检索结果-内蒙古大学图书馆

东北师大学报（自然科学版） 2016年第2期48卷 77-82页

作者：齐妙马书一王婷管庆吉东北师范大学计算机科学与信息技术学院吉林长春130117 北京交通大学交通数据分析与挖掘北京市重点实验室北京100044

在暗通道先验方法的基础上,提出了一种新的基于小波融合的单幅图像去雾方法.借助于先验常识,提出了基于二分法的大气光值估计方法;为了获得准确的透射率并保持图像的边缘信息,提取不同尺度的透射率图,并采用基于小波融合的方法估计透射... 详细信息

在暗通道先验方法的基础上,提出了一种新的基于小波融合的单幅图像去雾方法.借助于先验常识,提出了基于二分法的大气光值估计方法;为了获得准确的透射率并保持图像的边缘信息,提取不同尺度的透射率图,并采用基于小波融合的方法估计透射率;利用雾霾天气下图像退化模型,复原清晰的无雾图像.实验结果表明,该方法能够有效去除雾的影响,比现有几种流行的方法具有更真实的还原颜色和景深信息.

关键词：图像去雾二分法小波融合暗通道先验

来源：评论

学校读者我要写书评

暂无评论

基于对象颜色的图像特征加权表示方法

引用

南京大学学报（自然科学版） 2016年第1期52卷 167-174页

作者：朱杰刘博超木日力格于剑北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室北京100044 中央司法警官学院信息管理系保定071000 河北农业大学信息科学与技术学院保定071000

自顶向下的颜色注意力算法(CA)用patch的颜色注意力值当做patch形状特征的权重来进行图像表示,其中,如果当前patch的颜色属于本类内经常出现的颜色,此patch上所提取的形状特征就被赋予一个较大的权值,否则就赋予较小的权值.但是算法没... 详细信息

自顶向下的颜色注意力算法(CA)用patch的颜色注意力值当做patch形状特征的权重来进行图像表示,其中,如果当前patch的颜色属于本类内经常出现的颜色,此patch上所提取的形状特征就被赋予一个较大的权值,否则就赋予较小的权值.但是算法没有考虑到对象颜色的多样性.本文提出的方法认为,对象上的patch应该是那些在某类中经常出现并且在其他类别中很少出现的特征.为了提高CA算法的对象识别能力,提出了一种基于互信息的对象颜色选择方法,此方法选择与每类最相关的几种颜色作为对象颜色,通过优化目标函数用于最终确定有类区分的对象颜色个数.并且在对象表示的时候对估计到的对象上的patch赋予一致的高权值.实验采用Soccer,Flower 17和PASCAL VOC Challenge 2007三个图像集进行测评,实验结果表明该算法能够得到比较好的分类结果.

关键词：特征加权特征融合对象颜色互信息

来源：评论

学校读者我要写书评

暂无评论

基于时空循环卷积网络的城市区域人口流量预测

引用

计算机科学 2019年第B06期46卷 385-391页

作者：郭晟楠林友芳金文蔚万怀宇北京交通大学计算机与信息技术学院北京100044 北京交通大学交通数据分析与挖掘北京市重点实验室北京100044 北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室北京100044

城市区域人口流量的准确预测可以为交通监管和市民出行提供有效的决策支持。城市各区域人口流量同时具有时间维度上的变化规律和空间维度上的相关性,这给流量的精准预测带来了极大的挑战。文中提出了一种基于注意力机制的时空循环卷积网... 详细信息

城市区域人口流量的准确预测可以为交通监管和市民出行提供有效的决策支持。城市各区域人口流量同时具有时间维度上的变化规律和空间维度上的相关性,这给流量的精准预测带来了极大的挑战。文中提出了一种基于注意力机制的时空循环卷积网络(ASTRCNs)模型,可以全面地对影响区域人口流量的多种因素进行统一建模。ASTRCNs共包含3个组件,分别用于描述人口流量的短时依赖关系、日周期规律、周周期规律。在真实的北京市人口流量数据集上进行了实验,结果表明ASTRCNs模型的预测效果优于传统的时间序列预测模型以及其他现有的基于深度学习的人口流量预测模型。

关键词：时空数据人口流量预测深度学习循环卷积网络

来源：评论

学校读者我要写书评

暂无评论

交通流量预测的时间异质性图注意力网络

引用

山东大学学报（工学版） 2023年第5期53卷 29-36页

作者：陈雷赵耀帅林彦郭晟楠万怀宇林友芳北京交通大学计算机与信息技术学院北京100044 北京交通大学交通数据分析与挖掘北京市重点实验室北京100044 民航旅客服务智能化应用技术重点实验室北京101318 中国民航信息网络股份有限公司北京101318

采用注意力模型研究交通流量预测问题,提出并设计一种基于时间异质性结合噪声滤除的交通流量预测方法,有效预测美国加州高速公路未来1 h的交通流量。在构建预测方案过程中,分析交通流量数据特性,分别针对相对时间间隔和绝对时间进行建模... 详细信息

采用注意力模型研究交通流量预测问题,提出并设计一种基于时间异质性结合噪声滤除的交通流量预测方法,有效预测美国加州高速公路未来1 h的交通流量。在构建预测方案过程中,分析交通流量数据特性,分别针对相对时间间隔和绝对时间进行建模,挖掘时间异质性;使用基于节点固有属性的动态噪声滤除方法,解决空间中噪声干扰问题;对预测模型的工作性能和结果进行详细分析,并结合基线模型进行对比评价。试验结果表明,挖掘时间异质性并动态滤除噪声的改进注意力机制预测模型具有一定的预测精度。

关键词：交通流预测时空依赖性注意力网络图神经网络门控机制

来源：评论

学校读者我要写书评

暂无评论

基于无监督对抗学习的时间序列异常检测

引用

南京大学学报（自然科学版） 2021年第6期57卷 1042-1052页

作者：邵世宽张宏钧肖钦锋王晶刘晓辉林友芳北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室北京交通大学北京100044 中国民航信息网络股份有限公司北京100010 民航旅客服务智能化应用技术重点实验室北京100010

时间序列异常检测是类别不均衡问题,异常现象少有发生,所以获取异常标签的成本高昂,因此基于无监督学习的时间序列异常检测方法更具有实用价值.然而,现有的时间序列异常检测方法存在三个缺陷:难以对复杂的时间序列进行建模、缺乏合理的... 详细信息

时间序列异常检测是类别不均衡问题,异常现象少有发生,所以获取异常标签的成本高昂,因此基于无监督学习的时间序列异常检测方法更具有实用价值.然而,现有的时间序列异常检测方法存在三个缺陷:难以对复杂的时间序列进行建模、缺乏合理的缺失值处理机制和无法利用先验知识(例如少量的有标签异常).为了解决以上问题,提出一种基于生成对抗神经网络和自编码器的无监督时间序列异常检测模型SALAD(Stochastic Adversarial Learned Anomaly Detection).在原始空间结合生成对抗网络和自编码器网络并充分利用判别损失和绝对损失来完成数据重构;在隐空间中,为了使学习自编码器中的隐变量更紧凑地表示原始数据分布,引入生成对抗网络来约束隐变量的收敛,使其更接近先验分布;在训练过程中引入数据补全方法是一种更合理的缺失值处理机制;提出对比重构损失使SALAD能充分利用少量的有标签异常数据.在数据集上进行大量实验,结果表明,在完全无监督和使用部分异常标签的情形下,提出的模型的F1分数和现有的基线方法相比有明显的提升.

关键词：时间序列异常检测自编码器生成对抗神经网络无监督学习

来源：评论

学校读者我要写书评

暂无评论

一种基于射频指纹的电力物联网设备身份识别方法

引用

中国电力 2021年第3期54卷 80-88页

作者：刘铭刘念韩晓艺彭林宁付华陈一悰北京交通大学计算机与信息技术学院(交通数据分析与挖掘北京市重点实验室) 北京100044 东南大学网络空间安全学院江苏南京210096 国网陕西省电力公司电力科学研究院陕西西安710054

由于通信媒介的开放性,电力物联网设备的无线通信过程面临着信息安全风险。提出使用无线设备固有的射频指纹作为物联网设备身份识别的依据,并利用深度学习技术实现双向设备身份识别,以增强无线接入阶段的安全性。该方法采用边缘计算的思... 详细信息

由于通信媒介的开放性,电力物联网设备的无线通信过程面临着信息安全风险。提出使用无线设备固有的射频指纹作为物联网设备身份识别的依据,并利用深度学习技术实现双向设备身份识别,以增强无线接入阶段的安全性。该方法采用边缘计算的思路,利用通信信道双向的互易性,将物联网终端设备需要完成的基站身份学习任务转移到基站处完成,降低了对于物联网设备算力、存储、能耗等方面的需求,适用于物联网应用场景。实验结果表明,该方法能够达到良好的设备身份识别性能。

关键词：电力物联网射频指纹无线接入安全信道互易设备身份识别

来源：评论

学校读者我要写书评

暂无评论

基于时空多图融合的交通流量预测

引用

计算机应用 2024年第8期44卷 2618-2625页

作者：顾焰杰张英俊刘晓倩周围孙威北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京100044 北京交通大学智慧高铁系统前沿科学中心北京100044 交通大数据与人工智能教育部重点实验室(北京交通大学) 北京100044

交通预测是智能交通系统(ITS)的核心任务,准确的交通流量预测(TFF)可以大幅提高公共资源的利用效率。针对现有多图神经网络模型对上下文信息使用不足、图融合方法不平衡和只考虑静态空间关系等问题,提出基于时空多图融合(STMGF)的TFF模... 详细信息

交通预测是智能交通系统(ITS)的核心任务,准确的交通流量预测(TFF)可以大幅提高公共资源的利用效率。针对现有多图神经网络模型对上下文信息使用不足、图融合方法不平衡和只考虑静态空间关系等问题,提出基于时空多图融合(STMGF)的TFF模型。首先,通过融合空间图、语义图和空间语义图提取不同区域的不同空间相关性,并利用空间注意力机制和图注意力机制融合不同的图结构以动态学习不同邻居的重要性;然后,使用多核时间注意力机制同时捕获局部时间依赖性和全局时间依赖性;最后,使用多层感知机预测交通流量,得到最终预测值。在NYCTaxi和NYCBike数据集验证模型的有效性。实验结果表明,在NYCBike数据集的36步预测任务中,与时空图卷积神经网络(STGCN)、基于时空注意力的图神经网络(ASTGNN)、元图卷积递归网络(MegaCRN)相比,所提模型的均方根误差(RMSE)分别降低了8.46%、2.70%和2.20%。

关键词：多图融合多核注意力空间注意力图注意力深度学习

来源：评论

学校读者我要写书评

暂无评论

面向交通流量预测的时空超关系图卷积网络

引用

计算机应用 2021年第12期41卷 3578-3584页

作者：张永凯武志昊林友芳赵苡积北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京100044 中国民用航空局民航旅客服务智能化应用技术重点实验室北京100105

交通流量预测是智能交通系统中的重要研究课题,然而,交通对象(如站点、传感器)之间存在的复杂局部时空关系使得这项研究颇具挑战。尽管以往的一些研究将流量预测问题转化为一个时空图预测问题从而取得了较大的进展,但是它们忽略了交通... 详细信息

交通流量预测是智能交通系统中的重要研究课题,然而,交通对象(如站点、传感器)之间存在的复杂局部时空关系使得这项研究颇具挑战。尽管以往的一些研究将流量预测问题转化为一个时空图预测问题从而取得了较大的进展,但是它们忽略了交通对象们跨时空维度的直接关联性。目前仍缺乏一种全面建模局部时空关系的方法。针对这一问题,首先提出一种新颖的时空超图建模方案,通过构造一种时空超关系来全面地建模复杂的局部时空关系;然后提出一种时空超关系图卷积网络(STHGCN)预测模型来捕获这些关系用于交通流量预测。在四个公开交通数据集上进行了大量对比实验,结果表明,相比ASTGCN、时空同步图卷积网络(STSGCN)等时空预测模型,STHGCN在均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)这三个评价指标上均取得了更优的结果,不同模型运行时间的对比结果也表明,STHGCN有着更高的推理速度。

关键词：交通流量预测局部时空关系时空图预测超图时空超关系

来源：评论

学校读者我要写书评

暂无评论

带层次网络结构的业务系统层次组织结构发现

引用

计算机与现代化 2019年第7期 88-96页

作者：熊永芳林友芳武志昊北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室

业务系统架构图是运维人员维护数据中心的重要工具之一,自动化架构梳理能显著提高运维效率。业务系统架构图是一种具有层次网络的结构,因此对于这种层次组织结构发现问题,不仅需要发现集群分组还需要定位集群在系统架构图中的层次位置,... 详细信息

业务系统架构图是运维人员维护数据中心的重要工具之一,自动化架构梳理能显著提高运维效率。业务系统架构图是一种具有层次网络的结构,因此对于这种层次组织结构发现问题,不仅需要发现集群分组还需要定位集群在系统架构图中的层次位置,因为集群分组发现的质量直接影响到集群层次定位,因此精准的集群分组发现至关重要。社区发现有助于揭示复杂网络结构中个体相互之间的关系,但业务系统中的服务器集群不符合传统社区基于密度的社区定义,因此本文提出一种根据服务器的功能进行集群发现并定位集群层级的功能集群定位方法(Functional Cluster Positioning,FCP),根据服务器连接、属性相似性,构建服务器相似度网络,该网络体现出的集群特性符合传统社区的定义,因此可以借助传统社区的方法进行集群分组发现,然后基于业务流势确定服务器集群在业务系统中的功能层次,从而实现业务系统层次组织结构发现。在真实数据集上的实验结果表明,本文提出的FCP方法在数据中心的业务系统中可以自动、准确发现系统的层次组织结构。

关键词：系统架构图层次网络相似度建模社区发现

来源：评论

学校读者我要写书评

暂无评论

知识增强策略引导的交互式强化推荐系统

引用

大数据 2022年第5期8卷 88-105页

作者：张宇奇黄晓雯桑基韬北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室

推荐系统是解决社会媒体信息过载问题的重要手段。为了解决传统推荐系统无法优化用户长期体验的问题，研究人员提出了交互式推荐系统，并尝试使用深度强化学习优化推荐策略。但是，强化推荐算法面临反馈稀疏、从零学习影响用户体验、物... 详细信息

推荐系统是解决社会媒体信息过载问题的重要手段。为了解决传统推荐系统无法优化用户长期体验的问题，研究人员提出了交互式推荐系统，并尝试使用深度强化学习优化推荐策略。但是，强化推荐算法面临反馈稀疏、从零学习影响用户体验、物品空间大等问题。为了解决上述问题，提出一种改进的知识增强策略引导的交互式强化推荐模型KGP-DQN。该模型构建行为知识图谱表示模块，将用户历史行为和知识图谱结合，解决反馈稀疏问题；构建策略初始化模块，根据用户历史行为为强化推荐系统提供初始化策略，解决从零学习影响用户体验的问题；构建候选集筛选模块，根据行为知识图谱上的物品表示进行动态聚类，从而减少物品空间，解决动作空间大的问题。在3个真实数据集上进行了实验，实验结果表明，KGP-DQN可以快速有效地对强化推荐系统进行训练，其在3个数据集上的推荐准确率均超过80%。

关键词：交互式推荐系统深度强化学习知识图谱策略初始化候选集筛选

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：