-
公开(公告)号：CN110929888B
公开(公告)日：2023-05-05
申请号：CN201911077982.3
申请日：2019-11-06
Applicant: 南京财经大学
IPC: G06N20/10 , G06F18/2411 , G06F18/214 , G06Q10/04 , G06Q50/02
Abstract: 本发明涉及一种粮食作物病害预测方法，尤其是一种基于支持向量机的随机紧凑高斯核的粮食作物病害预测方法，属于机器学习在粮食的预测技术领域。本发明在传统单尺度高斯核函数的支持向量机的基础上，扩展了高斯核函数的参数，提出的多尺度高斯核支持向量机，能够对其中的核函数参数随机化赋值，提升了支持向量机参数选择的效率。通过在粮食作物大豆病害标准数据集Soybean上的实验表明，与传统单尺度高斯核函数的支持向量机相比，该方法不仅能够提升大豆病害数据预测的精度，学习模型参数选取的时间仅需传统SVM高斯核方法的不到1％的时间。
-
公开(公告)号：CN112232388A
公开(公告)日：2021-01-15
申请号：CN202011046627.2
申请日：2020-09-29
Applicant: 南京财经大学
Abstract: 本发明公开了一种基于ELM‑RFE的购物意图关键因素识别方法，该方法首先初始化因素特征排序表和当前特征子集表，并获取当前训练样本集，接着训练超限学习机分类器并计算特征的排序系数，重复该步骤并找出排序得分最小的因素特征，然后更新关键因素排序指标和当前特征子集表，并重复以上步骤直至当前特征子集表为空。本发明的方法相比于传统的递归特征消除类方法，无需调节学习模型参数，能快速识别影响用户购物意图的最有效的因素。实验表明，相比传统的SVM‑RFE方法，本发明的方法仅需0.1％的计算时间，而且仅需3个因素特征在测试集上得到最高的测试精度。在识别用户购买意图的关键因素应用中，本发明的方法可以提升关键因素特征识别效率。
-
Patent Agency Ranking
公开(公告)号：CN110929888A
公开(公告)日：2020-03-27
申请号：CN201911077982.3
申请日：2019-11-06
Applicant: 南京财经大学
Abstract: 本发明涉及一种粮食作物病害预测方法，尤其是一种基于支持向量机的随机紧凑高斯核的粮食作物病害预测方法，属于机器学习在粮食的预测技术领域。本发明在传统单尺度高斯核函数的支持向量机的基础上，扩展了高斯核函数的参数，提出的多尺度高斯核支持向量机，能够对其中的核函数参数随机化赋值，提升了支持向量机参数选择的效率。通过在粮食作物大豆病害标准数据集Soybean上的实验表明，与传统单尺度高斯核函数的支持向量机相比，该方法不仅能够提升大豆病害数据预测的精度，学习模型参数选取的时间仅需传统SVM高斯核方法的不到1％的时间。
-
公开(公告)号：CN112232388B
公开(公告)日：2024-02-13
申请号：CN202011046627.2
申请日：2020-09-29
Applicant: 南京财经大学
IPC: G06F18/2411 , G06F18/214 , G06Q30/0201
Abstract: 本发明公开了一种基于ELM‑RFE的购物意图关键因素识别方法，该方法首先初始化因素特征排序表和当前特征子集表，并获取当前训练样本集，接着训练超限学习机分类器并计算特征的排序系数，重复该步骤并找出排序得分最小的因素特征，然后更新关键因素排序指标和当前特征子集表，并重复以上步骤直至当前特征子集表为空。本发明的方法相比于传统的递归特征消除类方法，无需调节学习模型参数，能快速识别影响用户购物意图的最有效的因素。实验表明，相比传统的SVM‑RFE方法，本发明的方法仅需0.1％的计算时间，而且仅需3个因素特征在测试集上得到最高的测试精度。在识别用户购买意图的关键因素应用中，本发明的方法可以提升关键因素特征识别效率。(56)对比文件Guang-Bin Huang等.Extreme LearningMachine for Regression and MulticlassClassification《.IEEE Transctions onSystems,Man,and Cybernetics,Part B》.2011,第42卷(第2期),513-529.Serpil Ustebay等.InstructionDetection System with Recursive FeatureElimination by Using Random Forest andDeep Learning Classifier《.2018International Congress on Big Data，DeepLearning and Fighting Cyber Terrorism》.2019,71-76.
-
公开(公告)号：CN112819495A
公开(公告)日：2021-05-18
申请号：CN201911127080.6
申请日：2019-11-18
Applicant: 南京财经大学
Abstract: 本发明公开了一种用户购物意图预测方法，尤其是一种基于支持向量机的随机多项式核的用户购物意图预测方法。该方法首先收集用户在网站上的行为数据，接着确定支持向量机SVM训练模型在训练测试样本集上的参数组合的最优值，最后利用最优参数组合的支持向量机SVM训练模型测试验证样本集，得到用户的购物意图。本发明在传统单尺度多项式核函数的支持向量机的基础上，扩展了多项式核函数的参数，提升了支持向量机参数选择的效率。与传统单尺度多项式核函数的支持向量机相比，该方法在损失较小的泛化性能的基础上，学习模型参数选取的时间仅需传统SVM多项式核方法的不到1％的时间，并且拥有较好的稳定性。
-
公开(公告)号：CN111351645A
公开(公告)日：2020-06-30
申请号：CN201911156283.8
申请日：2019-11-22
Applicant: 南京财经大学
IPC: G01M13/00 , G01M13/045
Abstract: 本发明为一种粮食机械设备微弱故障信号诊断方法，公开了一种时延耗散双稳态随机共振微弱特征提取方法，通过引入时延反馈项来调整双稳态势阱的高度、宽度以及势阱壁陡峭程度，最后达到弱信号增强效果。本发明使系统有效势函数随着时延反馈参数的变化而动态变化，丰富了布朗粒子的运动轨迹，提升了经典耗散双稳态系统的微弱故障特征增强提取能力，然后利用时延控制耗散双稳态随机共振方法对粮食机械设备的不同程度故障特征进行增强提取，进而实现粮食机械设备的有效故障诊断与定性分析。本发明的方法动态调整系统势函数，从而获得更大的输出信噪比和更高的特征频率谱峰。
-
公开(公告)号：CN111310559A
公开(公告)日：2020-06-19
申请号：CN201911416762.9
申请日：2019-12-31
Applicant: 南京财经大学
Abstract: 本发明公开了一种可塑性时延反馈双稳态势阱的粮虫图像随机共振复原方法及系统，克服了经典双稳态随机共振系统由于短记忆导致的滤波频带受限问题。本发明将经典双稳态随机共振系统势函数中引入时延反馈控制，使得历史信息被添加至随机共振的负反馈过程中，从而消除了短记忆经典双稳态随机共振系统的滤波频带受限问题，提升了经典双稳态系统的微弱信号增强提取能力，然后利用可塑性时延反馈双稳态势阱随机共振方法对低对比度含噪粮虫图像信号进行复原增强处理，进而实现低对比度粮虫图像的有效增强与定性分析。这种方法的优点在于克服了经典双稳态系统的滤波频带受限，能获得更大的粮虫复原图像峰值信噪比和更高质量的粮虫图像复原效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.035 seconds)
