期刊文献+
共找到964篇文章
< 1 2 49 >
每页显示 20 50 100
基于集成学习的微博谣言早期检测 认领
1
作者 尹鹏博 彭成 潘伟民 《微电子学与计算机》 北大核心 2021年第1期83-88,共6页
微博谣言早期检测对于谣言防治有重要作用,而在谣言发生的早期缺乏相关信息,检测难度大.该文通过构建检测特征和组合多种检测算法实现微博谣言的早期检测.在检测特征选取方面,不直接使用微博的评论转发信息,而是通过对待检测微博文本和... 微博谣言早期检测对于谣言防治有重要作用,而在谣言发生的早期缺乏相关信息,检测难度大.该文通过构建检测特征和组合多种检测算法实现微博谣言的早期检测.在检测特征选取方面,不直接使用微博的评论转发信息,而是通过对待检测微博文本和用户历史微博进行情感分析,构建刻画出用户和微博的情感特征.在检测算法方面,采用集成学习方法作为谣言检测算法,算法的基模型由多个异构深度学习模型组成,元模型采取随机森林算法,以元模型在基模型的预测输出上进行二次训练的方式组合不同模型以提高检测准确率.实验表明,该方法在谣言早期检测方面具有较好的检测效果. 展开更多
关键词 微博谣言 早期检测 集成学习 深度学习
在线阅读 免费下载
基于注意力机制和集成学习的网页黑名单判别方法 认领
2
作者 周超然 赵建平 +1 位作者 马太 周欣 《计算机应用》 北大核心 2021年第1期133-138,共6页
搜索引擎作为互联网主要应用之一,能够根据用户需求从互联网资源中检索并返回有效信息。然而,得到的返回列表往往包含广告和失效网页等噪声信息,而这些信息会干扰用户的检索与查询。针对复杂的网页结构特征和丰富的语义信息,提出了一种... 搜索引擎作为互联网主要应用之一,能够根据用户需求从互联网资源中检索并返回有效信息。然而,得到的返回列表往往包含广告和失效网页等噪声信息,而这些信息会干扰用户的检索与查询。针对复杂的网页结构特征和丰富的语义信息,提出了一种基于注意力机制和集成学习的网页黑名单判别方法,并采用本方法构建了一种基于集成学习和注意力机制的卷积神经网络(EACNN)模型来过滤无用的网页。首先,根据网页上不同种类的HTML标签数据,构建多个基于注意力机制的卷积神经网络(CNN)基学习器;然后,采用基于网页结构特征的集成学习方法对不同基学习器的输出结果执行不同的权重计算,从而实现EACNN的构建;最后,将EACNN的输出结果作为网页内容分析结果,从而实现网页黑名单的判别。所提方法通过注意力机制来关注网页语义信息,并通过集成学习的方式引入网页结构特征。实验结果表明,与支持向量机(SVM)、K近邻(KNN)、CNN、长短期记忆(LSTM)网络、GRU、结合注意力机制的卷积神经网络(ACNN)等基线模型相比,所提模型在所构建的面向地理信息领域的判别数据集上具有最高的准确率(0.97)、召回率(0.95)和F1分值(0.96),验证了EACNN在网页黑名单判别工作中的优势。 展开更多
关键词 网页黑名单 判别模型 网页结构特征 语义信息 注意力机制 集成学习 深度学习
在线阅读 下载PDF
文章速递基于集成学习的骨质疏松性骨折预测研究 认领
3
作者 陈婉琦 林勇 《中国医学物理学杂志》 CSCD 2021年第2期254-258,共5页
骨质疏松性骨折是老年人发病和死亡的重要原因之一,建立高效的预测模型为老年人尽早提供诊断和治疗建议十分必要。实验利用Stacking构建了一种异构分类器EtDtb-S,将16个相关性较高的特征作为特征向量,选用极端随机树(ET)、基于决策树的... 骨质疏松性骨折是老年人发病和死亡的重要原因之一,建立高效的预测模型为老年人尽早提供诊断和治疗建议十分必要。实验利用Stacking构建了一种异构分类器EtDtb-S,将16个相关性较高的特征作为特征向量,选用极端随机树(ET)、基于决策树的装袋集成模型(DTB)作为初级学习器,逻辑回归作为次级学习器进行集成。实验验证将EtDtb-S与单模型、同构分类器进行骨质疏松性骨折预测对比,结果表明异构分类器相对于最优单模型预测精度提高2.8%,相对于最优同构分类器预测精度提高1.5%,具有更高的预测性能。 展开更多
关键词 骨质疏松性骨折 机器学习 集成学习 分类预测 十折交叉验证
在线阅读 下载PDF
不平衡古漆器漆膜数据分类研究 认领
4
作者 张岚斌 徐国庆 李澜 《软件导刊》 2021年第1期84-88,共5页
针对古漆器漆膜数据类间不平衡、样本规模小,以及传统机器学习算法分类效果较差的问题,提出一种改进SMOTE的过采样方法改变漆器漆膜数据样本分布,使其达到平衡。该方法通过比较各类样本间的欧式距离,删除了人工样本中的噪声数据,然后运... 针对古漆器漆膜数据类间不平衡、样本规模小,以及传统机器学习算法分类效果较差的问题,提出一种改进SMOTE的过采样方法改变漆器漆膜数据样本分布,使其达到平衡。该方法通过比较各类样本间的欧式距离,删除了人工样本中的噪声数据,然后运用集成学习中的随机森林算法进行分类,提高了少数类的分类准确率。UCI数据集上的实验结果表明,改进的过采样方法性能更优,评价指标F1-score与AUC值分别得到2%、5%以上的提升。结合改进的过采样方法与机器学习算法进行对比实验,结果证明,随机森林算法精度更高,在对古漆器年代的判别中,随机森林算法的F1-score与AUC值高达87.76%、89.34%。 展开更多
关键词 古漆器漆膜 过采样 集成学习 随机森林
在线阅读 免费下载
结合特征选择与集成学习的密码体制识别方案 认领
5
作者 王旭 陈永乐 +1 位作者 王庆生 陈俊杰 《计算机工程》 CAS 北大核心 2021年第1期139-145,153,共8页
在密文识别过程中,加密算法是进一步分析密文的必要前提。然而现有密文识别方案存在形式单一的问题,并且在识别多种密码体制时难以应对不同密码体制间存在的差异。分析密文特征对识别效果的影响机制,结合Relief特征选择算法和异质集成... 在密文识别过程中,加密算法是进一步分析密文的必要前提。然而现有密文识别方案存在形式单一的问题,并且在识别多种密码体制时难以应对不同密码体制间存在的差异。分析密文特征对识别效果的影响机制,结合Relief特征选择算法和异质集成学习算法,提出一种可适应多种密码体制识别情景的动态特征识别方案。在36种加密算法产生的密文数据集上进行实验,结果表明,与基于随机森林的密码体制分层识别方案相比,该方案在3类不同密码体制识别情景下的识别准确率分别提高了6.41%、10.03%和11.40%。 展开更多
关键词 密码体制识别 特征选择 集成学习 信息熵 特征提取
在线阅读 下载PDF
乒乓球挥拍动作识别方法研究 认领
6
作者 张学锋 陈雪瑞 《重庆工商大学学报:自然科学版》 2021年第1期62-69,共8页
乒乓球运动中有很多不同类型的挥拍动作,准确识别这些运动模式对于挥拍动作的分析有着重要的意义,针对此需求提出并设计了一种基于MPU9250加速度传感器的挥拍动作识别方法。首先将传感器采集的原始数据做加窗和滤波等预处理,对预处理后... 乒乓球运动中有很多不同类型的挥拍动作,准确识别这些运动模式对于挥拍动作的分析有着重要的意义,针对此需求提出并设计了一种基于MPU9250加速度传感器的挥拍动作识别方法。首先将传感器采集的原始数据做加窗和滤波等预处理,对预处理后的样本进行时域分析提取出每种挥拍动作的均值、方差、周期等22个统计学特征;再采用嵌入式特征选择进行特征筛选得到10个特异性特征,并使用支持向量机、随机森林、决策树以及基于以上3种算法的集成学习进行分类器训练;最后,充分比较了4种分类器对正手攻球、反手推球、正手搓球、反手搓球4种运动模式的识别精度。实验结果表明:集成学习分类器效果最佳,平均识别准确率为94.25%。 展开更多
关键词 传感器 模式识别 特征选择 集成学习
在线阅读 免费下载
一种混合的信用卡欺诈检测模型 认领
7
作者 毛铭泽 《电脑知识与技术:学术版》 2021年第2期194-196,共3页
信用卡欺诈检测是一个重要的问题,为了提升对于真实世界的信用卡欺诈数据的识别率,提出了一种混合的信用卡欺诈检测模型AWFD(Anomaly weight of credit card fraud detection),首先通过异常检测的方法将数据划分为可信和异常数据,然后... 信用卡欺诈检测是一个重要的问题,为了提升对于真实世界的信用卡欺诈数据的识别率,提出了一种混合的信用卡欺诈检测模型AWFD(Anomaly weight of credit card fraud detection),首先通过异常检测的方法将数据划分为可信和异常数据,然后利用半监督的方法训练一个集成模型,最终再利用异常检测进一步剔除检测结果中的异常结果。AWFD在保障对于可信数据的学习效果上,通过半监督集成学习的方法,利用异常数据进一步扩充集成模型的多样性,并将异常检测和集成模型融合。实验结果表明,比起一些传统的机器学习方法,AWFD可以提高整体的信用卡欺诈检测的识别率。 展开更多
关键词 信用卡欺诈检测 异常检测 半监督 集成学习 多样性
在线阅读 下载PDF
基于多视角股票特征的股票预测研究 认领
8
作者 李金轩 杜军平 薛哲 《南京大学学报:自然科学版》 CAS 北大核心 2021年第1期68-74,共7页
股票价格预测是金融行业中的一个重要研究内容,能够更准确地分析股票价格走势对于投资机构至关重要.目前,关于自动化预测股票价格发展的研究工作相对较少,还有许多问题需要解决.针对传统股票预测方法中视角单一、无法充分考虑数据的各... 股票价格预测是金融行业中的一个重要研究内容,能够更准确地分析股票价格走势对于投资机构至关重要.目前,关于自动化预测股票价格发展的研究工作相对较少,还有许多问题需要解决.针对传统股票预测方法中视角单一、无法充分考虑数据的各特征重要度的问题,提出一种基于多视角股票特征的股票预测方法,通过计算股票数据的Ma,Macd,Kdj,Boll特征指标,训练每个指标下的弱学习器,并进行多个弱学习器的集成学习,最终用于预测股票价格走势.使用美国股票新闻数据集进行验证.结果表明,基于多视角股票特征的股票预测方法预测得到的股票价格与实际价格之间的平均误差与均方误差分别为1.9321和0.0581,优于传统的基于单一指标的股票预测结果. 展开更多
关键词 股票预测 多视角 弱学习器 集成学习
在线阅读 免费下载
自适应分箱特征选择的快速网络入侵检测系统 认领
9
作者 刘景美 高源伯 《西安电子科技大学学报》 EI CAS 北大核心 2021年第1期176-182,共7页
针对传统入侵检测系统检测率较低、基于深度学习的入侵检测系统训练和检测时间较长的问题,提出基于信息增益的自适应分箱特征选择算法,并将此算法与LightGBM相结合,设计了一种快速网络入侵检测系统。首先对原始数据集进行预处理,将数据... 针对传统入侵检测系统检测率较低、基于深度学习的入侵检测系统训练和检测时间较长的问题,提出基于信息增益的自适应分箱特征选择算法,并将此算法与LightGBM相结合,设计了一种快速网络入侵检测系统。首先对原始数据集进行预处理,将数据标准化;然后通过自适应分箱特征选择算法,去除原始数据中的冗余特征和噪声,将原始高维数据降为低维数据,从而提高系统的检测准确率并降低训练和检测时间;最后在经过特征选择的训练集上利用LightGBM进行模型训练,训练出能够检测攻击流量的入侵检测系统。通过在NSL-KDD数据集上验证,提出的特征选择算法在特征选择上仅耗时27.35 s,相比传统算法降低了约96.68%;设计的入侵检测系统在测试集上准确率高达93.32%,且训练时间较短。与现有网络入侵检测系统相比,准确率更高,模型训练速度更快。 展开更多
关键词 入侵检测 特征选择 LightGBM算法 信息增益 集成学习
在线阅读 下载PDF
基于Bagging异质集成学习的窃电检测 认领
10
作者 游文霞 申坤 +3 位作者 杨楠 李清清 吴永华 李文武 《电力系统自动化》 EI 北大核心 2021年第2期105-113,共9页
针对传统窃电检测中单一分类方法的不足,提出一种基于Bagging异质集成学习的窃电检测方法。考虑不同个体学习器在数据集上的表现以及各学习器之间的多样性,构建多种个体学习器嵌入的Bagging异质集成学习的窃电检测模型,模型的个体学习... 针对传统窃电检测中单一分类方法的不足,提出一种基于Bagging异质集成学习的窃电检测方法。考虑不同个体学习器在数据集上的表现以及各学习器之间的多样性,构建多种个体学习器嵌入的Bagging异质集成学习的窃电检测模型,模型的个体学习器包含k最近邻、误差反向传播神经网络、梯度提升树和随机森林,通过引入改进加权投票策略将其输出进行结合。使用爱尔兰智能电表数据集对算法有效性进行验证。结果表明,与传统单一学习器和同质集成学习检测相比,基于Bagging异质集成学习的窃电检测方法的准确率、命中率、误检率等检测指标更好,灵敏性分析验证了基于Bagging异质集成学习的窃电检测方法的有效性。 展开更多
关键词 窃电检测 BAGGING 集成学习 个体学习器 多样性
文章速递用基于树的Bagging和Boosting集成技术预测硬岩矿山岩爆 认领
11
作者 王世鸣 周健 +3 位作者 李传奇 Danial Jahed ARMAGHANI 李夕兵 Hani SMITRI 《中南大学学报:英文版》 SCIE EI CAS CSCD 2021年第2期527-542,共16页
岩爆预测对地下硬岩矿山的设计和施工至关重要。使用三种基于树的集成方法,对由102个历史案例(即1998—2011年期间14个硬岩矿山数据)组成的岩爆数据库进行了检查,以用于有岩爆倾向矿井的岩爆预测。该岩爆数据集包含六个广泛接受的倾向... 岩爆预测对地下硬岩矿山的设计和施工至关重要。使用三种基于树的集成方法,对由102个历史案例(即1998—2011年期间14个硬岩矿山数据)组成的岩爆数据库进行了检查,以用于有岩爆倾向矿井的岩爆预测。该岩爆数据集包含六个广泛接受的倾向性指标,即:开挖边界周围的最大切向应力(MTS)、完整岩石的单轴抗压强度(UCS)和单轴抗拉强度(UTS)、应力集中系数(SCF)、岩石脆性指数(BI)和应变能储存指数(EEI)。以分类树作为基准分类器的两种Boosting算法(AdaBoost.M1,SAMME)和Bagging算法进行了评估,评估了它们学习岩爆的能力。将可用数据集随机分为训练集(整个数据集的2/3)和测试集(其余数据集)。采用重复10倍交叉验证(CV)作为调整模型超参数的验证方法,并利用边际分析和变量相对重要性分析了各集成学习模型特征。根据重复10倍交叉验证结果,对岩爆数据集的精度分析表明,与AdaBoost.M1、SAMME算法和岩爆经验判据相比,Bagging方法是预测硬岩矿山岩爆的最佳方法。 展开更多
关键词 岩爆 硬岩 预测 Bagging方法 Boosting方法 集成学习
在线阅读 下载PDF
文章速递一种深度置信提升网络集成分类模型 认领
12
作者 宋晓明 曲文龙 +1 位作者 阚明阳 汪慎文 《重庆理工大学学报:自然科学》 CAS 北大核心 2021年第1期168-179,共12页
针对前大数据环境下浅层机器学习模型提取特征能力不足、分类能力有限等问题,提出了一种深度置信提升网络集成分类模型。该模型采用集成深度置信网络(deep belief networks,DBN)进行特征提取,克服了单一模型特征提取能力不足的问题;采... 针对前大数据环境下浅层机器学习模型提取特征能力不足、分类能力有限等问题,提出了一种深度置信提升网络集成分类模型。该模型采用集成深度置信网络(deep belief networks,DBN)进行特征提取,克服了单一模型特征提取能力不足的问题;采用极端梯度提升决策树(eXtreme gradient boosting,XGBoost)和梯度提升决策树(gradient boost decision tree,GBDT)构建深层提升网络,对提取特征进行多层特征深度学习,采用相对多数投票法输出分类结果。基于4个UCI公开数据集和MNIST数据集对提出模型进行了检测实验,实验结果表明:提出模型较深度置信网络、极限梯度提升树和DBN-XGBDT等3种模型的准确率分别提升了13.8%、6.98%和4.18%。 展开更多
关键词 深度置信网络 级联结构 集成学习 分类
在线阅读 下载PDF
用于航班延误预测的集成式增量学习算法 认领
13
作者 王丹 王萌 +1 位作者 王晓曦 杨萍 《北京工业大学学报》 CAS CSCD 北大核心 2020年第11期1239-1245,共7页
为持续高效地学习不断产生的航班运行信息,提高航班延误预测模型学习新到达数据的效率,采用集成学习思想,提出了一种基于分类与回归树(classification and regression tree,CART)的增量学习算法.首先,将CART算法与Learn++算法结合实现... 为持续高效地学习不断产生的航班运行信息,提高航班延误预测模型学习新到达数据的效率,采用集成学习思想,提出了一种基于分类与回归树(classification and regression tree,CART)的增量学习算法.首先,将CART算法与Learn++算法结合实现了增量分类与回归树(incremental classification and regression tree,I-CART)算法;然后,进一步分析了基分类器间的区别和与精确度的关系,使用选择性集成算法来提高I-CART算法预测速率;最后,将该算法应用到航班延误预测中,增量地学习航班动态运行信息.实验结果表明,该算法有效地提高了模型预测效果. 展开更多
关键词 航班延误 分类与回归树(CART)算法 增量学习 集成学习 选择性集成 机器学习
在线阅读 下载PDF
基于异构分类器集成的增量学习算法 认领 被引量:1
14
作者 熊霖 唐万梅 《计算机工程与应用》 CSCD 北大核心 2020年第7期155-161,共7页
将集成学习的思想引入到增量学习之中可以显著提升学习效果,近年关于集成式增量学习的研究大多采用加权投票的方式将多个同质分类器进行结合,并没有很好地解决增量学习中的稳定-可塑性难题。针对此提出了一种异构分类器集成增量学习算... 将集成学习的思想引入到增量学习之中可以显著提升学习效果,近年关于集成式增量学习的研究大多采用加权投票的方式将多个同质分类器进行结合,并没有很好地解决增量学习中的稳定-可塑性难题。针对此提出了一种异构分类器集成增量学习算法。该算法在训练过程中,为使模型更具稳定性,用新数据训练多个基分类器加入到异构的集成模型之中,同时采用局部敏感哈希表保存数据梗概以备待测样本近邻的查找;为了适应不断变化的数据,还会用新获得的数据更新集成模型中基分类器的投票权重;对待测样本进行类别预测时,以局部敏感哈希表中与待测样本相似的数据作为桥梁,计算基分类器针对该待测样本的动态权重,结合多个基分类器的投票权重和动态权重判定待测样本所属类别。通过对比实验,证明了该增量算法有比较高的稳定性和泛化能力。 展开更多
关键词 增量学习 集成学习 局部敏感哈希 异构分类器集成 动态权重
在线阅读 下载PDF
Software Effort Prediction Using Ensemble Learning Methods 认领
15
作者 Omar H. Alhazmi Mohammed Zubair Khan 《软件工程与应用(英文)》 2020年第7期143-160,共18页
<div style="text-align:justify;"> <span style="font-family:Verdana;">Software Cost Estimation (SCE) is an essential requirement in producing software these days. Genuine accurate estima... <div style="text-align:justify;"> <span style="font-family:Verdana;">Software Cost Estimation (SCE) is an essential requirement in producing software these days. Genuine accurate estimation requires cost-and-efforts factors in delivering software by utilizing algorithmic or Ensemble Learning Methods (ELMs). Effort is estimated in terms of individual months and length. Overestimation as well as underestimation of efforts can adversely affect software development. Hence, it is the responsibility of software development managers to estimate the cost using the best possible techniques. The predominant cost for any product is the expense of figuring effort. Subsequently, effort estimation is exceptionally pivotal and there is a constant need to improve its accuracy. Fortunately, several efforts estimation models are available;however, it is difficult to determine which model is more accurate on what dataset. Hence, we use ensemble learning bagging with base learner Linear regression, SMOReg, MLP, random forest, REPTree, and M5Rule. We also implemented the feature selection algorithm to examine the effect of feature selection algorithm BestFit and Genetic Algorithm. The dataset is based on 499 projects known as China. The results show that the Mean Magnitude Relative error of Bagging M5 rule with Genetic Algorithm as Feature Selection is 10%, which makes it better than other algorithms.</span> </div> 展开更多
关键词 Software Cost Estimation (SCE) Ensemble Learning BAGGING Linear Regression SMOReg REPTree M5 Rule
在线阅读 免费下载
基于选择聚类集成的相似流形学习算法 认领 被引量:1
16
作者 罗晓慧 李凡长 +1 位作者 张莉 高家俊 《软件学报》 EI CSCD 北大核心 2020年第4期991-1001,共11页
流形学习是当今最重要的研究方向之一.约简维度的选择影响着流形学习方法的性能.当约简维度恰好是本征维度时,更容易发现原始数据的内在性质.然而,本征维度估计仍然是流形学习的一个研究难点.在此基础上,提出了一种新的无监督方法,即基... 流形学习是当今最重要的研究方向之一.约简维度的选择影响着流形学习方法的性能.当约简维度恰好是本征维度时,更容易发现原始数据的内在性质.然而,本征维度估计仍然是流形学习的一个研究难点.在此基础上,提出了一种新的无监督方法,即基于选择聚类集成的相似流形学习(SML-SCE)算法,避免了对本征维度的估计,并且性能表现良好.SML-SCE利用改进的层次平衡K-means(MBKHK)方法生成具有代表性的锚点,高效地构造相似度矩阵.随后计算得到了多个不同维度下的相似低维嵌入,这些低维嵌入是对原始数据的不同表示,而且不同低维嵌入之间的多样性有利于集成学习.因此,SML-SCE采用选择性聚类集成方法作为结合策略.对于通过K-means聚类得到的相似低维嵌入的聚类结果,采用聚类间的归一化互信息(NMI)作为权重的衡量标准.最后,舍弃权重较低的聚类,采用基于权重的选择性投票方案,得到最终的聚类结果.在多个数据集的大量实验结果表明了该方法的有效性. 展开更多
关键词 相似流形学习 流形学习 集成学习 维度约简
在线阅读 下载PDF
基于集成深度置信网络的精细化电力系统暂态稳定评估 认领 被引量:4
17
作者 李宝琴 吴俊勇 +2 位作者 邵美阳 张若愚 郝亮亮 《电力系统自动化》 EI CSCD 北大核心 2020年第6期17-26,共10页
为了进一步提高电力系统暂态稳定的预测精度及给出更精细化的评估结果,将深度学习与电力系统暂态稳定相结合,根据故障切除后发电机功角"轨迹簇"特征,提出一种基于集成不同结构的深度置信网络(DBN)的精细化电力系统暂态稳定评... 为了进一步提高电力系统暂态稳定的预测精度及给出更精细化的评估结果,将深度学习与电力系统暂态稳定相结合,根据故障切除后发电机功角"轨迹簇"特征,提出一种基于集成不同结构的深度置信网络(DBN)的精细化电力系统暂态稳定评估模型。该模型的基分类器DBN能够有效地利用深层架构所具有的特征提取能力,充分挖掘出输入特征与暂态稳定评估结果之间的非线性映射关系。在新英格兰10机39节点系统上的实验结果表明,该方法不仅优于浅层学习框架,也比部分深度学习模型的性能更加优越。除此之外,该集成DBN算法不仅有较高的预测精度,而且可以有效地评估系统的稳定裕度和不稳定程度等级;在部分同步相量测量装置信息缺失以及含有噪声时,表现出较强的鲁棒性。 展开更多
关键词 深度学习 电力系统 暂态稳定评估 深度置信网络 集成学习 机器学习
基于自适应学习率优化的AdaNet改进 认领
18
作者 刘然 刘宇 顾进广 《计算机应用》 CSCD 北大核心 2020年第10期2804-2810,共7页
人工神经网络的自适应结构学习(AdaNet)是基于Boosting集成学习的神经结构搜索框架,可通过集成子网创建高质量的模型。现有的AdaNet所产生的子网之间的差异性不显著,因而限制了集成学习中泛化误差的降低。在AdaNet设置子网网络权重和集... 人工神经网络的自适应结构学习(AdaNet)是基于Boosting集成学习的神经结构搜索框架,可通过集成子网创建高质量的模型。现有的AdaNet所产生的子网之间的差异性不显著,因而限制了集成学习中泛化误差的降低。在AdaNet设置子网网络权重和集成子网的两个步骤中,使用Adagrad、RMSProp、Adam、RAdam等自适应学习率方法来改进现有AdaNet中的优化算法。改进后的优化算法能够为不同维度参数提供不同程度的学习率缩放,得到更分散的权重分布,以增加AdaNet产生子网的多样性,从而降低集成学习的泛化误差。实验结果表明,在MNIST(Mixed National Institute of Standards and Technology database)、Fashion-MNIST、带高斯噪声的Fashion-MNIST这三个数据集上,改进后的优化算法能提升AdaNet的搜索速度,而且该方法产生的更加多样性的子网能提升集成模型的性能。在F1值这一评估模型性能的指标上,改进后的方法相较于原方法,在三种数据集上的最大提升幅度分别为0.28%、1.05%和1.10%。 展开更多
关键词 AdaNet 神经架构搜索 集成学习 自适应学习率方法 自动机器学习
在线阅读 下载PDF
基于机器学习的雷达辐射源识别方法综述 认领
19
作者 孟磊 曲卫 +1 位作者 蔡凯 张婧 《兵器装备工程学报》 CAS 北大核心 2020年第10期16-21,共6页
基于机器学习的雷达辐射源识别方法具有智能化程度高、鲁棒性好等优点,是雷达辐射源识别领域的研究热点。阐述了基于机器学习的雷达辐射源识别方法的基本原理和研究现状,总结归纳了基于神经网络、统计学习、集成学习、深度学习等4类主... 基于机器学习的雷达辐射源识别方法具有智能化程度高、鲁棒性好等优点,是雷达辐射源识别领域的研究热点。阐述了基于机器学习的雷达辐射源识别方法的基本原理和研究现状,总结归纳了基于神经网络、统计学习、集成学习、深度学习等4类主流雷达辐射源识别方法的优点与不足。最后阐述了基于深度学习的雷达辐射源识别方法将成为发展趋势,指出该方法面临的挑战,对未来的研究方向进行了展望。 展开更多
关键词 机器学习 雷达辐射源识别 支持向量机 集成学习 深度学习
在线阅读 免费下载
一种不平衡水声目标数据的选择性集成算法 认领
20
作者 程玉胜 张宗堂 +1 位作者 李海涛 刘振 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2020年第10期1553-1558,共6页
针对不平衡水声目标数据分类问题,本文提出了一种间隔和差异性融合的选择性集成算法。从理论上给出了单纯增加差异性无法改善泛化性的原因,融合间隔和差异性构造了选择性度量,利用选择性度量对基分类器进行选择性集成从而形成最终分类... 针对不平衡水声目标数据分类问题,本文提出了一种间隔和差异性融合的选择性集成算法。从理论上给出了单纯增加差异性无法改善泛化性的原因,融合间隔和差异性构造了选择性度量,利用选择性度量对基分类器进行选择性集成从而形成最终分类器。实测水声目标数据试验结果表明:本文算法整体性能优于AdaBoost算法和常规选择性集成算法,说明其更适合处理不平衡水声目标数据分类问题。 展开更多
关键词 不平衡数据 集成学习 水声目标识别 ADABOOST算法 选择性集成算法 间隔 差异性 分类器设计
在线阅读 下载PDF
上一页 1 2 49 下一页 到第
使用帮助 返回顶部 意见反馈