检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于LLM的时间序列异常子序列检测算法

沈阳工业大学学报 2009年第3期31卷 328-332页

作者：杜洪波张颖沈阳工业大学理学院沈阳110178

为了提高时间序列中异常子序列检测算法的有效性,提出一种基于局部线性映射(LocalLinear Mapping,LLM)的异常子序列检测算法.该算法将时间序列子序列通过其相邻子序列线性重构,很好地保留了时间序列子序列与其相邻子序列的相关性.基于LL... 详细信息

为了提高时间序列中异常子序列检测算法的有效性,提出一种基于局部线性映射(LocalLinear Mapping,LLM)的异常子序列检测算法.该算法将时间序列子序列通过其相邻子序列线性重构,很好地保留了时间序列子序列与其相邻子序列的相关性.基于LLM的映射特性,使用两种异常指标(贡献因子,重构误差),并将其应用于ST东方(B)股票交易时间序列数据集的异常子序列检测中.实验结果表明,所提出的算法对异常子序列的异常检测具有很好的效果,有效提高了时间序列中异常子序列的检测效率.

关键词：时间序列异常子序列局部线性映射重构贡献因子重构误差检测有效性

在线全文

学校读者我要写书评

暂无评论

一种新的彩色图像降维方法

上海交通大学学报 2004年第12期38卷 2063-2067,2072页

作者：徐志节杨杰王猛上海交通大学图像处理与模式识别研究所上海200030

基于内容的图像检索(CBIR)是图像检索的重要分支,而基于颜色的特征提取是CBIR的常用方法之一.如果对图像颜色的特征数提取过多、维数过大,则不利于对图像的快速匹配.本文将图像的色彩直方图作为输入向量,然后采用局部线性映射(LLE)算法... 详细信息

基于内容的图像检索(CBIR)是图像检索的重要分支,而基于颜色的特征提取是CBIR的常用方法之一.如果对图像颜色的特征数提取过多、维数过大,则不利于对图像的快速匹配.本文将图像的色彩直方图作为输入向量,然后采用局部线性映射(LLE)算法对原始数据进行降维,并分别在4种色彩空间下对降维后的彩色图像进行分类.实验证明,在处理非线性数据降维时,LLE较主成分分析(PCA)具有明显的优势.

关键词：图像检索色彩直方图特征提取局部线性映射非线性降维

在线全文

学校读者我要写书评

暂无评论

利用非线性降维方法预测膜蛋白类型

上海交通大学学报 2005年第2期39卷 279-283页

作者：徐志节杨杰王猛上海交通大学模式识别与图像处理研究所上海200030

将氨基酸的组成含量以及它们之间的相关系数作为膜蛋白序列的特征向量,采用有监督的局部线性映射(SLLE)的方法对该向量进行降维,并使用最简单的欧氏距离分类器来预测膜蛋白类型.利用统计学中Self-consistency,Jackknife和Independentdat... 详细信息

将氨基酸的组成含量以及它们之间的相关系数作为膜蛋白序列的特征向量,采用有监督的局部线性映射(SLLE)的方法对该向量进行降维,并使用最简单的欧氏距离分类器来预测膜蛋白类型.利用统计学中Self-consistency,Jackknife和Independentdataset3种典型方法检验SLLE的降维结果,取得了明显的效果.试验结果表明,SLLE算法能够成功地预测膜蛋白数据类型.

关键词：膜蛋白非线性降维局部线性映射蛋白质组学生物信息学

在线全文

学校读者我要写书评

暂无评论

向量函数微分的非标准定义

东北师大学报（自然科学版） 2015年第3期47卷 37-39页

作者：陈东立史艳维董欢欢西安建筑科技大学理学院陕西西安710055 西安培华学院基础部陕西西安710125

用非标准分析方法,在扩大模型中使用转换原理,通过定义局部线性函数,给出向量函数微分的定义.得到了向量函数微分的非标准定义与在一般意义下的定义是一致的结论,并且在此基础上,给出向量函数在一点处可微的定义.

关键词：向量函数局部线性映射微分雅克比矩阵

基于映射与回归的图像超分辨算法研究及GPU实现

在线全文

学校读者我要写书评

暂无评论

基于映射与回归的图像超分辨算法研究及GPU实现

作者：李爽电子科技大学

学位级别：硕士

随着半导体技术的发展,市面上出现了越来越多支持超高清分辨率的播放设备,很多移动设备也开始支持2K甚至4K的分辨率。但是相应的采集设备价格昂贵,储存、传输超高分辨率资源也给硬件系统和带宽带来了沉重的负担,这些因素导致市场上缺少... 详细信息

随着半导体技术的发展,市面上出现了越来越多支持超高清分辨率的播放设备,很多移动设备也开始支持2K甚至4K的分辨率。但是相应的采集设备价格昂贵,储存、传输超高分辨率资源也给硬件系统和带宽带来了沉重的负担,这些因素导致市场上缺少足够的超高清图像和视频数据源。超分辨技术在低成本下使用软件方法来提高图像和视频的分辨率,能够很好的解决上述问题。本文主要研究了基于映射与回归的超分辨算法的关键技术,然后在GPU上对超分辨算法进行了实时实现。本文的工作包括:(1)首先研究了基于边缘方向(EO)的超插值算法(SI),SI算法虽然使用了边缘的幅度特征和方向特征对图像块进行分类,但是边缘幅度只用于辅助分类,对边缘方向的划分也很粗糙。针对以上问题,本文结合EO和K均值聚类提出了对SI算法的改进,改进后的方法能够更有效地利用边缘的幅度和方向信息。通过仿真验证,改进算法拥有不错的表现,并且在重建质量和运行速度上取得了不错的平衡。(2)深入研究了基于局部线性映射与回归的超分辨算法(GLM-SI),在算法的线性映射阶段引入了局部回归,提出了新的具有两层回归的算法:DRLM-SI算法。改进的算法利用knn求得多个局部候选图像,并通过局部回归得到全局候选图像。该算法进一步提升了高低分辨图像块之间映射的非线性关系,通过仿真验证,DRLM-SI算法能够进一步提高重建图像的质量。(3)对GPU并行编程技术进行了研究和介绍,并分析了GPU和CUDA平台的优势。利用GPU平台高并行的特点,对超分辨算法进行了实现。本文通过快速双三次插值以及快速最近邻查找等算法对关键模块的运行速度进行了优化,并且对GPU内存、线程等资源进行了合理的分配和利用,实现了视频的实时超分辨。

关键词：实时超分辨超插值技术局部线性映射局部回归

基于LLM的金融市场波动率高频数据异常检测方法

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

常熟理工学院学报 2024年第2期38卷 89-94页

作者：何远景李光龙安徽工业经济职业技术学院财经学院合肥230000 安徽大学经济学院合肥230000

金融市场高频数据包括时间序列数据和其他宏观经济指标,通常具有高维特征.其处理需要更复杂的算法,易产生较高的模型过拟合风险.基于此,提出基于局部线性映射(Local Linear Mapping,LLM)的金融市场波动率高频数据异常检测方法,对各个高... 详细信息

金融市场高频数据包括时间序列数据和其他宏观经济指标,通常具有高维特征.其处理需要更复杂的算法,易产生较高的模型过拟合风险.基于此,提出基于局部线性映射(Local Linear Mapping,LLM)的金融市场波动率高频数据异常检测方法,对各个高频数据目标的日平均序列数据进行标准化处理,在数据筛选时,使用标准化处理设定相关阈值,将不同维度的数据转化为相同的尺度,并利用连通图算法,将具有边连接的金融市场波动率高频数据划分至一个群组内,计算待检测高频数据阈值,采用局部线性映射,完成金融市场波动率高频数据异常检测.实验结果表明:所提方法在TPR为0.98时,ROC曲线稳定运行,贡献因子为1.287,重构误差为1.6%,能够以最快速度使训练集异常检测的损失值达到稳定.

关键词：局部线性映射金融市场波动率高频数据异常检测