欠采样

摘要： 在数据分类分析中,一些特别的类别里往往存在更重要的信息。提出一种基于集成学习,欠采样和代价敏感的类别不平衡数据分类算法(USCensemble),来解决传统算法处理类别不平衡数据分类任务时难以正确识别少数类样本的问题。该算法首先运用EasyEnsemble的算法结构,在前一组数据训练完毕后,运用欠采样方法选取权重大的多数类样本,并将其与少数类样本结合为临时训练数据以此平衡数据集并进行下一轮训练。同时赋予少数类样本更大的错分代价,快速提高错误分类的少数类的样本权重,降低多数类的样本权重,使算法更倾向少数类的正确分类,达到对少数类样本正确识别的目的。在10个uci的数据集生成的分类任务上进行了对比实验,实验结果表明,该算法能更好地识别少数类样本。

摘要： 分类是机器学习领域的一个热点研究内容,不平衡数据导致在分类时产生了很大困难。企业破产预测可以被归结为一个二分类问题,根据企业的一些特征对企业的状态做出预测,可以帮助企业作出更好的决策以减少企业的损失,但在企业破产数据中,破产企业只占很少的一部分,数据存在严重的不平衡。针对企业破产预测中的不平衡数据,本文提出了一种基于G-mean的加权随机森林算法(BSWRF)。对随机森林采集出来的不平衡子训练集,运用自助采样法进行欠采样,将多数类采样到和少数类一致,形成平衡子训练集,将CART决策树作为基分类器,在每个子训练集上进行训练,同时在包外估计样本上测试,根据G-mean为每棵决策树赋予权重,加权投票得到最终的分类器,提高了分类性能。选择台湾企业破产数据集进行实验,在G-mean、Recall和AUC评价指标上,BSWRF的分类效果都优于随机森林和AdaBoost算法。

摘要： 针对高速切削状态监测系统中采样参数设置不合理以及抗混叠滤波器存在滤波陡度导致输出的切削力信号频谱混叠问题,提出了一种基于频域近似稀疏的频谱校正方法。切削系统及采样过程中的非线性往往导致状态监测系统输出波形中含有主轴频率的高次谐波,在傅里叶矩阵上表现出明显的近似稀疏性(傅里叶系数中大多数元素的幅值近似为零,能量主要集中在若干个频率区间上)。通过仅保留频谱上若干个频率区间对其实现稀疏逼近,得到若干个频带子集,并利用欠采样混频原则计算出每个频带子集的真实频率范围,构造切削力信号的真实频谱进而恢复出真实的时间序列。根据频带子集时域波形特点,构造具有一般物理意义的线性调幅正弦波模型,通过对线性调幅正弦波仿真分析及高速铣削铝合金实验验证了该方法的有效性。结果表明,这种方法能够有效地恢复出测试信号的谐波信息,恢复信号与测试信号时域波形的相对包络误差小于4%。该研究成果为稀疏表示理论应用于欠采样信号分析提供了一定的工程技术支撑。

摘要： 在集成算法中嵌入代价敏感和重采样方法是一种有效的不平衡数据分类混合策略。针对现有混合方法中误分代价计算和欠采样过程较少考虑样本的类内与类间分布的问题,提出了一种密度峰值优化的球簇划分欠采样不平衡数据分类算法DPBCPUSBoost。首先,利用密度峰值信息定义多数类样本的抽样权重,将存在“近邻簇”的多数类球簇划分为“易误分区域”和“难误分区域”,并提高“易误分区域”内样本的抽样权重;其次,在初次迭代过程中按照抽样权重对多数类样本进行欠采样,之后每轮迭代中按样本分布权重对多数类样本进行欠采样,并把欠采样后的多数类样本与少数类样本组成临时训练集并训练弱分类器;最后,结合样本的密度峰值信息与类别分布为所有样本定义不同的误分代价,并通过代价调整函数增加高误分代价样本的权重。在10个KEEL数据集上的实验结果表明,与现有自适应增强(AdaBoost)、代价敏感自适应增强(AdaCost)、随机欠采样增强(RUSBoost)和代价敏感欠采样自适应增强(USCBoost)等不平衡数据分类算法相比,DPBCPUSBoost在准确率(Accuracy)、F1分数(F1-Score)、几何均值(G-mean)和受试者工作特征(ROC)曲线下的面积(AUC)指标上获得最高性能的数据集数量均多于对比算法。实验结果验证了DPBCPUSBoost中样本误分代价和抽样权重定义的有效性。

摘要： 由于使用类别不平衡数据集训练的标准AdaBoost模型对于少数类样本识别准确率低,提出了一种基于高斯混合模型欠采样方法的AdaBoost算法GUSBoost。该算法先利用高斯混合模型对多数类样本分布进行拟合,然后在AdaBoost每次训练较基分类器之前,将每个高斯分量中的多数类样本进行随机欠采样。实验结果表明,该算法在一定程度上优于其他对比算法。

摘要： 不平衡数据越来越多地出现在各个领域,而传统机器学习分类算法往往会忽略少数类样本的分类精度,针对此问题,提出一种基于密度峰值聚类改进的欠采样算法。该算法利用信息熵对密度峰值聚类算法进行优化,获取最优截断距离;选取密度距离较大的点作为聚类中心并选取所有聚类中心代表整个多数类数据集。将该文算法与几种欠采样算法进行对比实验,结果表明,该方法有效提高了不平衡数据集中少数类的预测精度。

摘要： 现实网络环境下,正常流量规模所占比例远大于异常流量,这将导致基于机器学习的网络入侵检测系统(NIDS)对于检测少量的异常样本时效果较差。对于该问题,提出一种基于自组织增量神经网络(SOINN)的欠采样方法。该方法首先将多数类正常样本输入SOINN,算法输出的少量样本继承了原始数据的分布特性,然后将平衡后的数据用于训练多种机器学习分类器,提高了分类器性能。由于SOINN采样率随着数据规模的增大而逐渐减小,提出一种分块采样的方法来确定采样后的数据规模。首先计算采样率,然后根据采样率确定分块的规模,最后把每一块的压缩数据进行拼接,形成最终的欠采样数据。实验结果表明,相比于其他欠采样方法,所提方法在决策树、K近邻和支持向量机三种分类器中均保持了较高的准确率和召回率。

摘要： 如今不平衡数据存在生活中各个领域,如何有效地对其分类已经成为研究的热点。传统的过采样与欠采样方法虽然能保证数据的平衡性,但无法克服因数据分布和噪声对数据的分类造成的影响。为了降低数据分布与噪声在集值信息系统中对不平衡数据分类的影响,提出了一种基于拟单层覆盖粗集的过采样与欠采样相结合的模型。通过拟单层覆盖粗集DA0与DE0下近似将数据主要划分为两个部分,将属于下近似集的部分用BorderlineSMOTE进行过采样,将不属于下近似集的部分用ClusterCentroids进行欠采样,最终将二者合并即为最终数据集。拟单层覆盖粗集是适用于集值信息系统的高近似质量、快速计算的模型,高近似质量可以使其保留尽可能多的可靠数据来保证模型的泛化能力。通过混合处理方式,不仅能够降低噪声数据对BorderlineSMOTE的影响,还能通过ClusterCentroids极大程度地保留被过滤数据的信息完整性。通过相关对比实验,采用ExtraTree、DecisionTree、FGCNN等方法,验证了该模型的有效性。

摘要： 目的:研究一种从欠采样K空间数据中重建高质量磁共振图像的算法。方法:利用密集连接网络与多尺度思想设计一种网络模型来实现磁共振图像的高质量重建。首先以密集连接网络为基础框架,将不同空洞率的组合分别放置在密集连接单元;然后基于切片间的先验信息来建立相邻切片间特征信息的传输通道,并嵌套在密集连接网络当中;最后对K空间进行数据保真,并在网络迭代层加入密集连接机制。结果:对于12.5%和25%的K空间数据,重建的磁共振图像峰值信噪比(PSNR)分别为36.12 dB,40.45 dB。结论:在Calgary-Campinas数据集上的实验结果表明,与传统网络模型相比,所提模型重建精度更高、收敛更快。

摘要： 欠采样是当前解决类不平衡问题的主流方法之一。现有研究表明,高效地处理类别重叠能够有效提升过采样方法的性能。然而,目前对欠采样的研究大多认为由于样本选择策略不当而导致的关键样本丢失是影响欠采样方法性能的主要原因,为此,研究者从不同的角度提出了一系列针对性的方法,但鲜有对欠采样中类别重叠的研究。提出一种融合贝叶斯后验概率和分布密度的欠采样方法(BPDDUS)实现重叠区域样本的检测和清洗,并通过样本的分布信息对清洗后的样本进行欠采样。具体来说,该方法通过贝叶斯后验概率对多数类样本中潜在的噪声和重叠样本进行清洗以增强分类决策边界的清晰度。对清洗后的多数类样本,引入全局分布密度和信息熵来度量样本对不平衡数据分类学习的重要程度并对其分配相应的采样权重。按样本权重欠采样并构建集成分类系统,以提升模型的泛化能力。在43个KEEL数据库数据集上进行的数值实验验证了所提的BPDDUS方法的有效性。

摘要： 传统瞬时测频技术由于受模拟数字转换器的限制很大,很难实现多频信号频率估计,目前仅能实现信号的粗略频率估计.为了突破上述限制,本文提出一种采用光脉冲欠采样的测频方法,对各路欠采样信号做快速傅里叶变换并对各路谱峰做相位校正来获取高精度余数估计,筛选出的频率余数结合中国余数定理可得到原信号频率的高精度估计,根据不同信号相位不同可以实现瞬时多频测量,实验模拟表明该方法可以实现低于0.05MHz的频率误差.

摘要： 在双波段雷达中，两种波段信号的发射和接收时序是独立的。当一种波段的回波信号到达接收机时，另外一种波段的信号可能正在发射，其射频信号可能泄露进入接收机而与采样前的有用中频回波信号混合形成射频干扰。在射频频率不变的情况下，由于射频干扰形式与中频信号相似，只是频带位置不同，一般以适当的采样速率进行欠采样即可分离它们折叠在奈奎斯特范围内的频谱，再经过滤波即可滤除射频干扰。但在双波段雷达中，通常每个波段都提供多个可供选择的射频中心频率，由此形成的射频干扰频率可在一定范围内变化，此时采用单一采样速率进行欠采样不能有效分离采样后的中频信号和射频干扰折叠在耐奎斯特范围内的频谱。针对这种情况，本文提出了一种多速率欠采样方案和相应的搜索算法。它采用最少的欠采样速率数目，使得有用中频信号和射频干扰信号欠采样后折叠在奈亏斯特范围内的频谱相互分离，从而可采用滤波器滤除射频干扰。仿真实例验证了该方案及算法的有效性。

摘要： 在激光测距中，测程和测量精度一直以来都是一对矛盾体。在保证测程的同时，提高测量精度是本次设计的关键所在。相位式激光测距的传统思想是将高频信号进行混频之后利用FFT算法得到相位，但是信号经混频后会带来幅度的衰减和相位的偏移，基于这个缺点出现了新的思路，利用欠采样技术与同步检测原理改进测相方法，降低数据处理的复杂度，提高相位检测的精度。将传统方法与新方案进行对比分析，用MATLAB仿真。当有白噪声和其他干扰信号存在时，给出了这两种方法测量相位的精度并进行误差分析。

摘要： 用欠采样把ＩＦ模拟信号变换为数字信号，可简化数字处理电路，该文讨论了用Ａ／Ｄ进行欠采样时，需要考虑的几个因素，并给出了一个设计实例。

摘要： 最近邻模式识别法在采用较高采样频率而导致频谱分辨率不高的情况下仍可准确检测FSK信号,有效避免了以往欠采样带来的采样时间较长的弊端.文中介绍了最近邻模式识别检测原理,并通过其在车载FSK信号检测中的应用证明其优越性.

摘要： 采用解频谱混叠的方法从多幅欠采样低分辨率图像重建一幅超分辨率图像,并与欠采样图像低通滤波及双线性插值重建的结果进行了比较.

摘要： 本文针对目前星载合成孔径辐射计中存在的相关器单元过于复杂的问题,提出了一种数字相关方法,借鉴了软件无线电中的数字接收机技术,利用欠采样、数字下变频和数字滤波方法,解决了多天线单元合成孔径辐射计数字相关器系统中存在的体积、重量、功耗和复杂程度过大的问题.通过仿真表明,多路高阶数字相关器系统得到的天线阵列的干涉方向图与模拟相关器系统一致,证明方案设计可靠.

摘要： 本发明基于多重欠采样实现光学遥感器像能量超频采样的方法，包括下列步骤：确定光学遥感器焦面像元尺寸以及在该像元尺寸下的采样频率f

摘要： 本发明提供了一种高隔离度欠采样鉴相器以及欠采样锁相环，包括：电荷采样器和时钟产生电路，所述电荷采样器包括两路主采样通路和两路dummy采样通路，两路主采样通路分别连接压控振荡器差分输出电压信号的VCON采集端和VCOP采集端，所述主采样通路输出端输出差分电压信号outp和outn，两路dummy采集通路分别连接VCON采集端和VCOP采集端，所述时钟产生模块与主采样通路和dummy采样通路连接，输出时钟控制信号使主采样通路和dummy采样通路交替采样振荡器差分输出电压信号。本发明提出的电荷采样型欠采样鉴相器可以用于实现低噪声低杂散高性能欠采样锁相环，并应用于诸多应用场景中。

摘要： 本发明公开了一种基于FRI采样和中国余数定理的脉冲多普勒信号欠采样与参数估计方法。步骤1：发射两组具有相同的基带信号但是频谱互相正交且具有互质PRI的脉冲序列；步骤2：利用设计的FRI采样结构，分别获取步骤1的两组PRI脉冲序列的傅里叶系数；步骤3：利用子空间方法联合多个PRI脉冲序列的采样数据估计信号的时延参数；步骤4：利用步骤3的估计信号的时延参数，将各个目标的多普勒参数进行分离；步骤5：利用子空间方法和CRT分别估计已分离的各个无混叠多普勒参数。本发明针对脉冲多普勒信号快时间及慢时间欠采样条件下时延多普勒参数估计的问题。

摘要： 本发明将欠采样技术、过采样技术与数字锁相技术相结合，首次提出了结合欠采样与过采样技术的快速算法，并将其应用到数字锁相放大器的设计中，提供了一种结合欠采样与过采样技术的快速数字锁相放大器的设计方法。本发明由信号采集模块、相关（解调）和滤波模块以及幅值和相位计算模块构成，其中信号采集模块与相关（解调）和滤波模块相连，相关（解调）和滤波模块与幅值和相位计算模块相连。本发明可以实现在降低模数转换器(ADC)采样率的性能需求的同时，充分利用ADC可提供的采样率提高系统的信噪比。相较于传统的数字锁相放大器，本发明无需处理器(MCU)产生或存储参考序列，并且大大减少了相关（解调）的运算量，降低了MCU内存和运算速度的性能需求。

摘要： 本发明提出了一种基于过采样和欠采样结合的工业数据平衡处理算法。该算法融合多种采样方法，针对工业环境数据正负样本比例非常不协调的问题，根据不同数量的样本数据集，分类做数据平衡处理。包括如下步骤：对数据进行预处理消除异常和补全缺失值；根据不同类别数据样本的数量划分为多数类和少数类；针对少数类采用SMOTE算法，即合成少数过采样技术。对少数类别样本进行分析和模拟，并将人工模拟的新样本添加到数据集中；针对多数类采用基于K‑Means算法的T‑Kmeans算法，实现对时序数据样本进行空间聚类。该发明能够解决工业数据样本极不平衡的问题，创建平衡且类别特征明显的新数据集，为预测或诊断故障等模型训练提供有力的数据支撑。

摘要： 本发明公开了一种低采样率下和欠采样率下高精度计算驻波比的方法，其特征在于，包括以下步骤：(1)重构采样信号：假设采样后形成的采样信号是fs(t)，fs(t)经过内插处理后被恢复成原来的连续信号f(t)，重构公式：(2)高频采样：对重构出来的连续信号f(t)进行高频采样，采样的频率为：信号频率10倍以上的频率，得到高频采样信号fs1(t)；(3)计算驻波比：针对高频采样信号fs1(t)按照能量法计算驻波比。本发明的有益之处在于：在低采样率下和欠采样率下，通过对采样信号进行重构，重新获得了连续的信号，由于是针对重构后的连续信号计算驻波比，所以计算结果更加精确，克服了现有方法测量驻波比误差较大以及误差波动较大的缺点。

摘要： 本发明基于多重欠采样实现光学遥感器像能量超频采样的方法，包括下列步骤：确定光学遥感器焦面像元尺寸以及在该像元尺寸下的采样频率f

摘要： 本发明公开了一种基于深度无监督学习的多回波欠采样重建—水脂分离方法，包括构建重建—水脂分离腹部MRI欠采样K空间数据集；建立无监督分组卷积—多回波双向卷积残差网络；训练无监督分组卷积—多回波双向卷积残差网络直至网络达到收敛；利用训练好的无监督分组卷积—多回波双向卷积残差网络对输入MRI欠采样K空间数据和零填充图像进行一体化的多回波图像重建和水脂分离。本发明通过学习不同回波图像的特征信息，极大地补全了欠采样回波图像的纹理细节，得到纹理细节更丰富的重建图像；通过利用相邻回波图像之间的依赖性提取到重建图像更准确的特征表示，并通过迭代优化分离结果和多层特征融合，有效提高了水脂分离的鲁棒性和准确率。

摘要： 一种基于叶端定时欠采样信号特性的叶片同步共振频率恢复方法，步骤如下：1)随机布局安装叶端定时传感器，获取叶端定时信号的振动位移，对每个通道进行离散傅里叶变换形成低维矩阵；2)测量叶端定时传感器之间的相对角度，设置满足奈奎斯特采样定理需要安装的传感器个数，计算每个叶端定时传感器对应的位置参数；3)计算低维矩阵的补偿矩阵以及参数化的压缩矩阵，构成多个列向量的欠定方程组；4)迭代求解过程中选择多个原子计算最小二乘解的稀疏估计值，获得重构的高维矩阵；5)将高维矩阵的行向量按照顺序首尾相连为恢复的频谱值，获得叶片振动的恢复频率。通过与迭代过程选个单原子的方法相比，本发明恢复叶片振动频率的准确性更高。

摘要： 本发明公开一种基于十字阵列的载频和到达角联合估计欠采样方法。步骤1：利用十字阵列调制宽带转换器接收结构进行采样，获得每通道采样值x[k]和y[k]；步骤2：基于步骤1的每通道采样点数Q，确定三线性模型和步骤3：利用交错最小二乘法分别从三线性模型和中确定估计因子矩阵和步骤4：对步骤3中的矩阵和中的元素进行配对；步骤5：对步骤4配对后的矩阵与定义的差分矩阵计算载频和DOA。本发明针对奈奎斯特采样理论下宽带稀疏信号DOA和载频的联合估计的采样率高，信息冗余的问题。