检索结果-内蒙古大学图书馆

计算机工程 2023年第3期49卷 177-184页

作者：席荣康蔡满春芦天亮中国人民公安大学信息网络安全学院北京100032

Tor流量分析技术为打击利用Tor匿名通信工具从事的暗网犯罪活动提供了技术支撑,但目前存在数据难于收集、数据集不平衡、模型抗概念漂移能力差等问题。提出一种结合堆叠去噪自编码器和在线序列极限学习机的Tor流量分析模型。对原始Tor P... 详细信息

Tor流量分析技术为打击利用Tor匿名通信工具从事的暗网犯罪活动提供了技术支撑,但目前存在数据难于收集、数据集不平衡、模型抗概念漂移能力差等问题。提出一种结合堆叠去噪自编码器和在线序列极限学习机的Tor流量分析模型。对原始Tor PACP包进行分割、去噪处理并提取特征序列。在此基础上,将一维序列转化为可视化灰度图并输入改进多尺寸深度卷积生成对抗网络,生成Tor流量样本以平衡数据集,利用堆叠降噪自动编码器进行序列降维并将特征输入在线序列极限学习机实现Tor匿名流量的在线流识别。实验结果表明,改进多尺寸深度卷积生成对抗网络可用于提升数据集质量并提高模型识别率约2.8个百分点,结合在线序列极限学习机和堆叠去噪自编码器的流量分析模型准确率可达95.7%,识别效率较传统卷积神经网络和长短期记忆网络模型有较大提升。

关键词：洋葱路由概念漂移流数据挖掘数据增强深度卷积生成对抗网络堆叠去噪自动编码器在线序列极限学习机

来源：评论

学校读者我要写书评

暂无评论

基于深度学习SDA的压缩感知图像重构方法

引用

计算机工程与设计 2018年第11期39卷 3516-3519,3525页

作者：谢雪晴重庆工业职业技术学院信息工程学院重庆401120

为减少传统压缩感知对图像信号测量与重构的时间,提高重构精度,提出一种深度学习SDA的压缩感知框架,采用堆叠去噪自动编码器(SDA)作为无监督特征学习器,支持信号的线性和非线性测量,捕获特定信号的不同元素之间的统计依赖性;利用前馈深... 详细信息

为减少传统压缩感知对图像信号测量与重构的时间,提高重构精度,提出一种深度学习SDA的压缩感知框架,采用堆叠去噪自动编码器(SDA)作为无监督特征学习器,支持信号的线性和非线性测量,捕获特定信号的不同元素之间的统计依赖性;利用前馈深度神经网络代替传统重构算法,从训练数据中学习信号的结构化表示,实现图像信号重构。实验结果表明,与压缩感知SPL算法、D-AMP算法和TV算法比较,该方法峰值信噪比(PSNR)更高,且重构时间仅仅为0.002s,远低于其它3种算法。

关键词：压缩感知深度学习堆叠去噪自动编码器无监督特征学习结构化表示

来源：评论

学校读者我要写书评

暂无评论

一种基于迁移深度强化学习的建筑能耗预测方法

引用

计算机应用研究 2020年第S01期37卷 92-94页

作者：傅启明吴少波戴大东杨正霞陈建平吴宏杰苏州科技大学江苏省建筑智慧节能重点实验室江苏苏州215009 苏州科技大学电子与信息工程学院江苏苏州215009 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

建筑能耗在我国总能耗中占比超过了35%。建筑能耗预测是能源科学管理、高效节能、低碳绿色发展的重要课题。但建筑能耗数据的成因复杂、独立同分布性弱、目标域样本不足,导致现有预测模型泛化性不足。由此提出了一种基于迁移深度强化学... 详细信息

建筑能耗在我国总能耗中占比超过了35%。建筑能耗预测是能源科学管理、高效节能、低碳绿色发展的重要课题。但建筑能耗数据的成因复杂、独立同分布性弱、目标域样本不足,导致现有预测模型泛化性不足。由此提出了一种基于迁移深度强化学习的建筑能耗预测方法,充分利用隐藏层结构模型迁移共享建筑能耗的有用信息,通过堆叠去噪自动编码器挖掘建筑能耗中深层特征,结合强化学习Q-Learning方法进行建筑能耗建模。为了验证方法性能,采用了美国加利福尼亚州弗里蒙特的零售建筑真实能耗数据,与Q-Learning、ADE-BPNN、BP-Adaboost进行了比较,所提方法在MSE、RMSE、MAE、MAPE方面分别比上述三种方法的平均值降低了25.9%、13.1%、23.7%、19.3%,有效提高了建筑能耗预测的精度。

关键词：特征迁移堆叠去噪自动编码器深度强化学习建筑能耗预测

来源：评论

学校读者我要写书评

暂无评论

基于多核融合和特征提取的药物—疾病关联预测方法研究

基于多核融合和特征提取的药物—疾病关联预测方法研究

引用

作者：王颖曲阜师范大学

学位级别：硕士

癌症已经成为中国高发疾病之一,找到治疗癌症所需的药物是至关重要的。然而,传统的药物开发需要花费大量的时间和金钱,识别药物与疾病之间的关联可以为生物学家进行下一步的湿实验提供有效的候选药物,因此,设计低成本且高效的计算模型... 详细信息

癌症已经成为中国高发疾病之一,找到治疗癌症所需的药物是至关重要的。然而,传统的药物开发需要花费大量的时间和金钱,识别药物与疾病之间的关联可以为生物学家进行下一步的湿实验提供有效的候选药物,因此,设计低成本且高效的计算模型识别药物与疾病之间的关联成为研究热点之一。尽管现有的模型已经取得不错的预测结果,但大多数都存在相似性信息融合方式和特征提取方式单一的问题。本文是在降低先验信息噪声的前提下,从多种相似性信息融合和多种提取方式出发,提出了四个基于多核融合和特征提取的药物-疾病关联预测方法。预测方法的提出为药物的开发提供了新的方向,具体的研究内容如下: (1)针对药物-疾病关联预测中特征提取方式过于单一的问题,提出了基于图表示学习和轻量级梯度提升机的方法(GRLGB)预测药物与疾病之间的关联。首先,将蛋白质信息引入异构网络。然后,使用不同的图表示学习方法分别从网络拓扑和生物知识角度提取药物和疾病的节点特征,使用了两种不同的方式处理生物知识。最后,使用轻量级梯度提升机预测潜在的药物-疾病关联。 (2)针对相似性信息过于单一以及相似性融合方式过于简单的问题,提出了一种基于多种相似性和图卷积自动编码器的方法(MSGCA)预测药物-疾病关联。首先,使用基于中心核对齐的多核学习(CKA-MKL)算法融合多种药物相似性和多种疾病相似性,然后,通过使用线性邻域相似性改善经CKA-MKL融合的药物相似性和疾病相似性,同时使用加权K最近邻谱算法减少原始关联矩阵的稀疏性。最后,将处理后的矩阵输入异构网络,然后使用带注意力机制的图卷积自动编码器预测潜在的药物-疾病关联。 (3)针对先验信息存在噪声和特征提取方式单一的问题,提出了一种基于堆叠去噪自动编码器和矩阵分解的方法(SDAEMF)预测药物-疾病关联。首先,使用重启的随机冲浪模型和计算移位正点互信息矩阵对药物和疾病相似性网络进行预处理,从而减少药物和疾病相似性网络的噪声。其次,使用矩阵分解挖掘原始关联矩阵的潜在药物和疾病特征,使用堆叠去噪自动编码器提取高阶低维特征表示。然后,将矩阵分解和堆叠去躁自动编码器得到的药物和疾病的特征矩阵分别串联。接下来,将串联后的药物特征矩阵和疾病特征矩阵分别使用核邻域相似性进行融合,从而挖掘不同相似性网络之间的非线性信息及相似性网络之间的邻域和非邻域的非线性信息。最后,使用图卷积自动编码器预测潜在的药物-疾病关联。 (4)针对特征提取和融合方式过于单一以及过分依赖原始关联矩阵的问题,提出了基于堆叠去噪自动编码器和改进的扩散成分分析(clusDCA)方法(SDAEDCA)预测药物和疾病之间的关联。首先,使用基于熵的加权融合方法对药物和疾病相似性网络进行处理,从而根据贡献分配不同的权重。其次,使用堆叠去噪编码器和clusDCA提取药物和疾病相似性网络的高阶低维特征。然后,将矩阵分解和堆叠自动编码器得到的药物和疾病的特征矩阵分别串联。接下来,将药物和疾病特征矩阵分别使用相似性网络融合方法融合。最后,使用拉普拉斯正则化最小二乘法预测潜在的药物-疾病关联。本文提出的四种方法都是基于特征提取进行的预测,且均用于药物与疾病之间的关联预测,同时具有优越的预测性能。最终的实验结果表明,更先进的特征提取方法可以显著提升方法的预测效果,从而为药物的开发提供新的思路。

关键词：药物-疾病关联预测图表示学习堆叠去噪自动编码器矩阵分解改进的扩散成分分析

来源：评论

学校读者我要写书评

暂无评论

面向社区均模型的深度协同算法研究

面向社区均模型的深度协同算法研究

引用

作者：赵瑞姣太原理工大学

学位级别：硕士

在“信息过载”时代,个性化推荐系统成为研究热点,它可以根据用户信息需求快速主动地进行推荐,省略掉用户筛选、过滤信息的过程,防止用户遗漏重要信息。同时,它又存在一些问题,例如评分数据稀疏和“冷启动”问题。因此,如何有效解决这... 详细信息

在“信息过载”时代,个性化推荐系统成为研究热点,它可以根据用户信息需求快速主动地进行推荐,省略掉用户筛选、过滤信息的过程,防止用户遗漏重要信息。同时,它又存在一些问题,例如评分数据稀疏和“冷启动”问题。因此,如何有效解决这些问题,准确进行推荐,成为目前主要的研究内容。推荐系统中信息来源有多种:评分数据,项目信息和用户信息。在互联网中,评分数据和项目信息作为公共资源可轻易获取,如果提取项目特征时从项目信息入手,可很好地缓解推荐系统中项目“冷启动”问题。相反,由于涉及隐私问题,可提取用户特征的用户信息难以在网上直接收集。故本文从新的角度获取用户信息,提出了一种对称模型,此模型可同时训练用户信息和项目信息,从而提取特征,并且在此基础上,加入了社区因素。具体来说,主要完成以下几个方面的工作:(1)在回顾和总结推荐系统研究背景及存在问题后,通过对协同过滤算法和深度学习算法深入分析,并在基于社区推荐算法的探究之上,明确了研究方向:第一,社区包含一些隐藏信息,如果在社区中做推荐,推荐准确度会得到提高。第二,结合协同过滤算法和深度学习算法的优势,提出了一种深度协同算法。(2)提出了社区均模型的IBCF算法。通过对均模型、增量均模型和时间均模型的分析,发现都忽略了社区信息。针对这一问题,本文首先将用户向量使用均模型表示,实现社区的快速划分,然后计算社区和整体用户集上项目相似度,利用平衡因子调整两种相似度比例,最后预测用户评分,完成用户推荐。在数据集Movie Lens 100k和Jester实验,结果表明,此算法在保证时间没有大幅度提高的情况下,推荐准确度得到进一步提高。(3)针对协同深度学习(collaborative deep learning,CDL)算法仅利用项目信息提取特征的问题,提出了基于对称SDAE的协同过滤算法。除项目信息之外,用户评分可直观表示用户喜好,通过分析项目信息和用户评分,提取出用户信息。基于对称SDAE的协同过滤算法在利用项目信息的基础上,也可充分挖掘用户信息,这样得到的特征更加精准。实验表明,此算法的推荐准确度要高于CDL算法。(4)提出了基于社区的对称SDAE协同过滤算法。一方面,社区均模型可以快速划分社区,在社区中训练模型可以捕捉社区信息。另一方面,基于对称SDAE的协同过滤算法可以同时从用户信息和项目信息中提取用户特征和项目特征,可有效缓解“冷启动问题”。故结合两者优势,提出此算法。在数据集CiteULike进行实验,实验表明,本算法推荐准确度进一步提高。

关键词：推荐系统社区均模型深度学习堆叠去噪自动编码器协同过滤

来源：评论

学校读者我要写书评

暂无评论

深度学习在图像识别中的应用与算法研究

深度学习在图像识别中的应用与算法研究

引用

作者：郝倩倩北京邮电大学

学位级别：硕士

近年来,深度学习已成为了图像识别领域的研究热点。在传统图像识别的方法中,通过人工经验提取输入数据的特征是图像预处理的关键,这种方式在调节参数方面费时费力。深度学习是模拟人类视觉系统与人脑认知环节,通过结构化的提取数据特征... 详细信息

近年来,深度学习已成为了图像识别领域的研究热点。在传统图像识别的方法中,通过人工经验提取输入数据的特征是图像预处理的关键,这种方式在调节参数方面费时费力。深度学习是模拟人类视觉系统与人脑认知环节,通过结构化的提取数据特征,最终获取图像深层信息的过程。整个训练过程无需人工参与就能得到很好的图像识别效果。本文主要研究深度学习在图像识别领域的应用,对深度学习高精度收敛和构造合理结构的问题进行深入研究,依次提出附加动量-自适应学习速率法和构造理想模型结构的方案。具体工作如下:1.针对深度学习模型在训练阶段会出现目标代价函数陷入局部最小值、收敛速度慢和模型过拟合等问题,本文提出了附加动量-自适应学习速率法的改进方案,并分析了相关参数对学习过程的影响。在堆叠去噪自动编码器上利用MNIST数据集进行实验,结果表明改进的算法方案提高了图像识别的准确率,同时缩短了训练时间,验证了本文提出的优化算法在图像识别方面的可行性和有效性。2.深度学习结构的设计需要设计者的经验和多次实验确定,缺乏合理的理论依据。本文提出四种方法来确定深度学习模型的合理结构:基于权阈参数变量分析法、基于黄金分割原理法、基于网络节点敏感度的结构确定法以及基于卷积金字塔模型结构方法。实验分析表明四种方案在识别图像准确率和训练时间方面都有很好的效果,其中基于网络节点敏感度的结构确定方法相对其它方法效果更优,可以为深度学习在图像识别应用中选取合理结构提供理论依据。

关键词：图像识别深度学习堆叠去噪自动编码器模型结构

来源：评论

学校读者我要写书评

暂无评论

基于深度特征挖掘的民航发动机气路故障诊断技术研究

基于深度特征挖掘的民航发动机气路故障诊断技术研究

引用

作者：付松哈尔滨工业大学

学位级别：硕士

民航发动机属于多发故障航空机械设备,对发动机进行故障诊断可以避免灾难性故障,保障飞行安全。然而民航发动机个体差异大、故障样本少、数据复杂等问题导致现有的故障诊断方法难以满足航空公司的需求。因此,开发出能适用于民航发动机... 详细信息

民航发动机属于多发故障航空机械设备,对发动机进行故障诊断可以避免灾难性故障,保障飞行安全。然而民航发动机个体差异大、故障样本少、数据复杂等问题导致现有的故障诊断方法难以满足航空公司的需求。因此,开发出能适用于民航发动机故障诊断的方法具有重大意义。本文针对基于深度特征挖掘的民航发动机气路故障诊断技术进行研究。首先,针对性能参数中存在的随机噪声和粗大误差,展开民航发动机气路参数预处理方法的研究。提出使用格拉布斯准则对分组后的参数进行粗大误差去除的方法。采用基于经验模态分解和奇异值分解的去噪方法对去除粗大误差后的参数序列进行去噪处理:利用经验模态分解方法提取参数序列中的趋势项,并提出基于相关性的趋势项提取方法;然后利用奇异值分解方法对去除趋势项的参数序列进行去噪。最后采用模拟信号和发动机实际排气温度裕度序列对上述方法进行验证,证明上述方法对民航发动机气路参数进行粗大误差处理和降噪处理的有效性。其次,研究基于SDAE特征挖掘的民航发动机气路故障诊断方法。根据对发动机客户通知报告的分析,在发生故障时性能参数会发现明显的变化。为了提取性能参数变化的特征,本文利用堆叠去噪自动编码器建立发动机状态特征提取模型,并提出一种基于单个去噪自动编码器特征提取能力的SDAE模型隐藏层节点数确定方法。而后利用建立的特征提取模型对故障样本进行特征挖掘,并将其作为支持向量机的输入,进行故障诊断。将该方法应用于民航发动机多种气路故障分类中,实验证明该方法具有较高的诊断精度。然后,本文研究基于CNN特征挖掘的民航发动机气路故障诊断方法。通过对民航发动机实际气路故障数据进行分析,参数间的变化关系对故障诊断也有着重大影响。为了同时考虑参数间相关性和时间序列性,本文利用卷积神经网络建立发动机状态特征提取模型,而后利用该模型对故障样本进行特征挖掘,并将其作为支持向量机的输入,进行故障诊断。将该方法应用于民航发动机多种气路故障分类中,结果证明该方法具有较好的诊断能力。然后分析卷积神经网络结构参数对诊断能力的影响。最后,结合本文的研究内容,在“可定制的航空发动机健康管理与维修决策支持系统”基础平台上,设计并开发民航发动机气路故障诊断核心业务构件,为民航发动机气路参数预处理、故障诊断工作提供技术支持。

关键词：民航发动机堆叠去噪自动编码器卷积神经网络特征提取故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的SDN应用识别研究

基于深度学习的SDN应用识别研究

引用

作者：郑月燃浙江工商大学

学位级别：硕士

随着互联网的飞速发展,网络应用数目和规模呈指数级增长,在给用户生活带来便利的同时,也伴随着异常庞大的流量。准确有效地识别网络应用,将有助于网络安全控制和资源管理。作为下一代网络架构,软件定义网络（Software Defined Network,... 详细信息

随着互联网的飞速发展,网络应用数目和规模呈指数级增长,在给用户生活带来便利的同时,也伴随着异常庞大的流量。准确有效地识别网络应用,将有助于网络安全控制和资源管理。作为下一代网络架构,软件定义网络（Software Defined Network,SDN）目前仅支持基于网络第2/3/4层的路由策略规划,但缺乏对网络更高层的应用感知。若能在SDN中实现应用识别以获取流量的应用层信息,就可以更智能地提供网络服务。综上所述,本文将基于深度学习对SDN应用识别方法进行研究。首先,提出一种基于深度学习的SDN应用识别框架,并对该框架的运行机制进行了充分的研究和探索。对框架中涉及的每个模块的功能和作用都进行了研究,各模块相互协作完成应用识别功能,并将识别结果用于上层应用管理或下层路由规划中。然后,针对框架中的应用识别模块,提出了一种深度学习模型对SDN流量进行应用识别。基于Theano深度学习框架和有明确应用标记信息的Moore数据集,来构建具有较高应用识别准确率的SdA-LSSVM（堆叠去噪自动编码器-最小二乘支持向量机）深度学习模型,并对WWW,MAlL,FTPDATA等10种应用类型进行识别,识别准确率可达91.07%。最后,针对LSSVM容易陷入局部最优解的问题,我们利用粒子群算法（Particle Swarm Optimization,PSO）对LSSVM进行参数优化,以获得更优的深度学习模型。实验结果显示,基于PSO算法改进的深度学习模型应用识别准确率有一定的提高。

关键词：软件定义网络应用识别堆叠去噪自动编码器最小二乘支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于集成SDAE和EEG的跨被试认知工作负荷识别

引用

电子科技 2021年第3期34卷 48-52,59页

作者：郑展鹏尹钟上海理工大学光电信息与计算机工程学院上海200093

基于脑电信号评估人机系统中操作员认知工作负荷状态,可以有效阻止操作员工作性能下降。文中提出一种跨被试认知工作负荷分类器E-SDAE,以适应被试间脑电特征分布的变化。该算法包括高水平个性化特征抽象和决策融合两个模块。特征滤波器... 详细信息

基于脑电信号评估人机系统中操作员认知工作负荷状态,可以有效阻止操作员工作性能下降。文中提出一种跨被试认知工作负荷分类器E-SDAE,以适应被试间脑电特征分布的变化。该算法包括高水平个性化特征抽象和决策融合两个模块。特征滤波器利用基学习器SDAE来抽象一组被试的脑电特征。监督分类器利用超限学习机的随机性来融合经Q-statistics处理后得到的滤波脑电抽象。任务1和任务2分别取得0.6353和0.6747的分类率,并且显著优于一些传统的认知工作负荷评估器。时间复杂度计算结果表明,E-SDAE的计算负荷对于高维脑电特征是可接受的。

关键词：认知工作负荷堆叠去噪自动编码器超限学习机人机系统脑电图集成学习

来源：评论

学校读者我要写书评

暂无评论

基于SDAE-SVR的东星斑养殖溶解氧预测研究

引用

工业控制计算机 2022年第11期35卷 102-103页

作者：姚添和魏茂春周建鑫厦门海洋职业技术学院海洋机电学院福建厦门361100 国网福建省电力有限公司三明供电公司福建三明365000

溶解氧作为水产养殖水质数据中极为重要的一个参数,其值的预测研究对东星斑养殖过程中的水质监控分析和预警起到了很大的决策作用。基于当前溶解氧预测研究现状,结合福建某东星斑养殖池内的水质数据,针对溶解氧的预测进行了研究,提出了... 详细信息

溶解氧作为水产养殖水质数据中极为重要的一个参数,其值的预测研究对东星斑养殖过程中的水质监控分析和预警起到了很大的决策作用。基于当前溶解氧预测研究现状,结合福建某东星斑养殖池内的水质数据,针对溶解氧的预测进行了研究,提出了基于堆叠去噪自动编码器(Stacked Denoising Auto-Encoder,SDAE)和支持向量回归机(Support Vector Regression,SVR)相结合的溶解氧预测模型。实验证明,SDAE-SVR模型和SVR相比,提高了预测精度,证明了所提出模型的有效性。

关键词：溶解氧预测堆叠去噪自动编码器支持向量回归机

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：