模型融合

摘要： 超导性自一个多世纪前被发现以来,一直是大量研究工作的重点。传统发现新材料的方法,如经验试错法和基于密度泛函理论(DFT)的方法,由于开发周期长、效率低、成本高,已经不能跟上当今材料科学的发展。因此,机器学习由于其计算成本低、开发周期短,加上强大的数据处理能力和高预测性能,正在材料检测、材料分析和材料设计中广泛应用。我们使用SuperCon数据库中的超导体来构造元素向量,然后对它们的临界温度(Tc)进行建模。首先根据材料的Tc值将其分为20K以上和20K以下两类,并训练预测该标签的分类模型。展现了很强的预测能力,样本外准确度约为94%,均方根误差为±8.84805931660591K。

摘要： 传统网络流量异常检测方法受数据规模、处理能力的限制,存在准确率低、实时监测困难等问题,为此提出一种基于多模型融合的流式并行异常检测方法。首先,对多个单一模型进行训练并融合,然后利用分布式架构实现融合模型的流式并行计算;其次,对识别结果进行验证,从而建立异常流量黑名单,利用黑名单对实时网络流量进行精准的匹配检测;最后,基于Hadoop大数据平台,采用KDD CUP99作为实例数据集进行实验,实验结果表明,与典型的异常检测方法相比,该方法能够实现实时流数据的异常检测,提高了检测准确率和计算效率。

摘要： 针对微电机质量检测水平低、故障识别困难等问题,设计一种基于声学特征的微电机故障诊断方法。通过声音采集装置获得微电机转动时的正常声音信号和三种故障信号;从声音信号中提取39维梅尔频率倒谱系数和短时能量,搭建一维卷积神经网络模型进行识别。将声音信号转化成语谱图,建立二维卷积神经网络模型并识别。利用多模型融合技术中的加权平均算法将两个模型融合,融合后模型的准确率为93.58%,比单个模型平均提高2.43%。

摘要： 随着我国互联网金融行业的持续规范和个人征信体制的不断完善,大数据机器学习在信贷风险控制中的作用逐渐凸显。文章在徐桂琼等学者研究的基础上进行改进,建立基于分类组合的个人信贷信用风险预测模型,其可以有效对非平衡数据集进行处理,以满足金融决策的实际业务需求。实证分析结果表明,该模型具有较高准确率,能够高效完成个人信贷违约预测,为行业可持续规范发展提供助力。

摘要： 为了实现企业产品销量预估,提高生产供应的准确性与效率,提出了基于Stacking模型的融合算法进行销量预测。算法设计了两层堆叠的模型结构,初级学习器采用随机森林、支持向量回归、差分整合移动平均自回归、轻量级梯度提升机器和门控循环单元5种单模型,将分类与回归树作为次级学习器构成Stacking融合模型,并对数据进行了预测。预测结果显示,使用Stacking模型融合后得到了较好的预测结果,比单模型中效果最好的模型的均方根误差更小,平均绝对误差更小,决定系数值更大,表明Stacking融合模型的预测准确率更高。所设计模型可用于对企业店铺的产品销量进行预测,帮助企业更好地安排生产、营销活动,为减少库存、缩短生产销售周期提供数据支持,对企业生产决策有一定的参考价值。

摘要： 针对现有深度学习方法在进行大坝裂缝检测时出现模型过拟合、计算效率低下等问题,文中提出了一种基于多源迁移学习的大坝裂缝检测方法,旨在提高算法准确率的同时,减少模型计算量,加快检测速度。所提方法首先将MobileNet网络和SSD目标检测算法相结合,形成MobileNet-SSD网络,有效减少了模型参数量并减少了计算复杂度;然后利用道路裂缝、墙壁裂缝和桥梁裂缝等多源数据进行训练,并应用迁移学习的思想,将学习到的知识分别迁移到大坝裂缝的检测模型中,以提升模型检测的精确度;最后提出了一种多模型融合方法,将通过迁移学习得到的多个检测结果进行融合,进一步提升了检测结果的重合度。

摘要： 在自动驾驶场景中,使用激光雷达相机获取精确度较高、可感知距离的点云数据,因此,有效利用点云数据,实现目标检测是完成自动驾驶任务的关键技术.点云数据本身具有稀疏性、无序性和数据量较大的问题,传统的深度学习目标检测方法难以有效处理提取点云特征和满足准确度要求.针对这一现状,提出一种体素化卷积网络与多层感知机模型融合的三维目标检测方法,利用体素化卷积网络提取点云数据的全局特征,结合多层感知机所提取点云数据的局部特征与距离关系,再利用候选三维区域检测方法,可以改进三维目标分类与位置预测的精度和速度.采用德国卡尔斯鲁厄理工学院提供的KITTI自动驾驶数据集,对所提出的方法与经典的方法进行对比实验.结果表明,本研究所提出的方法比以往的方法在精度上有较大提升.

摘要： 针对单一分类模型检测精度有限的问题,提出了一种基于异质模型融合的Android恶意软件检测方法。首先识别和采集恶意软件混合特征信息,采用基于CART决策树的随机森林算法和基于MLP的Adaboost算法分别构造集成学习模型,然后通过Blending算法对这两个分类器进行模型融合,最后得到一种异质模型融合分类器,在此基础上实施移动终端恶意软件检测。实验结果表明所提方法能够有效克服单一分类模型检测精度不足的问题。

摘要： 随着互联网视频平台的快速发展以及短视频平台的兴起,个性化推荐技术始终处于新媒体领域研究的热点。传统的推荐算法只考虑影视作品的浅层特征、依赖惯用数据,难以有效解决推荐内容的多样性和冷启动问题。本文提出一种融合图嵌入、表示学习及时间注意力的智能推荐算法(FBNT),通过图嵌入和表示学习对节目做特征提取,并对提取的特征进行融合,同时引入时间注意力机制,以客观反映用户兴趣,有效挖掘节目深层次的联系,提高推荐精度,同时推荐结果有较好的可解释性。实验表明,相比较于单一的基于图嵌入模型或表示学习模型,FBNT的推荐准确率最大提高了12.343%,召回率最大提高了6.369%。算法已实际应用于某省广电热点媒资推荐系统。

摘要： 当前互联网上恶意软件极度泛滥,这些恶意软件不仅影响用户正常使用计算机,甚至还会造成破坏和经济损失,由恶意软件造成的损失事件频发,急需具有良好效果的检测模型。当前针对恶意软件检测的研究成果主要集中在特征工程和算法选择上,由于恶意软件反检测能力的进步,传统的检测方法已经不能应对具备对抗检测能力的恶意软件。为了解决此类问题,从特征融合和模型融合两个角度,用多阶训练的思想,建立了一种更有效的恶意软件检测模型。在真实数据集上的评估结果表明,该模型具有优秀的检测效果,准确率等相关评估指标均达到0.97以上的水平。

摘要： 近年来,随着二胎政策的放开,人们生活水平的提高,饮食的不断提高和糖尿病的诊断标准不断完善,妊娠糖尿病的发病率逐年上升.以至于妊娠合并糖尿病仍是导致围生儿合并症发生甚至围生儿死亡的主要原因之一,危害极大.因此,针对妊娠糖尿病预测具有非常重要的研究意义.随着机器学习算法的不断发展,已经越来越多的机器学习和深度学习方法被用于对疾病发生进行预测.据此,本文提出一种基于模型融合思想的糖尿病预测方法,采用Stacking的设计思路,使用随机森林、CatBoost算法等分类方法作为初级分类器,使用逻辑回归作为次级分类器建立妊娠糖尿病预测模型.本文所用的数据来给予天池精准医疗比赛的患者诊断数据,得到的预测模型在验证集上正确率高于单个分类器,取得了较好的效果.

摘要： 网络小说根据目标读者的性别可以分为男频小说和女频小说.由于目标群体不同,男频和女频小说在很多方面具有不同的特征.目前对于男频和女频小说的分析大都停留在定性分析,定量分析很少,总体来说缺乏客观性和数据支撑.本文利用机器学习的手段来对男频、女频小说文本进行分析.构造了两个数据集,分别对应男频、女频网络小说.对于每一部作品分别抽取计量风格学特征、小说标题特征和小说文本LDA主题特征,从三个方面分别建立分类模型,最后进行模型融合,由此来发现男频、女频网络小说的的差异.研究结果表明男频小说和女频小说可以被自动区分,它们的差异主要体现在一些关键特征上,这些特征也可以解释围绕网络小说的一些社会现象.

摘要： 针对零件可制造性分析模型的构建问题,提炼出构建可制造分析模型的三大技术:模型重用技术、多维度建模技术、模型融合与映射技术.利用模型重用技术建立零件制造特征模板库,引用模板开展零件设计,建立设计模型;利用多维度建模技术将设计模型分解为制造对象模型、制造过程模型、制造资源模型和特征关系模型;利用模型融合与映射技术将制造对象模型、制造过程模型、制造资源模型和特征关系模型组装成逻辑上完整的可制造分析评估模型.在法兰可制造性案例分析中,通过使用三项模型构建技术提取零件制造特征,分析和评估零件制造特征,提出改进零件结构工艺性和加工工艺性的建议,实现设计、建议、改进设计的螺旋式循环.

摘要： 集成学习是一种联合多个学习器进行协同决策的机器学习方法,应用在机器翻译任务的推断过程中可以有效整合多个模型预测的概率分布,达到提升翻译系统的准确性的目的.虽然该方法有效性已在机器翻译评测得到了广泛验证,但关于子模型的选择与融合的策略仍鲜有研究.该文主要针对机器翻译任务中的参数平均与模型融合两种集成学习方法进行了大量的实验,分别从模型与数据层面、多样性与模型数量层面对集成学习的策略进行了深入探索.最终实验结果在WMT中英新闻任务上,相比Transformer单模型有3.2个BLEU值的提升.

摘要： 大数据垃圾短信自动化识别系统通过动态库解决容量扩展问题、多指纹库解决数据噪声影响、预备库的提前过滤减少噪声以及多算法模型融合方法，真正解决了垃圾短信的识别难问题。

摘要： 模糊Petri网在故障诊断中由于受知识表示和推理能力的制约，通常只能给出单向分析结果。为了解决这个问题，论文提出将条件概率运算形式与模糊Petri网模型融合，构建一类条件概率Petri网，给出了基本定义、知识表示和双向推理算法，并建立了基于条件概率Petri网的系统故障诊断方案，由逆向推理确定故障起因，通过正向推理获得征兆传播途径并预测过程趋势。最后，通过在青霉素发酵过程中的应用实验，验证了本方法的可行性和有效性。

摘要： @@随着计算机三维模型制作技术的快速发展，影视动画和游戏中栩栩如生的角色造型已经越来越多的使用全3D的制作方式。现有的商业三维制作软件，如3DSMAX、MAYA等都提供了丰富的造型工具以及模型表面纹理的制作方法；然而，使用这些软件制作一个三维角色的过程相当复杂，步骤中操作专业，需要耗费大量的人力和时间。因此，如何快速的获得精美逼真的角色模型成为研究领域的热点问题。

摘要： 英音和美音是最为常见的英语目标口音。本文针对英语学习者存在的英美口音混杂现象，提出一种英美口音模型融合方法，提高发音质量评价性能，并压缩声学模型规模以适于嵌入式实现。该方法基于替代概率将声学模型划分为可替代模型、可融合模型和孤立模型。抛弃可替代模型，保留孤立模型，基于模型插值与模型裁剪归并可融合模型。发音质量评价实验结果表明：融合模型与单口音模型相比，说话人级别的相关性提高了14.1%；融合模型与混合模型的性能相近，高斯分量数目压缩了10.7%。

摘要： 创造力支持的造型技术辅助普通用户的开放式造型过程.然而,现有的大多数创造力支持的造型技术更适合于造型静止模型.与这些方法不同,本文提出一种新的造型动态模型的方法.本文方法的造型结果是已蒙皮并可直接三维打印的模型.起始于一组绑定的三维模型,本文系统迭代地产生一代代新模型,作为建议提示给用户以激发灵感.用户选择感兴趣的模型用于动画编辑与三维打印.通过将造型、动画编辑与面向三维打印的模型分析集成至统一的框架,为用户提供了一种高效且方便的技术,极大地帮助了用户的创新性造型过程.

摘要： 创造力支持的造型技术辅助普通用户的开放式造型过程.然而,现有的大多数创造力支持的造型技术更适合于造型静止模型.与这些方法不同,本文提出一种新的造型动态模型的方法.本文方法的造型结果是已蒙皮并可直接三维打印的模型.起始于一组绑定的三维模型,本文系统迭代地产生一代代新模型,作为建议提示给用户以激发灵感.用户选择感兴趣的模型用于动画编辑与三维打印.通过将造型、动画编辑与面向三维打印的模型分析集成至统一的框架,为用户提供了一种高效且方便的技术,极大地帮助了用户的创新性造型过程.

摘要： 本申请提供一种融合模型构建方法、融合模型使用方法、装置和电子设备，涉及遥感影像处理技术领，融合模型构建方法包括：根据目标作物群的遥感分类知识构建静态知识图谱；根据各个时间点的静态知识图谱，构建动态知识图谱；将动态知识图谱与深度学习模型进行融合，得到融合模型，其中，融合模型用于对目标作物群的作物类型进行分类。本申请实施例根据需要进行作物类型分类的作物群的遥感分类知识进行知识图谱的构建，通过将知识图谱与深度学习模型进行融合训练，能够提高融合模型对作物类型进行分类的准确率，为智慧农业发展提供支撑。

摘要： 本申请提供一种融合模型构建方法、融合模型使用方法、装置和电子设备，涉及遥感影像处理技术领，融合模型构建方法包括：根据目标作物群的遥感分类知识构建静态知识图谱；根据各个时间点的静态知识图谱，构建动态知识图谱；将动态知识图谱与深度学习模型进行融合，得到融合模型，其中，融合模型用于对目标作物群的作物类型进行分类。本申请实施例根据需要进行作物类型分类的作物群的遥感分类知识进行知识图谱的构建，通过将知识图谱与深度学习模型进行融合训练，能够提高融合模型对作物类型进行分类的准确率，为智慧农业发展提供支撑。

摘要： 本发明实施例提供了一种融合模型、融合方法、训练方法、装置、设备及介质，所述融合模型包括：至少包括多头检测器以及融合器，多头检测器包括若干个检测头；其中，检测头用于对输入融合模型中的若干个目标数据集进行标注，获得目标数据集对应的目标标签；融合器用于将各个目标数据集以及目标数据集对应的目标标签进行数据融合，输出针对若干个目标数据集的融合数据集。以解决或部分解决不同数据集之间因标签空间不同直接合并数据集后会导致数据集中存在大量目标漏标、误标以及标签精度差等导致融合数据集质量低的问题。

摘要： 本公开提供了融合模型的训练方法、图像融合方法、装置、电子设备、存储介质以及程序产品，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域，可应用于人脸图像处理和人脸识别等场景。具体实现方案为：将训练源图像和训练模板图像输入至融合模型中，得到训练融合图像；对训练融合图像进行属性对齐变换，得到训练对齐图像，训练对齐图像的属性信息和训练源图像的属性信息一致；以及利用身份损失函数训练融合模型，身份损失函数是针对训练源图像和训练对齐图像生成的。

摘要： 本公开提供了一种图像融合方法和图像融合模型的训练方法、装置、电子设备和存储介质，涉及人工智能领域，具体涉及计算机视觉和深度学习技术领域。该图像融合方法包括：对通过拼接前景图像和北京图像得到的拼接图像进行编码，得到特征图；以及通过以下方式解码特征图，得到融合图像：采用注意力机制对特征图进行加权处理，得到加权后特征图；基于加权后特征图的特征统计数据，对特征图进行融合处理，得到融合后特征；以及对融合后特征进行解码，获得融合图像。

摘要： 本申请提供了一种图像融合方法、图像融合模型的训练方法及装置，涉及人工智能领域，具体涉及计算机视觉领域。该图像融合方法包括获取待处理的彩色图像、红外图像以及背景参考图像，红外图像和待处理的彩色图像是针对同一场景拍摄的；将待处理的彩色图像、红外图像和背景参考图像输入图像融合模型中进行特征提取，基于提取的特征进行图像融合，以得到融合图像。本申请能够提高融合图像的图像质量，同时保证融合图像颜色准确自然。

摘要： 本发明公开了一种仿真知识模型文件格式及数据融合系统和融合方法，仿真知识模型文件包括几何文件夹、行为文件夹和语义文件，基于仿真知识模型文件的数据融合系统包括智能工厂仿真平台、语义建模模块、通用模型解析模块、第三方软件格式解析模块、可视化模块、属性编辑模块、行为编辑模块和几何编辑模块，基于仿真知识模型文件的数据融合系统，包括语义建模，在智能工厂仿真平台上输入其他三维建模软件创建的三维模型，通过调用通用模型解析模块和第三方软件格式解析模块，生成智能工厂仿真平台下的几何模型及非几何信息，转换成仿真知识模型文件，方便不同平台统一信息表达、可以解决工业知识碎片化问题，提升智能工厂设计仿真效率。

摘要： 本发明公开了一种基于特征融合和模型融合的故障指示器故障定位方法，包括以下步骤：故障指示器采集现场电压电流数据，提取采集数据集的特征，将提取的特征作为基分类器输入；结合现场拓扑及故障范围实际判定结果对采集数据集添加标签；将所有特征归一化处理并将处理后的数据集划分为训练集和测试集；基分类器训练、测试，输出初步判定结果作为元分类器的输入；元分类器训练、测试；对未定位的数据提取特征并做归一化处理后输入模型；结合输出结果与现场拓扑定位故障。本发明根据故障指示器采集到的电压电流数据来提取特征并输入至模型，计算出结果，实现准确的故障定位，方法简单易行，实现多判据和多模型融合，并且支持实时计算，具有很强的工程实用性。

摘要： 公开了一种模型融合方法、模型融合设备和分类方法，该模型融合方法包括：分类阈值确定步骤，确定多个分类模型中的每个的用于对多个训练样本进行分类的分类阈值；空间划分步骤，针对多个分类模型中的每个，将该分类模型关于多个训练样本的输出得分根据各个输出得分的概率密度划分成多个子空间；置信度确定步骤，针对多个分类模型中的每个，基于所划分的多个子空间，确定多个子空间内的各个单元的置信度，该置信度表示各个单元的输出得分的置信水平；以及分类阈值融合步骤，基于多个分类模型中的每个的预定权重和各个分类模型的分类阈值，对多个分类模型的分类阈值进行融合。根据本公开的实施例，可以有效地实现多模型融合，以优化分类性能。

摘要： 一种结合数据驱动模型和经验模型的锂离子电池融合寿命预测模型,涉及数据挖掘，模型融合等技术，包括以下步骤：首先对云端监管平台海量多源异构数据进行去噪处理和特征因素提取获取行驶过程中的健康指标，作为数据驱动预测模型的一个输入，利用极限学习机进行寿命预测，得到数据驱动寿命预测模型。通过多因素寿命衰减实验获取电池寿命经验预测模型，将经验模型和数据驱动模型进行交互融合，设置阈值，得到电池寿命融合模型，提高寿命预测精度，更适用于实际汽车工况。本发明通过将反映寿命衰减与工况因素之间关系的经验模型和反映寿命衰减与运行状态之间关系的数据驱动模型进行融合，可以实现复杂工况下电池寿命的精准预测，保证电池安全运行。