基于符号表示的可度量shapelets提取的时序分类研究

在时序分类问题中,基于符号表示的shapelets提取方法具有良好的分类精度和分类效率,但对符号进行质量度量的过程,如计算TFIDF分数,耗时较长且计算量大,导致分类效率较低。此外,提取的shapelets候选数量仍然较多,判别力有待提高。针对这些问题,本文提出了一种基于符号表示的可度量shapelets提取方法,该方法包含时间序列数据预处理、确定shapelets候选集和学习shapelets 3个阶段,可以快速得到高质量shapelets。在数据预处理阶段,将时间序列转化为符号聚合近似(SAX)表示以降低原始时间序列的维度。在确定shapelets候选集阶段,利用Bloom过滤器过滤重复的SAX词,并将过滤后的SAX词存储在哈希表中进行质量度量。随后,对SAX词的相似性进行判别,基于相似性和覆盖度等概念确定最终的shapelets候选集。在学习shapelets阶段,采用logistic回归模型学得真正的shapelets用于时序分类。在32个数据集上进行了大量实验,实验结果表明,所提方法的平均分类精度和平均分类效率均排名第二。与现有的基于shapelets的时序分类方法相比,该方法可以在保证精度的同时提高分类效率,并且具有良好的可解释性。

基于对抗策略类别特定的多样性时间序列shapelets提取

在时间序列分类任务中,通过提取时间序列的shapelets进行分类的方法因分类准确率高且具有良好的可解释性而受到广泛关注。针对现有方法学习到的shapelets是所有类共享,可以区分大多数类但不能准确地区分某一类和其他类,以及使用对抗策略的模型生成的shapelets存在多样性不足等问题,提出了一种基于对抗策略类别特定的多样性时间序列shapelets提取方法。该方法将类别信息嵌入时间序列,采用多生成器模块对抗地生成多个有差别的类别特定shapelets,再通过施加差异约束来提高shapelets的多样性,最后使用shapelet转换得到的特征对时间序列进行分类。在36个时间序列数据集上与5种基于shapelets的算法和11种先进的分类算法进行实验对比,实验结果表明,所提方法分别在36个数据集中的26个和20个数据集上取得了最优结果,且均取得了最高的平均秩,平均分类准确率相比其他方法最少提高了2.4%,最多提高了17.8%。消融性分析以及可视化分析验证了多样性和类别特定的思路在时间序列分类上的有效性。

基于u-shapelets聚类的刀具剩余寿命预测方法

针对不同刀具的性能衰退规律呈现出多种趋势,单一固定的全局模型难以对不同性能衰退规律的刀具进行准确剩余寿命预测的问题,提出一种基于u-shapelets聚类与长短时记忆网络(LSTM)模型相结合的刀具剩余寿命预测方法。首先,对刀具加工过程监控信号提取u-shapelets集合,并计算各u-shapelet与时间序列的距离得到距离矩阵;其次,通过基于密度聚类方法对距离矩阵进行聚类,得到聚类结果;最后,根据聚类结果基于各类别数据分别训练长短时记忆网络模型进行刀具剩余寿命的预测。以轮槽铣刀加工过程监控数据进行验证,并与Kmeans聚类、谱聚类、层次聚类、DBSCAN聚类方法进行比较,验证了所提方法的有效性。

基于Shapelets的多变量D-S证据加权集成分类

集成学习是分类多变量时间序列的有效方法。然而集成学习对基分类器性能要求较高,基分类器组合算法优劣对分类效果影响较大。为此,提出一种基于Shapelets的多变量D-S(Dempster/Shafer)证据加权集成分类方法。首先,在单变量时间序列上学习得到基分类器Shapelets,基分类器的分类准确率确定为其在多分类器的权重。Shapelets是时间序列的子序列,不同变量Shapelets间不存在依赖关系,且单个Shapelets分类准确度较高,能得到"好而不同"的基分类器。然后,提出一种加权概率指派算法,增加分类准确率高的基分类器权重,减少分类准确率低的基分类器权重;添加了2个组合策略,即消除证据冲突,又提高了效率。在标准数据集上与多个最新算法进行比较,笔者算法取得了较好的分类结果。

基于逻辑shapelets转换的时间序列分类算法

时间序列shapelets是序列之中最具有辨别性的子序列.解决时间序列分类问题的有效途径之一是通过shapelets转换技术,将其发现与分类器的构建相分离,其主要优点是优化了shapelets的选择过程并能够灵活应用不同的分类策略.但此方法也存在不足,仅仅简单地应用这些shapelets而忽略它们之间的逻辑组合关系,有可能降低分类的效果;另外,离线式的发现shapelets的过程是相当耗时的.文中针对后一个问题,采用了一种基于智能缓存的计算重用技术,将发现shapelets的时间复杂度降低了一个数量级.在此基础上,作者提出了一种基于合取或析取的逻辑shapelets转换方法,并通过在多个经典的基准数据集上测试,表明了该方法能够在提升分类准确性的同时保持shapelets所具有的解释力.

一种基于Shapelets的懒惰式时间序列分类算法

近些年,时间序列分类问题研究受到了越来越多的关注.基于shapelets的时间序列分类技术是一种有效的方法.然而,其在提取最优shapelet的过程中要建立包含大量冗余元素的候选shapelets集合,一般所获得的shapelets只在平均意义上具有某种鉴别性;与此同时,普通模型往往忽略了待分类实例所具有的局部特征.为此,我们提出了一种依据待分类实例显著局部特征的懒惰式分类模型.这种模型为每个待分类实例构建各自的数据驱动的懒惰式shapelets分类模型,从而逐步缩小了与其分类相关的时间序列搜索空间,使得所获得的shapelets能够直接反映待分类实例的显著局部特征.实验结果表明该文提出的模型具有较高的准确率和更强的可解释性.

基于多样化top-k shapelets转换的时间序列分类方法

针对基于shapelets转换的时间序列分类方法中候选shapelets存在较大相似性的问题,提出一种基于多样化top-k shapelets转换的分类方法 Div Top KShapelet。该方法采用多样化top-k查询技术,去除相似shapelets,并筛选出最具代表性的k个shapelets集合,最后以最优shapelets集合为特征对数据集进行转换,达到提高分类准确率及时间效率的目的。实验结果表明,Div Top KShapelet分类方法不仅比传统分类方法具有更高的准确率,而且与使用聚类筛选的方法(Cluster Shapelet)和shapelets覆盖的方法(Shapelet Selection)相比,分类准确率最多提高了48.43%和32.61%;同时在所有15个数据集上均有计算效率的提升,最少加速了1.09倍,最高可达到287.8倍。

一种使用shapelets的增量式时间序列分类

根据时间序列数据维度高、实值有序、数据间存在自相关性等特点,对时间序列分类过程进行研究。研究了当前比较流行的时间序列分类方法;从图像处理的角度出发,提出了一种将图片信息转化为时间序列数据的ITTS方法。shapelets作为最能够表示一条时间序列的子序列,随着时间的推移,这个特征序列可能会动态地发生变化。基于这样的思想,提出了一种基于动态发现shapelets的增量式时间序列分类算法IPST。该算法能够较好地动态发现当前最优的k个shapelets,从而提高时间序列分类的准确度。得到的shapelets集合还可以与多个传统的分类器结合,从而获得更佳的分类效果。

旅游自动问答系统中多任务问句分类研究

目前旅游产业信息化建设需要构建旅游自动问答系统,其中问句分类是问答系统的重要组成部分,传统问句类别体系角度单一,且传统分类模型对不平衡的问句数据集表现欠佳。针对这一问题,该文从问题主题和问句答案类型两个角度构建了旅游领域的问句类别体系架构,并提出多任务问句分类模型MT-Bert,在BERT上进行多任务训练,并加入自注意力机制,使用Softmax分类器,并设计了多任务融合损失函数。在山西旅游数据集的结果表明,MT-Bert在两种类别体系的微平均F1值分别为97.6%、91.7%,且避免了非平衡数据的预测失败问题,可以有效处理非平衡数据。

中国大健康产业统计分类与产业规模再测算

由于产业间深度融合,新业态、新模式持续涌现,健康产业的边界不断拓展,原有的健康产业统计分类已不能满足大健康产业的统计需要,官方统计也未测算出健康产业增加值,无法全面、及时反映大健康产业的发展状况。因此,文章首先在健康产业基础上从供给和需求角度界定并拓展大健康产业的内涵及外延;其次,在《健康产业统计分类(2019)》的基础上,基于国民经济核算理论,引入“大健康总产品”概念,聚焦“全生命周期”和“全人群”两个着力点,从全产业链产品供给及全口径人群健康需求两个视角探讨大健康产业统计分类标准,补充和完善大健康产业统计分类;最后,依据现有的投入产出表、经济普查及统计年鉴数据,计算各行业的大健康分离系数,据此推算我国大健康产业及健康服务业增加值。结果显示:2018年我国大健康产业增加值为10.27万亿元,其中健康服务业增加值为7.04万亿元,预测2020年、2030年健康服务业增加值分别为8.46万亿元、21.27万亿元,基本符合《“健康中国2030”规划纲要》对健康服务业发展规模的预期。

数据分类分级确权对数据要素价值实现的影响

数据确权是释放数据要素价值的基础,同时也是数据要素市场正常运行和不断发展的关键支撑。研究梳理了数据确权相关概念以及如何建立产权体系以实现数据确权的路径。在此基础上,本研究明晰了数据分类分级确权的具体方式,并基于价值链分析其对数据价值实现中各个环节的影响。研究结果表明,在数据采集环节数据分类分级确权制度能够激励数据供给,提高数据质量,同时激发市场活力;在数据组织环节,它细分了技术工作,保护隐私数据,并挖掘潜在价值;在数据流通环节,它能调节负外部性、降低交易成本、优化资源配置;最后,在数据利用环节,它在数据合规监管和数据价值再开发方面发挥了关键作用。

基于优化Shapelet的时间序列分类方法

基于Shapelet的时间序列分类算法具有可解释性强、准确率高、速度快的优点,然而在Shapelet发现过程中存在Shapelet产生冗余和形式局限的缺点,严重制约了算法性能的提高。针对这一问题,提出一种基于优化Shapelet的时间序列分类算法,该方法首先利用K-means生成典型的Shapelet候选集,加速Shapelet的生成过程;然后,融合相似性和类标差异性提出Shapelet的选取模型,确保Shapelet的多样性和精简性;最后,提出优化策略获取最佳的Shapelet,并以此为基础实施时间序列分类。实验结果表明:该方法具有较高的分类准确率,并对位移和扭曲特征明显的数据集具有良好的分类效果。

基于荧光光镊与机器学习的单细胞血液分类方法

利用物种间血液成分的差异来识别物种,对生物医学、医疗健康、海关、刑侦、食品安全、野生动物保护等工作十分重要。但目前的研究都是针对群体细胞展开,忽略了单细胞的异质性,开展基于单细胞的血液光谱分类方法研究非常迫切。在此提出了一种基于荧光光镊和机器学习的单细胞血液分类方法,利用光镊实现了单细胞捕获,通过荧光光谱检测系统获得了单细胞荧光光谱数据,并基于机器学习方法实现了准确分类。首先,设计并搭建了一套荧光光镊系统,实现了单细胞捕获和荧光光谱检测。然后,制备了马、猪、犬、鸡四种动物的红细胞稀释液,以440 nm激光作为荧光激发光源,获得了四个物种每种100条、共计400条荧光光谱数据,并进行了背景去除、平滑、归一化的预处理,消除了信号中的噪声干扰。随后,建立了随机森林分类模型,分析了当抽取特征数k=20时,模型中树的棵数与预测准确率之间的关系,当决策树m=500时,分类正确率趋于稳定,有很高的分类正确率和运行效率。进一步地,设定样本数据的30%作为测试集、70%为训练集,计算不同波长与特征重要性之间的关系,得到了10个分类准确率,并取平均值作为模型分类的准确率,测试集最终准确率达到93.1%,方差为0.31%。最后,计算了混淆矩阵,对模型预测精度进行了评价,鸡的分类正确率最高,马的分类正确率最低。分析表明,对分类有重要贡献的物质分别是卟啉类物质、血红素和黄素腺嘌呤二核苷酸。总之,研究表明,将荧光光镊与机器学习方法相结合,可实现单细胞水平的血液分类,较高的分类正确率验证了这种方法的可行性和有效性。同时,该方法不需要过多样品就能满足建模需求,避免了因浓度低带来的荧光自吸收强度过低等问题,具有快速、准确分类的优点,具有非常重要的潜在应用价值。

多区域注意力的细粒度图像分类网络

目前细粒度图像分类的难点在于如何精准定位图像中高度可辨的局部区域以及其他辅助判别特征。提出一种多区域注意力的细粒度图像分类网络来解决这个问题。首先使用Inception-V3对图像特征进行提取,通过重复使用注意力擦除的方法使模型关注次要特征;然后通过背景去除以及上采样的方法获取图像更精准的局部图像,对提取到的局部特征进行位置统计,并以矩形框的方式获取图像整体,减少细节信息丢失;最后对局部与整体图像进行更加细致的学习。此外,设计联合损失函数,通过动态平衡难易样本和缩小类内差距的方法改善模型的识别效果。实验结果表明,该方法在公开的细粒度图像数据集CUB-200-2011、Stanford-Cars和FGVC-Aircraft上的准确率分别达到89.2%、94.8%、94.0%,相较于对比方法性能更优。

引入激活扩散的类分布关系近邻分类器

针对同质性关系分类器基于一阶Markov假设简化处理的局限性,在类分布关系近邻分类器构建类向量和参考向量时,引入局部图排序激活扩散方法,并结合松弛标注的协作推理方法,通过适当扩大分类时邻居节点的范围增加网络数据中待分类节点的同质性,从而降低分类错误率.对比实验结果表明,该方法扩大了待分类节点的邻域,在网络数据上分类精度较好.

面向类不均衡数据的多任务博弈概率分类向量机

在工程实际中获取的故障样本往往会呈现不均衡特点,同时传统的分类模型也会存在局限性。针对这些问题,基于稀疏贝叶斯理论、模糊隶属度等理论,提出了一种多任务博弈概率分类向量机(MGPCVM)分类方法。首先,在MGPCVM的目标函数中,设计了博弈因子,将不同类样本质心间的博弈信息赋予每个样本特定的样本质心敏感值,以解决传统分类器对不平衡数据集分类表现较差的问题;然后,在贝叶斯框架理论下,采用截断高斯先验分布的方法,使样本参数的正负与对应的标签信息相一致,且使样本质心敏感值产生了稀疏估计;最后,将MGPCVM方法应用于两种不同实验平台采集的滚动轴承实验数据处理,进行了故障诊断有效性验证。研究结果表明:在不同的不平衡比(IR)下,MGPCVM方法的准确率均保持在95%以上,相对于支持向量机(SVM)、概率分类向量机(PCVM)等方法提升了4%~8%;与典型向量式分类方法相比,MGPCVM方法可以在不平衡数据条件下表现出优越的分类性能,适用于实际工况中数据失衡的分类问题。

社区生活垃圾分类:国外研究述评及启示

生活垃圾分类是美丽中国建设的重要一环,也是近年来学界关注的焦点之一。通过梳理1995—2022年国外学界关于社区生活垃圾分类的相关文献发现,国外学界围绕生活垃圾分类政策法规、社区居民参与生活垃圾分类行为及其影响因素、社区生活垃圾分类治理主体多元化等主题,形成了一批颇有价值的理论成果。国外研究对于推进国内相关研究的启示在于:应重视生活垃圾分类研究的公共治理视角,应重视多种社会科学研究方法的并举应用和创新,应加强多元主体的协同共治研究,可以探索“工具—制度—文化”三个层面的生活垃圾分类阐释体系。

面向时间序列有序分类的Shapelet抽取算法

当前面向时间序列有序分类的Shapelet抽取算法,首先计算Shapelet与时间序列之间的欧式距离及其类别标签之间的距离,然后根据两种距离的皮尔逊相关系数或斯皮尔曼相关系数来对Shapelet进行评价,效率较低。针对该问题,提出一种基于SAX表示时间序列的Shapelet评价指标CD-Cover,该指标同时考虑Shapelet对时间序列数据集的覆盖集中度和覆盖优势度。其次,提出一种基于随机采样的Shapelet抽取算法,该算法采用布隆过滤器对候选Shapelet进行预剪枝,采用移除自相似策略对抽取结果进行后剪枝。在11个时间序列公开数据集上的实验结果表明,相比现有方法,该算法抽取的Shapelet具有更好的有序分类能力,且算法的计算效率也更高。

论客体对数据基本产权和分类确权的决定作用

数据二十条构建了基本数据产权,但要进一步确权立法,必须依据数据关系客体的不同对数据基本产权作出总体规定,并应根据客体类型作出分别规定。数据及其产品是新型民事关系客体,可被多人同时使用,其财产关系依合同产生具有相对性,这一客观规律决定数据产权为不同于所有权的有限产权。数据产权包括人格性权利和财产性权利,财产性权利以人格性权利为基础。数据确权立法的基本框架包括数据流通中当事人享有的数据持有权、加工使用权、数据产品经营权等基本数据财产权,著作类电子产品当事人的权利,数据直接生成产品当事人的权利,货币结算与比特币的规定,法院管辖、涉外法律适用、仲裁等内容。

功能语篇写作:一种统整性阐释和分类教学框架

《义务教育语文课程标准(2022年版)》中出现了很多不同类型的写作。本文拟提出“功能语篇写作”的概念,对它们予以统整。“功能语篇写作”认为,写作是基于特定的情境任务,面对特定读者,基于特定目的,围绕特定话题,以一定角色和口吻,采用合宜的体式和语言进行的语篇构建和意义交流活动。它可以涵盖从基础写作到实用写作、创意写作、思辨写作,再到跨学科写作、跨媒介写作、项目化写作等多种不同的类型。“功能语篇写作”旨在建立一个统整性阐释框架,倡导基于不同的任务类型,遵循其各自语篇赋形规律,开展多功能、多类型语篇写作教学,以培养学生在真实情境中进行多类型写作的能力。