网络模型中进行异常检测.实验结果表明,所提方法弥补了现存的检测技术由于忽略数据分布的偏斜性而造成的少数类检测精度低的缺点,并通过与现有的时间序列分类方法的比较,验证了所提方法的高效性. 展开更多
关键词 时间序列异常检测 不平衡数据学习 深度学习 卷积神经网络
原文传递
若干评价准则对不平衡数据学习的影响 被引量:23
11
作者 林智勇 郝志峰 杨晓伟 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2010年第4期147-155,共9页
为解决绝大部分传统的以精度准则为优化目标而获得的分类器不适于不平衡数据学习(IDL)的问题,文中通过在支持向量机(SVM)模型上进行"元学习",研究了精度、平衡精度、几何平均、F1得分、信息增益、AUC(ROC曲线下方图面积)以及... 为解决绝大部分传统的以精度准则为优化目标而获得的分类器不适于不平衡数据学习(IDL)的问题,文中通过在支持向量机(SVM)模型上进行"元学习",研究了精度、平衡精度、几何平均、F1得分、信息增益、AUC(ROC曲线下方图面积)以及文中新提出的GAF和GBF等评价准则对IDL的影响.在16个来自UCI的不平衡数据集上进行了仿真实验.对实验结果的统计分析表明:不同准则对分类器性能的影响有显著差异;即便是对于先进的学习方法支持向量机(SVM)而言,若以精度准则最大化选择分类器,那么得到的SVM分类器也容易偏向预测多类;通过在其他准则上优化,能输出纠偏了的SVM分类器,它们的整体性能更好,尤其是在预测少类能力方面;在GAF以及GBF准则上优化所得的SVM分类器具有稳定且良好的性能. 展开更多
关键词 评价准则 不平衡数据学习 支持向量机 GAF准则 GBF准则
下载PDF
耦合知识图谱和深度学习的新一代遥感影像解译范式 被引量:20
12
作者 李彦胜 张永军 《武汉大学学报(信息科学版)》 EI CAS CSCD 北大核心 2022年第8期1176-1190,共15页
在遥感大数据时代,遥感影像智能解译是挖掘遥感大数据价值并推动若干重大应用的关键技术,如何将知识推理和数据学习两类解译方法有机联合已成为遥感大数据智能处理的重要研究趋势。由此提出了面向遥感影像解译的遥感领域知识图谱构建与... 在遥感大数据时代,遥感影像智能解译是挖掘遥感大数据价值并推动若干重大应用的关键技术,如何将知识推理和数据学习两类解译方法有机联合已成为遥感大数据智能处理的重要研究趋势。由此提出了面向遥感影像解译的遥感领域知识图谱构建与进化方法,建立了顾及遥感成像机理和地理学知识的遥感领域知识图谱。在遥感领域知识图谱支撑下,以零样本遥感影像场景分类、可解释遥感影像语义分割以及大幅面遥感影像场景图生成3个典型的遥感影像解译任务为例,研究了耦合知识图谱和深度学习的新一代遥感影像解译范式。在零样本遥感影像场景分类实验中,所提方法在不同的可见类/不可见类比例和不同的语义表示下,都明显优于其他方法;在可解释遥感影像语义分割实验中,知识推理与深度学习的联合方法取得了最好的分类结果;在大幅面遥感影像场景图生成实验中,知识图谱引导的方法精度明显高于基准的频率统计方法。遥感知识图谱推理与深度数据学习的融合可以有效提升遥感影像的解译性能。 展开更多
关键词 数据学习与知识推理 遥感知识图谱 深度学习 遥感影像智能解译
原文传递
基于CNN模型的施工现场典型安全隐患数据学习 被引量:14
13
作者 林鹏 魏鹏程 +1 位作者 樊启祥 陈闻起 《清华大学学报(自然科学版)》 EI CAS CSCD 北大核心 2019年第8期628-634,共7页
该文旨在通过卷积神经网络(convolutional neural networks,CNN)模型对基础设施建设期典型安全隐患进行数据学习与挖掘,为现场智能安全管控提供方法和依据。依托于Wesafety平台实时统计出的某大型水电站现场安全隐患数据,分析了现场典... 该文旨在通过卷积神经网络(convolutional neural networks,CNN)模型对基础设施建设期典型安全隐患进行数据学习与挖掘,为现场智能安全管控提供方法和依据。依托于Wesafety平台实时统计出的某大型水电站现场安全隐患数据,分析了现场典型安全隐患特征,提出了基于CNN的安全隐患学习与挖掘模型,并定义了模型结构的卷积层、池化层、全连接层以及训练和测试流程,开发了相应的程序。结果表明:该方法提高了基础设施建设现场扁平-闭环安全管理的效率,为智能安全管理提供了崭新的思路,达到了机器自动识别典型隐患的目的,研究结果对建设工程安全隐患自动分类分析具有参考意义。 展开更多
关键词 智能安全管理 安全隐患 数据学习与挖掘 卷积神经网络
原文传递
一种新的过采样算法DB_SMOTE 被引量:12
14
作者 刘余霞 刘三民 +1 位作者 刘涛 王忠群 《计算机工程与应用》 CSCD 2014年第6期92-95,共4页
针对非平衡数据集中类分布信息不对称现象,提出一种新的过采样算法DB_SMOTE(Distance-based Synthetic Minority Over-sampling Technique),通过合成少数类新样本解决样本不足问题。算法基于样本与类中心距离,结合类聚集程度提取种子样... 针对非平衡数据集中类分布信息不对称现象,提出一种新的过采样算法DB_SMOTE(Distance-based Synthetic Minority Over-sampling Technique),通过合成少数类新样本解决样本不足问题。算法基于样本与类中心距离,结合类聚集程度提取种子样本。根据SMOTE(Synthetic Minority Over-sampling Technique)算法思想,在种子样本上实现少数类新样本合成。根据种子样本与少数类中心距离构造新样本分布函数。基于此采样算法并在多个数据集上进行分类实验,结果表明DB SMOTE算法是可行的。 展开更多
关键词 非平衡数据学习 过采样 数据分类
下载PDF
大数据时代高校学困生教育工作的挑战及对策研究 被引量:13
15
作者 包艳 金越 《新疆师范大学学报(哲学社会科学版)》 CSSCI 北大核心 2015年第6期134-138,共5页
大数据时代的到来势不可挡,教育领域也不可避免地受到大数据的影响。高校不断扩招,导致生源质量下降,学困生教育问题日益突出,文本结合高校学生管理工作实际,就如何把握大数据时代的机遇,充分激发和利用隐藏于数据内部尚未被发掘的价值... 大数据时代的到来势不可挡,教育领域也不可避免地受到大数据的影响。高校不断扩招,导致生源质量下降,学困生教育问题日益突出,文本结合高校学生管理工作实际,就如何把握大数据时代的机遇,充分激发和利用隐藏于数据内部尚未被发掘的价值,解决学困生教育管理中的问题进行了探讨,并提出相应对策。 展开更多
关键词 大数据 学困生 高校学生管理工作者 思想政治教育
下载PDF
基于置信度代价敏感的支持向量机不均衡数据学习 被引量:8
16
作者 赵永彬 陈硕 +1 位作者 刘明 曹鹏 《计算机工程》 CAS CSCD 北大核心 2015年第10期177-180,185,共5页
现实世界中广泛存在着很多不均衡的数据,其分类问题是机器学习领域的研究热点。为了提高不均衡数据的分类性能,提出一种基于核空间置信度的代价敏感支持向量机分类算法。通过注入类别错分代价机制,以不均衡数据评价指标作为目标函数,优... 现实世界中广泛存在着很多不均衡的数据,其分类问题是机器学习领域的研究热点。为了提高不均衡数据的分类性能,提出一种基于核空间置信度的代价敏感支持向量机分类算法。通过注入类别错分代价机制,以不均衡数据评价指标作为目标函数,优化错分代价因子,提升少数类样本的识别率。计算类中所有样本在核空间下的类别置信度,从而确定样本对决策分类贡献的重要程度,降低噪音或孤立点对支持向量机的影响。通过大量UCI数据集的实验结果表明,与其他同类算法相比,该算法能更好地提高不均衡数据的分类性能。 展开更多
关键词 机器学习 分类 不均衡数据学习 支持向量机 代价敏感学习
下载PDF
基于概率分布估计的混合采样算法 被引量:6
17
作者 曹鹏 李博 +1 位作者 栗伟 赵大哲 《控制与决策》 EI CSCD 北大核心 2014年第5期815-820,共6页
在类别不均衡的数据中,类间和类内不均衡性问题都是导致分类性能下降的重要因素.为了提高不均衡数据集下分类算法的性能,提出一种基于概率分布估计的混合采样算法.该算法依据数据概率分别对每个子类进行采样以保证类内的均衡性;并扩大... 在类别不均衡的数据中,类间和类内不均衡性问题都是导致分类性能下降的重要因素.为了提高不均衡数据集下分类算法的性能,提出一种基于概率分布估计的混合采样算法.该算法依据数据概率分别对每个子类进行采样以保证类内的均衡性;并扩大少数类的潜在决策域和减少多数类的冗余信息,从而同时从全局和局部两个角度改善数据的平衡性.实验结果表明,该算法提高了传统分类算法在不均衡数据下的分类性能. 展开更多
关键词 不均衡数据学习 类内不均衡 混合采样 概率分布估计
原文传递
A Novel Operational Partition between Neural Network Classifiers on Vulnerability to Data Mining Bias
18
作者 Charles Wong 《Journal of Software Engineering and Applications》 2014年第4期264-272,共9页
It is difficult if not impossible to appropriately and effectively select from among the vast pool of existing neural network machine learning predictive models for industrial incorporation or academic research explor... It is difficult if not impossible to appropriately and effectively select from among the vast pool of existing neural network machine learning predictive models for industrial incorporation or academic research exploration and enhancement. When all models outperform all the others under disparate circumstances, none of the models do. Selecting the ideal model becomes a matter of ill-supported opinion ungrounded on the extant real world environment. This paper proposes a novel grouping of the model pool grounded along a non-stationary real world data line into two groups: Permanent Data Learning and Reversible Data Learning. This paper further proposes a novel approach towards qualitatively and quantitatively demonstrating their significant differences based on how they alternatively approach dynamic and raw real world data vs static and prescient data mining biased laboratory data. The results across 2040 separate simulation runs using 15,600 data points in realistically operationally controlled data environments show that the two-group division is effective and significant with clear qualitative, quantitative and theoretical support. Results across the empirical and theoretical spectrum are internally and externally consistent yet demonstrative of why and how this result is non-obvious. 展开更多
关键词 Machine learning Neural Networks data Mining data DREDGING NON-STATIONARY Time Series Analysis Permanent data learning Reversible data learning
下载PDF
基于身份导向自监督表示学习的智能寻人系统
19
作者 夏冉 雷晓艳 +1 位作者 郭梦晴 王文韬 《周口师范学院学报》 CAS 2024年第2期50-54,共5页
行人重识别(person re-identification, Person Re ID)技术对安全监控和个人跟踪等领域至关重要,但标注数据的稀缺性和高成本限制了其广泛应用。针对这一问题,设计一种基于身份导向自监督表示(Identity-seeking Self-supervised Represe... 行人重识别(person re-identification, Person Re ID)技术对安全监控和个人跟踪等领域至关重要,但标注数据的稀缺性和高成本限制了其广泛应用。针对这一问题,设计一种基于身份导向自监督表示(Identity-seeking Self-supervised Representation, ISR)学习方法的寻人系统,能够从大规模无标注视频数据中学习并提取人员的特征表示。系统架构分为三个模块:首先,利用YOLOV8模型对视频流中的人物进行检测,并自动裁剪出galley图片;其次,通过ISR学习方法对galley图片进行特征提取,并构建特征数据库;最后,在特征数据库中,检索与查询图片相似的galley图片,并关联到对应的视频帧。实验结果证明,系统搜索准确高效,具有广泛的应用价值和实用潜力。 展开更多
关键词 行人重识别 身份导向自监督表示学习 无标注数据学习
下载PDF
基于高斯原型网络的小样本逆合成孔径雷达目标识别 被引量:4
20
作者 杨敏佳 白雪茹 +2 位作者 刘士豪 曾磊 周峰 《电子与信息学报》 EI CSCD 北大核心 2022年第10期3566-3573,共8页
针对现有基于深度卷积神经网络(DCNNs)的逆合成孔径雷达(ISAR)目标识别方法在训练样本不足时性能下降甚至失效等问题,该文提出基于高斯原型网络(GPN)的小样本ISAR目标识别方法。该方法通过嵌入网络将ISAR像映射为嵌入向量,进而根据加权... 针对现有基于深度卷积神经网络(DCNNs)的逆合成孔径雷达(ISAR)目标识别方法在训练样本不足时性能下降甚至失效等问题,该文提出基于高斯原型网络(GPN)的小样本ISAR目标识别方法。该方法通过嵌入网络将ISAR像映射为嵌入向量,进而根据加权嵌入向量构建高斯原型,最终根据测试样本到原型的马氏距离预测目标类别。3类飞机目标实测数据的识别结果表明,该方法在小样本条件下可获得更高的平均识别精度。 展开更多
关键词 逆合成孔径雷达 目标识别 深度学习 小样本学习 高斯原型网络
下载PDF
上一页 1 2 9 下一页 到第
使用帮助 返回顶部