检索结果-南通市图书馆

采用多尺度自适应选择卷积神经网络的轴承故障诊断研究

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2024年第2期58卷 127-135页

作者：张玺君尚继洋兰州理工大学计算机与通信学院兰州730050

针对轴承故障诊断方法中传统多尺度卷积神经网络对不同尺度的特征只是简单拼接,而未考虑不同尺度的特征差异的问题,提出一种多尺度自适应选择卷积神经网络轴承故障诊断模型(MSASCNN)。通过不同大小的宽卷积筛选原始轴承振动信号中的特征... 详细信息

针对轴承故障诊断方法中传统多尺度卷积神经网络对不同尺度的特征只是简单拼接,而未考虑不同尺度的特征差异的问题,提出一种多尺度自适应选择卷积神经网络轴承故障诊断模型(MSASCNN)。通过不同大小的宽卷积筛选原始轴承振动信号中的特征,合并为初始特征;构建多尺度自适应选择卷积块,提取不同尺度的特征,利用改进的注意力机制自适应调整不同尺度的特征权重,加入残差连接,防止模型退化;通过分类器完成轴承故障诊断。在凯斯西储大学轴承数据集和XJTU-SY轴承数据集上的实验结果表明:在模型改进实验中,与没有改进注意力机制的模型相比,所提模型的轴承故障诊断准确率提升了1.98%;在不同信噪比的噪声干扰环境中,所提模型的轴承故障诊断准确率均高于93%。

关键词：轴承故障诊断卷积神经网络自适应融合注意力机制多尺度特征

在线全文

学校读者我要写书评

暂无评论

基于聚类算法和图神经网络的短时交通流预测

吉林大学学报（工学版） 2024年第6期54卷 1593-1600页

作者：张玺君余光杰崔勇尚继洋兰州理工大学计算机与通信学院兰州730050

针对现有预测模型未充分利用交通流数据时空相关性的问题,本文提出了一种深度学习模型,将聚类算法、图神经网络(GNN)和门控循环单元(GRU)相结合。首先,利用聚类算法将预处理后的数据划分为不同类型的流量模式;其次,采用GNN提取复杂路网... 详细信息

针对现有预测模型未充分利用交通流数据时空相关性的问题,本文提出了一种深度学习模型,将聚类算法、图神经网络(GNN)和门控循环单元(GRU)相结合。首先,利用聚类算法将预处理后的数据划分为不同类型的流量模式;其次,采用GNN提取复杂路网交通流的空间相关性,结合道路的皮尔逊相关性分析和节点的局部聚类系数,挖掘潜在的节点连接关系;再次,使用GRU提取交通流数据之间的时间相关性,通过自注意力机制捕获数据之间的相互依赖关系;最后,通过残差连接将GRU和GNN的输出与原始输入结合,经过全连接层得出最终的预测结果。多组实验结果证明,本文提出的模型预测精度优于其他基线模型及对比的模型。

关键词：交通流预测图神经网络聚类算法门控循环单元皮尔逊相关系数局部聚类系数

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

基于邻域k-核的社区模型与查询算法

软件学报 2024年第3期35卷 1051-1073页

作者：张琦程苗苗李荣华王国仁北京理工大学计算机学院北京100081

现实生活中的网络通常存在社区结构,社区查询是图数据挖掘的基本任务.现有研究工作提出了多种模型来识别网络中的社区,如基于k-核的模型和基于k-truss的模型.然而,这些模型通常只限制社区内节点或边的邻居数量,忽略了邻居之间的关系,即... 详细信息

现实生活中的网络通常存在社区结构,社区查询是图数据挖掘的基本任务.现有研究工作提出了多种模型来识别网络中的社区,如基于k-核的模型和基于k-truss的模型.然而,这些模型通常只限制社区内节点或边的邻居数量,忽略了邻居之间的关系,即节点的邻域结构,从而导致社区内节点的局部稠密性较低.针对这一问题,将节点的邻域结构信息融入k-核稠密子图中,提出一种基于邻域连通k-核的社区模型,并定义了社区的稠密度.基于这一新模型,研究了最稠密单社区查询问题,即返回包含查询节点集且具有最高稠密度的社区.在现实生活图数据中,一组查询节点可能会分布在多个不相交的社区中.为此,进一步研究了基于稠密度阈值的多社区查询问题,即返回包含查询节点集的多个社区,且每个社区的稠密度不低于用户指定的阈值.针对最稠密单社区查询和基于稠密度阈值的多社区查询问题,首先定义了边稠密度的概念,并提出了基于边稠密度的基线算法.为了提高查询效率,设计了索引树和改进索引树结构,能够支持在多项式时间内输出结果.通过与基线算法在多组数据集上的对比,验证了基于邻域连通k-核的社区模型的有效性和所提出查询算法的效率.

关键词：社区搜索邻域结构 k-核子图

在线全文

学校读者我要写书评

暂无评论

基于骨架的人体异常行为识别与检测研究进展

控制与决策 2024年第8期39卷 2484-2501页

作者：朱红蕾卫鹏娟徐志刚兰州理工大学计算机与通信学院兰州730050

人体异常行为识别与检测技术已广泛应用于各种领域.由于视频中存在的物体遮挡、光照及视角变化、复杂背景等问题,使得利用轻量级人体骨架数据处理此类实时任务成为竞争性工具.多数研究从不同角度对此任务相关方法进行综述,但缺少针对人... 详细信息

人体异常行为识别与检测技术已广泛应用于各种领域.由于视频中存在的物体遮挡、光照及视角变化、复杂背景等问题,使得利用轻量级人体骨架数据处理此类实时任务成为竞争性工具.多数研究从不同角度对此任务相关方法进行综述,但缺少针对人体骨架的整理工作.对此,立足于骨架数据,系统地综述了深度学习背景下的人体异常行为识别与检测方法.首先,按照应用场景中目标个数的不同,分类总结了典型的人体姿态估计算法;其次,依据特征提取网络的不同,将异常行为识别方法分为5类,分别围绕CNN、RNN、GCN、Transformer以及混合模型展开对比分析;然后,从数据与标签的映射学习角度,对3类异常行为检测方法进行讨论;最后,介绍了基准数据集及其上相关算法的表现,并探讨了此任务所面临的挑战及展望,以期为本领域未来的研究提供参考.

关键词：人体骨架异常行为识别异常行为检测深度学习姿态估计算法注意力机制

基于Transformer的深度条件视频压缩

在线全文

学校读者我要写书评

暂无评论

北京航空航天大学学报 2024年第2期50卷 442-448页

作者：鲁国钟天雄耿晶北京理工大学计算机学院北京100081

近年来,基于深度学习的视频压缩技术主要基于卷积神经网络(CNN)且采用运动补偿-残差编码的架构,由于常见的CNN只能利用局部的相关性,以及预测残差本身的稀疏特性,难以取得最优压缩性能。因此,提出一种基于Transformer架构的条件视频压... 详细信息

近年来,基于深度学习的视频压缩技术主要基于卷积神经网络(CNN)且采用运动补偿-残差编码的架构,由于常见的CNN只能利用局部的相关性,以及预测残差本身的稀疏特性,难以取得最优压缩性能。因此,提出一种基于Transformer架构的条件视频压缩算法,以实现更优的压缩效果。所提算法基于前后帧之间的运动信息,利用可形变卷积得到对应的预测帧特征;将预测帧特征作为条件信息,对原始输入帧特征进行条件编码,避免了直接编码稀疏的残差信号;利用特征间的非局部相关性,提出一个基于Transformer的深度条件视频压缩编码算法,用来实现运动信息编码和条件编码,进一步提升压缩编码的性能。实验结果表明:所提算法在HEVC、UVG数据集上均超越了当前主流的基于深度学习的视频压缩算法。

关键词：视频压缩 Transformer 深度学习神经网络压缩算法

在线全文

学校读者我要写书评

暂无评论

车联网隐私保护自主管理身份方案

电子与信息学报 2024年第7期46卷 2783-2792页

作者：郭显袁建鹏冯涛蒋泳波方君丽王晶兰州理工大学计算机与通信学院兰州730050

针对车联网(VANETs)环境下车辆用户数字身份管理问题,该文提出基于区块链的去中心化可撤销隐私保护自主管理身份(SSI)方案。经可信机构(TA)授权后,路侧单元(RSU)组成委员会负责车辆用户身份注册、数字身份凭证颁发及维护。基于门限BLS... 详细信息

针对车联网(VANETs)环境下车辆用户数字身份管理问题,该文提出基于区块链的去中心化可撤销隐私保护自主管理身份(SSI)方案。经可信机构(TA)授权后,路侧单元(RSU)组成委员会负责车辆用户身份注册、数字身份凭证颁发及维护。基于门限BLS签名和实用拜占庭容错(PBFT)共识机制实现数字身份凭证创建,解决凭证颁发机构去中心化问题;集成秘密共享和零知识证明技术,解决数字身份凭证颁发和验证过程中隐私保护问题;基于密码学累加器技术,解决分布式存储环境数字身份凭证撤销问题。最后,对该方案安全属性进行了详细分析,证明方案能够满足所提出的安全目标,同时基于本地以太坊私有链平台使用智能合约对所提方案进行了实现及性能分析,实验结果表明了设计的可靠性、可行性和有效性。

关键词：车联网自主管理身份区块链隐私保护

深度学习辅助的超奈奎斯特速率光空间脉冲位置调制

在线全文

学校读者我要写书评

暂无评论

光学学报 2024年第5期44卷 49-59页

作者：张悦叶翔文曹明华王惠琴兰州理工大学计算机与通信学院甘肃兰州730050

针对现有光空间调制传输速率和频谱效率低的问题,提出了一种超奈奎斯特速率光空间脉冲位置调制(OSPPM-FTN)方案。推导了Gamma-Gamma湍流信道下该方案最大似然检测时的平均误码率上界,并与已有光空间脉冲位置调制(OSPPM)系统进行了性能... 详细信息

针对现有光空间调制传输速率和频谱效率低的问题,提出了一种超奈奎斯特速率光空间脉冲位置调制(OSPPM-FTN)方案。推导了Gamma-Gamma湍流信道下该方案最大似然检测时的平均误码率上界,并与已有光空间脉冲位置调制(OSPPM)系统进行了性能对比。在此基础上,针对OSPPM-FTN发送信号的特点,提出了一种多分类神经网络(MNN)信号译码器,以大幅降低计算复杂度。最后,采用蒙特卡罗方法进行了仿真。结果表明,随着加速因子的减小,所提系统的频谱效率和传输速率有明显提升,其代价是信噪比(SNR)损失。当加速因子为0.9时,相比于传统(4,4,4)-OSPPM,所提系统的频谱效率和传输速率分别提升了17%和5.5%,SNR损失仅为1 dB。同时,采用MNN译码器可逼近最大似然最优译码性能并降低其计算复杂度,当探测器数目为8和16时,计算复杂度分别降低了69.75%和89.95%。

关键词：光通信光空间调制超奈奎斯特深度学习误码率

在线全文

学校读者我要写书评

暂无评论

联合小波-频域变换的自适应能量检测

国防科技大学学报 2024年第5期46卷 90-98页

作者：何继爱李志鑫王婵飞张晓霖兰州理工大学计算机与通信学院甘肃兰州730050

针对传统能量检测方法在频谱感知领域中极易受低信噪比环境干扰,忽视可用频谱的定位亦会影响频谱状态的判别结果,提出了一种联合小波-频域变换的自适应能量检测方法,旨在提高能量检测的噪声灵敏度和判别精确度。通过离散小波包变换对信... 详细信息

针对传统能量检测方法在频谱感知领域中极易受低信噪比环境干扰,忽视可用频谱的定位亦会影响频谱状态的判别结果,提出了一种联合小波-频域变换的自适应能量检测方法,旨在提高能量检测的噪声灵敏度和判别精确度。通过离散小波包变换对信号进行分解并计算子带能量;结合能量范数降低自适应阈值的计算复杂度,以便与子带能量比较;采用快速傅里叶变换定位可用频谱范围。对该方法进行模拟仿真,探究自适应阈值与不同性能参数之间的变化关系。仿真结果表明,该方法具有良好的环境适配性与系统稳定性,且在不同信噪比环境下的检测误差更小。此外,对子带信号进行频域分析以实现归一化频率范围的重新排序,进一步提高了频谱感知的准确度。

关键词：认知无线电频谱感知能量检测离散小波包变换自适应阈值

融合趋势嵌入和粒度增强网络的小样本医学时间序列预测

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年第6期36卷 948-959页

作者：于敬楠张春霞薛新月薛晓军牛振东北京理工大学计算机学院北京100081

随着大数据分析和深度学习的迅猛发展,时间序列预测方法被广泛应用于医学、金融、气象和交通等领域,为众多应用任务提供决策支持.针对小样本医学数据特征维度低和现有深度学习方法易于造成过拟合问题,研究小样本医学时间序列预测任务,... 详细信息

随着大数据分析和深度学习的迅猛发展,时间序列预测方法被广泛应用于医学、金融、气象和交通等领域,为众多应用任务提供决策支持.针对小样本医学数据特征维度低和现有深度学习方法易于造成过拟合问题,研究小样本医学时间序列预测任务,提出融合趋势嵌入和粒度增强网络的预测方法.首先在卷积神经网络的框架下,粒度增强网络分别从时间维度和特征维度将医学时间序列数据提升为三维张量;然后以医学时间序列样本的一阶差分作为方向向量,基于方向导数生成趋势嵌入表征;再构建静态空间邻接矩阵和动态时间邻接矩阵,并通过时空图卷积网络学习时空嵌入表征;最后将构建的时空嵌入、预测嵌入和趋势嵌入整合到基于图卷积网络、门控循环单元和残差网络的网络架构之中,实现医学时间序列预测.在Cancer,ILI,Baries和COVID-19这4个数据集上的实验结果表明,与预测结果最佳的基线模型T-GCN相比,所提方法在每个数据集的MAE,MAPE和RMSE这3个评价指标上分别降低34.0607,0.0107,70.6728;11.1808,0.0950,20.7285;0.3546,0.1127,0.4553和449.2437,0.0144,1174.7273,其性能优于基线方法,验证了该方法的可行性及有效性.

关键词：时间序列预测趋势嵌入粒度增强网络时空图卷积网络