不平衡样本下基于变分自编码器预处理深度学习和DGA的变压器故障诊断方法 被引量：20

1

作者 张弛 吴东 +2 位作者 王伟 刘力卿 谢军 《南方电网技术》 CSCD 北大核心 2021年第3期68-74,共7页

为提高变压器故障诊断效果,并改善训练样本数量不平衡对故障诊断的不利影响,提出了一种基于变分自编码预处理深度学习和油中溶解气体分析(dissolved gas-in-oil analysis,DGA)的变压器故障诊断方法。该方法以各样本DGA特征量为诊断模型... 为提高变压器故障诊断效果,并改善训练样本数量不平衡对故障诊断的不利影响,提出了一种基于变分自编码预处理深度学习和油中溶解气体分析(dissolved gas-in-oil analysis,DGA)的变压器故障诊断方法。该方法以各样本DGA特征量为诊断模型输入,以各故障状态概率分布为诊断模型输出。首先通过变分自编码器对少数类训练样本进行预处理,在学习确定少数类训练样本分布特征的基础上实现训练样本自动生成,进而提高训练样本的均衡性。基于3隐层结构堆栈稀疏自编码器深度学习网络构建变压器故障诊断模型,并以经变分自编码器预处理后的均衡训练样本对诊断模型参数进行更新优化。基于实例验证了所提方法的有效性。实验结果表明,所提方法可改善训练样本不平衡的不利影响,各训练集下,采用所提方法的变压器故障诊断结果准确率均保持在91%以上,且漏报率较低。 展开更多

关键词 变压器 故障诊断 深度学习 变分自编码器 不平衡样本 油中溶解气体分析

下载PDF 职称材料

上市公司财务舞弊识别模型设计及其应用研究——基于新兴机器学习算法 被引量：15

2

作者 刘云菁 伍彬 张敏 《数量经济技术经济研究》 CSSCI CSCD 北大核心 2022年第7期152-175,共24页

研究目标:运用新兴机器学习的方法预测公司财务舞弊。研究方法:选取11类财务比率指标与文本信息、公司治理、内部控制等非财务指标作为初始输入变量,采用欠采样方法处理训练集样本非平衡的问题,选择轻量梯度提升机算法对公司是否发生舞... 研究目标:运用新兴机器学习的方法预测公司财务舞弊。研究方法:选取11类财务比率指标与文本信息、公司治理、内部控制等非财务指标作为初始输入变量,采用欠采样方法处理训练集样本非平衡的问题,选择轻量梯度提升机算法对公司是否发生舞弊建立分类模型。研究发现:采用轻量梯度提升机算法极大地提升了预测准确性;相对于逻辑回归、支持向量机、随机森林、梯度提升决策树,轻量梯度提升机算法的预测效果最好;使用全部输入变量比仅仅使用有限传统变量的预测能力更强;预测模型在案例分析、行业分析和股价崩盘检测中也展现出很好的预测效果。研究创新:引入新的机器学习算法识别财务舞弊,采用欠采样的方法对训练集样本进行平衡处理,从多个角度进行应用分析。研究价值:有助于实时高效地识别舞弊并及时进行监管,实现对经济运行更为准确的监测、分析、预测、预警,从而提升资本市场的治理效能,促进经济平稳运行。 展开更多

关键词 财务舞弊 机器学习 非平衡样本 应用分析

原文传递

目标检测难点问题最新研究进展综述 被引量：15

3

作者 罗会兰 彭珊 陈鸿坤 《计算机工程与应用》 CSCD 北大核心 2021年第5期36-46,共11页

目标检测是计算机视觉领域最基本的问题之一,已经被广泛地探讨和研究。虽然近年来基于深度卷积神经网络的目标检测方法使得检测精度有了很大提升,但是在实际应用中仍然存在较多挑战。综述了目标检测领域的最新研究趋势,针对不同的目标... 目标检测是计算机视觉领域最基本的问题之一,已经被广泛地探讨和研究。虽然近年来基于深度卷积神经网络的目标检测方法使得检测精度有了很大提升,但是在实际应用中仍然存在较多挑战。综述了目标检测领域的最新研究趋势,针对不同的目标检测挑战和难题:目标尺度变化范围大、实时检测问题、弱监督检测问题和样本不均衡问题,从四个方面综述了最近的目标检测研究方法,分析了不同算法之间的关系,阐述了新的改进方法、检测过程和实现效果,并详细比较了不同算法的检测精度、优缺点和适用场景。最后讨论了未来有可能进一步发展的几个方向。 展开更多

关键词 目标检测 卷积神经网络 多尺度 实时检测 弱监督 样本不均衡

下载PDF 职称材料

考虑过采样器与分类器参数优化的变压器故障诊断策略 被引量：8

4

作者 栗磊 王廷涛 +3 位作者 赫嘉楠 牛健 梁亚波 苗世洪 《电力自动化设备》 EI CSCD 北大核心 2023年第1期209-217,共9页

变压器故障样本的不平衡性使得故障诊断分类准确率低,且容易弱化少数类故障样本的分类效果。对此,采用过采样方法实现故障样本的均衡化,并提出一种考虑过采样器与分类器参数优化的变压器故障诊断策略。首先,搭建变压器故障诊断模型的整... 变压器故障样本的不平衡性使得故障诊断分类准确率低,且容易弱化少数类故障样本的分类效果。对此,采用过采样方法实现故障样本的均衡化,并提出一种考虑过采样器与分类器参数优化的变压器故障诊断策略。首先,搭建变压器故障诊断模型的整体结构,阐述故障诊断的实现过程。在此基础上,提出诊断模型中过采样器、分类器、参数优化器3种主要环节的算法实现:针对过采样器,提出一种基于近邻分布特性的改进合成少数过采样算法实现故障样本的均衡化;针对分类器,采用层次式有向无环图支持向量机算法实现故障样本的多标签分类;针对参数优化器,提出一种双层参数优化方法,上层采用层次搜索算法对过采样倍率寻优,下层采用改进哈里斯鹰算法对支持向量机参数寻优。最后,对所提策略进行算例分析,结果表明,所提策略能够合成质量更高的少数类故障样本,实现故障样本的准确分类。 展开更多

关键词 电力变压器 故障诊断 不平衡样本 过采样 基于近邻分布特性的改进合成少数过采样 层次搜索-改进哈里斯鹰算法

下载PDF 职称材料

基于DBN的不均衡样本驱动民航发动机故障诊断 被引量：12

5

作者 钟诗胜 李旭 张永健 《航空动力学报》 EI CAS CSCD 北大核心 2019年第3期708-716,共9页

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故... 在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。 展开更多

关键词 民航发动机 故障诊断 不均衡样本 深度置信网络 Adaboost.M1算法

原文传递

基于改进SMOTE不均衡样本处理和IHPO-DBN的变压器故障诊断方法研究

6

作者 周萱 吴伟丽 《电力系统保护与控制》 EI CSCD 北大核心 2024年第11期21-30,共10页

针对由于变压器故障样本不均衡和故障模型陷入局部最优而导致的分类准确率低的问题,提出了基于改进的合成少数类过采样技术和优化深度置信网络(deep belief network, DBN)的变压器故障诊断方法。首先采用聚类融合的K-means算法,通过分... 针对由于变压器故障样本不均衡和故障模型陷入局部最优而导致的分类准确率低的问题,提出了基于改进的合成少数类过采样技术和优化深度置信网络(deep belief network, DBN)的变压器故障诊断方法。首先采用聚类融合的K-means算法,通过分簇和匹配的方式筛选出不稳定的少数类样本用以改进中心点合成少数类过采样技术(center point synthetic minority oversampling technique, CP-SMOTE)算法,并对少数类样本进行扩增,解决了变压器故障数据分布不均衡的问题。其次,通过加入随机逆向学习和自适应惯性权重技术对猎食者优化算法进行改进,并用改进后的算法对DBN的内部参数进行优化调整,提高了模型精度。最后,将不同数据预处理情况下以及不同数据规模下的变压器故障模型进行仿真对比。结果表明,经过数据预处理和模型优化后的变压器故障识别准确率能够提高到98%,有效地解决了故障数据不平衡导致的分类精度低的问题。 展开更多

关键词 变压器故障诊断 不均衡样本 K-MEANS聚类 改进合成少数过采样 改进猎食者优化

下载PDF 职称材料

基于门控循环单元网络的低阻油层测井流体识别方法

7

作者 龚宇 刘迪仁 《科学技术与工程》 北大核心 2024年第12期4932-4941,共10页

研究区块低阻油层发育广泛,油层和水层的电阻率相差不大,导致测井流体识别较为困难。为了有效识别低阻油层,采用少数类过采样技术(synthetic minority oversampling technique,Smote)对油水同层,油层等少数类样本进行过采样使数据集均衡... 研究区块低阻油层发育广泛,油层和水层的电阻率相差不大,导致测井流体识别较为困难。为了有效识别低阻油层,采用少数类过采样技术(synthetic minority oversampling technique,Smote)对油水同层,油层等少数类样本进行过采样使数据集均衡;并利用门控循环单元(gated recurrent unit,GRU)网络模型进行低阻油层的流体识别。通过相关性分析确定自然伽马(GR)、深侧向电阻率(RD)、密度(DEN)等8条测井曲线数据作为输入训练模型,应用于中实际资料中,并将GRU与传统RNN和其他3种机器学习算法对比。结果表明:序列数据模型的流体识别效果比传统机器学习模型好,且基于Smote-GRU的流体识别模型的符合率达到89.5%,相对传统循环神经网络(recurrent neural network,RNN)的81.1%,取得了较好的应用效果。通过对照试验还证实了Smote算法提高了分类器对少数类样本的识别率。所提出的方法可为样本不均衡的低阻油层的流体识别提供参考。 展开更多

关键词 低阻油层 流体识别 不均衡样本 门控循环单元(GRU)

下载PDF 职称材料

基于多裁剪的恶意软件检测和分类模型

8

作者 王方伟 史锡朋 +1 位作者 李青茹 王长广 《华中科技大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第3期121-126,共6页

针对恶意软件检测和分类中存在局部关键特征丢失、样本不足、样本不平衡和分类准确率低等问题,提出了一种基于多裁剪策略的恶意软件检测与分类模型MadcuG.模型首先将恶意软件字节文件用字节数组的形式放至内存缓冲区中生成彩色图像;然... 针对恶意软件检测和分类中存在局部关键特征丢失、样本不足、样本不平衡和分类准确率低等问题,提出了一种基于多裁剪策略的恶意软件检测与分类模型MadcuG.模型首先将恶意软件字节文件用字节数组的形式放至内存缓冲区中生成彩色图像;然后用多裁剪策略将彩色图像生成恶意软件局部图像,以增加对局部关键特征的关注,解决样本不平衡和局部关键特征丢失问题;最后,用深度卷积生成对抗网络构造了打分判别器和分类判别器,目标损失函数为打分判别器和生成器的对抗损失及分类判别器的分类损失,以增加训练中参数的利用率和模型的泛化能力.实验结果表明:MadcuG模型在BIG2015和Malimg数据集上分别获得了99.88%和99.2%的分类准确率,优于已有模型. 展开更多

关键词 系统安全 深度卷积生成对抗网络 多裁剪策略 恶意软件分类 样本不平衡

原文传递

变压器不平衡样本故障诊断的过采样和代价敏感算法 被引量：2

9

作者 汤健 侯慧娟 +1 位作者 盛戈皞 江秀臣 《高压电器》 CAS CSCD 北大核心 2023年第6期93-102,共10页

基于神经网络的变压器故障诊断方法是评估变压器状态的重要方法,然而该方法在处理各状态类别间样本数量不平衡的数据集时,各类型状态识别效果差距较大,识别结果更多偏向多数类样本。文中基于过采样方法和代价敏感算法,针对最大不平衡度... 基于神经网络的变压器故障诊断方法是评估变压器状态的重要方法,然而该方法在处理各状态类别间样本数量不平衡的数据集时,各类型状态识别效果差距较大,识别结果更多偏向多数类样本。文中基于过采样方法和代价敏感算法,针对最大不平衡度为266∶19的油色谱数据集,构建了一种用于变压器故障诊断的BPNN模型。首先,基于SMOTE算法对样本数据集进行有选择的扩充,该算法结合了近邻分析和线性插值的思想,减少了样本扩充所导致的模型训练的过拟合现象。然后,构建五层神经网络,并引入Focal Loss函数取代交叉熵函数作为本模型的代价损失函数,从而更关注于少数类样本的识别和区分。实验结果表明,文中模型相比于原始BPNN模型在总体准确率上提升了6.48%,各少数类样本类别的F1分数分别提高了25.7%、11.4%、3%、26.1%、1.8%、15.3%和33.3%,并且算法收敛更快。在和传统机器学习方法的对比中,文中模型比基于KNN算法和随机森林算法模型的整体准确率分别提高了16.53%和7.98%。 展开更多

关键词 油中溶解气体分析 故障诊断 不平衡样本 过采样 代价敏感 神经网络

下载PDF 职称材料

基于主动学习的加权支持向量机的分类 被引量：3

10

作者 鲍翠梅 《计算机工程与设计》 CSCD 北大核心 2009年第4期966-970,共5页

用支持向量机SVM进行分类时,针对在某些机器学习中,存在训练样本获取代价过大,且训练样本中类的数量不对称的问题,提出了基于主动学习策略的加权支持向量机。其在机器学习的进程中,每次从候选样本集中,主动选择最有利于改善分类器性能的... 用支持向量机SVM进行分类时,针对在某些机器学习中,存在训练样本获取代价过大,且训练样本中类的数量不对称的问题,提出了基于主动学习策略的加权支持向量机。其在机器学习的进程中,每次从候选样本集中,主动选择最有利于改善分类器性能的n个新样本添加到训练样本中进行学习,引入类权重因子和样本权重因子,将惩罚参数与类权重因子和样本权重因子联系。实验结果表明,该方法能够有效减少训练样本数量,解决类的数量不对称的样本产生的最优分界面偏移的问题,使分类器获得较好的分类性能。 展开更多

关键词 主动学习 支持向量机 分类 样本不平衡 权重因子 分类间隔

下载PDF 职称材料

面向不平衡样本的物联网轻量级入侵风险识别方法

11

作者 钱游 《自动化与仪器仪表》 2024年第2期68-72,共5页

在不平衡数据的干扰下,物联网的节点负担增大,容易受到轻量级入侵,因此,提出面向不平衡样本的物联网轻量级入侵风险识别方法。基于一维卷积神经网络设计轻量级入侵风险识别模型,为弥补模型训练不够稳定的缺陷,应用DCGAN设计样本数据平... 在不平衡数据的干扰下,物联网的节点负担增大,容易受到轻量级入侵,因此,提出面向不平衡样本的物联网轻量级入侵风险识别方法。基于一维卷积神经网络设计轻量级入侵风险识别模型,为弥补模型训练不够稳定的缺陷,应用DCGAN设计样本数据平衡算法实施样本数据增强处理。将增强后的样本数据作为模型训练中的基础数据,并对构建的轻量级入侵风险识别模型实施训练,实现轻量级的物联网入侵风险识别。测试结果表明,相比剪枝前,剪枝后模型有效参数量的变化幅度达到10倍,在训练中模型很快达到收敛,同时达到了接近1的训练精度,并且本方法的入侵风险识别精度得到了明显的提升,始终稳定在97%左右。 展开更多

关键词 不平衡样本 DCGAN 物联网 轻量级入侵风险 一维卷积神经网络

原文传递

非均衡样本下基于GRA-BSMOTE-RF的瓦斯突出预测

12

作者 乔威豪 安葳鹏 +2 位作者 赵雪菡 吕常周 崔嵩 《煤炭技术》 CAS 2024年第2期121-125,共5页

为解决煤与瓦斯突出预测模型由于样本数据不均衡导致的分类效果不好的问题,提出一种将过采样方法(BSMOTE)和随机森林(RF)模型相耦合的预测模型。首先通过灰色关联分析(GRA)进行特征选择。其次,通过BSMOTE方法增加突出的少数类样本,有效... 为解决煤与瓦斯突出预测模型由于样本数据不均衡导致的分类效果不好的问题,提出一种将过采样方法(BSMOTE)和随机森林(RF)模型相耦合的预测模型。首先通过灰色关联分析(GRA)进行特征选择。其次,通过BSMOTE方法增加突出的少数类样本,有效地区分类别区域边界。最后,构建GRA-BSMOTE-RF煤与瓦斯突出预测模型,以此来减少类别不平衡对模型预测的影响。根据结果表明,提出的模型对于少数类的分类正确率明显提升,证实GRA-BSMOTE-RF模型在不平衡数据下的煤与瓦斯突出预测上具有较好的预测效果。 展开更多

关键词 煤与瓦斯突出 非平衡样本 过采样方法 随机森林 灰色关联度分析

下载PDF 职称材料

基于高斯混合和概率神经网络的舰船柴油机故障诊断方法 被引量：4

13

作者 邱其清 廖志强 《船舶工程》 CSCD 北大核心 2022年第9期101-106,113,共7页

针对舰船柴油机智能故障诊断中因故障样本不足而导致的诊断模型准确度不高的问题,提出一种基于高斯混合概率神经网络的舰船柴油机不平衡样本故障诊断方法。首先,采用高斯混合模型(GMM)扩充故障样本,改善样本不平衡问题;其次,基于概率神... 针对舰船柴油机智能故障诊断中因故障样本不足而导致的诊断模型准确度不高的问题,提出一种基于高斯混合概率神经网络的舰船柴油机不平衡样本故障诊断方法。首先,采用高斯混合模型(GMM)扩充故障样本,改善样本不平衡问题;其次,基于概率神经网络(PNN)建立柴油机故障分类模型,增强泛化性、提高诊断准确度;最后,工程试验和对比试验证明:研究提出的方法能够准确识别舰船柴油机故障,具有诊断精度高、运行时间短和高泛化性等优点。 展开更多

关键词 柴油机 故障诊断 样本不平衡 高斯混合模型 概率神经网络

原文传递

不平衡样本下基于变异麻雀搜索算法和改进SMOTE的变压器故障诊断方法 被引量：1

14

作者 朱莉 汪小豪 +2 位作者 李豪 姜成龙 曹明海 《高电压技术》 EI CAS CSCD 北大核心 2023年第12期4993-5001,共9页

针对麻雀搜索算法同质化严重和变压器故障样本不平衡导致分类效果不佳的问题,提出了变异麻雀搜索算法优化支持向量机(variation sparrow search algorithm-support vector machine,VSSA-SVM)和改进合成少数过采样技术(improved syntheti... 针对麻雀搜索算法同质化严重和变压器故障样本不平衡导致分类效果不佳的问题,提出了变异麻雀搜索算法优化支持向量机(variation sparrow search algorithm-support vector machine,VSSA-SVM)和改进合成少数过采样技术(improved synthetic minority over-sampling technique,ISMOTE)的变压器故障诊断方法。首先使用Tomek Link对数据集进行去噪,引入中心偏移权重(center offset weight,COW)改进SMOTE算法对不平衡数据集的少数类样本进行合成,得到平衡化处理后的变压器故障数据集。然后,基于变异的思想,构建VSSA-SVM的变压器故障诊断模型。最后,在413例油浸变压器的油中溶解气体分析(dissoived gas anaiysis,DGA)数据上,使用PSO-SVM、SSA-SVM和VSSA-SVM模型进行诊断,诊断结果分别为81.45%、88.71%和96.77%,同时与SMOTE-NND、SVM SMOTE、Borderline-SMOTE、SMOTE以及原始数据集方法相比,ISMOTE分别提升了3.22%、4.03%、6.45%、7.52%、11.29%。结果表明,该文所提方法能准确判别变压器的故障状态,有效解决故障数据不平衡导致分类精度低的问题,具有一定的工程实用价值。 展开更多

关键词 变压器 故障诊断 不平衡样本 改进合成少数过采样 变异麻雀搜索算法

下载PDF 职称材料

基于冗余数据消除的不平衡样本加权支持向量机方法研究 被引量：3

15

作者 高文昀 戴胜 +1 位作者 涂丽萍 张叶 《长江信息通信》 2022年第1期46-50,共5页

现有支持向量机对于训练样本过多或训练样本中类的数量不平衡,存在训练花费时间过长和得到的分类面偏离最优分类面使得样本错分等问题。为此文章提出一种基于冗余数据消除的不平衡样本加权支持向量机方法。该方法使用费歇尔判别率准则... 现有支持向量机对于训练样本过多或训练样本中类的数量不平衡,存在训练花费时间过长和得到的分类面偏离最优分类面使得样本错分等问题。为此文章提出一种基于冗余数据消除的不平衡样本加权支持向量机方法。该方法使用费歇尔判别率准则去除训练样本集中那些对最终的分类面训练没有帮助的样本,即冗余数据,并依据训练样本对模糊分类面的贡献程度引入样本加权策略实现为不同的训练样本赋予权重。实验结果表明,该方法与传统的支持向量机相比,大大缩短了不平衡大样本数据上支持向量机的训练时间,以及减少了因数据集中样本不平衡而引起的预测样本被错分,使得支持向量机的分类性能得到了提升。 展开更多

关键词 支持向量机 最优分类面 冗余数据 样本加权 样本不平衡

下载PDF 职称材料

基于数据过采样和深层特征提取的变压器故障诊断 被引量：3

16

作者 刘可真 梁玉平 +1 位作者 王科 赵勇军 《电力科学与工程》 2022年第11期9-16,共8页

针对变压器故障样本类别不平衡和模型诊断精度低的问题,首先使用自适应综合过采样对训练样本中少数类别进行扩充以平衡样本,然后通过深度信念网络对平衡后样本进行深层特征提取,最后将特征向量输入到XGBoost(extreme gradient boosting... 针对变压器故障样本类别不平衡和模型诊断精度低的问题,首先使用自适应综合过采样对训练样本中少数类别进行扩充以平衡样本,然后通过深度信念网络对平衡后样本进行深层特征提取,最后将特征向量输入到XGBoost(extreme gradient boosting)进行故障诊断。算例分析表明,所提出的诊断模型准确率最高达91.94%;在样本类别不平衡条件下,所提故障诊断方法与BP神经网络、支持向量机、随机森林、XGBoost相比更优。 展开更多

关键词 变压器 故障诊断 不平衡样本 自适应综合过采样 深度信念网络 XGBoost

下载PDF 职称材料

基于谱聚类下采样失衡数据下SVM故障检测 被引量：3

17

作者 陶新民 张冬雪 +1 位作者 郝思媛 徐鹏 《振动与冲击》 EI CSCD 北大核心 2013年第16期30-36,共7页

在故障诊断领域中,对传统支持向量机(SVM)算法在数据失衡情况下无法有效实现故障检测的不足,提出一种基于谱聚类下采样失衡数据下SVM故障检测算法。该算法在核空间中对多数类进行谱聚类,然后选择具有代表意义的信息点,最终实现样本均衡... 在故障诊断领域中,对传统支持向量机(SVM)算法在数据失衡情况下无法有效实现故障检测的不足,提出一种基于谱聚类下采样失衡数据下SVM故障检测算法。该算法在核空间中对多数类进行谱聚类,然后选择具有代表意义的信息点,最终实现样本均衡。将该算法应用在轴承故障检测领域,并同其他算法进行比较,试验结果表明所建议的算法在失衡数据情况下较其他算法具有较强的故障检测性能。 展开更多

关键词 故障检测 谱聚类 下采样 失衡数据

下载PDF 职称材料

不均衡样本下住房租赁市场承租人满意度研究——基于SMOTE和有序Logit模型 被引量：2

18

作者 农文钰 贾士军 +2 位作者 蔡砥 吴剑平 边艳 《工程管理学报》 2021年第4期129-134,共6页

基于2020年佛山市承租人满意度问卷调查数据,使用SMOTE方法进行样本均衡化处理,运用有序Logit回归方法对承租人满意度的影响因素进行探究。研究结果发现:社区环境、家具配套、生活配套、交通出行、住房面积等因素均会对承租人满意度产... 基于2020年佛山市承租人满意度问卷调查数据,使用SMOTE方法进行样本均衡化处理,运用有序Logit回归方法对承租人满意度的影响因素进行探究。研究结果发现:社区环境、家具配套、生活配套、交通出行、住房面积等因素均会对承租人满意度产生显著的正向影响,且由于佛山市产业结构和消费水平的特点,农村自建房承租人的满意度最高。对比各类型租赁住房发现,农村自建房和员工宿舍住户最关心的因素为家具配套,而商品房和长租公寓住户对社区环境最为重视。根据分析结论,从优化住房配套、加强区域规划等方面,提出了提升承租人居住感受、健全租赁市场的建议。 展开更多

关键词 租赁住房 满意度 不均衡样本 SMOTE 有序LOGIT模型

下载PDF 职称材料

针对非均衡样本的雷达字提取算法 被引量：1

19

作者 高天昊 曲卫 +3 位作者 王鹏达 董尧尧 姜浩浩 朱霸坤 《电光与控制》 CSCD 北大核心 2022年第11期38-43,共6页

雷达字作为构成雷达短语的基元,其提取效果的好坏将直接影响后续雷达行为辨识的可信度。针对侦收数据不均衡情况下的雷达字提取问题,提出一种基于K-means算法改进的K-OPTICS雷达字提取算法。通过构建虚拟聚类中心和簇合并的方法,使其在... 雷达字作为构成雷达短语的基元,其提取效果的好坏将直接影响后续雷达行为辨识的可信度。针对侦收数据不均衡情况下的雷达字提取问题,提出一种基于K-means算法改进的K-OPTICS雷达字提取算法。通过构建虚拟聚类中心和簇合并的方法,使其在各种样本不均衡的仿真场景下仍能取得91.22%以上的提取准确率,较传统算法具有更好的参数不敏感性。 展开更多

关键词 雷达字 多功能相控阵雷达 非均衡样本 K-OPTICS

下载PDF 职称材料

一种解决不平衡情感分类的EM改进算法 被引量：2

20

作者 毛海斌 张潇笑 《电子测试》 2015年第3期49-51,共3页

基于朴素贝叶斯模型的EM算法经常被应用到情感分类中,但是其存在自身的缺点,当训练样本的类别不平衡时,分类器会越来越偏向于某一类,导致结果变差。本文在EM算法的基础上提出了一种改进的算法,来解决这一问题,并且通过实验我们可以发现... 基于朴素贝叶斯模型的EM算法经常被应用到情感分类中,但是其存在自身的缺点,当训练样本的类别不平衡时,分类器会越来越偏向于某一类,导致结果变差。本文在EM算法的基础上提出了一种改进的算法,来解决这一问题,并且通过实验我们可以发现该算法要优于普通的EM算法,证明了该算法的有效性以及合理性。 展开更多

关键词 情感分类 不平衡样本 CNBEM

下载PDF 职称材料