检索结果-南通市图书馆

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于节点结构的点云分类网络

计算机应用 2024年第5期44卷 1471-1478页

作者：高文烁陈晓云福州大学数学与统计学院福州350108

点云数据的非结构化和不均匀分布给点云物体特征表示和分类任务带来极大挑战。为了提取点云物体的三维结构特征,现有方法多采用复杂的局部特征提取结构组建分层网络,导致特征提取网络复杂且主要关注点云物体的局部结构。为更好地提取不... 详细信息

点云数据的非结构化和不均匀分布给点云物体特征表示和分类任务带来极大挑战。为了提取点云物体的三维结构特征,现有方法多采用复杂的局部特征提取结构组建分层网络,导致特征提取网络复杂且主要关注点云物体的局部结构。为更好地提取不均匀分布的点云物体特征,提出采样点卷积密度自适应加权的节点结构网络(NsNet)。该卷积网络通过高斯密度对采样点自适应加权以区分采样点的密度差异,从而更好地刻画物体的整体结构;其次,通过加入球形坐标简化网络结构以降低模型复杂度。在3个公开数据集上与PointNet++和PointMLP等方法进行比较,实验结果表明:基于自适应密度加权的NsNet比PointNet++和PointMLP的总准确率(OA)分别提高了9.1和1.3个百分点;与PointMLP相比减少了4.6×10^(6)的参数量。NsNet可有效解决点云分布不均导致的边缘点信息损失问题,提高分类精度,降低模型复杂度。

关键词：三维点云点云分类卷积神经网络密度权重整体结构局部结构

在线全文

学校读者我要写书评

暂无评论

节点结构点云分类网络

计算机应用 2023年

作者：高文烁陈晓云福州大学数学与统计学院

点云数据的非结构化和不均匀分布给点云物体特征表示和分类任务带来极大挑战。为了提取点云物体的三维结构特征，现有方法多采用复杂的局部特征提取结构组建分层网络，导致特征提取网络复杂且主要关注点云物体的局部结构。为更好地提取... 详细信息

点云数据的非结构化和不均匀分布给点云物体特征表示和分类任务带来极大挑战。为了提取点云物体的三维结构特征，现有方法多采用复杂的局部特征提取结构组建分层网络，导致特征提取网络复杂且主要关注点云物体的局部结构。为更好地提取不均匀分布的点云物体特征，提出采样点卷积密度自适应加权的节点结构网络(NsNet)。该卷积网络通过高斯密度对采样点自适应加权以区分采样点的密度差异，更好地刻画物体的整体结构；其次通过加入球形坐标简化网络结构以降低模型复杂度。在3个公开数据集上与PointNet++和PointMLP等方法进行比较，实验结果表明，基于自适应密度加权的NsNet可以提高分类精度，相比于PointNet++和PointMLP分别提高了9.1和1.3个百分点，与PointMLP相比减少了4.6×106的参数量，降低了模型复杂度，有效地解决点云分布不均导致的边缘点信息损失问题，提升了模型性能。

关键词：三维点云点云分类卷积神经网络密度权重整体结构局部结构

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

向量型二元语义密度集结算子及其应用

东北大学学报（自然科学版） 2020年第10期41卷 1483-1490页

作者：易平涛王露李伟伟东北大学工商管理学院辽宁沈阳110167 东北评价中心辽宁沈阳110167

针对多属性决策问题,面向二元语义信息,以向量的形式对决策信息进行集成,提出了向量型二元语义密度加权平均(V-TDWA)算子的信息集结方法.首先,对向量型二元语义密度加权算子及其合成算子的基本构建思路进行了介绍,并对其性质进行了分析... 详细信息

针对多属性决策问题,面向二元语义信息,以向量的形式对决策信息进行集成,提出了向量型二元语义密度加权平均(V-TDWA)算子的信息集结方法.首先,对向量型二元语义密度加权算子及其合成算子的基本构建思路进行了介绍,并对其性质进行了分析.然后,基于信息分布的疏密程度讨论了向量型二元语义信息的分组问题,给出了一种基于向量相似度的聚类方法,在聚类组的基础上,通过最大化熵值法求解不同聚类组的密度权重.最后通过算例对向量型二元语义密度集结算子的应用进行了简要说明.

关键词：多属性决策二元语义信息密度集结算子向量相似度密度权重

在线全文

学校读者我要写书评

暂无评论

可靠性全局灵敏度指标的空间分割高效方法

北京航空航天大学学报 2017年第6期43卷 1199-1207页

作者：员婉莹吕震宙蒋献杨彩琼西北工业大学航空学院西安710072 中国飞行试验研究院飞机所西安710089

可靠性全局灵敏度指标能够有效地分析输入变量的不确定性对结构系统失效概率的影响程度,为提高该灵敏度指标求解数字模拟法的效率,提出了一种基于密度权重及连续无重叠区间全方差公式的空间分割高效方法。所提方法通过连续无重叠区间上... 详细信息

可靠性全局灵敏度指标能够有效地分析输入变量的不确定性对结构系统失效概率的影响程度,为提高该灵敏度指标求解数字模拟法的效率,提出了一种基于密度权重及连续无重叠区间全方差公式的空间分割高效方法。所提方法通过连续无重叠区间上的全方差公式来加快该指标计算的收敛速度,利用密度权重法在输入变量可能的取值区间内进行均匀抽样,并以均匀样本点的联合概率密度函数的权重来保证计算的等价性,这使得所构造的方法不需要寻找失效域的设计点,因此其可以有效解决非线性程度较高难以找到设计点及多设计点的问题。除此之外,应用空间分割技术,使得本文所提方法仅需重复利用一组样本点,就可同时得到各个输入变量的可靠性全局灵敏度指标,消除了计算量与输入变量维数的相关性,大大地提高了样本的利用率和计算效率。验证算例的计算结果,说明了本文方法对计算功能函数非线性程度较高及多设计点问题的高效性。

关键词：可靠性全局灵敏度指标连续无重叠区间上的全方差公式密度权重空间分割非线性多设计点

在线全文

学校读者我要写书评

暂无评论

基于协商视角的密度算子及其应用

东北大学学报（自然科学版） 2013年第6期34卷 894-897页

作者：李伟伟易平涛郭亚军东北大学工商管理学院辽宁沈阳110819

针对群体评价中专家信息的集结问题,从利益相关者协商的视角对密度算子进行拓展并将其用于解决该问题.协商的基本思想是使协商值与单个协商参与者(或利益集团)给出的协商信息偏差最小.在此基础上,基于密度算子信息集结的过程,结合着组... 详细信息

针对群体评价中专家信息的集结问题,从利益相关者协商的视角对密度算子进行拓展并将其用于解决该问题.协商的基本思想是使协商值与单个协商参与者(或利益集团)给出的协商信息偏差最小.在此基础上,基于密度算子信息集结的过程,结合着组内和组间信息的特征,分别给出了组内和组间协商的两种模型,以此实现信息的集结.最后,通过一个算例对该方法的应用进行了说明.该方法的研究可进一步完善密度算子的理论体系并拓展其实际应用范围.

关键词：信息集结密度算子密度权重群体评价协商

在线全文

学校读者我要写书评

暂无评论

竞争性密度算子及其应用

东北大学学报（自然科学版） 2013年第8期34卷 1213-1216页

作者：易平涛周莹李伟伟郭亚军东北大学工商管理学院辽宁沈阳110819

从提升被评价对象竞争优势的角度对密度算子进行拓展研究,提出了竞争性密度算子的概念.首先,简要地介绍了密度算子,并给出了密度算子的具体表达式;基于此,给出了一种竞争规则,该规则分别从待集结信息的聚类和密度权重的确定两方面保证... 详细信息

从提升被评价对象竞争优势的角度对密度算子进行拓展研究,提出了竞争性密度算子的概念.首先,简要地介绍了密度算子,并给出了密度算子的具体表达式;基于此,给出了一种竞争规则,该规则分别从待集结信息的聚类和密度权重的确定两方面保证了被评价对象的竞争优势.最后,通过一个算例对竞争性密度算子的应用作了说明,并将其集结值与相应的已有集结算子的集结值进行比较,指出竞争性密度算子尤其适用于"偏才"或"怪才"的选取.

关键词：综合评价信息集结密度算子竞争性密度算子竞争优势密度权重

基于Spark平台的K-means算法并行化研究

在线全文

学校读者我要写书评

暂无评论

基于Spark平台的K-means算法并行化研究

作者：刘志强天津理工大学

学位级别：硕士

随着互联网技术的飞速发展,海量数据环境变得更为普遍,如何从大数据中快速有效地挖掘出有价值的信息成为了研究的热点。面对海量数据的分析计算,分布式计算框架逐渐成为解决这类问题的主要方法,通过Spark等分布式计算框架能有效解决单... 详细信息

随着互联网技术的飞速发展,海量数据环境变得更为普遍,如何从大数据中快速有效地挖掘出有价值的信息成为了研究的热点。面对海量数据的分析计算,分布式计算框架逐渐成为解决这类问题的主要方法,通过Spark等分布式计算框架能有效解决单机环境下的内存溢出问题,利用集群资源提高传统数据挖掘技术的扩展性和运行效率,并转入实际的应用中,对充分利用大数据中蕴含的信息具有重要的意义。本文重点研究了K-means聚类算法及其优化方法在Spark平台上的并行化设计与实现,从算法的运行效率角度进行性能提升。首先,对传统K-means算法的基本原理和Spark框架的并行化特点进行了介绍。然后,在充分研究Spark编程模型和并行化设计的基础上,分别从减少冗余计算量、提高样本代表性这两个方面对K-means算法进行改进,同时基于Spark平台设计并实现了改进算法的并行化策略。本文的主要内容和创新点如下:1)针对传统K-means算法存在的冗余计算量大的问题,对Spark机器学习库采用的三角不等式优化方法的原理和局限性进行了详细的分析,提出了基于空间分布信息的改进方法。改进方法通过引入空间分布信息对数据点与聚类中心的关系进行量化描述,从而实现在数据点分配过程中对聚类中心的过滤,以此加速数据分配的过程,避免了原始算法中的绝大多数冗余的距离计算,能够从根本上提高算法的运行效率。2)针对传统的随机取样策略样本代表性不足的问题,提出了基于密度加权的取样方法。通过新的取样策略使全体数据都能在样本中不同程度地有所体现,以此提高样本的质量,并结合预聚类的方法提升算法运行效率。基于上述研究成果,将改进后的两种策略分别在Spark平台上进行了并行化设计与实现,通过实验对改进后算法的运行效率、扩展性、聚类质量进行验证。实验结果表明,两种改进策略均能显著提高算法在Spark平台上的运行效率,并且在集群环境中表现出了较好的扩展性、加速比。

关键词： K-means 三角不等式空间分布密度权重 Spark

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

冷水机组在线故障检测与诊断方法研究

冷水机组在线故障检测与诊断方法研究

作者：顾笑伟西安建筑科技大学

学位级别：硕士

暖通空调系统存在运行维护管理粗放问题,在运行一段时间后往往会发生故障,造成的能源损失约占商业建筑总能耗的15%-30%。冷水机组是暖通空调系统的主要耗能部件。据统计,冷水机组运行能耗约占整个空调系统能源消耗的40%-50%,42%的维修... 详细信息

暖通空调系统存在运行维护管理粗放问题,在运行一段时间后往往会发生故障,造成的能源损失约占商业建筑总能耗的15%-30%。冷水机组是暖通空调系统的主要耗能部件。据统计,冷水机组运行能耗约占整个空调系统能源消耗的40%-50%,42%的维修服务和26%的维修费用是由冷水机组软故障引起的。因此,将故障检测与诊断应用于冷水机组,及时发现并排除机组故障,对于保持室内环境舒适度,节约能源,减轻设备耗损具有重要意义。本文针对机房现场在线应用,故障数据库样本量少的情况,采用对训练数据样本量需求较少的支持向量的方法进行故障检测与诊断,同时为了能够在只有正常运行数据的情况下启动故障检测,检测出故障库中所缺失未定义的故障类型,本文将故障检测与诊断看作一类分类问题;为降低检测虚警率,提高诊断正确率,将密度权重引入到支持向量数据描述(SVDD)中,构建更精确的密度权重支持向量数据描述(DW-SVDD)模型,并基于改进后的DW-SVDD一类分类算法来实现故障检测与诊断;针对一类分类算法在诊断过程中出现的诊断结果混淆,产生第Ⅱ类错误,误诊率高的问题,通过在诊断阶段集成支持向量机(SVM)多类分类算法来解决。通过方法集成,本文提出了一种基于DW-SVDD-SVM的冷水机组在线故障检测与诊断方法。流程上,该方法分为离线模型训练及在线故障检测与诊断两部分。离线模型训练阶段,采用机组历史记录的正常运行数据以及各类型故障数据分别进行训练,并建立各自的DW-SVDD模型。同时,采用SVM对各类型故障数据进行训练,构建全故障SVM模型。在线故障检测与诊断阶段,采取先检测、后诊断的方法。先基于训练好的正常运行DW-SVDD模型进行故障检测,发现故障后,使用所有的DW-SVDD故障模型进行诊断,若诊断结果出现混淆,则使用训练好的全故障SVM模型再次进行诊断。使用ASHRAE RP-1043冷水机组实验数据对提出的基于DW-SVDD-SVM冷水机组在线故障检测与诊断方法方法进行验证,并将结果同传统基于SVDD的故障检测与诊断方法进行比较。结果表明:检测阶段,本文提出的方法显著降低了检测虚警率(FAR),对测试集的FAR由10.5%下降到7%,同比下降了30%以上。对大多数故障,新方法保持了同样高的检测正确率,甚至提高了某些故障的检测正确率。诊断阶段,新方法的故障诊断正确率相比于SVDD均有提高,且避免了诊断结果出现混淆,减少了第Ⅱ类故障,误诊率有大幅下降,同时能够有效地检测出故障库中所缺失未定义的故障类型。

关键词：冷水机组故障检测与诊断密度权重支持向量数据描述支持向量机

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于校园一卡通的数据挖掘应用研究

信阳农林学院学报 2019年第3期29卷 89-92页

作者：钮永莉冯胜安贾红雯滁州职业技术学院信息工程系

校园一卡通系统储存了大量的数据信息,涉及学生校园生活与学习的各个方面,其中的学生消费数据最为稳定和完整。对传统FCM算法进行改进,得到改进后的基于密度权重的模糊C均值算法(DWFCM),并使用这两种方法分别对预处理后的一卡通数据进... 详细信息

校园一卡通系统储存了大量的数据信息,涉及学生校园生活与学习的各个方面,其中的学生消费数据最为稳定和完整。对传统FCM算法进行改进,得到改进后的基于密度权重的模糊C均值算法(DWFCM),并使用这两种方法分别对预处理后的一卡通数据进行挖掘分析,得到的结果表明DWFCM算法有更好的聚类效果,可以为学校困难学生认定和资助提供支撑数据,从而提高资助的精准性。

关键词：一卡通数据 FCM算法 DWFCM算法密度权重