检索结果-南通市图书馆

一种基于全局代表点的快速最小二乘支持向量机稀疏化算法

在线全文

学校读者我要写书评

暂无评论

自动化学报 2017年第1期43卷 132-141页

作者：马跃峰梁循周小平中国人民大学信息学院北京100872

非稀疏性是最小二乘支持向量机(Least squares support vector machine,LS-SVM)的主要不足,因此稀疏化是LS-SVM研究的重要内容.在目前LS-SVM稀疏化研究中,多数算法采用的是基于迭代选择的稀疏化策略,但是时间复杂度和稀疏化效果还不够理... 详细信息

非稀疏性是最小二乘支持向量机(Least squares support vector machine,LS-SVM)的主要不足,因此稀疏化是LS-SVM研究的重要内容.在目前LS-SVM稀疏化研究中,多数算法采用的是基于迭代选择的稀疏化策略,但是时间复杂度和稀疏化效果还不够理想.为了进一步改进LS-SVM稀疏化方法的性能,文中提出了一种基于全局代表点选择的快速LS-SVM稀疏化算法(Global-representation-based sparse least squares support vector machine,GRS-LSSVM).在综合考虑数据局部密度和全局离散度的基础上,给出了数据全局代表性指标来评估每个数据的全局代表性.利用该指标,在全部数据中,一次性地选择出其中最具有全局代表性的数据并构成稀疏化后的支持向量集,然后在此基础上求解决策超平面,是该算法的基本思路.该算法对LS-SVM的非迭代稀疏化研究进行了有益的探索.通过与传统的迭代稀疏化方法进行比较,实验表明GRS-LSSVM具有稀疏度高、稳定性好、计算复杂度低的优点.

关键词：最小二乘支持向量机稀疏化全局代表点局部密度全局离散度

主分量稀疏化在GIS局部放电特征提取中的应用

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2015年第8期30卷 282-288页

作者：律方成金虎王子建张波华北电力大学河北省输变电设备安全防御重点试验室保定071003

特征提取是GIS局部放电模式识别的关键,通常情况下,由特征数据所构成的特征空间维数较高,不利于分类。基于此,本文引入主分量稀疏化思想,首先搭建了252k VGIS局部放电仿真实验平台,通过设置4种典型的GIS局部放电模型,采用超声波检测法... 详细信息

特征提取是GIS局部放电模式识别的关键,通常情况下,由特征数据所构成的特征空间维数较高,不利于分类。基于此,本文引入主分量稀疏化思想,首先搭建了252k VGIS局部放电仿真实验平台,通过设置4种典型的GIS局部放电模型,采用超声波检测法获取了相应的信号。然后,通过主成分的贡献累积率自主确定稀疏度。结果表明,采用该方法可以实现特征量的有效提取,同时特征分量的聚类效果也得到了增强。

关键词：气体绝缘组合电器局部放电主分量稀疏化特征提取

在线全文

学校读者我要写书评

暂无评论

基于稀疏化双向二维主成分分析的人脸识别

计算机工程 2019年第12期45卷 232-236页

作者：张裕平龚晓峰雒瑞森四川大学电气工程学院

双向二维主成分分析((2D)2PCA)易受异常值影响,鲁棒性差,且所提取的特征向量是非稀疏的。针对上述不足,提出基于L1范数的稀疏双向二维主成分分析方法(2D)2PCA-L1S。在(2D)2PCA目标函数中加入L1范数约束,以提高算法的抗干扰能力,同时引... 详细信息

双向二维主成分分析((2D)2PCA)易受异常值影响,鲁棒性差,且所提取的特征向量是非稀疏的。针对上述不足,提出基于L1范数的稀疏双向二维主成分分析方法(2D)2PCA-L1S。在(2D)2PCA目标函数中加入L1范数约束,以提高算法的抗干扰能力,同时引入弹性网约束,通过Lasso与Ridge惩罚函数实现稀疏性。在Feret和Yale数据库中进行基于最近邻的人脸分类、人脸重构和基于粒子群优化SVM参数的人脸识别实验,结果表明,相较于2DPCA、(2D)2PCA、(2D)2PCA-L1等主成分分析方法,该方法能准确提取人脸主要信息,人脸识别和人脸重构效果较好。

关键词：双向二维主成分分析稀疏化粒子群优化支持向量机人脸识别

基于稀疏化最小生成树聚类的个性化轨迹隐私保护算法

在线全文

学校读者我要写书评

暂无评论

电子学报 2015年第11期43卷 2338-2344页

作者：王超杨静张健沛哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001

现有的轨迹匿名算法没有充分考虑轨迹内外在特征信息以及移动对象个性化的隐私需求.为此,本文提出个性化轨迹κ-匿名的概念,并提出轨迹结构相似性度量模型,综合考虑轨迹方向、速度、转角和位置等内外在特征信息;然后,提出基于稀疏化最... 详细信息

现有的轨迹匿名算法没有充分考虑轨迹内外在特征信息以及移动对象个性化的隐私需求.为此,本文提出个性化轨迹κ-匿名的概念,并提出轨迹结构相似性度量模型,综合考虑轨迹方向、速度、转角和位置等内外在特征信息;然后,提出基于稀疏化最小生成树聚类的个性化隐私保护算法,通过稀疏化的方法降低最小生成树聚类的执行时间,通过贪婪策略生成近似最优的轨迹κ-匿名集合.实验结果表明,本文的轨迹结构相似性度量模型能更加准确地度量轨迹间的相似性,所提算法花费了更少的时间代价,具有更高的数据可用性.

关键词：轨迹相似性个性化轨迹κ-匿名稀疏化最小生成树聚类 κ-节点划分

在线全文

学校读者我要写书评

暂无评论

基于输入特征稀疏化的图神经网络训练加速

计算机系统应用 2024年第1期33卷 245-253页

作者：马煜昕许胤龙李诚钟锦中国科学技术大学计算机科学与技术学院合肥230026 合肥师范学院计算机与人工智能学院合肥230601 合肥综合性国家科学中心人工智能研究院合肥230026

图神经网络(graph neural network,GNN)是处理图数据的重要方法.由于计算复杂、图数据容量大,在大规模图上训练图神经网络依赖于CPU-GPU协作和图采样训练方法,其中图结构和特征数据存储在CPU内存中,而采样得到的子图及其特征则传输至GP... 详细信息

图神经网络(graph neural network,GNN)是处理图数据的重要方法.由于计算复杂、图数据容量大,在大规模图上训练图神经网络依赖于CPU-GPU协作和图采样训练方法,其中图结构和特征数据存储在CPU内存中,而采样得到的子图及其特征则传输至GPU进行训练.然而,这种方法面临着严重的图特征数据加载瓶颈,显著降低了端到端训练性能,且图特征占用过多内存,严重限制了可训练的图规模.为了解决这些问题,我们提出了基于输入特征稀疏化的数据加载方法,显著减少CPU内存占用和跨PCIe总线传输的数据量,大幅缩短数据加载时间,加速GNN的训练,使其可以充分利用GPU计算资源.针对图特征和GNN计算特性,我们提出了适用于图特征数据的稀疏化方法,在压缩比和模型准确度之间达到平衡.我们在3个常见GNN模型和3个不同规模的数据集上进行了实验评估,包括最大的公开数据集之一MAG240M.结果表明,此方法将特征尺寸减小了一个数量级以上,并实现1.6-6.7倍的端到端训练加速,而模型准确度的降低不超过1%.此外,在仅使用4个GPU的情况下,仅需40 min就可以在MAG240M上完成GraphSAGE模型的训练并达到目标准确度.

关键词：图神经网络数据加载稀疏化压缩特征分析

具有多核结构的稀疏化DNN在轴承诊断中的应用

在线全文

学校读者我要写书评

暂无评论

机械设计与制造 2020年第2期 248-251,255页

作者：吴小龙雷文平陈宏韩捷郑州大学振动工程研究所

为了进一步提高深度神经网络(Deep Neural Network,DNN)在轴承故障诊断中的可靠性和稳定性,对深度学习(Deep Learning)中的一些关键技术进行了研究、借鉴以及改进。具体地沿用传统DNN中被广泛用于无监督学习的去噪自动编码器(Denoising ... 详细信息

为了进一步提高深度神经网络(Deep Neural Network,DNN)在轴承故障诊断中的可靠性和稳定性,对深度学习(Deep Learning)中的一些关键技术进行了研究、借鉴以及改进。具体地沿用传统DNN中被广泛用于无监督学习的去噪自动编码器(Denoising Auto-encoder,DAE)进行特征提取,使得特征提取过程不再依赖于先验知识;然后对传统DNN中的DAE进行稀疏化处理,使得特征的提取更加合理、准确;并在DNN中引入核函数运算形成多核结构,提高诊断结果的可靠性以及鲁棒性。最后通过具体的实验,与传统DNN、支持向量机(Support Vector Machine,SVM)等故障诊断方法相对比,来最终反映基于稀疏化DAE的多核结构DNN在轴承故障诊断领域更优越的正确率与稳定性。

关键词：深度学习自动编码器稀疏化核函数特征提取故障诊断

在线全文

学校读者我要写书评

暂无评论

基于稀疏化腔体的三维无线输能系统研究

基于稀疏化腔体的三维无线输能系统研究

作者：岳震电子科技大学

学位级别：硕士

随着物联网时代的到来,在智能家居、智慧工厂和无人车间等室内环境下,通过分布式传感器可用实现对设备的智能控制,极大丰富和便利了人们的生活。然而,如何保证室内大量分布式传感器长时、稳定的能量供应,是能否实现万物互联的关键。近年... 详细信息

随着物联网时代的到来,在智能家居、智慧工厂和无人车间等室内环境下,通过分布式传感器可用实现对设备的智能控制,极大丰富和便利了人们的生活。然而,如何保证室内大量分布式传感器长时、稳定的能量供应,是能否实现万物互联的关键。近年来,出现了一种腔体谐振无线输能技术,通过在谐振腔内激励出磁场,使接收器与磁场产生共振耦合来传输能量。相比于其他无线输能方式,该技术的能量传输距离远、传输范围大,同时还具有能量传输效率高、安全性好等特点,十分适用于在目前物联网腔体环境下,为多个小型接收设备提供稳定的能量支持。但是,目前腔体无线输能大都是使用全封闭的金属壁或密集金属网来构成腔体结构,这就会带来系统造价高,建造困难等问题。并且封闭式腔体结构会阻碍通信信号进入腔内与腔内通信接收器进行通信交互。在此基础上,本文对基于稀疏化腔体的无线输能系统展开研究,通过理论设计出适用于腔体谐振无线输能系统的稀疏化腔体构建方法,同时构建了仿真模型和实验系统对其能量传输效果、通信性能和安全性等关键指标进行分析。结果显示,通过理论设计出的基于稀疏化腔体无线输能系统具备很好的能量传输效果和安全性,同时相比于基于封闭金属腔的无线输能系统,其成本更低,并且对于高频的无线通信信号的阻碍作用更小,在未来将更加具有实际应用前景。本论文的主要研究内容概括如下:首先,介绍了腔体谐振无线输能技术的研究背景及意义,并对现有的两种腔体谐振无线输能技术的输能机制和工作原理进行分析。通过耦合模理论和电路理论推导出系统间的耦合系数和输能效率预测公式,为后续稀疏化腔体的设计提供了理论研究思路;然后,根据腔体无线输能系统的工作原理,通过理论设计出稀疏化腔体的构建方法,并建立理论和全波仿真模型进行验证。通过仿真优化确定了最优的稀疏化腔体参数,为实验系统的建立提供了方案;最后,根据仿真模型构建了基于稀疏化腔体无线输能的实验系统,用来验证系统的能量传输效果。同时,也分别通过仿真和实验的方式证明了该系统在安全进行无线输能的同时,腔体结构不会对外界的无线通信信号造成过多的阻碍。

关键词：无线输能腔体谐振稀疏化通信能力

基于图的终端参数稀疏化与多蜂窝干扰协调算法研究

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

基于图的终端参数稀疏化与多蜂窝干扰协调算法研究

作者：苟君祥合肥工业大学

学位级别：硕士

随着大量智能终端和各类新兴应用的出现与物联网等领域的技术进步,未来移动通信系统的部署将会朝着异构化、密集化的趋势发展,异构蜂窝的密集部署将成为未来提高网络容量的一种重要手段,同时这也将会产生更为复杂和严重的蜂窝间干扰,甚... 详细信息

随着大量智能终端和各类新兴应用的出现与物联网等领域的技术进步,未来移动通信系统的部署将会朝着异构化、密集化的趋势发展,异构蜂窝的密集部署将成为未来提高网络容量的一种重要手段,同时这也将会产生更为复杂和严重的蜂窝间干扰,甚至可能导致系统性能恶化。为了解决无线通信中面临越来越大的容量需求和有限的频谱资源这一难题,需要通过蜂窝间干扰协调技术对有限的频谱资源进行合理分配,提高系统频谱效率。然而,未来一代无线与移动通信系统的一个资源管理周期通常为毫秒级,因此传统的蜂窝间干扰协调算法将难以满足其超低时延的需求,所以设计一种时间复杂度较低的干扰协调算法是非常有必要的。根据我们过去的研究发现,离散小波变换可以通过降低问题规模的方式来降低算法耗时,但需要终端的参数序列有较好的稀疏性,否则将会造成明显的性能损失。针对如何提高多个参数序列的稀疏性,本学位论文提出了一种基于图的稀疏化方法,该方法通过对终端进行排序从而达到同时稀疏化终端所有特征参数序列的目的。另外针对终端特征参数短时间内不发生变化的情况,我们将参数稀疏化和干扰协调分步进行,以满足每个资源管理周期的毫秒级需求。针对一个通信场景中通常部署许多蜂窝的情况,本学位论文进一步研究了多蜂窝干扰协调问题并提出了一种多蜂窝干扰协调的快速终端匹配算法。首先利用图论中的最小生成树对多个蜂窝进行两两匹配,将多蜂窝协调问题转化为多个两蜂窝协调问题。然后,将每个两蜂窝匹配对中的终端匹配建模成一个二维分配问题,并利用匈牙利算法获得最优匹配结果从而只需要经过有限次数的循环即可得到多蜂窝之间的协调策略。最后,通过小波变换降低二维分配问题的规模来降低算法耗时,并且还使用参数稀疏化来减少小波分解过程中特征参数的有效信息损失。仿真结果表明相较于传统方案,该算法的时间复杂度大幅降低,同时系统性能损失较少,并且随着蜂窝数量的增多其时间优势更为明显。

关键词：超密集网络蜂窝间干扰协调稀疏化图论小波变换

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

受限玻尔兹曼机的稀疏化特征学习

计算机科学 2016年第12期43卷 91-96页

作者：康丽萍许光銮孙显中国科学院电子学研究所北京100190 中国科学院大学北京100190

受限玻尔兹曼机(RBM)作为深度学习算法的一种基础模型被广泛应用,但传统RBM算法没有充分考虑数据的稀疏化特征学习,使得算法性能受数据集的稀疏性影响较大。提出一种RBM稀疏化特征学习方法(sRBM),通过归一化的输入数据均值确定数据集的... 详细信息

受限玻尔兹曼机(RBM)作为深度学习算法的一种基础模型被广泛应用,但传统RBM算法没有充分考虑数据的稀疏化特征学习,使得算法性能受数据集的稀疏性影响较大。提出一种RBM稀疏化特征学习方法(sRBM),通过归一化的输入数据均值确定数据集的稀疏系数,将稀疏系数大于阈值的稠密数据集自动转化为稀疏数据集,在不损失信息量的情况下实现输入数据的稀疏化。在手写字符数据集和自然图像数据集上的实验结果表明,sRBM通过输入数据稀疏化有效提升了RBM的稀疏化特征学习性能。

关键词：受限玻尔兹曼机(RBM) 稀疏化特征学习置信网络稳定性