基于类别加权和方差统计的特征选择方法

为提高不均衡文本分类的准确率和稳定性,提出了一种基于类别加权和方差统计的联合特征选择方法.首先,基于类别文档数大小对特征选择的影响,给出了一种类别加权策略以强化小类别的特征;其次,在探究特征类别区分能力的基础上,设计了类别方差统计策略来凸显含有丰富类别信息的特征;最后,将2种策略相融合,实现了一种联合特征选择的新算法.在Reuters-21578和复旦大学语料这2个不均衡语料上的实验都表明:该算法有效,特别是在小类别的分类效果上远远好于IG、CHI和DFICF等流行的通用算法.

基于类别加权灰靶决策的教学评价研究

建立了基于类别加权的灰靶决策模型对教学效果进行评价。通过文献及调查,选取影响教学效果的指标,设计调查问卷,对纯多媒体教学模式、纯传统黑板教学模式以及多媒体和传统教学相结合3种不同的教学模式的教学效果进行评价。用灰色关联度模型将指标分类,找出最优点作为靶心,求出各决策点到靶心的距离及各评价对象的综合靶心距,对不同教学模式效果进行评价。结果表明,在求得的综合靶心距里,纯多媒体教学、纯黑板教学和多媒体和黑板教学相结合占的比例为25. 2%、12. 3%和62. 5%。信息技术对教学有促进作用,但只有将传统教学模式与现代教学模式有机结合起来,才能使教学取得更好的成效。

基于类别加权算子的环形灰靶决策

针对现有灰靶决策方法只有一个靶,不能科学解决评价信息疏密程度不一致的决策问题,通过有序增量法将决策者评价信息按信息的差异性分成不同的组别,并给出类别加权算子的定义.在此基础上,定义一个靶心多个靶环的环形灰靶,并将类别权重赋予相应的环形灰靶,建立基于类别加权算子的环形灰靶决策方法.该方法更接近现实灰靶,且通过对方案评价信息的环内和环间信息的二次集结,使得评价结果更为实用合理.最后以一个应急案例进行了验证.

基于类别加权灰靶决策的新型EPC总承包商优选

在EPC项目招标市场中,逐步实现了以满足业主的建设产品体验为主导的新型EPC总承包采购模式。为了更好地优选优质的EPC总承包商,采用类别加权算子灰靶模型,有效解决评价信息疏密程度不一致而导致的优选决策失当的问题。此外,结合EPC项目特点,建立EPC总承包商合作评价指标体系,结合环内与环间信息的二次集结,使得评价结果更为科学合理。最终实现复杂环境下潜在总承包商之间的定量分析,最大限度地发挥EPC总承包商的成套管理优势,有利于降低业主方EPC项目的潜在风险、管理难度,并达成业主对建成产品良好的用户体验。

基于多视图与注意力机制的睡眠脑电分期

为了更全面地对睡眠脑电进行特征提取,提出一种基于多视图与注意力机制的睡眠脑电分期方法。首先针对原始睡眠脑电信号构造时域和时频域两类视图数据;然后设计融合注意力机制的混合神经网络对多视图数据进行表征学习;接着通过双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络进一步学习睡眠阶段之间的转换规则;最后使用Softmax函数进行睡眠分期,并利用类别加权损失函数解决睡眠数据类别不均衡的问题。实验使用Sleep-EDF数据库中前20名受试者的单通道脑电信号并采用20折交叉验证对模型进行性能评估,睡眠分期准确率达到83.7%,宏平均F_(1)值达到79.0%,Cohen′s Kappa系数达到0.78。与现有方法相比,算法性能提升明显,证明了所提方法的有效性。

改进的协同过滤算法及其并行化实现

为解决海量数据背景下推荐系统的可扩展性问题和评分空间上的数据稀疏性问题,研究Spark平台下基于格拉斯曼秩1更新子空间估计法(GROUSE)和用户聚类的改进协同过滤推荐算法(CF-GUC)。通过改造GROUSE算法对评分矩阵进行填充;构造用户项目类别矩阵,对用户进行模糊聚类;引入类别加权度,对评分进行加权修正,在此基础上应用协同过滤算法进行预测评分;将改进算法在Spark计算平台上做并行化实现。实验结果表明,当最近邻居数k取30到40时,CF-GUC算法相比于CF-mean算法、CF-UC算法、Pearson-CF算法, MAE值分别降低了约3.31%、3.02%、6.48%,在3种不同规模的数据集下基于Spark平台的CF-GUC算法运算效率比单节点提高了约40%到60%。

基于残差收缩网络的睡眠脑电分期

现有睡眠分期方法存在特征提取不充分、类别间存在数据不平衡等问题,导致睡眠分期的精度不高。基于残差收缩网络设计高效的特征提取网络,同时,在损失函数中基于重加权思想设计了类别加权损失函数,通过调整损失函数有效解决了数据不平衡对分类精度的影响。实验结果表明,改进算法在Sleep-EDF数据集中的Fpz-Cz、Pz-Oz通道上,准确率分别为85.4%和82.2%,MF_(1)分别为79.6%和75.4%,均高于基准算法和目前先进的对比算法,证明了算法的有效性和先进性。

面向螺丝锁附序列的多分辨率融合卷积神经网络

为了准确识别螺丝锁附是否发生故障和具体故障类型,提出了一种多分辨率融合卷积神经网络。使用原始序列数据作为输入以提高识别速度和精度;为了提取多尺度特征,分别在分辨率(数据长度)为4 000、2 000和1 000的特征向量上进行一维卷积运算;在Fusion层通过上采样、下采样和1×1卷积等策略,将各分辨率特征向量融合得到3组新特征向量,使得该网络能够获得锁附序列的整体和局部特征信息;在输出层使用类别加权交叉熵(CWCE)损失,通过为损失函数设置惩罚系数来加大对样本较少类别的惩罚力度,缓解了各类别数据不平衡的问题。收集了3 149条螺丝锁附序列,并在该数据集上进行了实验,结果表明:在6分类实验中,所提方法的准确率为96.00%,宏F1为93.93%,均高于其他方法;在2分类实验中,所提方法的准确率为99.36%,CWCE损失的有效性得到了验证;所提方法能够有效地判别锁附故障,并具有较好的实时性。

软件仿真下的QoS配置实验探讨

介绍服务质量(QoS)的基本概念和Dynamips思科网络模拟软件,利用Dynamips模拟软件分别模拟仿真QoS常采用的PQ、CQ、CBWFQ、LLQ四种方式。分别从理论和实践两方面结合教学,可使学生对QoS获得深刻的理解。