动态选择
动态选择的相关文献在1991年到2022年内共计377篇,主要集中在自动化技术、计算机技术、经济计划与管理、语言学
等领域,其中期刊论文87篇、会议论文3篇、专利文献180310篇;相关期刊72种,包括山东行政学院学报、党政干部学刊、理论观察等;
相关会议3种,包括第二十届全国数据库学术会议、2000年中国博士后学术大会、第二十一届中国数据库学术会议等;动态选择的相关文献由774位作者贡献,包括刘星成、周珍珠、谢穗鹏等。
动态选择—发文量
专利文献>
论文:180310篇
占比:99.95%
总计:180400篇
动态选择
-研究学者
- 刘星成
- 周珍珠
- 谢穗鹏
- 余鲲
- 利安·斯蒂尔伯格
- 周晓根
- 崔儒
- 张贵军
- 斯利姆·索依斯
- 杰罗恩·P·多伦博斯
- 查德·斯蒂尔伯格
- 格里高里·路易斯·坎农
- 梁硕
- 胡俊
- 萨默·萨瓦亚
- 阿兰·查尔斯·路易斯·布里恩康
- B.林多夫
- J.安萨里
- O·安格尔斯马克
- P·佩尔松
- R.巴尔德迈尔
- S.A.阿什拉夫
- 冯霞
- 宋良奎
- 潘泉
- 王志彬
- 郝红卫
- 陈志强
- 陈昊
- A·D·汉德卡尔
- A·O·伊莫南
- A·弗里斯克
- A·纳塔佐恩
- A·西蒙森
- B.安德斯
- B·什皮卢克
- C-L·林
- C·张
- C·舒尔茨
- D·C·克罗默
- D·乔克西
- D·兹洛特尼克
- G·哈迪
- G·阿克塞洛德
- H·J·洛克
- I.D.帕肖夫
- J.A.西尔贝拉
- J·佩萨
- J·威廉森
- J·彼得森
-
-
陈茂先
-
-
摘要:
批评力递减是指组织中因批评单一使用、长期使用、不当使用、错位使用而出现的综合效果递减甚至无效的管理困境,具体表现为批评效果随时间增加、对象固化、权力变化、方式僵硬、支点失误、方向离散、品德垮塌而递减。领导者为实现批评力巩固乃至不断提高,往往会采用更大范围、更多次数、更重程度的批评,但实际效果往往是高成本低收益。领导者要避免批评力递减,需要确立正确目标、运用艺术化的方式、采取灵活的资源统筹方式,用关键性批评、灵活批评增强批评力,通过批评效用的全面评估、批评艺术的机动使用、批评资源的统筹调度、批评层次的恰当确定、批评群体的科学界定、批评方式的优化组合、批评症结的精准判定、自我批评的示范引领和批评价值的有效实现来提高组织的思想力、战斗力和团结力。
-
-
王先浩;
曾宇凡;
唐钰;
唐加山
-
-
摘要:
分类器动态选择性集成算法的研究通常利用局部近邻样本来评估基分类器的性能,从而导致由该方法建立的分类器模型预测精度不够高的不足,文章提出一种基于特征加权近邻样本评估的动态选择性循环集成方法。新方法利用支持向量机确定特征权重,通过加权的K近邻算法寻找近邻样本。计算多个基分类器对近邻样本的预测准确率,根据设定的误判容忍度阈值,动态筛选分类准确率较高及多样性较大的基分类器,实现系统的循环集成。采用UCI的四种数据集进行试验。结果表明,相比于普通的动态选择性集成算法,新算法分类准确率更高。
-
-
张振宇;
陈浩
-
-
摘要:
提出了一种面向工业物联网的防拥塞动态选择无线网络,既可以避免拥塞停机,又能保证设备移动时可以进行AP动态选择调整,调整过程只产生较小网络延时。通过对此网络进行实施和部署,验证了在工况复杂多变的工业环境下,此种网络有良好的数据交换性能,避免了网络拥塞,且延时小、鲁棒性高。
-
-
杨慧;
张瑞君;
陈国良
-
-
摘要:
在实际使用过程中,基于深度学习模型的滚动轴承故障诊断方法易受环境噪声的干扰,为此,提出了一种基于改进卷积神经网络双向门控循环单元(ICNN-BiGRU)的滚动轴承故障诊断模型(方法)。首先,使用Laplace小波对采集到的滚动轴承振动信号进行了相关滤波,得到了功率谱;然后,利用ICNN-BiGRU自动提取了功率谱特征,在卷积神经网络基础上引入了动态选择机制和自注意力机制,根据轴承不同故障状态定位了相关的特征信息,从而实现了轴承故障特征提取和故障诊断;最后,通过西安交通大学昇阳科技(XJTU-SY)联合实验室的滚动轴承加速寿命试验数据集,对ICNN-BiGRU模型与其他深度学习模型进行了对比,以验证ICNN-BiGRU模型的优越性。研究结果表明:相比于其他深度学习模型,ICNN-BiGRU模型的故障诊断精度更高,其诊断准确率可达99.65%;在不同背景噪声的干扰下,相比于其他深度学习模型,ICNN-BiGRU模型的特征学习能力更强,具有一定的工程参考价值。
-
-
何思宇;
汪颢懿;
左敏;
张青川
-
-
摘要:
关于食品安全谣言的文本数据是极其典型的不平衡数据集之一,而传统机器学习算法对于不平衡数据少数类的分类精度较低。动态选择是评估分类器池中每个分类器对测试样本局部区域进行预测的能力,根据对于预测能力的评估,为每个测试样本选择分类器子集的方法。提出一种针对多类不平衡数据集的动态选择方法DCS-MI,并进行了广泛的实验。与一些最先进的动态选择技术相比,该方法提高了对不平衡数据集的分类性能,并能够在食品领域谣言分类问题上得到很好的应用。
-
-
赵冬雪;
王昕;
王利东
-
-
摘要:
不平衡数据分类是机器学习领域的重要研究方向之一,现有不平衡学习算法大多针对二分类而无法满足多分类需求.本文面向多类不平衡数据分类问题,通过结合粗糙集、重采样方法以及动态集成分类策略设计了一种新的多分类模型.该模型运用综合采样方式和粗糙集属性约简技术获得多个平衡数据子集,在此基础上实现动态集成分类模型的构建.真实数据集上的22组实验验证了该模型与两种经典算法相比对少数类样本具有更好的预测性能,可成为多类不平衡数据分类的可选策略.
-
-
胡珉;
陈芊茹;
林鹏
-
-
摘要:
机电系统可靠性是隧道安全运营的重要保障.如何从成本和性能控制角度,选择合理的维修策略成为运维实践中一个重要问题.为解决目前研究中设备维修策略存在的程式化问题,在保障设备完好率满足规范的前提下,综合考虑设备运维长期的维修成本和社会成本,基于设备可靠度变化趋势预测,提出了维修策略动态选择模型(MSDSM).利用该模型,结合大连路隧道机电设备的历史数据,以排水泵为例分析不同情形下维修策略选择的规律,结果表明:1)在设备全生命周期采取预防维修策略,有助于节约设备的养护成本;2)结合预防维修的效果,一般在设备寿命前期采取预防维修策略,在设备寿命后期采取预防更换策略.
-
-
向欣;
陆歌皓
-
-
摘要:
针对现实信用评估业务中样本类别不平衡和代价敏感的情况,为降低信用风险评估的误分类损失,提出一种基于DESMID-AD动态选择的信用评估集成模型,根据每一个测试样本的特点动态地选择合适的基分类器对其进行信用预测.为提高模型对信用差客户(小类)的识别能力,在基分类器训练前使用过采样的方法对训练数据作类别平衡,采用元学习的方式基于多个指标进行基分类器的性能评估并在此阶段设计权重机制增强小类的影响.在三个公开信用评估数据集上,以AUC、一型、二型错误率以及误分类代价作为评价指标,与九种信用评估常用模型做比较,证明了该方法在信用评估领域的有效性和可行性.
-
-
-
杨荣莹;
何庆;
王茜;
林杰
-
-
摘要:
针对布谷鸟搜索算法收敛速度慢、种群多样性低、高维寻优能力弱、开发不均衡等缺点,提出一种交互信息的动态选择布谷鸟算法(Ⅱ-DSCS).首先,在莱维飞行阶段,分别从种群整体、当代最优、自身个体中抽取鸟巢信息并构造交互信息,建立多种位置更新模式,动态地选择更新模式以改变鸟巢位置,可有效扩展种群多样性、平衡探索开发能力;其次,为避免算法陷入局部最优,在随机游走阶段,利用缩放因子组建两组位置变异策略;最后,设置适应度阈值,将迭代信息作为发现概率的控制参数,自适应地更新发现概率.通过对12个高维基准函数进行仿真实验,最终结果表明,该改进算法具有更好的求解优化能力,更快的收敛速度,能高效解决高维、复杂的优化问题.
-
-
张伟;
薛永生;
匡天祺;
林子雨
- 《第二十一届中国数据库学术会议》
| 2004年
-
摘要:
本文提出了基于单位空间上的查询频率和效益的物化视图的动态选择方案,其基本思想是由系统跟踪查询的分布情况,依据物化视图单位空间上的查询频率和效益动态地调整物化视图集合,首先,依据单位空间的查询频率,从系统收集的查询集合中选出将被物化的视图,然后,依据视图单位空间的效益对物化视图集合进行调整,进一步优化系统的效率,物化视图的动态选择以实际接受到的查询为基础,因而可以选择出与查询更为接近的物化视图集合,为了尽量避免重复计算查询的结果,还提出了在系统运行的过程中对物化视图集合进行动态调整的方案。
-
-
-
-
-