中国科学院机构知识库网格
Chinese Academy of Sciences Institutional Repositories Grid
首页
机构
成果
学者
登录
注册
登陆
×
验证码:
换一张
忘记密码?
记住我
×
校外用户登录
CAS IR Grid
机构
自动化研究所 [8]
计算技术研究所 [2]
新疆理化技术研究所 [2]
电子学研究所 [1]
上海微系统与信息技术... [1]
沈阳自动化研究所 [1]
更多
采集方式
OAI收割 [15]
内容类型
学位论文 [9]
期刊论文 [6]
发表日期
2024 [1]
2023 [2]
2022 [1]
2019 [1]
2018 [1]
2017 [2]
更多
学科主题
Sensor [1]
筛选
浏览/检索结果:
共15条,第1-10条
帮助
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
题名升序
题名降序
提交时间升序
提交时间降序
作者升序
作者降序
发表日期升序
发表日期降序
非平衡概念漂移数据流主动学习方法
期刊论文
OAI收割
自动化学报, 2024, 卷号: 50, 期号: 3, 页码: 589-606
作者:
李艳红
;
王甜甜
;
王素格
;
李德玉
  |  
收藏
  |  
浏览/下载:30/0
  |  
提交时间:2024/04/10
数据流分类
主动学习
概念漂移
多类不平衡
基于文本和图像类别对应的跨模态检索研究
学位论文
OAI收割
2023
作者:
曾志雄
  |  
收藏
  |  
浏览/下载:19/0
  |  
提交时间:2023/06/19
跨模态检索,模态共享与特定信息,模态不平衡数据,模态信息语义交互,一致性与选择性优化
高分辨率遥感图像变化类型识别研究
学位论文
OAI收割
2023
作者:
朱家航
  |  
收藏
  |  
浏览/下载:8/0
  |  
提交时间:2023/06/29
变化检测,协同学习,双网络结构,数据不平衡
一种基于样本空间的类别不平衡数据采样方法
期刊论文
OAI收割
自动化学报, 2022, 卷号: 48, 期号: 10, 页码: 2549-2563
作者:
张永清
;
卢荣钊
;
乔少杰
;
韩楠
;
GUTIERREZLouisAlberto
  |  
收藏
  |  
浏览/下载:3/0
  |  
提交时间:2024/05/20
不平衡数据
样本空间
机器学习
采样方法
空间中心
融合生成对抗网络和朴素贝叶斯皮肤病诊断方法
期刊论文
OAI收割
计算机科学与探索, 2019, 卷号: 13.0, 期号: 006, 页码: 1005
作者:
商显震
;
韩萌
;
孙毓忠
;
孙宇宁
;
陈旭
  |  
收藏
  |  
浏览/下载:10/0
  |  
提交时间:2023/12/04
皮肤病诊断
朴素贝叶斯(NB)
词频-逆文档频率(TF-IDF)算法
生成对抗网络(GAN)
类不平衡数据
精准降水估计与预报的机器学习方法研究
学位论文
OAI收割
北京: 中国科学院研究生院, 2018
作者:
杨雪冰
  |  
收藏
  |  
浏览/下载:165/0
  |  
提交时间:2018/05/30
降水估计
降水预报
随机森林
不平衡数据
标签分布学习
基于随机森林的降雨估计模型与算法研究
学位论文
OAI收割
北京: 中国科学院研究生院, 2017
作者:
匡秋明
  |  
收藏
  |  
浏览/下载:147/0
  |  
提交时间:2017/06/07
随机森林
降雨估计
多源数据融合
时空模型
不平衡数据
基于树集成学习模型的轨迹目标判别技术研究
学位论文
OAI收割
硕士, 北京: 中国科学院研究生院, 2017
肖志斌
收藏
  |  
浏览/下载:15/0
  |  
提交时间:2017/06/07
目标判别
轨迹数据挖掘
特征提取
特征降维
集成学习
不平衡数据
模式分类中的鲁棒损失函数的设计及其在不平衡数据中的应用
学位论文
OAI收割
工学博士, 北京: 中国科学院大学, 2016
作者:
徐贵标
收藏
  |  
浏览/下载:125/0
  |  
提交时间:2016/06/20
异常样本
鲁棒损失函数
不平衡数据
代价敏感学习
代价缺失学习
基于互信息的代价缺失学习在不平衡数据中的研究
学位论文
OAI收割
工学博士, 中国科学院自动化研究所: 中国科学院大学, 2014
作者:
张晓晚
收藏
  |  
浏览/下载:44/0
  |  
提交时间:2015/09/02
不平衡数据
代价缺失学习
代价敏感学习
互信息
拒识
图形化评估方法
Class Imbalance
Cost-Free Learning
Cost-Sensitive Learning
Mutual Information
Abstaining
Graphical Evaluation Method