召回率

摘要： 针对传统重采样方法大多使用固定采样策略,无法根据模型的优化需求改变采样策略的问题,提出一种基于自适应采样的不平衡分类方法(ASIC)。该方法根据分类模型在验证集上的表现动态调整训练集上不同类别样本的采样概率,使不同类别的采样概率由当前分类模型的需求动态决定;同时,该方法对少数类给予额外的关注,在其余条件相同的情况下为少数类赋予更大的采样概率,以弥补少数类本身样本数量不足对分类模型造成的不良影响,从而提高分类模型对少数类的识别能力。实验结果表明,使用ASIC方法训练的分类模型的平均类准确率和召回率的几何平均值均比对比方法更好,且数据分布越不平衡,ASIC方法的优势越明显。

摘要： 传统的大数据分类系统无法对海量数据的独立标签进行相关处理,导致系统内大数据的分类处理结果精确度较低。针对这一问题,提出了基于ML-kNN算法的大数据分类系统设计。系统硬件部分采用C/S混合式架构,处理器的设计选用单片机模式;系统软件部分通过设计大数据准备模块将数据集群的节点信息分配传递到系统的处理器中,通过数据模拟层提取大数据的分类特征,依据大数据的非结构文本特点设计大数据分类模块,同时基于ML-kNN算法设计分类结果分析模块,计算出数据集的样本特征标签概率,从而完成大数据分类系统的设计。测试证明,随着数据量的不断增多,该系统分类处理数据的准确率与召回率较传统的数据分类系统具有显著优势,在大数据的分类处理方面具有更好的性能。

摘要： 针对血细胞图像中,白细胞形态各异,难以确定大小和位置信息的问题,提出一种基于边缘分类的椭圆检测方法。首先,在原白细胞图像的基础上使用K-means++彩色聚类算法进行分割预处理,有效消除了背景中红细胞与血小板的干扰。其次,通过边缘分类的椭圆检测算法处理分割后的白细胞图像,以获得白细胞的外轮廓信息。最后,提取得到白细胞的位置和大小信息参数。实验表明:边缘分类的椭圆检测与其他方法相比,其综合性能指标F值最高,在检测椭圆数目为3时,其综合性能指标F值与准确率P高达0.85,可以成功检测BCCD数据集中全部的8类不同形态的白细胞。

摘要： 在大数据网络环境下,针对高校大学生异常行为检测研究较少、检测准确度不高等问题,文中以吉林某大学为研究对象,深度调研,从学生学习生活中存在的实际问题出发,采用深度神经网络方法进行大学生异常行为预测,建立基于DNN的大学生异常行为诊断模型。该模型对校园大数据进行关联聚类,以学生在校成绩、一卡通消费、图书借阅及SCL90记录基本信息数据为输入,建立深度神经网络DNN,实现海量信息检测及异常行为诊断。实验结果表明,从召回率及精度两方面进行评估,该模型有较强的预测诊断能力。同时,在此基础上设计并实现了一套大学生异常行为诊断系统,该系统通过对基础信息进行监测,实现对异常信息进行实时预警,提供可视化预警图示,并通知相关管理人员对此类学生做好教育工作,提早发现问题,尽早解决问题,防止发生校园安全事故。

摘要： 提出一种基于深度残差网络的银屑病分类诊断模型。首先采用数据增强、银屑病图片大小调整和TFRecord编码等技术对网络的输入进行预处理,然后设计了一个34层的深度残差网络(ResNet-34)来对银屑病的特征进行提取。此外,采用交叉熵作为ResNet-34的损失函数来衡量模型的准确性,并利用Adam算法作为优化器来对ResNet-34进行训练,最终得到一个优化的ResNet-34模型用于银屑病诊断。基于K折交叉验证的实验结果表明,所提模型在召回率和ROC曲线方面的性能优于其他诊断方法,可以为银屑病数据分析、疾病预防提供技术支持。

摘要： 为了提高马陆葡萄病虫害的识别准确率,有效地进行马陆葡萄病虫害防控,对测地线活动轮廓模型(GAC)进行改进,通过引入动态系数函数将马陆葡萄病虫害图像边界区域与非边界区域进行精确划分,从而实现准确分割病虫害图像模糊和凹陷边界,提出并建立了精确分割测地线活动轮廓模型(ASGAC)。接下来为了克服复杂背景下训练样本不足造成的误差,提出了Core损失函数,建立了CoreSoftmax联合监督机制(CSJMM),从而确立了基于CSJMM的精确分割测地线活动轮廓模型(CSJMM-ASGAC)。结果表明,CSJMM-AS-GAC训练集初始准确率为65.46%,验证集准确率为95.67%,测试集准确率为93.95%,Kappa系数达到0.913 8,召回率达到89.21%,CSJMM-AS-GAC对于马陆葡萄病虫害识别准确率达到94.06%。CSJMM-AS-GAC的整体性能、识别准确率、召回率等指标都优于常用的病虫害识别模型。

摘要： 随着互联网资源总量的增长,其传输渠道也在不断拓宽。在此过程中,受到渠道组织多元化的影响,海量资源安全的威胁信息识别准确性与全面性均会出现一定程度的下降,威胁海量资源安全性与应用效果。为解决上述问题,设计基于个性化自适应学习的海量资源安全威胁信息定向识别模型。根据识别序列生成标准,测定威胁信息的个性化学习风格,再通过选择近似学习者的处理方法,完成基于个性化自适应学习的海量资源传输路径分析,分析关键的资源信息,并从中提取必要的文件参量,按照敏感序列标注原则,完善现有的定向分级策略,实现海量资源安全威胁信息定向识别模型的顺利应用。实验结果表明,该模型可将召回率指标控制在既定数值标准之下,能够适当提升威胁信息的识别准确性与全面性,避免了海量资源传输过程信息安全问题的干扰。

摘要： 为了进一步解决信息数量规模下推荐系统的选择,提出了一种基于深度学习的推荐系统协同双向约束算法.在分析深度协同双向约束算法的基础上,给出了具体的计算流程.研究结果表明:利用自编码器构建交互式混合推荐算法可以获得更大的R,达到了最优异表现性能.通过自编码器构建的交互式混合推荐算法除了能够满足推荐性能以外还表现出了优异鲁棒性.使用DCBCA方法后,为用户提供长期推荐的过程中能够显著提升物品好评度.DCBCA可以优化用户对推荐物品作出的评分,使物品获得更高好评度.采用深度协同双向约束算法可以改善推荐效果,除了可以提升用户对推荐物品产生更高的好评度以外,还可以利用交互过程来避免出现冷启动的情况.

摘要： 针对传统地下采场开挖稳定评估方法存在的局限性,引入机器学习方法,提出基于随机森林算法(Random forest,RF)和K-最近邻算法(K-nearest neighbor,KNN)的地下采场开挖稳定性预测模型.以加拿大8个采场为例,首先,获取并分析399组观测数据,其中涵盖了相应的岩石质量分级(Rock Mass Rating,RMR)值、跨度以及对应的稳定、潜在不稳定或不稳定状态.然后将地下采场的稳定性程度进行三分类及二分类,采用10折交叉验证方法进行模型超参数优化,在不作任何假设的前提下,捕捉地下采场开挖稳定性与RMR值、跨度之间的复杂关系.研究表明:二分类结果准确性高于三分类预测结果;在二分类方式下,两种算法的准确率及召回率均高于90％,其中KNN算法的表现优于RF算法;提出的两种方法较先前研究的正确率有很大提升,为开挖稳定性评估提供了可靠途径.

摘要： 传统系统在进行复杂地质情况下测绘信息管控时存在管控信息召回率较低,信息管控用时较高等问题,为此,本文针对复杂地质情况提出一种矿山测绘信息管理系统设计及实践方法.分析复杂地质条件下矿山测绘信息管理的具体问题,确定测绘管理系统的功能需要,并根据具体要求进行模块结构设计.实验结果表明,本文系统管控信息召回率得到了提升.

摘要： 本文基于网络中二层专利数据源的特点，构造了具有针对性的专利信息采集系统。通过使用分布式系统、多Agent技术、信息抽取模板的半自动生成技术以及分布式系统负载均衡调度机制等，实现了系统的原型开发。并在原型基础上进行了相应的实验，结果表明，专利抽取系统具有较高的召回率和准确率。

摘要： 为满足Web用户的偏好需求与服务质量,提出一种用户偏好属性及用户满意度表示方法,并给出了相应的用户偏好函数和满意度函数,根据用户偏好的多维属性矢量,采用综合服务满意度对服务进行优化,该策略能反映用户的偏好,实现个性化服务,实验结果及与方法的比较表明,提出的优化策略能根据用户偏好的相对性实现个性化服务,并且具有更好的查准率与召回率性能.

摘要： 主题网络蜘蛛搜索策略是专业搜索引擎的核心技术.但是目前的主题搜索算法往往存在很大贪婪性,难以在全局范围内找到最优解.通过比较分析发现Best-First算法虽然有它的不足,但是它在几种算法中表现的性能最优.故以Best-First算法为基础,提出了BS-BS算法.对BS-BS算法进行性能评价,发现应用此算法搜索不但"召回率"有所提高,还能在一定程度上找到全局范围内的最优解.

摘要： 在对信息检索过程中,经常遇到文档的属性信息是不确定性或者是不完全的,很难做出决策,基于此,提出将粗集理论应用于信息检索模型中,构造语料库的邻接矩阵,通过对扩展的特征项与文档的上近似集和下近似集的重叠程度的比较,来确定文档与查询的相关性,并通过相关度来对文档进行取舍,通过实验证明,该方法可以提高信息检索的准确率.

摘要： 在对信息检索过程中,经常遇到文档的属性信息是不确定性或者是不完全的,很难做出决策,基于此,提出将粗集理论应用于信息检索模型中,构造语料库的邻接矩阵,通过对扩展的特征项与文档的上近似集和下近似集的重叠程度的比较,来确定文档与查询的相关性,并通过相关度来对文档进行取舍,通过实验证明,该方法可以提高信息检索的准确率.

摘要： 在对信息检索过程中,经常遇到文档的属性信息是不确定性或者是不完全的,很难做出决策,基于此,提出将粗集理论应用于信息检索模型中,构造语料库的邻接矩阵,通过对扩展的特征项与文档的上近似集和下近似集的重叠程度的比较,来确定文档与查询的相关性,并通过相关度来对文档进行取舍,通过实验证明,该方法可以提高信息检索的准确率.

摘要： 在对信息检索过程中,经常遇到文档的属性信息是不确定性或者是不完全的,很难做出决策,基于此,提出将粗集理论应用于信息检索模型中,构造语料库的邻接矩阵,通过对扩展的特征项与文档的上近似集和下近似集的重叠程度的比较,来确定文档与查询的相关性,并通过相关度来对文档进行取舍,通过实验证明,该方法可以提高信息检索的准确率.

摘要： 在对信息检索过程中,经常遇到文档的属性信息是不确定性或者是不完全的,很难做出决策,基于此,提出将粗集理论应用于信息检索模型中,构造语料库的邻接矩阵,通过对扩展的特征项与文档的上近似集和下近似集的重叠程度的比较,来确定文档与查询的相关性,并通过相关度来对文档进行取舍,通过实验证明,该方法可以提高信息检索的准确率.

摘要： 区别于以往采取专家系统、基于语义分析及基于关键字比较的分类方法,根据文本数据学习的特点,采用支持向量机(SVM)来实现电子邮件的智能分类方法.通过SVM方法与其他几种分类方法试验测试,结果发现,SVM方法效果最好,能较好地用人工智能训练机器来取代人类对电子邮件的分类及处理.

摘要： 本发明公开了对车道线数据的正确率和召回率进行评估的方法和系统，其中，所述方法包括：针对标记出的当前轨迹段，根据自动化识别并提取目标数据的方式，自动提取出第一车道线数据；针对标记出的当前轨迹段，制作出预期目标的第二车道线数据；根据预设第一规则将自动提取出的第一车道线数据与预期目标的第二车道线数据进行匹配，得到相应的匹配结果；获取相应的匹配结果，在相应的匹配结果显示出：自动提取出的第一车道线数据与预期目标的第二车道线数据相匹配之后，根据第二预设规则，对自动提取出的第一车道线数据的正确率和召回率进行评估，得到相应的评估结果。本发明的方案，具有速度更快、完全自动化、且检查评估类型更加全面的优点。

摘要： 一种高召回率弱标注声音事件检测方法，设定深度学习对应的神经网络、训练数据；初始化损失函数为交叉熵损失，并增加若干组不同权重的骰子损失，其中正样本占比越高，需要权重越大；训练并测试观察仅用交叉熵损失和增加若干组不同权重骰子损失的实验结果好坏；调整损失中的权重超参数，重新进行若干组骰子损失权重取值；循环迭代找出最好的效果完成训练，得到最终的损失函数；将最终的损失函数用于神经网络检测模型，将所得模型应用至声音事件检测系统，通过神经网络分类器得到声音事件的包级预测和帧级预测。本发明可解决声音事件检测中普遍采用的一对多实现多分类从而导致样本分布不均的问题，有效提升更重视召回率的F2分数。

摘要： 本发明涉及一种高召回率的日志异常检测方法，遍历每一个已知日志模式，对每一个已知日志模式做相同的判断，提取日志模式数量序列，在提取的统一的日志模式数量序列下，基于单条日志异常、日志序列异常和不变量异常三者之间的关系，同时检测单条日志异常、日志序列异常和不变量异常。与现有技术相比，本发明具有大幅度提升日志召回率和准确率，提高检测结果可解释性等优点。

摘要： 本发明提供了一种提升爬虫识别召回率的方法、装置、介质及设备，本方法中使用决策树集成算法建立集成的决策树模型，对决策树模型进行训练，抽取决策规则，经测试通过后将决策规则和经验规则合并，得到爬虫识别规则，将规则上线到爬虫拦截系统。本发明可以有效提高爬虫识别召回率。

摘要： 本发明公开了一种网络仿真平台攻击检测召回率自动测试方法，包括以下步骤：控制台获取在网络仿真平台中设置的待攻击的目标工程及攻击参数，对待攻击的目标工程发起攻击；网络仿真平台检测攻击事件并生成安全日志；控制台根据安全日志提取正确检测到的攻击事件，结合所述攻击参数自动计算网络仿真平台的攻击检测召回率。本发明还公开了一种装置及计算机可读存储介质，解决了现有技术中还存在攻击检测召回率不准确以及需要较高的人工成本的问题。

摘要： 本发明提供一种提升三级级联检测召回率和正确率的方法，所述方法包括：所述方法是基于三级级联，当第二级生成的结果中，当结果的得分大于一阈值的人脸图片中正确率高，当结果的得分低于这个阈值时，正确率降低和/或错误率升高，基于这种情况，只对得分在这个阈值确定的区间的人脸进行最后一级的处理。本发明利用阈值判断的简单方法，确定第二级结果中部分图片可直接进行最后一级的计算，提升了人脸检测的召回率和正确率。

摘要： 本发明提供一种提升二分类分割网准确率和召回率的方法及系统，该方法包括：设定裁剪后获得难样本的尺寸以及难样本数number；输入原图、标记图和模型预测的结果图；获取过检目标和漏检目标的边缘点；计算出过检目标和漏检目标的外接矩形坐标，计算外接矩形总数TotalNumber，初始化外接矩形个数i＝0；初始化样本个数k＝0；获得裁剪原图、裁剪标注图和裁剪结果图；计算裁剪标注图上漏检目标的像素面积，占整个漏检目标像素面积的比例a，和裁剪结果图上过检目标的像素面积，占整个过检目标的像素面积的比例b；判断a是否大于The或者b是否大于The；判断k是否大于等于number；判断i是否大于等于TotalNumber。本发明能够针对性的裁剪增加难样本数量，提升分割网的准确率和召回率。

摘要： 本发明公开了对车道线数据的正确率和召回率进行评估的方法和系统，其中，所述方法包括：针对标记出的当前轨迹段，根据自动化识别并提取目标数据的方式，自动提取出第一车道线数据；针对标记出的当前轨迹段，制作出预期目标的第二车道线数据；根据预设第一规则将自动提取出的第一车道线数据与预期目标的第二车道线数据进行匹配，得到相应的匹配结果；获取相应的匹配结果，在相应的匹配结果显示出：自动提取出的第一车道线数据与预期目标的第二车道线数据相匹配之后，根据第二预设规则，对自动提取出的第一车道线数据的正确率和召回率进行评估，得到相应的评估结果。本发明的方案，具有速度更快、完全自动化、且检查评估类型更加全面的优点。

摘要： 本发明公开了一种提高外呼机器人意图检测准确率、召回率的系统，包括：语音识别模块、自然语言处理模块、静音检测模块、神经网络模型，所述语音识别模块通信于所述自然语言处理模块，所述自然语言处理模块通信于所述静音检测模块，所述静音检测模块通信于所述神经网络模型。与现有技术相比，本发明的优点：通过人工智能技术和工程技术中各个模型信息的融合，较大提高了意图检测的准确率和召回率，避免单模型或专家规则式多模型融合引入的过拟合现象；相对于传统方法，本发明中的方法更充分的利用了多种不同模型提供的连续值、离散值信号，相对于传统上单个模型或专家规则方式融合多模型的算法，可以省去人工调参引入的过拟合等现象。

摘要： 本发明公开了一种推荐系统召回率确定方法、装置、电子设备及存储介质。该方法包括：获取在召回时刻对对象池进行召回操作得到的召回对象集，其中，召回对象集包括一个或多个召回对象；获取时间窗内对对象池进行N次召回操作得到的召回对象中被选中操作选中的召回对象组成的第一选中对象集，其中，时间窗的起始时刻不早于召回时刻，基于召回对象集和所述第一选中对象集，确定召回时刻进行的召回操作的召回率。基于召回对象集和时间窗内第一选中对象集确定召回率，确定的召回率可以反应出召回操作在一个时间窗内的整体召回效果，提高了对召回操作评价的准确性。基于该召回率调整召回操作可以提高在一个时间段内推荐系统的推荐准确率。