原文服务方: 化工学报       
摘要:
基于数据驱动的生产过程建模、优化与控制是当今学术界与企业界的研究与应用热点。大数据时代小样本问题不可忽视。针对诸如人工神经网络(ANNs)、极限学习机(ELMs)等传统建模方法在小样本条件下难以获得较高的学习精度,提出了一种新颖的多分布整体趋势扩散技术(multi-distribution mega-trend-diffusion, MD-MTD)用于提升小样本学习精度。通过整体扩散技术推估小样本属性可接受范围,在整体趋势扩散的基础上,增加了均匀分布和三角分布描述小样本数据特性,生成虚拟样本,填补小样本数据点间的信息间隔。利用标准函数产生标准样本,在正交实验和不均匀样本实验下论证了MD-MTD的合理性和有效性,用MLCC和PTA两个实际的工业数据集进一步验证了MD-MTD的实用性。实验结果表明,MD-MTD能提高小样本学习精度8%以上。
推荐文章
一种基于小样本数据的装备故障预测方法
小样本
故障预测
支持向量机
相关向量机
支持向量机在小样本预测中的应用
支持向量机
统计学习
预测
人工神经网络
核函数
一种新颖的混合语音检索算法
混合语音
语音检索
独立分量分析
Mel频率倒谱系数
动态时间归整
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种新颖的小样本整体趋势扩散技术
来源期刊 化工学报 学科
关键词 小样本集 整体趋势扩散技术 虚拟样本 正交实验
年,卷(期) 2016,(3) 所属期刊栏目
研究方向 页码范围 820-826
页数 7页 分类号 TP181
字数 语种 中文
DOI 10.11949/j.issn.0438-1157.20151921
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈忠圣 北京化工大学信息科学与技术学院 2 16 2.0 2.0
2 余乐安 北京化工大学经济管理学院 33 511 12.0 22.0
3 朱宝 北京化工大学经济管理学院 1 9 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (26)
共引文献  (43)
参考文献  (18)
节点文献
引证文献  (9)
同被引文献  (17)
二级引证文献  (0)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(3)
  • 参考文献(2)
  • 二级参考文献(1)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(5)
  • 参考文献(2)
  • 二级参考文献(3)
2012(4)
  • 参考文献(2)
  • 二级参考文献(2)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(7)
  • 引证文献(7)
  • 二级引证文献(0)
研究主题发展历程
节点文献
小样本集
整体趋势扩散技术
虚拟样本
正交实验
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
化工学报
月刊
0438-1157
11-1946/TQ
大16开
1923-01-01
chi
出版文献量(篇)
12283
总下载数(次)
0
论文1v1指导