检索结果-南通市图书馆

基于convlstm网络的盗窃类警情时空分布预测模型研究

在线全文

学校读者我要写书评

暂无评论

基于ConvLSTM网络的盗窃类警情时空分布预测模型研究

作者：郜世伟南京师范大学

学位级别：硕士

盗窃类警情是以非法占有为目的的一类犯罪案件,在我国呈现高发态势,严重影响人民生活的安全感和幸福感,一直是公安部门治安防控的重点。随着我国城镇化进程不断深入,城市空间扩张、人口迁移等变化使得盗窃类警情的情况更加复杂,防控形... 详细信息

盗窃类警情是以非法占有为目的的一类犯罪案件,在我国呈现高发态势,严重影响人民生活的安全感和幸福感,一直是公安部门治安防控的重点。随着我国城镇化进程不断深入,城市空间扩张、人口迁移等变化使得盗窃类警情的情况更加复杂,防控形势愈加严峻。盗窃类警情属于可防性的犯罪案件,它的时空分布并非是随机的,通过识别和提取盗窃类警情的时空分布特征,预测基于小时级、社区级的微观时空尺度下盗窃类警情的时空分布情况,有利于警方更高效地分配警力进行巡防工作,迫使犯罪分子因警察的威慑效应而终止犯罪,实现对此类犯罪的有效打击。目前,基于犯罪时空分布特征的犯罪预测方法和模型被广泛研究,但基于微观时空尺度的统计会造成犯罪警情分布稀疏,导致犯罪时空分布特征难以识别和提取,是微观尺度下犯罪预测面临的主要瓶颈。而随着深度学习算法的快速发展,对图像特征识别和长时间序列记忆的能力显著提升,打破了这些瓶颈和制约,结合深度学习算法的犯罪预测方法和模型研究成为发展趋势。本文以苏州市吴中区盗窃类警情为研究对象,通过分析盗窃类警情时空分布情况和犯罪近重复现象,确定合适的微观时空研究尺度,进一步融合相关环境影响因子,构建了基于卷积长短期记忆网络（Conv LSTM）的盗窃类警情时空分布预测模型,实现对基于小时级、社区级微观时空尺度下的盗窃类警情时空分布的预测,同时建立盗窃类警情预测评价方法,综合评价预测结果。本文的研究内容和取得成果如下:（1）通过对研究区域盗窃类警情的时间分布和空间分布情况进行特征分析,发现研究区域内的盗窃类警情时空分布具有时间周期性、邻近性、趋势性和空间聚集性特征,证明研究区盗窃类警情的可预测性。在此基础上对盗窃类警情的时空交互性进行探究,分析了盗窃类警情近重复现象,计算其有效的时空范围,结合盗窃类警情时空分布特征分析结果,确定观察研究对象的合适微观时空尺度。通过分析多种环境影响因子与盗窃类警情之间的相关性,筛选与研究区内盗窃类警情密切相关的环境影响因子。为实现微观时空尺度下稀疏盗窃类警情时空分布特征学习方法,构建基于Conv LSTM网络的盗窃类警情时空分布预测模型提供基础。（2）通过自适应空间分辨率方法、Conv LSTM网络设计、相关环境影响因子融合和预测结果评价方法这四个部分,构建基于Conv LSTM网络的盗窃类警情时空分布预测模型,解决了稀疏盗窃类警情分布特征难以识别的问题,记忆了盗窃类警情长时间序列的依赖关系,实现了基于小时级、社区级微观时空尺度的盗窃类警情时空分布预测。（3）根据预测模型拟合程度和预测结果准确性两方面的指标,对不同时段、不同月份、综合预测结果进行对比分析,实现盗窃类警情时空分布预测评价流程。结果表明,基于Conv LSTM网络的盗窃类警情时空分布预测模型可以有效实现微观时空尺度下的盗窃类警情预测。模型预测结果受盗窃类警情数量影响,在盗窃类警情数量较大的时段,预测效果会更好。同时对基于Conv LSTM网络的盗窃类警情时空分布预测模型与其他基于深度学习的预测模型进行对比分析,结果显示本文构建的预测模型优于基于盗窃类警情的CNN预测模型和基于盗窃类警情的FC-LSTM预测模型。

关键词：盗窃类警情时空特征分析近重复现象犯罪预测 convlstm网络

基于Co-LSTM-FC网络的糖尿病伴周围神经病变临床决策支持系统研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国医学物理学杂志 2023年第9期40卷 1174-1181页

作者：刘玉良丁永川郭宇佳赵耕杨伟明天津科技大学电子信息与自动化学院天津300202 天津医科大学代谢病医院检验科天津300070

为了实现辅助医生对糖尿病伴周围神经病变(DPN)进行早期诊断与决策,针对DPN早期预测提出一种基于Co-LSTM-FC网络的临床决策支持系统(DPN-CDSS)。Co-LSTM-FC网络模型使用FC-LSTM网络和convlstm网络共同对患者的临床数据进行特征提取,减... 详细信息

为了实现辅助医生对糖尿病伴周围神经病变(DPN)进行早期诊断与决策,针对DPN早期预测提出一种基于Co-LSTM-FC网络的临床决策支持系统(DPN-CDSS)。Co-LSTM-FC网络模型使用FC-LSTM网络和convlstm网络共同对患者的临床数据进行特征提取,减轻单一模型运算时出现的权重偏差,同时利用全连接神经网络对患病特征进行分类,提高预测模型准确率。本文方法的准确率、特异度、F1值、G-mean值和AUC值分别为95.51%、94.24%、95.06%、95.08%和94.37%,与对比模型相比获得的结果准确度更高。DPN-CDSS用户界面包括用户登录、数据输入和结果显示界面,方便医生和患者进行使用。该系统可提前筛查患者的得病情况,辅助医生进行初期诊断,提升诊疗效率。

关键词：糖尿病伴周围神经病变临床决策支持系统 FC-LSTM网络 convlstm网络

在线全文

学校读者我要写书评

暂无评论

基于时空域增强微多普勒谱图的行为识别方法

电子测量与仪器学报 2022年第7期36卷 144-151页

作者：许志猛张钐钐陈良琴孙北晨福州大学物理与信息工程学院福州350100

为缓解新冠疫情下医护人员短缺的现象,实现对住院患者的智能监护,本文基于调频连续波(FMCW)雷达提出了一种新的基于时空域增强微多普勒谱图的行为识别方法。首先,该方法对雷达获取的人体行为数据构造微多普勒谱图;然后利用一种新的直方... 详细信息

为缓解新冠疫情下医护人员短缺的现象,实现对住院患者的智能监护,本文基于调频连续波(FMCW)雷达提出了一种新的基于时空域增强微多普勒谱图的行为识别方法。首先,该方法对雷达获取的人体行为数据构造微多普勒谱图;然后利用一种新的直方图均衡化和同态滤波相结合的时空域增强算法用于谱图信息的增强;最后采用一种改进的卷积长短时记忆网络(convlstm)提取谱图的时空域特征,并有效辨识喝水、跌倒等7种住院患者常见行为。实验结果表明,基于本文方法对7种动作的识别准确率能达到94%,可以有效的监护患者的行为。

关键词： FMCW雷达智能监护增强微多普勒特征 convlstm网络

基于convlstm的高速公路交通流预测仿真研究

在线全文

学校读者我要写书评

暂无评论

实验室研究与探索 2022年第12期41卷 132-137页

作者：吴剑云于安双青岛大学商学院山东青岛266071 上海大学悉尼工商学院上海201800

交通流通常具有复杂时空关联性,且易受天气、速度等外部因素的影响。为提高高速公路关键节点交通流预测的准确性,设计一种基于convlstm网络且融合时空关联性和外部因素的交通流预测模型——STE-convlstm。构建交通流、速度、天气时空矩... 详细信息

交通流通常具有复杂时空关联性,且易受天气、速度等外部因素的影响。为提高高速公路关键节点交通流预测的准确性,设计一种基于convlstm网络且融合时空关联性和外部因素的交通流预测模型——STE-convlstm。构建交通流、速度、天气时空矩阵,将其延深度方向堆叠,通过滑动窗口模型将其处理为类图像时间序列数据,利用convlstm网络提取交通流的时空关联性和外部因素特征;利用卷积层实现交通流预测多变量多步输出。实验结果表明,相较于传统的交通流预测模型,该模型在交通流多步预测方面的预测准确度有所提升。

关键词： convlstm网络深度学习交通流预测高速公路

在线全文

学校读者我要写书评

暂无评论

基于深度回归森林的短临降水预报算法研究

基于深度回归森林的短临降水预报算法研究

作者：殷惠姗兰州大学

学位级别：硕士

降水预报,尤其是短临降水预报,一直是气象领域中重要且困难的研究课题.传统的短临降水预报方法虽然取得了一定的效果,但存在模型复杂、误差累积等问题,导致预测精度及时效性受限.近年来,深度学习的兴起为短临降水预报问题提供了新的解... 详细信息

降水预报,尤其是短临降水预报,一直是气象领域中重要且困难的研究课题.传统的短临降水预报方法虽然取得了一定的效果,但存在模型复杂、误差累积等问题,导致预测精度及时效性受限.近年来,深度学习的兴起为短临降水预报问题提供了新的解决思路.通过学习并分析大量的气象历史数据,深度网络可以充分捕捉到相关特征,并对降雨量做出准确预测.然而,现存的基于深度学习的方法主要集中在多雨地区,降雨样本丰富,而兰州市年降雨量低于全国平均水平,降雨事件较少,对应的降雨样本也较少.因此本文考虑将适用于少样本的集成算法与善于捕捉非线性变化趋势的深度网络结合,构建一个针对少雨地区的端到端的短临降水预报模型,即基于注意力的时空加权深度森林模型.该模型包含一个用于处理雷达数据的多尺度时空特征提取网络、用于进行集成学习的深度回归森林以及一个用于得到权重的编码网络.最后,将本文提出的模型应用到兰州市短临降水预报问题中,并与来自欧洲中期天气预报中心的模式预报结果以及其它对比模型的结果进行比较,实验表明本文所提的模型对短临降水的预测更为精准,并且在时间维度及空间维度上的预测更为稳健.

关键词：短临降水预报 convlstm网络 Hourglass网络深度回归森林

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的金融时间序列预测与应用研究

基于深度学习的金融时间序列预测与应用研究

作者：孔鑫山东师范大学

学位级别：硕士

伴随信息科技的快速发展,以人工智能为代表的计算机技术与社会各行业的交叉融合日益紧密。其中,基于机器学习的智能模型在金融领域的各类研究中被广泛应用。金融时间序列预测是利用相关技术手段研究金融市场未来运行趋势的一种方法,对... 详细信息

伴随信息科技的快速发展,以人工智能为代表的计算机技术与社会各行业的交叉融合日益紧密。其中,基于机器学习的智能模型在金融领域的各类研究中被广泛应用。金融时间序列预测是利用相关技术手段研究金融市场未来运行趋势的一种方法,对其研究具有重要的理论意义和应用价值。然而,金融时间序列数据通常具有大波动性、高噪声和强非线性等典型特征,对该类数据的预测研究存在诸多难点。深度学习近年来得到快速发展,在多领域展现出强大的特征学习能力和模型性能。本文通过构造各类深度学习模型,针对股票价格序列等金融数据的特征建模、预测及其应用等问题展开研究,主要贡献和创新之处有以下几个方面:(1)针对如何有效建模多股票序列之间存在的时空相关性问题,提出了一种基于时空超图学习的多维金融时间序列预测模型。在时序特征学习方面,采用长短期记忆网络(Long Short-Term Memory,LSTM)+Attention机制对多维股票序列的时序依赖关系进行建模。在空间特征学习方面,通过采用行业关系、wiki关系等先验知识,利用超图模型对股票之间存在的先验关联性进行建模。为了弥补先验知识时效性弱的缺点,通过数据驱动的方法,引入互信息技术进一步衡量股票的时序价格序列之间的相关性,并通过图学习框架与超图模型实现特征的融合学习。(2)针对如何有效学习金融时间序列中时间敏感性特征的问题,采用将时间序列转为二维图像的研究思路,提出了一种多特征融合的卷积LSTM网络(Convolutional LSTM network,Conv LSTM)预测模型。首先,通过格拉米差分角场技术,将时间序列及其特征转换为二维图像。其次,提出一种新型的多特征融合方法来学习金融时间序列中的长期时间依赖性。最后,在Conv LSTM的门控机制中引入模糊控制机制,处理数据中的自相似性和时间/日期敏感波动模式。(3)利用上述所提出的金融时间序列预测模型,分别构建了多股票推荐系统以及外汇交易系统,并基于真实的金融时间序列数据集对所提模型进行相关的实证分析。

关键词：深度学习金融时间序列预测图学习超图 convlstm网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时空特征的海盗袭击热点分析及预测

基于时空特征的海盗袭击热点分析及预测

作者：姜慧林大连海事大学

学位级别：硕士

当前,海盗活动仍严重威胁海洋运输的安全,时刻威胁船舶的人员及财产安全,扰乱正常的国际贸易和海运秩序,一直是国际航运关注的重点。通过以往的海盗问题的研究发现,海盗的活动范围及历史活动规律是有迹可循的,它的时空分布并非随机性的... 详细信息

当前,海盗活动仍严重威胁海洋运输的安全,时刻威胁船舶的人员及财产安全,扰乱正常的国际贸易和海运秩序,一直是国际航运关注的重点。通过以往的海盗问题的研究发现,海盗的活动范围及历史活动规律是有迹可循的,它的时空分布并非随机性的,通过研究海盗袭击事件在时空上的特征,结合影响因素分析,可以进一步解释海盗袭击热点形成的原因及热点的特征。同时,通过识别和提取海盗活动的时空分布特征,预测微观尺度下海盗袭击热点的时空分布情况,深入了解海盗袭击发生的模式和未来发展趋势,有利于国际海事组织等相关部门合理优化反海盗资源,并制定长短期的防御海盗计划,实现对海盗袭击活动的有效预防和打击。本文首先对全球海盗活动的现状做了基本的介绍,并以马六甲海峡为研究区域,选取了2007年到2022年间的海盗袭击事件作为研究对象,研究内容包括:(1)通过对全球海盗袭击事件的时间和空间分布特征进行分析,发现全球各海域的海盗袭击事件在时间上和空间上都有着明显的聚集性,证明了海盗袭击事件在研究区域内的可预测性。在此基础上深入研究了海盗袭击事件的时空交互性,分析时空临近重复现象,并计算出最佳的时空阈值,为后续海盗袭击热点分析及预测提供理论基础。(2)在时空临近重复分析的基础上,通过核密度估计、案件链模型、一致性分析等方法对海盗袭击热点的成因及特征进行分析,进一步去揭示了海盗袭击热点的结构特征,为海盗袭击热点的时空分布预测的微观时空尺度提供理论基础。(3)通过构造时空分布矩阵、convlstm网络的设计、预测结果评价方法等三个方面,建立基于convlstm的海盗袭击热点的时空分布预测模型,该模型能有效识别并提取稀疏矩阵的空间分布特征,并记忆长时间序列的依赖问题,从而预测海盗袭击热点在时空上的分布情况,并从模型拟合度、预测结果评价两个方面对模型预测的准确性进行全面评估。结果表明:本文构建的基于convlstm的海盗袭击热点的时空分布预测模型优于基于CNN网络和基于FC-LSTM的预测模型。

关键词：海盗袭击热点时空特征时空分布预测 convlstm网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

小鼠旷场实验行为分析系统的设计与实现

小鼠旷场实验行为分析系统的设计与实现

作者：朱俊才郑州大学

学位级别：硕士

动物行为是动物表达心理和生理的肢体语言,也是动物自身综合机能的体现。小鼠是典型的模式动物,旷场中小鼠不同行为的分析广泛应用于衡量生物学、神经科学、药理学和遗传学等领域的实验效果。现有的小鼠行为分析方法存在费时、泛化能力... 详细信息

动物行为是动物表达心理和生理的肢体语言,也是动物自身综合机能的体现。小鼠是典型的模式动物,旷场中小鼠不同行为的分析广泛应用于衡量生物学、神经科学、药理学和遗传学等领域的实验效果。现有的小鼠行为分析方法存在费时、泛化能力差等问题。设计与实现小鼠旷场实验行为分析系统对减轻相关研究者的工作负担具有重要意义。本文对小鼠旷场实验中的行为模式进行了识别研究,设计并实现了小鼠行为分析系统。设计了基于卷积神经网络的小鼠关键点检测模型和基于convlstm网络的小鼠行为识别模型,实现了相关行为学指标的计算,并应用到小鼠急性应激学实验中。本文的主要工作与结果如下:(1)设计了小鼠行为分析系统的整体框架。分析了小鼠旷场实验中行为分析的具体需求,从实验箱、摄像头和PC机进行了选型,设计了小鼠行为识别软件系统的基本框架,并使用Py Qt5、Tensor Flow、Keras、Open CV、Numpy和Matplotlib等工具包实现了图形用户界面展示、图像采集、数据处理和结果显示功能,确定了系统的算法流程。(2)设计了基于卷积神经网络的小鼠关键点检测模型,实现了多个影响因素五种典型行为模式的关键点检测。深度融合空洞卷积和转置卷积设计了小鼠关键点检测模型,并结合热力图与坐标偏移精准预测小鼠关键点坐标。建立了小鼠关键点检测数据集,比较了不同膨胀率下的实验结果,确定了最佳的空洞卷积膨胀率等模型参数。模型对鼻尖、左耳、右耳、尾根关键点检测的平均PCK指标达到了91%,高于CPM、Stacked Hourglass和Deep Lab Cut模型的性能。使用卡尔曼滤波进一步处理了关键点轨迹,实现了小鼠速度、角速度、路程和轨迹等运动参数的计算。(3)设计了基于convlstm网络的小鼠行为识别模型,实现了小鼠直走、静止、修饰、直立、转身五种基本行为的准确识别。设计了结合关键点检测、convlstm网络及全卷积网络的小鼠行为识别模型。建立了小鼠行为识别数据集,比较了不同时间窗口下的行为识别结果,确定了最佳的时间窗口参数。模型对直走、静止、修饰、直立、转身五种基本行为的平均识别准确率达到了94.27%,高于LSTM、Bi-LSTM和3DCNN模型的性能。进一步使用众值滤波修正了错误的分类结果,实现了行为发生次数和行为持续时间等行为参数的测量。(4)实现了小鼠行为分析系统,应用于了小鼠急性应激实验。选择了小鼠行为分析系统的软硬件参数,实现了系统的行为分析功能。采用足底电击法构建了小鼠急性应激模型,使用小鼠行为分析系统测量了急性应激前后小鼠行为的差异性。实验结果表明,小鼠在急性应激后自主活动减弱,更趋向于外周格活动,焦虑程度和紧张度有所增加。实验结果与现有文献结果保持一致,相比于传统行为分析方法,本文小鼠行为分析系统提供了全面和细致的行为学指标。

关键词：旷场实验小鼠行为识别关键点检测 convlstm网络急性应激实验

基于堆栈的多尺度循环网络图像去模糊方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于堆栈的多尺度循环网络图像去模糊方法研究

作者：吴雁秋厦门理工学院

学位级别：硕士

近年来,图像去模糊任务引起了越来越多研究者的关注。许多研究人员致力于通过使用“由粗到细”的架构来消除运动模糊。该架构在消除由简单的相对位移引起的运动模糊上具有优越性。但是将该架构应用于模糊人脸图像会导致一系列问题:(1)... 详细信息

近年来,图像去模糊任务引起了越来越多研究者的关注。许多研究人员致力于通过使用“由粗到细”的架构来消除运动模糊。该架构在消除由简单的相对位移引起的运动模糊上具有优越性。但是将该架构应用于模糊人脸图像会导致一系列问题:(1)复杂的网络结构使网络模型难以训练,且由于需要计算的参数太多会导致网络运行时间变慢。(2)由于图像的细节无法被完美复原,图像的质量会变差,并且视觉效果也不好。为了解决上述问题,本文采用了convlstm网络(一种特殊的循环神经网络),因其结构简单、具有“记忆性”且循环网络中的隐藏状态能捕捉有用信息,有利于复原出具有更多细节的图像。同时为了提高复原图像的质量,本文将“粗到细”架构与“堆栈”架构相结合,提出一种新的网络架构“基于堆栈的多尺度循环网络”,并利用残差模块优化了网络。与其他传统的去模糊方法具有多个损失评估不同,本文方法仅计算一次损失,这大大减少了计算量,提升了模型的性能,与其它去模糊方法对比,本文实验结果明显更优,表明本文方法在人脸图像去模糊任务中的优越性。在此基础上,本文还通过探究Adam算法对模型进行了优化。本文研究成果对模糊人脸图像的复原具有一定的应用价值,且有望成为解决人脸图像运动模糊问题的有效途径。

关键词：图像去模糊 convlstm网络 “粗到细”架构 “堆栈”架构