检索结果-内蒙古大学图书馆

火力与指挥控制 2019年第8期44卷 23-28页

作者：史珊珊史鹤欢西安航空学院电子工程学院西安710077 空军工程大学航空航天工程学院西安710038

飞机目标标签数据不足,使传统的机器学习算法训练效率不足。为提升训练效率提高飞机目标识别率,提出一种由卷积自动编码器(Convolutional Auto-Encoder,CAE)、哈希变换及直方图统计组成的简单多层特征提取模型。该模型利用CAE非监督训... 详细信息

飞机目标标签数据不足,使传统的机器学习算法训练效率不足。为提升训练效率提高飞机目标识别率,提出一种由卷积自动编码器(Convolutional Auto-Encoder,CAE)、哈希变换及直方图统计组成的简单多层特征提取模型。该模型利用CAE非监督训练一组卷积滤波器,与输入数据卷积提取特征;并再次利用CAE训练卷积滤波器集合,提取卷积特征;对所得到的卷积特征进行哈希变换和直方图统计;用支持向量机识别分类。实验对飞机目标取得了较高的识别率,表明特征提取模型具有很强的鲁棒性。

关键词：卷积自动编码器哈希变换直方图统计军用飞机特征提取

来源：评论

学校读者我要写书评

暂无评论

一种基于卷积自动编码器的推荐系统攻击检测方法

引用

小型微型计算机系统 2021年第5期42卷 1088-1092页

作者：费艳缪骞云刘学军南京工业大学计算机科学与技术学院南京211816 南瑞集团有限公司(国网电力科学研究院) 南京210003

协同过滤推荐已经成为解决互联网上信息过载的有效方法之一,但是,协同过滤推荐系统本身所具有的高度开放性,容易受到恶意用户的攻击,导致产生欺诈性的推荐结果,因此,有效的攻击检测对于提高推荐系统的可用性具有重要的意义.特征工程的... 详细信息

协同过滤推荐已经成为解决互联网上信息过载的有效方法之一,但是,协同过滤推荐系统本身所具有的高度开放性,容易受到恶意用户的攻击,导致产生欺诈性的推荐结果,因此,有效的攻击检测对于提高推荐系统的可用性具有重要的意义.特征工程的质量很大程度上决定了攻击检测性能,而目前大多数攻击检测方法都是基于人工方式来提取用户特征,面对不同的攻击模型,构建通用的、合适的特征指标往往是非常困难的,因此,本文提出了一种基于卷积自动编码器的推荐系统攻击检测方法,将自动特征提取和人工设计特征相结合来构造攻击检测特征,将自动编码器与卷积神经网络相结合,以卷积神经网络的卷积操作完成自动编码器的编码和解码功能,实现特征自动提取,采用深度学习方法进行攻击检测.实验验证了本文提出方法的有效性.

关键词：推荐系统卷积自动编码器攻击检测深度学习

来源：评论

学校读者我要写书评

暂无评论

基于卷积自动编码器的软件缺陷预测方法研究

基于卷积自动编码器的软件缺陷预测方法研究

引用

作者：王志涵华南理工大学

学位级别：硕士

一个理想的软件缺陷预测模型能发现软件中隐藏的各种缺陷,能够极大地帮助开发团队降低开发周期,减少维护开销,提高软件可靠性等等。在软件缺陷预测中,软件特征和分类算法的选择对于预测性能有重要影响。因此,研究者们就如何设计能反映... 详细信息

一个理想的软件缺陷预测模型能发现软件中隐藏的各种缺陷,能够极大地帮助开发团队降低开发周期,减少维护开销,提高软件可靠性等等。在软件缺陷预测中,软件特征和分类算法的选择对于预测性能有重要影响。因此,研究者们就如何设计能反映软件质量的特征,以及提出相应算法来构建预测模型展开了研究。当前所使用的传统软件特征主要关注软件模块的代码规模,复杂度等属性,忽视了源代码中丰富的语法和语义信息。在传统特征上构建的预测模型存在一定局限性。有研究人员尝试借助人工神经网络强大的学习能力从软件源代码中提取新的语义特征。然而,不同类型的特征都是对软件缺陷性质的反映,仅使用传统特征或者语义特征来构建单个预测模型性能不够理想。此外,在跨项目缺陷预测中,不同项目之间特征分布存在差异,直接将源项目上训练得到的预测模型迁移至目标项目可能存在“欠适配”等问题。本文工作主要包含以下四个部分:(1)考虑到卷积自动编码器在特征提取方面的优点,本文将其与程序抽象语法树结合,提出了一种基于卷积自动编码器的代码语义特征提取方法。该方法能够从软件源代码中获取到丰富的语法和语义信息,有助于提升缺陷预测的准确性。(2)通过在不同特征空间中训练得到个体分类器,并使用集成学习来集成多个分类器,提出了一种基于集成学习的同项目缺陷预测方法,能够减小预测模型的泛化误差。(3)针对源项目和目标项目之间语义特征存在分布差异的问题,提出了一种基于可迁移卷积自动编码器的跨项目缺陷预测方法。通过领域适配,该方法最小化不同项目之间的最大均值差异,使其特征分布更加匹配,并提升了跨项目缺陷预测的性能。(4)通过总结软件缺陷预测流程,设计并实现了一个软件缺陷预测系统。该系统能提供有关缺陷预测的服务,以帮助用户更好地保障软件的可靠性。

关键词：软件缺陷预测卷积自动编码器机器学习集成学习最大均值差异

来源：评论

学校读者我要写书评

暂无评论

基于卷积自动编码器的单细胞RNA数据深度聚类

基于卷积自动编码器的单细胞RNA数据深度聚类

引用

作者：胡杭浙江理工大学

学位级别：硕士

单细胞转录组(scRNA-seq)测序能够在单个细胞的分辨率上表示转录组学图谱,它能够揭示细胞之间的异质性,在生命科学领域有着十分重要的作用。而聚类是分析scRNA-seq数据以揭示组织复杂性的关键步骤。近年来,基于深度学习的单细胞聚类算... 详细信息

单细胞转录组(scRNA-seq)测序能够在单个细胞的分辨率上表示转录组学图谱,它能够揭示细胞之间的异质性,在生命科学领域有着十分重要的作用。而聚类是分析scRNA-seq数据以揭示组织复杂性的关键步骤。近年来,基于深度学习的单细胞聚类算法由于将降维与聚类相结合而受到广泛的关注,但是这些方法对于具有高丢失率或噪声的scRNA-seq数据集的聚类效果仍不稳定。本文充分考虑数据特性,对单细胞数据集的聚类进行研究,主要工作如下:(1)在数据提取方面,对初始单细胞基因表达数据进行高可变基因选取,过滤掉低表达或是普遍存在的基因,然后对每个单细胞基因表达序列重塑成方阵输入卷积自动编码器中进行无监督的特征提取,卷积自动编码器能够在特征提取中保持原始输入的空间局部性,更有效地学习所有输入中的局部特征。(2)提出了一种正则化软K均值算法来对卷积自动编码器学习到的嵌入空间中的细胞群进行聚类。在聚类目标函数中引入一种新的约束条件,对聚类结果进行迭代优化,并从理论上证明了这种优化方法的收敛性。此外,将降维与聚类相结合,在目标函数中加入重构损失,以寻找更适合聚类的嵌入空间。(3)本文将上述数据提取和正则化软K均值结合,构建了单细胞聚类算法模型ScCAEs。为了说明模型框架的性能,在多个数据集上验证了ScCAEs的聚类效果,所有数据集的聚类数在4到46之间,细胞数在90到30302之间。实验结果表明,该方法在上述数据集上优于其他先进的方法,并保持了令人满意的兼容性和鲁棒性。对于具有批次效应的单细胞数据集Macaque,ScCAEs可以在消除批次效应的同时确保不同类的细胞分离。此外,对于有时间序列信息的单细胞数据集Petropoulos,ScCAEs还可以增强细胞轨迹的推断。最后,本文对单细胞数据聚类的研究工作进行了总结,并对今后的工作进行展望。

关键词：单细胞RNA序列深度聚类卷积自动编码器软K均值批次效应

来源：评论

学校读者我要写书评

暂无评论

基于卷积自动编码器视频背景图像提取方法研究

引用

计算机与数字工程 2022年第9期50卷 2065-2069页

作者：蒋朝平蔡卫峰南京理工大学自动化学院南京210094

研究监控视频的异常检测过程中,需要提取监控视频的背景图像,而传统方法提取视频背景图像效果较差,存在前景图像残影、模糊等问题。为了提升固定场景监控视频背景图像的提取效果,论文采用卷积自动编码器结合结构相似性损失函数的方式提... 详细信息

研究监控视频的异常检测过程中,需要提取监控视频的背景图像,而传统方法提取视频背景图像效果较差,存在前景图像残影、模糊等问题。为了提升固定场景监控视频背景图像的提取效果,论文采用卷积自动编码器结合结构相似性损失函数的方式提取视频图像背景。自动编码器将监控视频的前景图像视为运动噪声,使用编码器去除噪声,再使用解码器重构背景图像,论文基于Avenue、UCSDPed1、UCSDPed2数据集进行实验验证,证明论文方法具有较好背景图像提取效果。

关键词：卷积自动编码器背景提取结构相似性监控视频

来源：评论

学校读者我要写书评

暂无评论

基于跨领域卷积稀疏自动编码器的抽象图像情绪性分类

引用

电子与信息学报 2017年第1期39卷 167-175页

作者：樊养余李祖贺王凤琴马江涛西北工业大学电子信息学院西安710072 郑州轻工业学院计算机与通信工程学院郑州450002

为了将无监督特征学习应用于小样本量的图像情绪语义分析,该文采用一种基于卷积稀疏自动编码器进行自学习的领域适应方法对少量有标记抽象图像进行情绪性分类。并且提出了一种采用平均梯度准则对自动编码器所学权重进行排序的方法,用于... 详细信息

为了将无监督特征学习应用于小样本量的图像情绪语义分析,该文采用一种基于卷积稀疏自动编码器进行自学习的领域适应方法对少量有标记抽象图像进行情绪性分类。并且提出了一种采用平均梯度准则对自动编码器所学权重进行排序的方法,用于对基于不同领域的特征学习结果进行直观比较。首先在源领域中的大量无标记图像上随机采集图像子块并利用稀疏自动编码器学习局部特征,然后将对应不同特征的权重矩阵按照每个矩阵在3个色彩通道上的平均梯度中的最小值进行排序。最后采用包含池化层的卷积神经网络提取目标领域有标记图像样本的全局特征响应,并送入逻辑回归模型进行情绪性分类。实验结果表明基于自学习的领域适应可以为无监督特征学习在有限样本目标领域上的应用提供训练数据,而且采用稀疏自动编码器的跨领域特征学习能在有限数量抽象图像情绪语义分析中获得比底层视觉特征更优秀的辨识效果。

关键词：图像分类图像情绪自学习卷积自动编码器领域适应

来源：评论

学校读者我要写书评

暂无评论

基于CAE和改进式VGGNet的心电身份识别算法

引用

计算机工程 2025年第1期51卷 295-303页

作者：严洁张烨菲张显飞杭州电子科技大学通信工程学院浙江杭州310018 杭州电子科技大学网络空间安全学院浙江杭州310018 杭州电子科技大学电子信息学院浙江杭州310018

随着物联网技术和人工智能技术的不断发展,生物识别技术面临着信息泄露的风险。心电图(ECG)信号因其活体识别的高防伪性在生物识别领域具有一定的优势。针对传统ECG识别算法不能适应多变的采集环境、识别稳定性不高以及基于深度神经网络... 详细信息

随着物联网技术和人工智能技术的不断发展,生物识别技术面临着信息泄露的风险。心电图(ECG)信号因其活体识别的高防伪性在生物识别领域具有一定的优势。针对传统ECG识别算法不能适应多变的采集环境、识别稳定性不高以及基于深度神经网络的ECG识别算法模型参数量较大与难以实现快速响应等问题,提出一种基于卷积自动编码器(CAE)和改进式VGGNet的ECG身份识别算法。首先设计了结合小波阈值去噪和单心拍分割的预处理方法,得到干净的单周期ECG信号作为模型输入。其次构建了基于CAE的信号模态特征提取与降维处理模块,学习得到输入数据更小维度的潜在表示。最后基于VGGNet优化模型设计,进一步深入学习特征表示,得到个体识别的结果。实验结果表明,该算法在MIT-BIH Arrhythmia Database、European ST-T Database和ECG-ID等数据库的189位测试者中实现了96%以上的识别精度,其中European ST-T Database的识别精度高达99.82%,可实现准确率较高、泛化能力较强的个体身份识别。

关键词：心电图 ECG识别卷积自动编码器残差网络信号预处理

来源：评论

学校读者我要写书评

暂无评论

基于深度图像先验与卷积自编码器的高光谱图像解混

基于深度图像先验与卷积自编码器的高光谱图像解混

引用

作者：黄敏南昌工程学院

学位级别：硕士

高光谱图像具有光谱分辨率高、图谱合一等特点,被广泛应用于地物分类、矿资勘探等领域。由于受到传感器精度和大气环境等因素影响,采集的高光谱图像广泛存在混合像元,给地物分析带来阻碍,如何实现混合像元的精准分解是高光谱图像处理的... 详细信息

高光谱图像具有光谱分辨率高、图谱合一等特点,被广泛应用于地物分类、矿资勘探等领域。由于受到传感器精度和大气环境等因素影响,采集的高光谱图像广泛存在混合像元,给地物分析带来阻碍,如何实现混合像元的精准分解是高光谱图像处理的研究重点。深度学习强大的图像处理能力在高光谱解混领域表现出巨大优势,本研究结合深度学习技术与卷积自动编码器搭建了两个高光谱图像解混模型,具体内容如下:(1)提出深度图像先验和双路协同卷积自编码器高光谱解混算法。针对单一卷积自动编码器对噪声适应性不足的问题,本文提出深度图像先验和双路协同卷积自编码器高光谱解混算法。该算法并联两个不同深度的卷积自动编码器,搭建双路协同解混模型,提高网络对不同信噪比高光谱数据的适应能力。此外,该算法线性组合两个编码器的光谱重构输出,构成新的损失函数,充分挖掘图像的特征信息,增强网络解混性能。实验结果表明,与现有的几种高光谱解混算法相比,本文提出的算法具有更高的解混精度以及更好的鲁棒性,得到的丰度平均绝对误差(AMAE)和光谱重构均方根误差(SRMSE)都是最优值或次优值。(2)提出深度图像先验和一致性约束卷积自编码器高光谱解混算法。针对并联卷积自动编码器解混速度慢,以及丰度输出利用不充分的问题,本文提出深度图像先验和一致性约束卷积自编码器高光谱解混算法。该算法通过级联两个卷积自动编码器,搭建一致性约束解混模型,提高了网络解混速度。同时引入一致性正则项对编码器丰度输出和光谱重构输出进行约束,并使用全新设计的损失函数,有效提升解混性能。实验表明,本文提出的算法在丰度反演和光谱重构方面具有优势,获得的AMAE和SRMSE都是最优值。本文提出的两种深度学习解混算法结合了深度图像先验和卷积自动编码器的优势,充分挖掘图像的信息特征,通过相应的正则项来设计损失函数,提高网络的解混性能和抗噪性能。

关键词：高光谱图像解混深度图像先验卷积自动编码器双路协同一致性约束

来源：评论

学校读者我要写书评

暂无评论

基于无监督特征学习的行星齿轮箱故障特征提取和检测

引用

电网技术 2018年第11期42卷 3805-3811页

作者：李东东王浩杨帆郑小霞华伟邹胜华上海电力大学电气工程学院上海市杨浦区200090 上海电力大学自动化工程学院上海市杨浦区200090 国网江西省赣东北供电分公司江西省乐平市333300

风电机组行星齿轮箱振动信号是一种非平稳、非线性信号,传统故障检测方法对于此类信号处理能力有限。将卷积自动编码器引入风机故障检测领域,构建了一种一维卷积自动编码器网络结构。首先训练卷积自动编码器无监督的提取数据特征,得到... 详细信息

风电机组行星齿轮箱振动信号是一种非平稳、非线性信号,传统故障检测方法对于此类信号处理能力有限。将卷积自动编码器引入风机故障检测领域,构建了一种一维卷积自动编码器网络结构。首先训练卷积自动编码器无监督的提取数据特征,得到行星轮不同健康状况的特征向量,再对特征向量求取平均值获得指标向量。通过监督学习获得最优闵可夫斯基指数,最后通过测试数据的特征向量和指标向量之间的闵式距离来判断故障类型,实现了行星齿轮不同健康状况数据的识别和分类。实验结果证明,该方法可以有效的提取行星齿轮箱故障特征并达到诊断故障的目的。

关键词：行星齿轮箱卷积自动编码器闵式距离无监督学习故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于深度学习与属性学习相结合的行人再识别

引用

数据采集与处理 2018年第4期33卷 751-757页

作者：许方洁成科扬张建明江苏大学计算机科学与通信工程学院镇江212013

现实情况中缺少大量有标签数据,导致有监督的行人再识别模型训练受到影响。此外,低层特征的缺乏语义特性限制了行人再识别在行人检索、罪犯追踪等中的应用。本文提出了一种基于深度学习与属性学习相结合的行人再识别方法,利用深度学习... 详细信息

现实情况中缺少大量有标签数据,导致有监督的行人再识别模型训练受到影响。此外,低层特征的缺乏语义特性限制了行人再识别在行人检索、罪犯追踪等中的应用。本文提出了一种基于深度学习与属性学习相结合的行人再识别方法,利用深度学习的无监督模型提取行人图像的本质特征,并引入"属性"概念增强特征的语义表达能力。首先采用卷积自动编码器进行无监督的特征提取,提取的特征然后交由多个属性分类器进行属性分类,并结合统计获得的属性类别映射关系表计算最终类别判定,最后在VIPeR和i-LIDS标准数据集上进行了测试,并与基于优化属性的行人再识别方法(Optimized attribute based re-identification,OAR)、显著性检测对应法(Salience detection correspondence,SDC)等进行了比较,结果表明本方法能够赋予行人再识别较好的语义性能,并在一定程度上提高了识别的准确率,同时获得了较好的零训练样本识别效果。

关键词：行人再识别深度学习卷积自动编码器属性学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：