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137篇文章
< 1 2 … 7 >
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：
生活垃圾分类中神经网络样本不平衡研究
1
作者 王智峰 《福建电脑》 2024年第2期22-26,共5页
针对生活垃圾分类中存在的样本不平衡问题,本文基于实例分割模型Mask R-CNN神经网络展开研究,通过调整神经网络的损失函数和扩充数据集中的难分正样本来提升神经网络的检测精度。实验结果表明,该方法降低了数据不平衡对网络性能的影响,... 针对生活垃圾分类中存在的样本不平衡问题,本文基于实例分割模型Mask R-CNN神经网络展开研究,通过调整神经网络的损失函数和扩充数据集中的难分正样本来提升神经网络的检测精度。实验结果表明,该方法降低了数据不平衡对网络性能的影响,使生活垃圾的回收率得到了提升。 展开更多
关键词 生活垃圾分选 深度学习 样本不平衡 损失函数
下载PDF
考虑样本不平衡的X光安检图像违禁品分类方法
2
作者 冯霞 魏新坤 +1 位作者 刘才华 赫鑫宇 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第12期3215-3221,共7页
X光安检图像违禁品分类被广泛应用于协助维护航空和运输安全。针对X光安检图像中违禁品尺度不一、存在困难样本及旅客行李安检固有的正负样本不均衡等问题,提出一种端到端的考虑样本不平衡的X光安检图像违禁品分类方法。采用多尺度特征... X光安检图像违禁品分类被广泛应用于协助维护航空和运输安全。针对X光安检图像中违禁品尺度不一、存在困难样本及旅客行李安检固有的正负样本不均衡等问题,提出一种端到端的考虑样本不平衡的X光安检图像违禁品分类方法。采用多尺度特征提取网络捕获尺度不一的多类型违禁品特征,通过特征融合模块提升模型对图像边缘和纹理特征的表达能力,基于代价敏感思想设计损失函数,解决数据集不平衡问题,并提高困难样本分类精准度。在公开数据集SIXray上构建的子集实验结果表明:所提方法相较于端到端分类模型,平均AP指标值提升了4.5%,特别是对剪刀等难分类样本,AP指标值都有显著的提升效果。 展开更多
关键词 违禁品分类 样本不平衡 X光图像 多尺度 困难样本分类 代价敏感
原文传递
样本不平衡下基于自定步调集成的液压系统智能诊断方法
3
作者 苏颖迪 贾峰 +1 位作者 杨飞 沈建军 《液压与气动》 北大核心 2023年第5期8-16,共9页
在液压系统智能诊断中,样本不平衡将使得智能诊断模型容易学习到样本充裕的液压系统健康状态的诊断规则,忽略样本匮乏的健康状态诊断规则,致使模型诊断精度下降。针对上述问题,提出基于自定步调集成的液压系统智能诊断方法。该方法首先... 在液压系统智能诊断中,样本不平衡将使得智能诊断模型容易学习到样本充裕的液压系统健康状态的诊断规则,忽略样本匮乏的健康状态诊断规则,致使模型诊断精度下降。针对上述问题,提出基于自定步调集成的液压系统智能诊断方法。该方法首先将多数类样本集根据不同的硬度等级分为k个容器;然后通过欠采样平衡每个容器对分类硬度的贡献,使重采样后每个容器中的样本硬度总和一致;在训练过程中不断更新自步因子,用来降低样本数量过多的容器采样权重,经过n次迭代形成最终的集成诊断模型。将提出方法应用于液压系统不同故障数据集进行智能诊断,结果表明,该方法能够提高样本不平衡情况下液压系统故障识别的准确率,且诊断结果优于传统的智能故障诊断方法。 展开更多
关键词 液压系统 欠采样 样本不平衡 智能故障诊断 集成学习
下载PDF
计及样本不平衡与重叠的暂态稳定评估方法 被引量：12
4
作者 李楠 李保罗 +1 位作者 朱建华 李天云 《电力系统自动化》 EI CSCD 北大核心 2020年第21期64-71,共8页
交直流混联系统的稳定性分析复杂且样本不平衡,当前基于数据挖掘的暂态稳定评估方法只追求对不稳定样本的识别精度,忽略了重叠区域样本难分类的问题,导致其综合性能未得到实质性的提升。针对此问题,提出一种计及样本不平衡与重叠的暂态... 交直流混联系统的稳定性分析复杂且样本不平衡,当前基于数据挖掘的暂态稳定评估方法只追求对不稳定样本的识别精度,忽略了重叠区域样本难分类的问题,导致其综合性能未得到实质性的提升。针对此问题,提出一种计及样本不平衡与重叠的暂态稳定评估方法。所提方法通过焦点损失函数来修正轻梯度提升机(LightGBM),自动根据样本的类别以及是否处于重叠区域中的“灰色地带”赋予其不同的权重,从而优化梯度下降的方向。该方法在提升对不稳定样本识别精度的同时,也减少了对稳定样本的误判。在修改的IEEE 68节点系统和中国某省级电网上的算例表明,所提方法在含有噪声且不平衡的数据集上有良好的评估性能。 展开更多
关键词 交直流混联系统 暂态稳定评估 重叠区域样本 样本不平衡 焦点损失函数 轻梯度提升机
下载PDF
基于样本不平衡与视觉多样性的超平面偏移法
5
作者 彭晏飞 尚永刚 《计算机工程》 CAS CSCD 2013年第12期223-227,232,共6页
在基于内容的图像检索中,支持向量机(SVM)的分类性能不仅受到样本不平衡的影响,而且由于图像的视觉多样性,导致在分类超平面附近找不到正例样本,无法提高分类器性能。针对上述问题,提出一种二阶段的SVM超平面偏移方法。根据样本的不平... 在基于内容的图像检索中,支持向量机(SVM)的分类性能不仅受到样本不平衡的影响,而且由于图像的视觉多样性,导致在分类超平面附近找不到正例样本,无法提高分类器性能。针对上述问题,提出一种二阶段的SVM超平面偏移方法。根据样本的不平衡性进行超平面的相对偏移,使得当前超平面向理论的最优超平面移动,以此为基础进行相关反馈,并根据反馈结果运用超平面三原则对当前的偏移超平面再进行偏移,以解决图像的视觉多样性问题,从而得到能够提高检索精度的分类超平面。实验结果证明,与基于SVM的标准图像检索方法相比,该方法能大幅提升样本集的分类性能,使图像的检索精度平均提高16%。 展开更多
关键词 支持向量机 样本不平衡 视觉多样性 二阶段SVM偏移方法 相关反馈 超平面三原则
下载PDF
样本不平衡情况下的电力系统暂态稳定集成评估方法 被引量：17
6
作者 李嘉敏 杨红英 +4 位作者 闫莉萍 刘道伟 李宗翰 夏元清 赵岩 《电力系统自动化》 EI CSCD 北大核心 2021年第10期34-41,共8页
为了在电力系统发生暂态故障后能够快速、准确地对系统稳定性进行判断,并解决样本不平衡对模型造成的倾向性问题,提出了一种基于改进损失函数的电力系统暂态稳定集成评估方法。首先,基于故障清除后的短时量测数据,设计了一种结合1维、2... 为了在电力系统发生暂态故障后能够快速、准确地对系统稳定性进行判断,并解决样本不平衡对模型造成的倾向性问题,提出了一种基于改进损失函数的电力系统暂态稳定集成评估方法。首先,基于故障清除后的短时量测数据,设计了一种结合1维、2维单通道和2维多通道卷积神经网络的集成模型,实现了端对端的抽象特征提取和暂态稳定分类。其次,改进了模型训练过程中的损失函数,加强了对失稳样本的拟合程度,增加了错分样本的权重,从而提高了全局准确率,并减少了失稳样本漏报现象的发生。此外,文中还分析了集成模型输出的判定阈值对失稳样本召回率的影响。最后,IEEE 39节点系统和IEEE 145节点系统的仿真结果验证了所提方法的有效性。 展开更多
关键词 卷积神经网络 集成模型 暂态稳定评估 样本不平衡 电力系统
下载PDF
样本不平衡下的空中群组意图识别方法 被引量：2
7
作者 马钰棠 孙鹏 +3 位作者 张杰勇 王鹏 闫云飞 赵亮 《系统工程与电子技术》 EI CSCD 北大核心 2022年第12期3747-3755,共9页
针对样本不平衡情况下空中群组意图识别问题,提出了一种基于注意力机制的双向门控循环单元网络空中群组意图识别方法。将空中群组的状态信息编码成时序特征,利用先验信息封装成样本标签,提出一种改进的边界合成少数过采样方法对少数类... 针对样本不平衡情况下空中群组意图识别问题,提出了一种基于注意力机制的双向门控循环单元网络空中群组意图识别方法。将空中群组的状态信息编码成时序特征,利用先验信息封装成样本标签,提出一种改进的边界合成少数过采样方法对少数类样本边界进行处理,以生成合适的样本集。通过双向循环机制提取空中群组目标时序特征的深层信息,并利用注意力机制为深层信息分配权值,以提高网络捕捉更具区分度特征的能力。实验仿真结果表明,所提方法在样本不平衡情况下空中群组的意图识别问题上有更好的分类效果和更高的训练效率。 展开更多
关键词 意图识别 双向门控循环单元 注意力机制 样本不平衡
下载PDF
集成学习在样本不平衡垃圾短信识别上的应用 被引量：1
8
作者 熊健 邹东兴 《广州大学学报（自然科学版）》 CAS 2018年第5期1-7,共7页
在信息资讯发达的今天,短信已成为日常生活中每天都要接触的东西,但同时垃圾短信也常常困扰着人们,为此,进行垃圾短信过滤成为了一个必要的问题.与普通的分类问题不同,垃圾短信的表现形式为文本数据,且不同的垃圾短信的文本特征各不相同... 在信息资讯发达的今天,短信已成为日常生活中每天都要接触的东西,但同时垃圾短信也常常困扰着人们,为此,进行垃圾短信过滤成为了一个必要的问题.与普通的分类问题不同,垃圾短信的表现形式为文本数据,且不同的垃圾短信的文本特征各不相同,提高了分类识别的难度.其次,垃圾短信总体来说在所有短信中的占比并不高,因此,常常伴随着类别不平衡,由此样本不平衡带来的信息不充分也提高了识别的难度.针对这些问题,文章首先采取TF-IDF方法进行特征提取,把文本数据转化成向量的形式,然后在经过转换的数据应用欠采样技术获得若干个类别平衡的训练样本,每个样本分别采取朴素贝叶斯、决策树和支持向量机等分类模型进行训练,得到相应基分类器,最后再利用集成学习的思想把基分类器进行模型融合,得到一个分类性能较高的垃圾短信识别模型. 展开更多
关键词 集成学习 垃圾短信 样本不平衡 TF-IDF 朴素贝叶斯 支持向量机
下载PDF
基于SMOTE与LSTM的核电厂小样本不平衡故障诊断
9
作者 黄学颖 刘永阔 单龙飞 《应用科技》 CAS 2022年第1期94-98,共5页
由于小样本不平衡数据的存在,对核电厂故障诊断准确率造成极大的影响,针对核电厂小样本不平衡的问题,文中提出一种合成少数类过采样技术(SMOTE)与长短期记忆(LSTM)深度神经网络相结合的算法进行核电厂小样本不平衡故障诊断,实验结果表... 由于小样本不平衡数据的存在,对核电厂故障诊断准确率造成极大的影响,针对核电厂小样本不平衡的问题,文中提出一种合成少数类过采样技术(SMOTE)与长短期记忆(LSTM)深度神经网络相结合的算法进行核电厂小样本不平衡故障诊断,实验结果表明采用该方法进行故障诊断具有很高的诊断准确率。 展开更多
关键词 核电厂 小样本 样本不平衡 过采样 合成少数类过采样技术 特征提取 长短期记忆 故障诊断
下载PDF
基于BLT方法的样本不平衡分类研究 被引量：1
10
作者 白新宇 《现代计算机》 2021年第4期52-55,共4页
针对样本数量分布不平衡的分类问题,使用分支学习树(BLT)的方法来提升分类精度,并应用于肿瘤免疫亚型分类问题,从而验证其有效性。统计每种免疫亚型的数量,以此建立一棵哈夫曼树,用传统分类器作为分支节点,进行自顶向下逐步分类方式,实... 针对样本数量分布不平衡的分类问题,使用分支学习树(BLT)的方法来提升分类精度,并应用于肿瘤免疫亚型分类问题,从而验证其有效性。统计每种免疫亚型的数量,以此建立一棵哈夫曼树,用传统分类器作为分支节点,进行自顶向下逐步分类方式,实现对不平衡数据的准确分类。使用BLT方法后,对比传统分类器分类准确率提升1.5%左右,在误分最严重的类别上,分类性能提升最高可达79%。上述方法可用于提升样本不平衡的分类问题的分类性能,且在样本数量较少的类别上效果尤为明显。 展开更多
关键词 分支学习树 样本不平衡 免疫亚型 哈夫曼树
下载PDF
异常用电检测中解决样本不平衡问题的新方法
11
作者 汤典艳 林伟 《工业控制计算机》 2017年第3期91-92,95,共3页
为解决异常用电检测过程中正负样本不平衡的问题,提出一种基于攻击方式创建目标函数从而构造异常样本的新方法。各种窃电方式最后的目的都是为了使电表记录的能耗低于实际消费的能耗,或者将高电价时段的能耗记录转移到低电价的时段,可... 为解决异常用电检测过程中正负样本不平衡的问题,提出一种基于攻击方式创建目标函数从而构造异常样本的新方法。各种窃电方式最后的目的都是为了使电表记录的能耗低于实际消费的能耗,或者将高电价时段的能耗记录转移到低电价的时段,可以利用这个规律来将正常用电记录转换为异常的样本数据。随着智能电网的发展,配电网中自动化水平不断提高,可以采集到完整负荷数据。使用真实数据集对算法进行验证,同时使用现有文献中广泛讨论的方法在相同的数据集上进行训练,最后比较预测结果。实验表明该文所提算法具有更好的预测效果。 展开更多
关键词 用电异常检测 样本不平衡 智能电网
下载PDF
样本不平衡下基于CNN的主变压器局部放电图谱识别
12
作者 刘航斌 林厚飞 +2 位作者 叶静 林权威 黄安义 《信息技术》 2021年第9期126-131,共6页
对主变压器进行局部放电的识别能提前发现缺陷,降低故障率。目前,现场检测的局放数据更多以图谱形式存在,且存在样本不平衡的特点。鉴于此,文中提出了一种基于卷积神经网络的主变局放图谱识别方法。通过将预处理的图谱作为输入,使用Mobi... 对主变压器进行局部放电的识别能提前发现缺陷,降低故障率。目前,现场检测的局放数据更多以图谱形式存在,且存在样本不平衡的特点。鉴于此,文中提出了一种基于卷积神经网络的主变局放图谱识别方法。通过将预处理的图谱作为输入,使用MobieNetV2模型进行训练,同时使用改进的损失函数以解决样本不平衡问题。最后验证了提出的方法能有效地解决样本不平衡的问题,且96%的识别率明显优于其他方法。 展开更多
关键词 局部放电 样本不平衡 卷积神经网络 变压器
下载PDF
针对样本类不平衡的深度残差网络电力系统暂态稳定评估方法
13
作者 刘颂凯 党喜 +3 位作者 崔梓琪 杨超 阮肇华 袁铭洋 《智慧电力》 北大核心 2024年第1期116-123,共8页
系统的量测数据可能受到噪声以及样本类分布不平衡问题的影响,导致基于数据驱动的暂态稳定评估模型性能下降。提出一种针对样本类不平衡的的深度残差网络电力系统暂态稳定评估方法。首先,利用改进过采样技术为滤除噪声的少数类样本构造... 系统的量测数据可能受到噪声以及样本类分布不平衡问题的影响,导致基于数据驱动的暂态稳定评估模型性能下降。提出一种针对样本类不平衡的的深度残差网络电力系统暂态稳定评估方法。首先,利用改进过采样技术为滤除噪声的少数类样本构造所需的新样本,改善样本类不平衡问题,并减少噪声的影响;然后,基于深度残差网络构建电力系统暂态稳定评估模型,解决梯度消失导致的模型性能退化问题,提高模型的鲁棒性和准确性;最后,在新英格兰10机39节点和47机140节点系统上的仿真结果表明,所提方法能减小噪声干扰、降低不平衡数据集所带来的影响和减少计算复杂度。 展开更多
关键词 暂态稳定评估 噪声问题 样本类分布不平衡 改进合成少数过采样技术 深度残差网络
下载PDF
难分类样本快速空中目标意图识别方法
14
作者 赵亮 孙鹏 +2 位作者 张杰勇 钟赟 杨富平 《空军工程大学学报》 CSCD 北大核心 2024年第1期76-82,共7页
针对不平衡难分类条件下空中目标群组意图快速识别的难题,提出一种基于滑动窗口估计的时空卷积自注意力网络模型的意图识别方法。该方法根据特征数据的特点对其使用滑动窗口的预先处理,通过时空卷积网络快速提取多维时序特征数据的流信... 针对不平衡难分类条件下空中目标群组意图快速识别的难题,提出一种基于滑动窗口估计的时空卷积自注意力网络模型的意图识别方法。该方法根据特征数据的特点对其使用滑动窗口的预先处理,通过时空卷积网络快速提取多维时序特征数据的流信息;然后采用自注意力机制捕捉每个特征数据的关键特征并优化权重。仿真结果表明该方法有效提升了不平衡样本中难分类样本意图识别的训练效率和分类的准确率。 展开更多
关键词 意图识别 时空卷积网络 自注意力机制 难分类样本 样本不平衡
下载PDF
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
15
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
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：1
16
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
面向不平衡样本的物联网入侵检测方法 被引量：1
17
作者 潘桐 陈伟 吴礼发 《网络与信息安全学报》 2023年第1期130-139,共10页
随着设备的迭代,网络流量呈现指数级别的增长,针对各种应用的攻击行为越来越多,从流量层面识别并对这些攻击流量进行分类具有重要意义。同时,随着物联网设备的激增,针对这些设备的攻击行为也逐渐增多,造成的危害也越来越大。物联网入侵... 随着设备的迭代,网络流量呈现指数级别的增长,针对各种应用的攻击行为越来越多,从流量层面识别并对这些攻击流量进行分类具有重要意义。同时,随着物联网设备的激增,针对这些设备的攻击行为也逐渐增多,造成的危害也越来越大。物联网入侵检测方法可以从这些海量的流量中识别出攻击流量,从流量层面保护物联网设备,阻断攻击行为。针对现阶段各类攻击流量检测准确率低以及样本不平衡问题,提出了基于重采样随机森林(RF,random forest)的入侵检测模型——Resample-RF,共包含3种具体算法:最优样本选择算法、基于信息熵的特征归并算法、多分类贪心转化算法。在物联网环境中,针对不平衡样本问题,提出最优样本选择算法,增加小样本所占权重,从而提高模型准确率;针对随机森林特征分裂效率不高的问题,提出基于信息熵的特征归并算法,提高模型运行效率;针对随机森林多分类精度不高的问题,提出多分类贪心转化算法,进一步提高准确率。在两个公开数据集上进行模型的检验,在IoT-23数据集上F1达到0.99,在Kaggle数据集上F1达到1.0,均具有显著效果。从实验结果中可知,提出的模型具有非常好的效果,能从海量流量中有效识别出攻击流量,较好地防范黑客对应用的攻击,保护物联网设备,从而保护用户。 展开更多
关键词 流量分析 物联网 入侵检测 随机森林 不平衡样本
下载PDF
不平衡样本下基于CVAE和CNN的结构损伤识别方法
18
作者 蔡东成 张健飞 《土木工程与管理学报》 2023年第2期108-116,129,共10页
为提高在不平衡样本下结构损伤识别的准确性,提出了一种基于条件变分自编码器(CVAE)数据增强和卷积神经网络(CNN)的结构损伤识别方法。首先,将损伤类别作为约束,构建起基于振动加速度数据的CVAE模型;然后生成损伤加速度数据对初始不平... 为提高在不平衡样本下结构损伤识别的准确性,提出了一种基于条件变分自编码器(CVAE)数据增强和卷积神经网络(CNN)的结构损伤识别方法。首先,将损伤类别作为约束,构建起基于振动加速度数据的CVAE模型;然后生成损伤加速度数据对初始不平衡数据进行扩充;最后使用CNN对扩充数据集进行特征提取和损伤分类识别。通过对悬臂梁振动台实验与钢框架有限元模拟振动实验两类数据集设置不同不平衡比率,进行了CVAE数据增强的效果对比验证。结果表明:CVAE数据增强有助于CNN损伤识别模型对数据特征的提取,能够提高CNN模型的收敛速度,防止模型过拟合;相对于未经数据增强的数据集,所提方法提高了在极不平衡数据下的损伤分类识别准确率,在两类实验数据集上分别提高了15.10%和15.80%。 展开更多
关键词 损伤识别 不平衡样本 数据增强 条件变分自编码器 卷积神经网络
下载PDF
数据分布不平衡的课堂参与度自动识别研究
19
作者 王嘉豪 徐敏 +1 位作者 孙众 周修庄 《小型微型计算机系统》 CSCD 北大核心 2024年第2期431-437,共7页
在线课堂学习参与度自动评估是提升课堂教学效果的重要技术途径.本文使用计算机视觉特征分析技术,提出一种在线课堂学习参与度自动识别方法.首先,采用VGGFace网络和C3D网络分别对学习者的面部表情和身体姿态进行特征编码;然后,设计基于... 在线课堂学习参与度自动评估是提升课堂教学效果的重要技术途径.本文使用计算机视觉特征分析技术,提出一种在线课堂学习参与度自动识别方法.首先,采用VGGFace网络和C3D网络分别对学习者的面部表情和身体姿态进行特征编码;然后,设计基于注意力机制的双层级联聚合模块,对视频片段的特征进行融合,使得参与度高度相关的帧序列获得更大的权重.由于低参与度样本的数量和高参与度样本相比非常少,课堂参与度自动识别属于类别不平衡的数据分类问题.类别高度不均衡,导致模型训练存在很大挑战.为了缓解参与度数据分布不平衡带来的影响,本文提出采用双边分支网络作为参与度识别基本的网络结构.其中,传统学习分支进行表征学习,重新平衡分支关注少数样本分类,将特征学习和分类器学习进行分别建模.在DAiSEE数据集上的实验结果表明,提出的方法有效提升了参与度自动识别性能,尤其对少数类样本的分类具有明显的性能提升. 展开更多
关键词 参与度识别 深度学习 注意力机制 不平衡样本分类 双边分支网络
下载PDF
不平衡样本下基于生成式对抗网络的风机叶片开裂状态识别
20
作者 张玉彦 张永奇 +5 位作者 孙春亚 王昊琪 文笑雨 乔东平 闫新宇 李浩 《计算机集成制造系统》 EI CSCD 北大核心 2023年第2期532-543,共12页
针对风机叶片开裂状态样本少、识别率低的问题,提出基于生成式对抗网络(GAN)的开裂状态样本增强方法来提高识别率。以经验风险分类模型为对象,从理论角度对不平衡样本问题进行深入分析,设计了满足开裂样本生成与判别的GAN网络模型,引入... 针对风机叶片开裂状态样本少、识别率低的问题,提出基于生成式对抗网络(GAN)的开裂状态样本增强方法来提高识别率。以经验风险分类模型为对象,从理论角度对不平衡样本问题进行深入分析,设计了满足开裂样本生成与判别的GAN网络模型,引入批量归一化保障特征服从标准正态分布,加速网络训练过程收敛。以神经网络为分类器,以F1值、Recall、Precision为度量指标,在36个UCI基准数据集上对所提方法进行测试,结果表明增强后的结果更好。真实实验表明,以逻辑回归及神经网络为分类器,相比原始不平衡样本,增强后的结果分别提升13.88%,8.20%。与SMOTE算法对比,以上两种分类器的分类准确率分别提高74%和11%;与ADASYN算法对比,分类准确率分别提高19%和23%。 展开更多
关键词 不平衡样本 风机叶片 样本增强 生成式对抗网络 开裂识别
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 2 … 7 下一页 到第 页
使用帮助 返回顶部