刘悦
- 作品数：39 被引量：187H指数：7
- 供职机构：上海大学计算机工程与科学学院更多>>
- 发文基金：国家自然科学基金上海市教育委员会重点学科基金上海市自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学天文地球一般工业技术更多>>
- 地震预报专家系统中学习样本的构建被引量：1
- 2005年
- 如何选择和处理学习样本是地震预报专家系统中非常重要的问题。该文在分析以前方法的特点和不足的基础上,提出了异常驱动样本构造法,并用基于RBF神经网络的属性约简方法来处理学习样本。使用异常驱动样本构造法可以方便、科学地根据异常属性出现的频率选择学习样本的属性和根据每条样本的空缺属性率选择学习样本。基于RBF神经网络的属性约简方法利用RBF(RadialBasisFunction)神经网络的特点来量化各维属性对结果的影响程度,从而约简对结果影响程度小的属性。通过实验,表明了用该文方法进行地震预报样本的选择和处理,能明显地提高地震预报的精度。
- 李远刘悦王媛吴耿锋
- 关键词：专家系统RBF神经网络数据预处理
- 基于特征加权的Category ART网络及应用被引量：1
- 2007年
- 特征加权是特征选择的一般情况,它能更加细致地区分特征对结果影响的程度,往往能够获得比特征选择更好的或者至少相等的性能。该文采用自适应遗传算法来优化Category ART网络的特征权值,提出了一种改进的Category ART网络FWART。在UCI标准数据集上的实验表明,FWART网络获得了比Category ART网络更好的泛化能力。将该网络应用在地震震型预报上,取得了很好的预报效果。
- 丁智国刘悦吴耿锋
- 关键词：特征加权遗传算法
- 中国大陆强震时间序列预测的支持向量机方法
- ＜正＞ 传统统计学研究的是样本数目趋于无穷大时的渐近理论,但在实际问题中样本数往往是有限的,因此一些理论上很优秀的学习和预测方法在实际中表现却可能不尽人意。统计学习理论（Statistical Learning Theo...
- 王炜刘悦林命周马钦忠赵利飞
- 文献传递
- 中国大陆强震时间序列预测的支持向量机方法被引量：22
- 2005年
- 统计学习理论(Statistical Learning Theory或SLT)是研究有限样本情况下机器学习规律的理论。支持向量机(Support Vector Machines或SVM)是基于统计学习理论框架下的一种新的通用机器学习方法。它不但较好地解决了以往困扰很多学习方法的小样本、过学习、高维数、局部最小等实际难题,而且具有很强的泛化(预测)能力。文中使用支持向量机对中国大陆最大地震时间序列进行预测,预测次年的我国大陆最大地震震级,结果表明该方法具有较好的预报效果。研究结果还表明我国大陆强震活动除了与强震时间序列本身有关外,还与全球的强震活动、太阳黑子活动等有密切的关系。尽管这种关系还不清楚,但是通过支持向量机可以很好地反应出这种非线性关系。
- 王炜刘悦李国正吴耿锋林命周马钦忠赵利飞
- 关键词：统计学习理论支持向量机时间序列
- 任务驱动的实践教学方法与平台研究被引量：3
- 2018年
- 以《程序设计方法学》课程为例,针对以往程序设计与软件开发类课程在教学内容和形式上存在的问题进行分析和讨论,探讨此类课程的实践教学,提出任务驱动的多环节实践教学模式,并介绍面向任务驱动的实践教学与分析平台构建,支持任务驱动的教学实践。
- 刘悦吴军明刘炜张博锋
- 关键词：实践教学数据分析
- 正态云模型研究回顾与展望被引量：83
- 2018年
- 不确定性信息的表达和处理是人工智能的一个重要研究问题.目前有多种理论模型从不同的角度研究不确定性问题,包括模糊集、粗糙集、概率论、证据理论等.1995年,李德毅院士在概率论和模糊集理论两者的基础上,提出了一种处理不确定性问题的双向认知模型——云模型,即通过正向云变换和逆向云变换算法进而实现定性概念与定量数值的双向转换.经过20多年的研究与发展,该模型逐渐得到完善,并在不确定性信息处理方面得到了广泛应用.该文回顾了正态云模型理论的研究现状和进展.并在此基础上分析了其存在的挑战和问题:(1)双向认知计算方面,虽然多步逆向云能够实现稳定的双向认知变换,但是它是基于单个云概念的,尚未有多粒度云模型双向认知变换的研究成果;(2)云模型相似性度量方面,由于不同的领域问题需要不同的评价标准,需要开展针对特定问题的云模型相似性度量研究;(3)粒计算机制方面,高斯云变换能够实现由细到粗的粒度变换以及多粒度概念的自适应生成,解决了云模型的变粒度问题.但是没有体现不同云概念以及不同粒度层次之间的关联;(4)多维云模型方面,目前在这方面的研究工作相对较少,缺乏较有效的多维云表示方法.该文针对以上问题,围绕当前的研究热点——大数据存在的挑战,进一步提出了大数据的云模型研究框架,深入探讨了未来的研究方向,并指出未来的工作需要以大数据为中心,结合粒计算、机器学习以及统计学的思想,进一步完善云模型的理论机制,该文的工作对于大数据和云模型理论的研究提供了重要的参考价值.
- 杨洁王国胤刘群郭毅可刘悦淦文燕刘玉超
- 关键词：云模型粒计算不确定性大数据
- 面向软件工程实践的学生项目管理平台设计被引量：4
- 2011年
- 本文通过对软件工程课程实践的关键核心任务进行分析和提炼,提出了一个面向软件工程课程实践的学生项目管理平台。该平台有效地实现了教学管理和学生项目过程管理的无缝集成,实现了从教务人员下达课程任务,到组织指导教师,创建学生项目组,项目开发过程控制,再到项目的中期检查、验收和答辩,到最终的成绩汇总和质量评价的一个完整的软件工程实践课程的全生命周期管理。
- 刘炜董健全曾红卫刘悦
- 关键词：软件工程TSP全生命周期管理JAVAEE
- 融合材料领域知识的数据准确性检测方法被引量：1
- 2022年
- 材料数据由于小样本、高维度、噪音大等特性,用于机器学习建模时常常会产生与领域专家认知不一致的结果。面向机器学习全流程,开发材料领域知识嵌入的机器学习模型是解决这一问题的有效途径。材料数据的准确性直接影响了数据驱动的材料性能预测的可靠性。本研究针对机器学习应用过程中的数据预处理阶段,提出了融合材料领域知识的数据准确性检测方法。该方法首先结合材料专家认知构建了材料领域知识库。然后,将其与数据驱动的数据准确性检测方法结合,从数据和领域知识两个角度对材料数据集进行基于描述符取值规则的单维度数据正确性检测、基于描述符相关性规则的多维度数据相关性检测以及基于多维相似样本识别策略的全维度数据可靠性检测。对于每一阶段识别出的异常数据,结合材料领域知识进行修正,并将领域知识融入到数据准确性检测方法的全过程以确保数据集从初始阶段就具有较高准确性。最后该方法在NASICON型固态电解质激活能预测数据集上的实验结果表明:本研究提出的方法可以有效识别异常数据并进行合理修正。与原始数据集相比,基于修正数据集的6种机器学习模型的预测精度都有不同程度的提升。其中,在最优模型上R2提升了33%。
- 施思齐施思齐马舒畅邹欣欣钱权钱权
- 关键词：数据质量领域知识
- 数据驱动的机器学习在电化学储能材料研究中的应用被引量：7
- 2022年
- 储能电池的关键是材料。继实验观测、理论研究和计算模拟之后,数据驱动的机器学习具有快速捕捉材料成分-结构-工艺-性能间复杂构效关系的优势,有望为电化学储能材料的研发提供新的范式。本文从结构化和非结构化数据驱动两方面,系统评述了机器学习在电化学储能材料研究中的最新进展。全面概括了可用于电化学储能材料机器学习的国内外材料数据库,分析了其数据的收集、共享和质量检测存在的问题;重点阐述了电化学储能材料中机器学习的工作流程和应用,包括结构化数据驱动下数据收集、特征工程和机器学习建模以及图形、表征图像和文献文本这类非结构化数据驱动下的模型构建和应用。进一步,厘清电化学储能材料领域机器学习面临的三大矛盾且给出对策,即高维度与小样本数据的矛盾与协调、模型复杂性与易用性的矛盾与统一、模型学习结果与专家经验的矛盾与融合,并提出构建“领域知识嵌入的机器学习方法”有望调和这些矛盾。本文将为机器学习在电化学储能材料设计和性能优化中的应用提供参考。
- 施思齐涂章伟邹欣欣孙拾雨杨正伟刘悦
- 关键词：材料数据库领域知识
- 软件工程实践教学方法探索被引量：9
- 2011年
- 本文结合教学体会,分析了软件工程实验教学中存在的问题。紧扣教学计划,以学生的知识和能力为基础,建议将软件工程实践分为专项任务实验和项目开发实践两个阶段。专项任务实验针对软件开发方法的主要知识点,以巩固软件工程理论知识为目的;项目开发实践以小组形式进行实际软件项目的开发,培养学生的软件工程方法综合运用能力和基本的软件开发实践能力。
- 曾红卫刘悦刘炜
- 关键词：软件工程项目开发实践实践教学
