-
题名基于CS-SVM的氧化铝蒸发过程故障检测
被引量：2
- 1
-
-
作者
唐明珠
阳春华
桂卫华
-
机构
中南大学信息科学与工程学院
-
出处
《控制工程》
CSCD
北大核心
2011年第4期645-649,共5页
-
基金
国家杰出青年科学基金资助项目(61025015)
国家自然科学基金资助项目(60874069)
+1 种基金
国家863计划基金资助项目(2009AA04Z137)
中南大学优秀博士学位论文扶植项目
-
文摘
针对氧化铝蒸发过程样本集中的类不平衡和故障难以实时检测问题,提出线性权重递减粒子群-代价敏感支持向量机故障检测方法。深入分析氧化铝蒸发过程机理,选择合适输入条件、操作参数、状态参数作为代价敏感支持向量机的输入向量,工况样本类别作为其输出。代价敏感支持向量机以最小化误分类代价为目标,利用线性权重递减粒子群优化代价敏感支持向量机核参数和误分类代价参数。实验结果表明所提出的方法能有效地提高故障识别率和减少平均误分类代价。
-
关键词
类不平衡样本集
代价敏感支持向量机
粒子群
氧化铝蒸发过程
-
Keywords
class-imbalanced dataset
cost-sensitive support vector machine
particle swarm optimization
alumina evaporation process
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于迁移学习的类别级物体识别与检测研究与进展
被引量：59
- 2
-
-
作者
张雪松
庄严
闫飞
王伟
-
机构
大连理工大学控制科学与工程学院
大连交通大学软件学院
-
出处
《自动化学报》
EI
CSCD
北大核心
2019年第7期1224-1243,共20页
-
基金
国家自然科学基金(61503056,U1508208)
辽宁省教育厅基本科研项目(JDL2017017)资助~~
-
文摘
类别级物体识别与检测属于计算机视觉领域的一个基础性问题,主要研究在图像或视频流中识别和定位出其中感兴趣的物体.在基于小规模数据集的类别级物体识别与检测应用中,模型过拟合、类不平衡和跨领域时特征分布变化等关键问题与挑战交织在一起.本文介绍了迁移学习理论的研究现状,对迁移学习理论解决基于小规模数据集的物体识别与检测中遇到的主要问题的研究思路和前沿技术进行了着重论述和分析.最后对该领域的研究重点和技术发展趋势进行了探讨.
-
关键词
迁移学习
物体识别
物体检测
小规模数据集
类不平衡数据集
-
Keywords
Transfer learning
object recognition
object detection
small-scale dataset
class imbalanced dataset
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于改进BTS的多类非平衡分类的集成学习方法
- 3
-
-
作者
汤志亚
赵亮
杨玲
甄小琼
杨志鹏
-
机构
成都信息工程学院
中国气象局大气探测重点开放实验室
-
出处
《商丘师范学院学报》
CAS
2015年第6期30-34,共5页
-
基金
科技部公益性行业(气象)科研专项课题(GYHY201106047)支持
-
文摘
提出一种适用于多类不平衡数据的集成学习方法,以解决多类样本分布不均衡问题.首先,利用合成少类样本的过采样技术(Synthetic Minority Over-sampling Technique,SMOTE)得到一组类别平衡的训练集.然后,对每个训练集采用二叉树支持向量机(SVM of Binary Tree,BTS)进行训练,最后,采用Bagging进行集成.通过5组UCI测试数据表明该算法在Gmean参数上比SMOTEBagging算法提高2.55%.
-
关键词
多类不平衡分类
集成方法
二叉树支持向量机
SMOTE算法
-
Keywords
multi - class imbalanced dataset
ensemble method
Binary tree of SVM
SMOTE algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
