共查询到20条相似文献，搜索用时 250 毫秒
1.
《内蒙古科技与经济》2021,(13)
针对换向器表面检测面临缺陷类型多样、样本少等问题,提出了一种基于贝叶斯生成对抗网络的换向器缺陷检测方法,该方法包括两个阶段:第一阶段利用贝叶斯生成对抗网络对样本进行数据增强,第二阶段利用分类网络与分割网络结合的方式对缺陷进行检测;在缺陷检测模块中,分割网络输出预测缺陷位置热图,将其作为注意力机制融入分类网络,从而提高分类网络精度。 相似文献
2.
应用自组织特征映射SOM的人工神经网络模型,针对目前多数银行所采用的传统客户划分方法,存在没有针对性的满足客户的需求的缺点,充分利用自组织特征映射作为样本特征检测器的功能,将反映客户的高维数据特征输入SOM进行训练,训练之后的分类模型将可以对在线输入的客户信息进行合理的分类。客户分类是客户关系管理系统的核心功能之一,可以对客户获取、客户保持及客户增值等客户关系管理过程提供全面支持,对商业银行的CRM的有效运行提出了一种新的方法。 相似文献
3.
基于朴素贝叶斯分类的可疑金融交易识别研究 总被引：3，自引：0，他引：3
随着我国反洗钱活动中大额与可疑交易报告制度的不断完善，面对不断增长的交易报告数据，如何有效地从中检测出可疑交易是当前我国反洗钱工作中面临的核心问题之一。朴素贝叶斯分类是数据挖掘方法的一种，通过对案例数据的训练学习达到对未知类标识的样本分类。基于朴素贝叶斯分类的思想设计了适用于反洗钱中可疑交易识别的贝叶斯分类算法及模型,用数据对该算法进行了实验验证，并提出了与聚类算法相结合的综合运用设想。 相似文献
4.
针对网站收费客户流失预测领域特点,尝试了多种方法对客户信息进行约简和客户流失预测。以某大型网站收费客户信息为样本的数据实验表明,基于粗糙集的属性约简算法保持数据分类能力,简化客户信息;另外利用SVM建立的分类模型可以取得满意的预测效果,与其他数据挖掘方法相比有较大的优势。网站可根据实验结果减少信息收集量,预测流失用户,从而采取有效措施。 相似文献
5.
从面板数据的角度,对我国1989～2010年人口城市化水平与经济增长之间的关系进行动态比较研究,结果发现我国31个省市人口城市化水平与经济增长之间关系都表现为显著地正相关。总体来看,二者之间存在长期稳定的协整关系,但对不同地区来说,人口城市化水平对经济增长的促进作用差异较大,促进作用最大的为东部地区,依次为中部、东北和西部。误差修正模型显示人口城市化水平对经济增长的短期影响并不如长期影响明显。因此,贯彻落实户籍制度改革,有利于提高人口城市化水平,促进经济协调增长,消除区域间经济差距。 相似文献
6.
在对波段性网络入侵差异化特征进行提取的过程中,会出现入侵差异化特征伪装程度逐渐升高的情况,导致传统的基于敏感性数据挖掘的波段性网络入侵差异化特征提取方法,由于不能有效区分入侵特征与正常特征,无法有效实现波段性网络入侵差异化特征的有效提取,提出一种基于支持向量机的波段性网络入侵差异化特征提取模型,获取不确定入侵中波段性网络节点的差异化特征以及入侵节点,给出两种不确定入侵中波段性网络节点的差异化特征训练数据样本集,通过非线性映射将数据样本集从原空间映射到高维特征空间中,得到高维特征空间中最优线性分类面,采用支持向量机求解该分类面的优化解,使用网格搜索法,通过调整错分惩罚因子与核宽度,分别训练不同的支持向量机,获取泛化能力最强的参数组合,完成入侵中波段性网络节点的差异化特征所对应的数据集的核参数优化和分类,实现波段性网络入侵节点的差异化特征的有效提取。仿真实验结果表明,所提方法具有很高的准确性及有效性。 相似文献
7.
[目的]通过研究当下网络环境的具体情境,利用概率分析的方式判断具体舆情所属的案例类型,从而为网络舆情危机响应决策提供依据。[方法]使用贝叶斯网络模型作为分析方法,构建网络舆情案例匹配的指标体系和案例匹配模型。[结果]通过48个网络舆情危机中的随机43个事件作为训练数据,构建贝叶斯网络模型,使用剩余5个网络舆情危机事件作为测试组,经检验测试样本案例匹配结果与事实相符。[结论]本文通过构建网络舆情案例匹配的相关指标体系和贝叶斯网络模型,为对网络舆情进行分型,从而为舆情危机响应提供了决策依据。 相似文献
8.
9.
[目的]研究大数据网络环境发展新形势下,通过概率分析判断导致危机爆发的关键环节,为网络舆情危机管理决策提供依据。[方法]使用贝叶斯模型作为分析工具,探究网络舆情危机关键节点诊断的流程和机理。建立网络舆情危机分类匹配模型和关键节点诊断模型。[结果]建立60个网络舆情危机事件训练组得出模型条件概率表,3个测试组样本经实证诊断结果与事实相符。[局限]贝叶斯网络结构的构建需要进一步通过定量分析进行优化。[结论]对网络舆情危机进行分型,并精确地从复杂变量中诊断出对危机态势最具影响的关键节点。 相似文献
10.
基于模糊向量空间的文本分类方法 总被引：1，自引：0，他引：1
本文针对文本自动分类问题，提出了一种基于模糊向量空间模型和径向基函数网络的分类方法。网络由输入层、隐层和输出层组成。输入层完成分类样本的输入，隐层提取输入样本所隐含的模式特征，将分类结果在输出层表现出来。该方法在特征提取时充分考虑了特征项在文档中的位置信息，构造出模糊特征向量，使自动分类更接近手工分类方法。以中国期刊网全文数据库部分文档数据为例验证了该方法的有效性。 相似文献
11.
《Information processing & management》2022,59(3):102889
Credit default swap transaction data repositories are frequently applied with credit default swap spread estimation and financial market risk assessment. However, in practical applications, there is poor liquidity, some missing data, and inaccurate definitions. Small samples tend to lead to poor prediction accuracy and poor adaptability of the statistical algorithm. Data generation can effectively increase the sample size and improve the effect of the risk assessment model. In this paper, a credit default swap data generation algorithm based on a sequence generative adversarial network (SeqGAN) is proposed, and the policy gradient algorithm in reinforcement learning is introduced to optimize the traditional generative adversarial network (GAN) algorithm to solve the gradient disappearance and poor data adaptability problems in the traditional algorithm. Gradient disappearance is due to the generator network in GAN being designed to be able to adjust the output continuously, which does not work on discrete data generation. The optimization algorithm proposed in this paper is used to train randomly distributed sequence data and generate credit default swap transactions with diversity and good model applicability. The credit default swap data generated in this paper are verified by the synthetic ranking agreement (SRA) index. The results show that SeqGAN can effectively synthesize various simulation samples, which can provide support for the risk discrimination model. 相似文献
12.
13.
在没有充足样本数据时,为有效地管理各种风险,本文提出了一个全新的研发项目风险评估模型,这个模型主要是基于Noisy-or gate 和贝叶斯网络进行评估。该模型在贝叶斯网络节点满足构成Noisy-or gate模型的前提下,利用历史数据或专家判断得到有效的网络参数,进而推断出每一项风险因素发生的概率,结合风险影响权重得到综合风险影响值,并对比得到高风险因素,为风险管理提供依据。通过与AHP方法评估结果对比表明,该模型可以准确地评估研发项目的风险,从而提高风险管理的效率。 相似文献
14.
15.
针对钢板表面缺陷图像分类传统深度学习算法中需要大量标签数据的问题,提出一种基于主动学习的高效分类方法。该方法包含一个轻量级的卷积神经网络和一个基于不确定性的主动学习样本筛选策略。神经网络采用简化的convolutional base进行特征提取,然后用全局池化层替换掉传统密集连接分类器中的隐藏层来减轻过拟合。为了更好的衡量模型对未标签图像样本所属类别的不确定性,首先将未标签图像样本传入到用标签图像样本训练好的模型,得到模型对每一个未标签样本关于标签的概率分布(probability distribution over classes, PDC),然后用此模型对标签样本进行预测并得到模型对每个标签的平均PDC。将两类分布的KL-divergence值作为不确定性指标来筛选未标签图像进行人工标注。根据在NEU-CLS开源缺陷数据集上的对比实验,该方法可以通过44%的标签数据实现97%的准确率,极大降低标注成本。 相似文献
16.
BP神经网络因具有自学习、自适应、大规模并行处理等特点而广泛应用于遥感影像分类中,但是该方法训练时容易陷入局部极小值,且收敛速度较慢,针对这些不足提出一种基于相容粗糙集的BP神经网络分类方法。本文以双台子河口湿地为研究对象,以Landsat-8 OLI影像为数据基础,利用相容粗糙集理论对样本数据集进行预处理,将得到的数据作为新的训练样本,在Matlab软件平台下建立BP神经网络的湿地覆被分类模型,进行湿地覆被信息提取,将分类结果与单纯的BP神经网络以及粗糙集样本属性约简预处理的分类结果进行比较分析。结果表明,基于相容粗糙集的BP神经网络分类方法可以剔除训练样本中的噪声数据,提高网络的训练成功率,缩短网络的收敛时间,分类效果较好,其总体精度达到91.25%,Kappa系数为0.8969,比单纯的BP神经网络分类结果高7.92%和0.0926,比粗糙集样本属性约简预处理方法的分类结果高3.03%和0.0357,是一种有效的湿地覆被分类方法。 相似文献
17.
研发项目是涉及顾客需求、产品功能和部件、团队等多知识领域的复杂系统,与大数据技术相关的知识图谱方法可以更加客观全面地展示、分析不同领域间的关联,为此,本文提出新产品开发(NPD)知识图谱,并将其与依赖结构矩阵(DSM)等方法相结合,以识别研发项目中多领域间的相互依赖关系。首先,本文建立依据NPD知识图谱测度顾客需求优先序的模型,并采用DSM和质量功能展开(QFD)方法,建立由“需求-功能”QFD关联推导功能间依赖关系强度的模型。然后,采用“功能-产品”多领域矩阵(MDM)推导部件间的依赖关系强度。最后,对DSM进行聚类,为提高聚类算法的稳定性,采用改进的信息熵,建立了改进的基于信息熵的两阶段DSM聚类模型,算例分析表明,该方法可明显降低类间的协调复杂性并提高算法的稳定性。 相似文献
18.
BP算法通过迭代地处理一组训练样本,将每个样本的实际输出与期望输出比较,不断调整神经网络的权值和阈值,使网络的均方差最小。BP算法的有效性在某种程度上依赖于学习率的选择,由于标准BP算法中学习率固定不变,因此其收敛速度慢,易陷入局部极小值。针对此问题,通过分析BP神经网络的误差曲面可知,在误差曲面平坦区域需要有较大的学... 相似文献
19.
基于服务使用模式,电信服务提供商将他们的客户分成基本服务、电子服务、附加服务和全方位服务4类,则--l-r：z根据人口统计数据来预测组成员,为电信潜在客户推荐相应的套餐方案。使用多项式logistic回归进行类别的判定训练,通过比对样本中客户类别的实际观察值,统计获得多种协变量下各类客户的判定准确率,记录用于较高判定准确率的字段,用于考察潜在客户所对应的类别。实验结果表明i用户的受教育水平、在职年期、定居年期和家庭成员人数对附加服务类和全方位服务类的判定准确率较高,可作为判定潜在用户类别的有效特征字段。 相似文献
20.
《Information processing & management》2023,60(5):103466
The modern business landscape is characterized by complex technical information, economic globalization, and high customer expectations. These factors have led to significant changes in various industries. To ensure customer satisfaction, companies rely on supply chain management (SCM) for the timely delivery of products and gathering feedback for analysis. The collected customer data is often complex and requires advanced methods for processing and management. To effectively manage demand and supply in real-time, businesses must have the ability to handle complex data. Due to the inefficiency and ineffectiveness of traditional methods for the increased data volume and speed, much-emerging research is being conducted on how to harness complex data in SCM. This paper examines the limitations of conventional methods and introduces an Artificial Intelligence (AI) approach based on Q-Learning algorithm with Extreme Gradient Boosting (QL-XGB) model. The QL-XGB method is applied to select suppliers and predict their future demand for the production of products. It is built on the foundation of accurate data and analysis of supply chain characteristics using metrics such as MAE and RMSE. The results show that the QL-XGB model with an accuracy rate of 96.02% outperforms QL and XGB models with respective accuracy rates of 93.44% and 94.68%. 相似文献