于化龙
- 作品数:89 被引量:138H指数:6
- 供职机构:江苏科技大学更多>>
- 发文基金:国家自然科学基金江苏省自然科学基金中国博士后科学基金更多>>
- 相关领域:自动化与计算机技术文化科学电子电信社会学更多>>
- 基于留一交叉验证的类不平衡危害预评估策略
- 近年来,类不平衡问题已逐渐成为人工智能、机器学习和数据挖掘等领域的研究热点,目前已有大量实用有效的方法.然而,近期的研究结果却表明,并非所有的不平衡数据分类任务都是有害的,在无害的任务上采用类不平衡学习算法将很难提高,甚...
- 于化龙倪军徐森
- 关键词:预评估
- 文献传递
- 一种具有循环性质的特征插值的不平衡数据图像生成方法
- 本发明公开了一种具有循环性质的特征插值的不平衡数据图像生成方法,包括:数据集预处理,用于人工生成不平衡数据集;搭建自编码器神经网络,编码器阶段使用卷积对图像进行特征提取并降维,解码器阶段使用反卷积对图像进行特征还原;利用...
- 邵长斌吴仕祺苏贞李文杰于化龙
- 基于IPMeans-KELM的入侵检测算法研究被引量:8
- 2016年
- 目前入侵检测系统中普遍存在数据维度高、数据量大、训练难等问题。在入侵检测系统中应用核极限学习机(KELM)算法,使其能够适应大量高维数据的训练,且学习速度快无需调整网络的输入权值,降低了检测系统的训练难度。但是由于入侵数据集的不均衡性、噪音干扰性、分布不均性等,直接影响了KELM的分类性能。因此,针对入侵数据处理问题,提出了一种基于IPMeans-KELM的入侵检测算法。该算法首先利用改进的PSO优化K-means算法(IPMeans)对入侵数据进行聚类处理,增加相同数据类型的聚集度,然后对处理后的数据进行10-CV分割,将分割的10份数据轮流训练KELM分类器,把测试数据通过训练好的KELM分类器进行测试,输出分类器检测率的平均值,如果检测效果不满足期望条件,则进行循环处理,直至条件满足。在Matlab平台上进行了对比实验,实验结果表明该算法在有效地提高了入侵检测率的同时降低了误报率。
- 陈兴亮李永忠于化龙
- 关键词:网络入侵粒子群算法K均值算法
- 基于蚁群优化的极限学习机选择性集成学习算法被引量:6
- 2016年
- 针对现有极限学习机集成学习算法分类精度低、泛化能力差等缺点,提出了一种基于蚁群优化思想的极限学习机选择性集成学习算法。该算法首先通过随机分配隐层输入权重和偏置的方法生成大量差异的极限学习机分类器,然后利用一个二叉蚁群优化搜索算法迭代地搜寻最优分类器组合,最终使用该组合分类测试样本。通过12个标准数据集对该算法进行了测试,该算法在9个数据集上获得了最优结果,在另3个数据集上获得了次优结果。采用该算法可显著提高分类精度与泛化性能。
- 杨菊袁玉龙于化龙
- 关键词:极限学习机蚁群优化
- 精细化学品化学课程的教学改革
- 2013年
- 0前言
精细化学品是指那些具有特定的应用功能,技术密集,商品性强,产品附加值较高的化工产品。主要包括医药、染料、农药、涂料、表面活性剂、催化剂,助剂和化学试剂等传统的化工部门.也包括食品添加剂、饲料添加剂、油田化学品、电子工业用化学品、皮革化学品、功能高分子材料和生命科学用材料等近20年来逐渐发展起来的新领域。
- 丹媛媛张俊豪于化龙陈立庄
- 关键词:精细化学品教学改革化学课程功能高分子材料产品附加值食品添加剂
- 基于样本选择的启发式属性约简方法研究被引量:18
- 2016年
- 属性约简是粗糙集理论的核心研究内容之一。借鉴于贪心策略的启发式算法是求解约简的一种有效技术手段。传统的启发式算法使用了决策系统中的所有样本,但实际上每个样本对约简的贡献程度是不同的,这在一定程度上增加了启发式算法的时间消耗。为解决这一问题,提出了一种基于样本选择的启发式算法,该算法主要分为3步:首先从样本集中挑选出重要的样本;然后利用选取出的样本构建新的决策系统;最后利用启发式算法求解约简。实验结果表明,新算法能够有效地减少约简的求解时间。
- 杨习贝颜旭徐苏平于化龙
- 关键词:信息系统粗糙集属性约简
- 一种基于超声波的市政垃圾箱深度检测装置
- 本发明公开一种基于超声波的市政垃圾箱深度检测装置及工作方法,本发明采用超声波传感器测量垃圾桶中垃圾深度,采用ZigBee技术控制数据传输,该装置包括超声波传感器模块、处理器模块、无线通信模块、定位模块、电源模块。用户将该...
- 郑尚于化龙刘伟王琦邹海涛高尚
- 文献传递
- 基于抖动检测与相干时间的无人机对船通信信道切换方法
- 本发明公开了一种基于抖动检测与相干时间的无人机对船通信信道切换方法,包括如下步骤:步骤1:初始化整个海‑空通信系统,获取船舶当前晃动角度、信道相干时间、海面反射损失;步骤2:根据信道相干时间、海面反射损失计算海况信道综合...
- 王琦沈宏杰罗浩陈建军徐丹于化龙高尚
- 适用于单轮单样例标注场景的主动学习停止准则
- 2015年
- 针对现有的选择精度主动学习停止准则仅适用于批量样例标注场景这一问题,提出了一种适用于单轮单样例标注场景的改进的选择精度停止准则。该准则通过监督自本轮起前溯的固定学习轮次内的预测标记与真实标记间的匹配关系,对选择精度进行近似的评估计算,匹配度越高则选择精度越高,继而利用滑动时间窗实时监测该选择精度的变化,若当其高于事先设定的阈值,则停止主动学习算法的运行。以基于支持向量机的主动学习方法为例,通过6个基准数据集对该准则的有效性与可行性进行了验证,结果表明当选取合适的阈值时,该准则能找到主动学习停止的合理时机。该方法扩大了选择精度停止准则的适用范围,提升了其实用性。
- 杨菊李青雯于化龙
- 关键词:滑动时间窗支持向量机
- 基于相对密度的类不平衡软件缺陷预测
- 2020年
- 在软件缺陷预测中,普遍存在软件缺陷数据的类不平衡问题,严重影响着传统预测模型的性能。为了缓解类不平衡对预测模型性能的影响,引入模糊集的思想,提出了一种基于相对密度的模糊加权极限学习机算法。该方法首先采用所提的相对密度方法,即通过精确计算任意不同类训练样本之间的概率密度的比例关系,来计算各样本的类间相对密度,并设计相应隶属函数,求出适用于不同数据样本的加权矩阵,进而将其与传统加权极限学习机结合,并训练模糊极限学习机,最后通过NASA软件缺陷类不平衡数据对所提方法的有效性和可行性进行验证。实验结果表明:与诸多类不平衡软件缺陷预测方法相比,论文方法具有更好的预测性能,并在G-mean、AUC和Balance的评价指标上有较优表现。
- 孙丹于化龙郑尚邹海涛王琦
- 关键词:软件缺陷预测相对密度模糊加权