论文部分内容阅读
人机交互多维度数据融合疲劳决策研究
【机 构】
：
西安工业大学
【出 处】
：
西安工业大学
【发表日期】
：
2021年01期
【基金项目】
：
其他文献
数据不平衡问题是目前的研究热点之一,其广泛存在于疾病检测、金融欺诈、入侵检测等众多领域。不平衡数据的主要特点为少数类样本少且难以识别,但往往又具有较高的价值。所以,解决数据不平衡问题应在不影响总体准确率的前提下提高少数类样本的识别率。目前数据不平衡问题的处理方法主要为数据层面方法和算法层面方法,数据层面的欠采样和过采样是有效的不平衡数据处理方法,但单独的欠采样方法易丢失有价值信息,单独的过采样方法
学位
数据分析的一项重要任务是对样本类别进行划分及预测,这就要求有足够的包含代表其类别信息的标签数据来训练学习器,然而数据标注需要耗费巨大的人力物力,大大增加了标记数据的获取成本。相反,无标记数据的获取相对便捷,通过一些简单的信息技术工具就可采集到大量无标记数据。遗憾的是,仅利用无标记数据又会产生对数据分类不精确的问题。因此,人们提出了半监督学习这一技术,通过在少量的标记数据中引入大量无标记数据来降低数
学位
随着通信技术的快速发展,互联网的优势日益凸显,极大地促进了社会经济的发展,互联网已经成为人类生活密不可分的一部分。互联网带来诸多便利的同时,人类也将面临新的风险与挑战,各种攻击事件层出不穷,严重地危害社会发展与个人财产安全。单点检测是监测网络攻击的一种常用手段,然而由于其数据源单一,且彼此之间缺乏有效协同机制等弊端,无法有效地应对智能化、复杂化的网络攻击。网络安全态势评估技术由于具有综合分析网络中
学位
推荐系统的核心是推荐算法,衡量推荐算法好坏的指标就是准确率,准确率越高,说明该算法模型越好。而现实中,协同过滤推荐算法的回归建模过程中常面临数据稀疏、可扩展性差和冷启动等问题的困扰,其中,数据稀疏是最主要的问题。一个模型的建立是基于真实数据集的,数据集中真实有标记样本越多,训练出的模型才更精确,现实中,真实有标记数据相对较少且不能凭空产生,而无标记数据大量存在,这表现在用户项目二维评分矩阵上就是数
学位
数据的不平衡分类问题广泛存在于工业生产、金融、信息安全等诸多领域,是近年来持续研究热点之一。不平衡数据中往往是某些类样本所占比例少,使用传统的数据挖掘分类算法在处理这类数据集的分类问题时,很容易把其中的小类样本错误分类,但这些类的识别是用户重点关注的,具有更高的研究价值。不平衡数据集中类标签不平衡、类重叠、小类样本过少等特点是影响分类困难的主要原因。目前解决不平衡数据分类问题的方法主要为数据层面的
学位
图像视觉一直在人类社会发展进程中发挥着难以估量的重要作用,然而随着半导体硬件技术的不断发展,待处理的图像信息变得更加复杂、多样,因此社会各界对图像处理技术的性能提出更高的要求。图像处理技术通常包括图像重构、图像识别、图像分割、目标检测等领域,而本文重点探索如何利用优化计算思想去解决图像重构中的三维重建以及二维图像重建问题。嵌入式计算机视觉技术作为光学影像三维重建重要应用领域之一,其原理类似于人眼的
学位
当今互联网社会中,知识图谱技术已经变成信息产业发展的一项重要支撑技术,知识图谱能够描述现实生活中各种实体间的复杂关系,因此,有效地表示知识图谱中的“实体”和“关系”就显得尤为重要。目前,平移距离模型和语义匹配模型两种方法是知识图谱嵌入研究的主要方法。本文在平移距离模型方法的基础上展开研究,平移距离模型通过计算三元组中“头实体”和“尾实体”在向量空间上的距离来评估事实的合理性。而将“头实体”和“尾实
学位
图像在采集、传输过程中受设备、环境等因素影响会降低质量,图像超分辨率重建是一种从软件角度完善图像细节信息的方式,避免增加硬件成本来提高图像的清晰度,在公共安全、地形测绘、医学研究等方面获得了广泛的应用。本文研究的重点是基于残差网络的图像超分辨率重建方法。论文首先对图像超分辨率重建模型、残差网络等相关理论知识进行了深入研究,为利用残差网络处理低分辨率图像的超分辨率重建问题打下理论基础。然后针对RGB
学位