Search | Engineering

订阅投稿

首页工程期刊工程焦点工程成就工程前沿关于我们 English

资源类型

期刊论文 615

会议视频 19

会议信息 12

年份

2024 1

2023 82

2022 79

2021 72

2020 50

2019 52

2018 34

2017 55

2016 16

2015 13

2014 11

2013 4

2012 13

2011 14

2010 15

2009 15

2008 15

2007 17

2006 15

2005 18

展开︾

关键词

机器学习 27

深度学习 15

预测 14

人工智能 12

神经网络 9

地震预测 5

2019 4

增材制造 4

MATLAB 3

SARS 3

图像处理 3

智能制造 3

运动补偿 3

2020 2

2035 2

2035年 2

ACM 2

BP神经网络 2

CAPP 2

展开︾

检索范围：

排序：展示方式：

种基于特征选择与迁移学习的度量补偿软件缺陷预测方法 Research Article

陈锦富1,2,王小丽1,2,蔡赛华1,2,徐家平1,陈静怡1,陈海波1

《信息与电子工程前沿（英文）》 2022年第23卷第5期页码 715-731 doi: 10.1631/FITEE.2100468

摘要：跨项目软件缺陷预测解决了传统缺陷预测中训练数据不足的问题，克服了将多个不同源项目中学习的模型应用于目标项目的挑战。与此同时，出现两个新问题：（1）模型训练过程中过多无关和冗余特征影响训练效率，降低了模型预测精度；（2）由于开发环境等因素，度量值的分布因项目而异，当模型用于跨项目预测时，预测精度较低。本文引入皮尔逊特征选择方法解决数据冗余问题，采用基于迁移学习的度量补偿技术解决源项目和目标项目之间数据分布差异较大的问题。提出一种基于特征选择和迁移学习的度量补偿软件缺陷预测方法。实验结果表明，用该方法构建的模型在AUC（接收器工作特性曲线下面积）值和F1度量指标上取得较好结果。

关键词：缺陷预测；特征选择；迁移学习；度量补偿

HTML PDF 收藏

一种面向软件缺陷预测的相似性度量特征选择方法 Article

Qiao YU, Shu-juan JIANG, Rong-cun WANG, Hong-yang WANG

《信息与电子工程前沿（英文）》 2017年第18卷第11期页码 1744-1753 doi: 10.1631/FITEE.1601322

摘要：软件缺陷预测旨在通过历史数据和能反映软件模块特性的软件特征来发现潜在缺陷。然而，有的特征可能与类别（有缺陷或无缺陷）的相关性较高，有的特征可能是冗余的或无关的。针对软件缺陷预测中不同特征与类别的相关性差异，本文提出一种基于相似性度量（similarity measure, SM）的特征选择方法。首先，根据不同类样本间的相似性来更新特征权重；然后，按照特征权重值降序排列生成特征排序列表，并依次选取特征排序列表中的所有特征子集；最后，在KNN（k-nearest neighbor）模型上验证所有特征子集的分类性能，并采用AUC （area under curve）指标进行度量。在11个美国航空航天局（NASA）数据集上进行实验验证，结果表明，与其它四种特征选择方法相比，本文方法具有与之相当甚至更高的分类性能。

关键词：软件缺陷预测；特征选择；相似性度量；特征权重；特征排序列表

HTML PDF 收藏

联合局部学习和组稀疏回归的无监督特征选择 Regular Papers

Yue WU, Can WANG, Yue-qing ZHANG, Jia-jun BU

《信息与电子工程前沿（英文）》 2019年第20卷第4期页码 538-553 doi: 10.1631/FITEE.1700804

摘要：近十年，特征选择备受关注。通过挑选特征子集，可有效提升学习算法效率。由于难以获取标签信息，无监督特征选择算法相较于有监督特征选择算法应用更为广泛，其关键在于找出更能反映数据分布的特征集合。由于数据集中存在冗余和噪声，使用全部特征并不能很好展现数据的真实分布。为解决这一问题，本文提出联合局部学习和组稀疏回归的无监督特征选择算法。将基于局部学习聚类方法与组稀疏回归算法有机整合，选出有效反映数据流形分布同时保持组稀疏结构的特征。通过迭代算法，回归系数汇聚到重要特征上，选出能得到更优聚类效果的特征。

关键词：无监督；局部学习；组稀疏回归；特征选择

HTML PDF 收藏

基于两级层次特征学习的图像分类方法 Article

Guang-hui SONG,Xiao-gang JIN,Gen-lang CHEN,Yan NIE

《信息与电子工程前沿（英文）》 2016年第17卷第9期页码 897-906 doi: 10.1631/FITEE.1500346

摘要：为了区分高度相似类别中的样本，需要更加具体的图像特征，以便于分类器能够提高分类性能。本文提出了一种新颖、有效的基于深度卷积神经网络的两级层次特征学习框架。首先，不同层次的深度特征抽取器使用迁移学习方法进行训练。然后，从全部类别中抽取的通用特征和从高度相似类别中抽取的具体特征被融合成一个特征向量，并将其输入线性分类器进行分类。最后，基于Caltech-256、Oxford Flower-102和Tasmania Coral Point Count三个图像数据集的实验证明，通过两级层次特征学习的深度特征的表达能力十分强大，与传统的扁平多分类方法相比

关键词：迁移学习；特征学习；深度卷积神经网络；层次分类；谱聚类

HTML PDF 收藏

在非对称大规模MIMO系统中基于集成—迁移学习的信道参数预测 Research Article

何遵文1,李悦1,张焱1,张万成1,张恺恩1,郭柳1,王海明2

《信息与电子工程前沿（英文）》 2023年第24卷第2期页码 275-288 doi: 10.1631/FITEE.2200169

摘要：近年来，多智能体深度强化学习（multi-agent deep 为降低第六代移动网络中的数据处理负担和硬件成本，非对称大规模多入多出（multiple-input multiple-output，MIMO本文提出一种基于集成迁移学习的非对称大规模MIMO系统的信道参数预测方法，可以预测多个下行信道参数，包括路径损耗、多径数、时延扩展和角度扩展。选择上行信道参数和环境特征来预测下行参数。此外，提出一种基于SHAP（SHapley Additive exPlanations）值和最小描述长度标准的两步特征选择算法，以降低由弱相关或不相关特征引起的计算复杂度和对模型准确性的负面影响。引入实例迁移方法，以支持预测模型应对在新的传播条件下难以在短时间内收集足够训练数据的问题。仿真结果表明，该方法比反向传播神经网络和3GPP TR 38.901信道模型更准确。当波束宽度或通信扇区发生变化时，所提出的基于实例迁移的方法在预测下行参数方面优于没有迁移学习的方法。

关键词：非对称大规模MIMO系统；信道模型；集成学习；实例迁移；参数预测

HTML PDF 收藏

微阵列数据集的特征选择技术：综合评述、分类和未来方向 Review

Kulanthaivel BALAKRISHNAN, Ramasamy DHANALAKSHMI

《信息与电子工程前沿（英文）》 2022年第23卷第10期页码 1451-1478 doi: 10.1631/FITEE.2100569

摘要：

为获得最佳结果，从微阵列数据集中检索相关特征已成为特征选择（FS）技术的研究热点。本综述旨在全面阐述各种最新特征选择技术，同时介绍了基于微阵列数据集的处理多类分类问题的技术以及提高学习算法性能的不同方法。我们试图理解和解决数据集不平衡问题，以证实研究人员在微阵列数据集上的工作。对文献的分析为理解和强调在通过各种特征选择技术寻找最佳特征子集时存在的众多挑战和问题铺平了道路。同时提供了一个案例说明该方法的实施过程，该方法使用3个微阵列癌症数据集评估一些包装方法和混合方法的分类精度和收敛能力，以确认最优特征子集。

关键词：特征选择；高维；学习技术；微阵列数据集

HTML PDF 收藏

基于特征-模式图的SDN下分布式拒绝服务攻击发现方法 Special Feature on Future Network-Research Article

Ya XIAO, Zhi-jie FAN, Amiya NAYAK, Cheng-xiang TAN

《信息与电子工程前沿（英文）》 2019年第20卷第9期页码 1195-1208 doi: 10.1631/FITEE.1800436

摘要：本文提出一种基于特征-模式图模型的方法来发现软件定义网络环境下的DDoS攻击行为。所提出的特征-模式图采用网络模式作为节点，将其相似度作为加权边。节点之间的相似度由度量学习和马氏距离表示。所提方法可以基于图的邻近分类模型发现DDoS攻击，并具有自动发现未知攻击的能力且可通过全局或局部插入新节点的方式扩展已有图结构。

关键词：软件定义网络；分布式拒绝服务攻击；行为检测；距离度量学习；特征-模式图

HTML PDF 收藏

一种用于工业过程监测的鲁棒迁移字典学习算法 Article

阳春华, 梁慧平, 黄科科, 李勇刚, 桂卫华

《工程（英文）》 2021年第7卷第9期页码 1262-1273 doi: 10.1016/j.eng.2020.08.028

摘要：因此，当将从训练数据中学习的模型应用于实际的在线监测时，很难实现精确的过程监测。为了解决操作环境变化导致的历史训练数据和在线测试数据之间的分布差异问题，提出了一种鲁棒的迁移字典学习（RTDL）算法用于工业过程监测。RTDL是表示学习和域自适应迁移学习的协同方法。该方法将历史训练数据和在线测试数据分别作为迁移学习问题的源域和目标域。然后将最大均值差异正则化和线性判别分析正则化引入字典学习框架，可以减少源域和目标域之间的分布差异。这样，即使源域和目标域的特征在实际变化的操作环境的干扰下明显不同，仍可以学习鲁棒的字典。这样的字典可以有效地提高过程监测和模态识别的性能。通过数值仿真和两个工业系统的实验验证了该方法的有效性和优越性。

关键词：过程监测多模态过程字典学习迁移学习

HTML PDF 收藏

一种用于文本分类的去冗余特征选择新方法 None

You-wei WANG, Li-zhou FENG

《信息与电子工程前沿（英文）》 2018年第19卷第2期页码 221-234 doi: 10.1631/FITEE.1601761

摘要：特征选择是文本分类领域一种重要降维方法。针对传统特征选择方法所选特征集常包含冗余信息的问题，提出一种能够有效去除冗余信息的特征选择新方法。首先，为衡量两个词之间的关系，引入基于词频的相关性和相对冗余词集的概念；接着，选择一种最优特征选择方法并用其获得一个临时特征子集；最后，为提高算法执行效率，结合预设阈值去除临时特征子集中的冗余特征，并将结果存储在链表结构中实验结果表明，该方法分类精度高于传统特征选择方法；相对于基于互信息的方法而言，该方法能够在保证分类精度的同时，有效提高运行效率。

关键词：特征选择；降维；文本分类；冗余特征；支持向量机；朴素贝叶斯；互信息

HTML PDF 收藏

基于知识图谱技术的电力设备缺陷记录错误识别方法 Regular Article

Hui-fang Wang, Zi-quan Liu,huifangwang@zju.edu.cn

《信息与电子工程前沿（英文）》 2019年第20卷第11期页码 1564-1577 doi: 10.1631/FITEE.1800260

摘要：为实时检测缺陷记录的录入错误，提出一种基于知识图谱技术的电力设备缺陷记录错误识别方法。针对电力缺陷文本特点，通过优化构建知识图谱的一般流程，提出利用现有电力设备缺陷记录语料构建电力设备缺陷知识图谱的方法。然后，基于所构建的知识图谱，针对电力设备缺陷记录的各种错误类型，提出利用图搜索识别缺陷记录错误。最后，对比所提方法和机器学习方法在缺陷记录错误识别上的查准率、查全率、F1分数、准确率和效率，并分析影响各种方法错误识别效果的因素。比较结果表明，所提方法在缺陷记录错误识别效果上有明显优势，识别效率满足实时性要求。

关键词：错误识别；电力设备缺陷记录；知识图谱；机器学习

HTML PDF 收藏

面向物联网的激励感知区块链辅助的智能边缘缓存与计算迁移研究 Article

王倩, 陈思光, 吴蒙

《工程（英文）》 2023年第31卷第12期页码 127-138 doi: 10.1016/j.eng.2022.10.014

摘要：本文提出了一种面向物联网的激励感知区块链辅助的智能边缘缓存与计算迁移方案，该方案致力于为协作ENs在资源优化和控制方面提供安全和智能的解决方案。具体地，该方案通过联合优化迁移和缓存决策以及计算和通信资源分配，以最大限度地降低EN中完成任务的总成本。此外，为解决上述优化问题，本文设计了区块链激励和贡献联合感知的联邦深度强化学习算法。

关键词：计算迁移缓存激励区块链联邦深度强化学习

HTML PDF 收藏

一种局部二次嵌入学习算法及其在软测量中的应用 Article

包垚垚, 朱远明, 钱峰

《工程（英文）》 2022年第18卷第11期页码 186-196 doi: 10.1016/j.eng.2022.04.025

摘要：

鉴于元学习在众多领域取得的巨大成就，本文针对数据回归问题提出了融合度量学习和神经网络（NN）的局部二次嵌入学习（LQEL）算法。首先，通过优化输入输出空间里样本间度量的全局一致性来改进马氏度量（Mahalanobis metric）学习算法；同时，通过引入松弛约束进一步证明了改进的度量学习问题等价于一个凸规划问题。然后，基于局部二次插值假设原理，引入了两个轻量级的神经网络，其一用于学习局部二次模型中的系数矩阵，另一个则用于对从不同局部近邻获得的预测结果进行权重分配。最后，将两个子模型嵌入统一的回归框架中，并通过随机梯度下降（SGD）算法学习模型参数。所提出的算法优势在于可充分利用目标标签中隐含的信息找到更可靠的参考样本。

关键词：局部二次嵌入度量学习回归机软测量

HTML PDF 收藏

农业软件产业发展的现实格局与路径选择

马晨,李瑾,张骞,冯献,揭晓婧

《中国工程科学》 2021年第23卷第4期页码 19-29 doi: 10.15302/J-SSCAE-2021.04.003

摘要：

信息技术与现代农业发展的交叉重组、渗透融合不断加速，逐步孕育出农业软件产业，支撑了智慧农业发展。本文在分析国内外农业软件产业发展战略、概述学术界相关研究的基础上，结合实际调研数据，梳理了我国农业软件产业的发展现状、主要困境，提出了我国农业软件产业发展的战略目标、重大工程及政策保障建议。研究发现，我国农业软件产业在技术研发与推广、企业运行、用户积累等方面与国外存在较大差距，主要存在开发难度大、创新能力弱、投资回报低、知识产权保护弱等困境；面向2035年，应以推动农业技术软件化为主线，以强化农业软件产业创新发展能力为核心，开展农业使能软件与平台开发工程、精准农业管理软件应用推广工程、农业软件产业集聚区创建工程、农业软件企业梯次培育工程等重大工程建设。为此建议，完善政策支持体系建设、强化统筹协调机制、优化学科体系建设、加强人才培养全面保障我国农业产业软件的高质量发展。

关键词：农业软件产业，特征分类，现实格局，路径选择，重大工程建议

HTML PDF 收藏

因果模型启发的复杂工业过程软传感器自动化特征选择方法 Article

孙衍宁, 秦威, 胡锦华, 许鸿伟, 孙兆辉

《工程（英文）》 2023年第22卷第3期页码 82-93 doi: 10.1016/j.eng.2022.06.019

摘要：许多研究人员已经使用先进的机器学习（ML）或深度学习（DL）模型开发出了数据驱动的软传感器。其中，特征选择是一个关键的问题，因为一个原始的工业数据集通常是高维的，并不是所有的特征都有利于软传感器的建立。一种完善的特征选择方法不应该依赖于超参数和后续的ML或DL模型。换言之，这种特征选择方法应该能够自动地选择一个特征子集进行软传感器建模，选择的每个特征对工业KPI 都有独特的因果影响。因此，本研究提出了一种受因果模型启发的自动特征选择方法，用于工业KPI 的软测量。然后，提出了一种新的特征选择方法，即自动选择具有非零因果效应的特征来构造特征子集。最后，利用所构造的子集，通过AdaBoost 集成策略开发KPI 的软传感器。

关键词：大数据分析机器智能质量预测软传感器智能制造

HTML PDF 收藏

基于深度序列特征学习的临床感染性角膜炎图像分类 Article

许叶圣, 孔鸣, 谢文加, 段润平, 方钲清, 林宇萧, 朱强, 汤斯亮, 吴飞, 姚玉峰

《工程（英文）》 2021年第7卷第7期页码 1002-1010 doi: 10.1016/j.eng.2020.04.012

摘要：本文提出了一种深度序列特征学习模型，该模型能够通过对临床图像的分类高效地鉴别不同的感染性角膜炎。我们针对感染性角膜炎的特点设计了一种能够解耦临床图像中最具区别
性的特征并保持其空间结构的机制。通过比较，我们提出的深度序列特征学习模型在120张图像的测试集上的准确率能够达到80%，远高于421位眼科医生所能达到的平均水平[(49.27 ± 11.5)]%。

关键词：深度学习角膜病序列特征机器学习长短时记忆