检索结果-内蒙古大学图书馆

高压电器 2020年第1期56卷 203-209页

作者：何尧梁宏池连鸿松许锐福建工程学院福州350118 福建省大数据挖掘与应用技术重点实验室福州350118 国网宁德供电公司福建宁德352100 国网福建电力科学研究院福州350007

现有的变压器油色谱在线监测数据因监测装置问题频繁出现失真,严重影响了整个在线监测系统的有效性和实用性。传统阈值判定法无法灵活及时地发现变压器本体设备和监测装置的异常。对此,提出了一种基于滑动窗口和多元高斯分布的变压器油... 详细信息

现有的变压器油色谱在线监测数据因监测装置问题频繁出现失真,严重影响了整个在线监测系统的有效性和实用性。传统阈值判定法无法灵活及时地发现变压器本体设备和监测装置的异常。对此,提出了一种基于滑动窗口和多元高斯分布的变压器油色谱异常值检测方法,利用指数加权移动平均法和滑动窗口计算历史每笔数据中氢气、乙炔、总烃的估计值,获取到与监测值的残差数据后,再通过多元高斯分布,进行异常值检测。通过某变电站油中气体数据对本算法进行验证结果表明,该方法不仅能实时检测出变压器本体异常还能发现监测装置数据失真,并能祛除数据突变和噪声带来的影响,具有一定实用价值。

关键词：变压器油中溶解气体分析多元高斯分布指数加权移动平均法滑动时间窗口

来源：评论

学校读者我要写书评

暂无评论

基于轻量时空图卷积模型的路网交通流预测

引用

铁道科学与工程学报 2022年第9期19卷 2552-2562页

作者：贺文武裴博彧毛国君陈维亚福建工程学院计算机科学与数学学院福建福州350118 福建省大数据挖掘与应用重点实验室福建福州350118 中南大学交通运输工程学院湖南长沙410075

交通流预测是智能交通系统的重要组成部分。针对路网交通流天然具有的时空依赖性,结合交通流时序因果卷积与路网空间拓扑结构图卷积,提出一种基于递增式丢边的轻量时空图卷积神经网络模型,实现时空特征的有效融合,建立路网交通流高精度... 详细信息

交通流预测是智能交通系统的重要组成部分。针对路网交通流天然具有的时空依赖性,结合交通流时序因果卷积与路网空间拓扑结构图卷积,提出一种基于递增式丢边的轻量时空图卷积神经网络模型,实现时空特征的有效融合,建立路网交通流高精度预测模型,提高交通流预测精度的同时降低其计算资源消耗、缩短预测响应时间。模型以单“三明治”式时空卷积模块为核心组件,减少时间卷积与空间卷积间的高计算消耗交互,有效提取交通流时空特征的同时保持整体结构轻量,其中的“厚夹心”空间图卷积采用多层图卷积网络以捕获远程高阶邻居节点信息、扩大空间感受野,并引入递增式丢边策略分阶处理邻居节点边,消解其潜在的过平滑。在模型训练中引入动态初始学习率,随模型训练进程演进动态调适学习率,进一步提升优化器性能,保证模型整体上的优越性。以真实基准交通流数据开展实验,对比分析本文所构建模型与多种相关基线模型的训练时间、预测精度等指标,并分析讨论所建模型在路网各节点上预测结果的离散性及其精度,解析多层图卷积可能具有的过平滑现象以及递增式丢边策略的消解能力。研究结果表明,本文所构建模型能有效捕获路网交通流的时空特性,以更少的训练时间获得更高的预测精度。

关键词：智慧交通路网交通流预测轻量时空图卷积递增式丢边动态初始学习率

来源：评论

学校读者我要写书评

暂无评论

改进并行蚁群算法在配电网网架优化中的应用

引用

计算机应用与软件 2023年第9期40卷 73-77页

作者：卜冠南刘建华张冬阳胡任远罗逸轩福建工程学院计算机科学与数学学院福建福州350118 福建省大数据挖掘与应用技术重点实验室福建福州350118

针对蚁群算法收敛速度慢、易陷入局部极小的不足,在并行蚁群算法的基础上,改进组间蚂蚁沟通交流方式,并提出一种自适应分组策略,在算法运行过程中,每过一定迭代次数,将蚂蚁的组数减半,每组蚂蚁的数量倍增,直至为一组蚂蚁。每次蚂蚁组数... 详细信息

针对蚁群算法收敛速度慢、易陷入局部极小的不足,在并行蚁群算法的基础上,改进组间蚂蚁沟通交流方式,并提出一种自适应分组策略,在算法运行过程中,每过一定迭代次数,将蚂蚁的组数减半,每组蚂蚁的数量倍增,直至为一组蚂蚁。每次蚂蚁组数减半时,采用一种组间信息素融合规则更新留存组蚂蚁路径信息素。通过一个配电网网架优化问题的实例进行实验,仿真结果表明改进算法在收敛速度和寻优方面都有所提升。

关键词：配电网网架优化并行蚁群算法自适应

来源：评论

学校读者我要写书评

暂无评论

基于频谱包络分割EWT的轴承故障特征提取方法

引用

机电工程 2022年第11期39卷 1567-1574页

作者：龙雄辉胡蓉苏丹广州铁路职业技术学院广东广州510430 福建工程学院福建省大数据挖掘与应用重点实验室福建福州350108

为了提高轴承在强干扰背景下的故障诊断精度,提出了一种基于频谱包络分割EWT算法的轴承故障特征提取方法。首先,针对传统EWT算法频段冗余分割导致的模态相似、信号失真等问题,基于三次B样条包络线极点进行了频段分割,有效提取了信号在... 详细信息

为了提高轴承在强干扰背景下的故障诊断精度,提出了一种基于频谱包络分割EWT算法的轴承故障特征提取方法。首先,针对传统EWT算法频段冗余分割导致的模态相似、信号失真等问题,基于三次B样条包络线极点进行了频段分割,有效提取了信号在不同频段的模态分量;然后,使用裕度因子分析了模态分量的敏感度,并分离出了高敏感模态分量,计算了高敏感模态分量的排列熵,组成了特征向量;最后,使用聚类法对频谱包络EWT特征、传统EWT特征、小波信息熵特征进行了分析,其中频谱包络EWT特征不存在类间交叉现象,且类内聚集度较高;将上述3种故障特征输入到支持向量机中进行了模式识别实验。研究结果表明:小波信息熵特征的诊断准确率为93.75%,经典EWT特征的诊断准确率为87.50%,频谱包络EWT特征的诊断准确率为98.75%;这表明频谱包络EWT特征的质量最好,能够在强干扰背景下有效提高轴承的诊断准确率。

关键词：轴承振动信号分析故障特征冲击分量特征向量提取经验小波变换裕度因子敏感模态选择排列熵

来源：评论

学校读者我要写书评

暂无评论

基于多图特征聚合的小样本学习方法

引用

计算机科学 2023年第S01期50卷 187-196页

作者：曾武毛国君福建工程学院计算机科学与数学学院福州350118 福建省大数据挖掘与应用重点实验室福州350118

小样本学习可以从较少的样本中学习出各类样本的特征,但是由于低数据的问题,即样本数量较少,如何更加准确地提取图像中的重要特征信息,以及更好地学习图像中目标对象的特征和更精准地判断未标记样本与支持集类别的相似度,成为关键。提... 详细信息

小样本学习可以从较少的样本中学习出各类样本的特征,但是由于低数据的问题,即样本数量较少,如何更加准确地提取图像中的重要特征信息,以及更好地学习图像中目标对象的特征和更精准地判断未标记样本与支持集类别的相似度,成为关键。提出一种基于多图特征聚合的小样本学习方法MGFAN。具体来说,该模型通过多种数据增强方法对原图进行扩充,然后使用一个自注意力模块去获取原图以及不同扩展图之间的重要特征信息,以此获得关于图像更为准确的特征向量。其次,在模型中引入关于预测图像不同扩增方式的自监督学习任务作为辅助任务,促进模型的特征学习能力。最后,采用多个距离函数来更加精准地计算样本间的相似度。在3个标准数据集miniImageNet,tieredImageNet和Stanford Dogs中,使用5-way 1-shot以及5-way 5-shot实验设置中的实验表明,MGFAN方法可以显著提高分类器的分类性能。

关键词：小样本学习深度学习自监督学习特征聚合数据扩增自注意力

来源：评论

学校读者我要写书评

暂无评论

属性和亲密度关系兼顾的影响力研究

引用

小型微型计算机系统 2022年第2期43卷 422-429页

作者：胡健宇章静许力林力伟福建工程学院计算机科学与数学学院福州350118 福建工程学院福建省大数据挖掘和应用技术重点实验室福州350118 福建师范大学福建省网络安全与密码技术重点实验室福州350007

随着5G的发展,网络传播以前所未有的速度向各领域渗透.其中,影响力分析是研究网络信息传播机制的关键技术.传统的影响力分析算法主要通过选取具有最大传播特性的种子节点用于网络传播.但在种子节点选取上,其度量算法没有反映社交网络中... 详细信息

随着5G的发展,网络传播以前所未有的速度向各领域渗透.其中,影响力分析是研究网络信息传播机制的关键技术.传统的影响力分析算法主要通过选取具有最大传播特性的种子节点用于网络传播.但在种子节点选取上,其度量算法没有反映社交网络中的潜在信息.这将对影响力传播分析造成影响,同时一旦社交网络结构遭到破坏,网络的传播能力将会受到影响.针对这一问题,本文首先定义了一种基于属性的朋友亲密度度量关系,量化网络中各用户的影响力;其次,提出了一种属性和亲密度兼顾的影响力算法,该算法综合考虑了网络的结构、属性和亲密度三者之间的关系,选择出具有高影响力及抗攻击性的种子节点,提高网络传播能力及抗攻击能力;最后,通过真实网络环境下的实验,验证出相比现有的度量算法,本文提出的算法在种子节点数目较大时具有更好的传播特性,并且在隐私高风险状态下的社交网络中,该算法的受攻击影响程度稳定在5%-10%左右,影响程度最低,具有较好的抗攻击性.

关键词：社交网络影响力最大化亲密度属性抗攻击性

来源：评论

学校读者我要写书评

暂无评论

智能电网中基于极大团的社团结构挖掘算法

引用

计算机应用 2021年第S02期41卷 124-130页

作者：粘洪睿章静许力林力伟福建工程学院计算机科学与数学学院福州350118 福建省大数据挖掘和应用技术重点实验室(福建工程学院) 福州350118 福建省网络安全与密码技术重点实验室(福建师范大学) 福州350007

针对智能电网落后的分区方式无法适应日益复杂的运行状态和无法及时排查故障的问题,提出了一种基于极大团的智能电网社团结构挖掘算法(MCBCA)。首先,搜索网络中的低阶极大团,通过合并矩阵将其合并得到网络中极大团;然后,定义了极大团相... 详细信息

针对智能电网落后的分区方式无法适应日益复杂的运行状态和无法及时排查故障的问题,提出了一种基于极大团的智能电网社团结构挖掘算法(MCBCA)。首先,搜索网络中的低阶极大团,通过合并矩阵将其合并得到网络中极大团;然后,定义了极大团相似度,确定了合并极大团与生成候选子图的标准,进行初步社团挖掘;最后,对网络中的孤立节点进行隶属度划分,形成最终的社团结构。实验结果表明,在空手道俱乐部网络、美国足球网络、美国国家西部网络及我国省级电力通信骨干网络数据集中,所提算法与KL算法相比,在准确率、模块度及网络抗毁性方面平均提高了50.1%、36.8%和36.2%;与标签传播算法(LPA)相比,在准确率、模块度及网络抗毁性方面平均提高了31.2%,17.7%和3.25%;与改进的GN算法相比,准确率和模块度方面平均提高了3.6%和2.1%。可见基于极大团的智能电网社团挖掘算法所挖掘的网络社团结构更为合理,具备更高的安全性,有利于及时排查故障.

关键词：智能电网社团结构挖掘极大团相似度候选子图

来源：评论

学校读者我要写书评

暂无评论

融合多窗口局部信息的方面级情感分析模型

引用

计算机应用 2023年第6期43卷 1796-1802页

作者：郑智雄刘建华孙水华徐戈林鸿辉福建工程学院计算机科学与数学学院福州350118 福建省大数据挖掘与应用技术重点实验室(福建工程学院) 福州350118 闽江学院计算机与控制工程学院福州350108

针对目前方面级情感分析(ABSA)模型过多依赖关系较为稀疏的句法依赖树学习特征表示,导致模型学习局部信息能力不足的问题,提出了一种融合多窗口局部信息的ABSA模型MWGAT(combining Multi-Window local information and Graph ATtention ... 详细信息

针对目前方面级情感分析(ABSA)模型过多依赖关系较为稀疏的句法依赖树学习特征表示,导致模型学习局部信息能力不足的问题,提出了一种融合多窗口局部信息的ABSA模型MWGAT(combining Multi-Window local information and Graph ATtention network)。首先,通过多窗口局部特征学习机制学习局部上下文特征,并挖掘文本包含的潜在局部信息;其次,采用能够较好理解依赖树的图注意力网络(GAT)学习句法依赖树所表示的语法结构信息,并生成语法感知的上下文特征;最后,将这两种表示不同语义信息的特征融合,形成既包含句法依赖树的语法信息又包含局部信息的特征表示,从而便于分类器高效判别方面词的情感极性。在Restaurant、Laptop和Twitter这3个公开数据集上进行实验,结果表明与结合了句法依赖树的T-GCN(Type-aware Graph Convolutional Network)模型相比,所提模型的Macro-F1分数分别提高了2.48%、2.37%和0.32%。可见,所提模型能够有效挖掘潜在的局部信息,并更为精确地预测方面词的情感极性。

关键词：图神经网络注意力机制方面级情感分析局部特征学习图注意力网络门控机制

来源：评论

学校读者我要写书评

暂无评论

多特征交互的方面情感三元组提取

引用

计算机科学与探索 2024年第4期18卷 1057-1067页

作者：陈林颖刘建华郑智雄林杰徐戈孙水华福建理工大学计算机科学与数学学院福州350118 福建省大数据挖掘与应用技术重点实验室福州350118 闽江学院计算机与控制工程学院福州350108

方面情感三元组提取是方面级情感分析的子任务之一,旨在提取句子中的方面词、其对应的意见词和情感极性。先前研究集中于设计一种新范式以端到端的方式完成三元组提取任务。然而,这些方法忽略外部知识在模型中的作用,没有充分挖掘和利... 详细信息

方面情感三元组提取是方面级情感分析的子任务之一,旨在提取句子中的方面词、其对应的意见词和情感极性。先前研究集中于设计一种新范式以端到端的方式完成三元组提取任务。然而,这些方法忽略外部知识在模型中的作用,没有充分挖掘和利用语义信息、词性信息以及局部上下文信息。针对上述问题,提出了多特征交互的方面情感三元组提取(MFI-ASTE)模型。首先,该模型通过BERT预训练模型学习句子中的上下文语义特征信息,并使用自注意力机制加强语义特征;其次,使语义特征与所提取到的词性特征交互,二者相互学习,加强词性的组合能力与语义信息;再次,使用多个不同窗口的卷积神经网络提取每个单词的多重局部上下文特征并使用多分门控机制筛选这些多重局部特征;然后,采用双线性层融合提取到的三类外部知识特征;最后,利用双仿射注意力机制预测网格标记并通过特定的解码方案解码三元组。实验结果表明,该模型在四个数据集上的F1值比现有的主流模型分别提升了6.83%、5.60%、0.54%和1.22%。

关键词：方面情感三元组提取自注意力机制卷积神经网络网格标记方案双仿射注意力机制

来源：评论

学校读者我要写书评

暂无评论

面向资源约束项目调度的二阶段帝国竞争算法

引用

计算机科学与探索 2023年第11期17卷 2620-2639页

作者：李斌黄起彬福建理工大学机械与汽车工程学院福州350118 福建理工大学福建省大数据挖掘与应用技术重点实验室福州350118 福建理工大学交通运输学院福州350118

资源约束项目调度问题是一类经典的组合优化难题,有着广泛的工程应用背景。自20世纪60年代起,该问题的优化方法层出不穷,但大多数智能优化算法在该问题空间中搜索表现一般。针对这一挑战,提出了一种二阶段演化帝国竞争算法(TSE-ICA)。首... 详细信息

资源约束项目调度问题是一类经典的组合优化难题,有着广泛的工程应用背景。自20世纪60年代起,该问题的优化方法层出不穷,但大多数智能优化算法在该问题空间中搜索表现一般。针对这一挑战,提出了一种二阶段演化帝国竞争算法(TSE-ICA)。首先,基于由关键路径法得到的组块提取策略,提出两种分别用于种群多样性开发和高效收敛的同化算子,通过在不同阶段选择合适的同化算子实现二阶段演化框架的构建。其次,基于组块的改进革命机制包含插入和乱序两种邻域搜索策略,帝国竞争机制则通过收集不同帝国的收敛信息实现参数的自适应调整;最后,利用记忆库引导种群进化,提高算法的收敛速率。TSE-ICA的最佳参数设置由Taguchi法的实验设计方法确定。数值实验面向典型实例库PSPLIB中的3个实例集J30、J60和J120对TSE-ICA执行了性能测试,并基于两种评价标准与17种先进的元启发式算法进行性能对比。实验结果显示,TSE-ICA具有较好的优化性能和收敛效率,初步验证了所提改进机制的有效性和所提算法的问题适用性。

关键词：资源约束项目调度问题帝国竞争算法二阶段演化框架同化关键路径法 Taguchi法组块记忆库

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：