检索结果-南通市图书馆

面向Shapelet空间的多变量时间序列密度聚类算法

在线全文

学校读者我要写书评

暂无评论

计算机科学与探索 2024年第2期18卷 387-402页

作者：盛锦超杜明晶孙嘉睿李宇蕊江苏师范大学计算机科学与技术学院江苏徐州221100

多变量时间序列聚类问题已经成为时间序列分析任务中重要的研究课题,相较于单变量时间序列,多变量时间序列的研究复杂性更高,难度更大。尽管当前已经提出了许多针对多变量时间序列的聚类算法,但是这些算法在精度和解释性方面仍旧不足。... 详细信息

多变量时间序列聚类问题已经成为时间序列分析任务中重要的研究课题,相较于单变量时间序列,多变量时间序列的研究复杂性更高,难度更大。尽管当前已经提出了许多针对多变量时间序列的聚类算法,但是这些算法在精度和解释性方面仍旧不足。其一,当前大部分工作并未考虑多变量时间序列的长度冗余性和变量相关性等问题,导致最终得到的相似性矩阵具有较大误差;其二,数据在聚类过程中普遍采用划分范式,当数值空间呈现复杂分布时该思想表现不佳,并且不具备对各个变量及空间的解释力。针对上述问题,提出了一种面向Shapelet(富有高信息量的连续子序列)空间的多变量时间序列自适应权重密度聚类算法(MDCS)。算法首先对各个变量进行Shapelet搜索,通过自适应策略获取到各自的Shapelet空间,接着对各个变量产生的数值分布进行组合加权,得到了更符合数据分布特征的相似度矩阵,最后利用改进密度计算和二次分配的共享最近邻密度峰值聚类算法对数据进行最终分配。在真实数据集上的实验结果证明,与目前先进的聚类算法相比,MDCS拥有更好的聚类结果,在标准化互信息和兰德系数指标上平均提高了0.344与0.09,兼顾了性能与可解释性。

关键词：多变量时间序列子序列 Shapelet空间密度峰值聚类数据挖掘

在线全文

学校读者我要写书评

暂无评论

利用可信反事实的不平衡数据过采样方法

计算机工程与应用 2024年第5期60卷 165-171页

作者：高峰宋媚祝义江苏师范大学计算机科学与技术学院江苏徐州221000

针对传统过采样方法不能充分利用数据集信息的缺陷,提出一种基于反事实(counterfactual,CF)的不平衡数据过采样方法,并进一步对生成的少数类合成样本进行了“可信”清除。其核心思想是依据数据集原有实例特征值合成新样本,相比传统过采... 详细信息

针对传统过采样方法不能充分利用数据集信息的缺陷,提出一种基于反事实(counterfactual,CF)的不平衡数据过采样方法,并进一步对生成的少数类合成样本进行了“可信”清除。其核心思想是依据数据集原有实例特征值合成新样本,相比传统过采样的插值法,更能充分挖掘数据中的边界决策信息,从而为分类器提供更多的有用信息,提高分类性能。在9个来自KEEL与UCI的不平衡数据集、5种不同分类器(SVM、DT、Logistic、RF、AdaBoost)上与4种传统过采样方法(SMOTE、B1-SMOTE、B2-SMOTE、ADASYN)进行了大量对比实验,结果表明,所提方法具有更高的AUC值、F1值和G-mean值,可以更为有效地解决类不平衡问题。

关键词：不平衡数据集分类器过采样反事实(CF)

在线全文

学校读者我要写书评

暂无评论

基于统计特征搜索的多元时间序列预测方法

电子与信息学报 2024年第8期46卷 3276-3284页

作者：潘金伟王乙乔钟博王晓玲华东师范大学计算机科学与技术学院上海200062

时间序列中包含一些长期依赖关系,如长期趋势性、季节性和周期性,这些长期依赖信息的跨度可能是以月为单位的,直接应用现有方法无法显式建模时间序列的超长期依赖关系。该文提出基于统计特征搜索的预测方法来显式地建模时间序列中的长... 详细信息

时间序列中包含一些长期依赖关系,如长期趋势性、季节性和周期性,这些长期依赖信息的跨度可能是以月为单位的,直接应用现有方法无法显式建模时间序列的超长期依赖关系。该文提出基于统计特征搜索的预测方法来显式地建模时间序列中的长期依赖。首先对多元时间序列中的平滑特征、方差特征和区间标准化特征等统计特征进行抽取,提高时间序列搜索对趋势性、周期性、季节性的感知。随后结合统计特征在历史序列搜索相似的序列,并利用注意力机制融合当前序列信息与历史序列信息,生成可靠的预测结果。在5个真实的数据集上的实验表明该文提出的方法优于6种最先进的方法。

关键词：多元时间序列预测注意力机制长期依赖

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

面向自组织人群的建筑安全评估算法

浙江大学学报（工学版） 2024年第9期58卷 1844-1856页

作者：武慧何高奇李晨王长波华东师范大学计算机科学与技术学院上海200062

为了解决室内建筑节点不合理与人群逃生路线选择困难的问题,提出面向自组织人群的建筑安全评估算法.基于IndoorGML建立室内空间的水平平面结构和垂直层级结构,形成拓扑空间中的节点关联图,以表示多层建筑物的空间结构.通过对单元空间的... 详细信息

为了解决室内建筑节点不合理与人群逃生路线选择困难的问题,提出面向自组织人群的建筑安全评估算法.基于IndoorGML建立室内空间的水平平面结构和垂直层级结构,形成拓扑空间中的节点关联图,以表示多层建筑物的空间结构.通过对单元空间的风险、通行率的定义,设计基于A^(*)算法的安全疏散路线选择算法.通过分析逃生路线的选择人数、单条逃生路线上节点的最高风险、单条逃生路线的平均逃生时间,找出室内建筑不合理节点并提出优化方案.构建模拟场景进行仿真实验,对比不同路线选择方法的结果,分析并验证所提评估算法的有效性.结果表明,所提出的方法能够找出建筑拥堵的主要因素及其对疏散的影响程度,有助于在建筑设计阶段开展科学的建筑安全评估.

关键词：人群仿真建筑安全评估 Indoor GML 自组织人群安全疏散路线选择

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

改进头脑风暴优化算法求解多模态多目标问题

华中科技大学学报（自然科学版） 2024年第6期52卷 24-31页

作者：程适刘悦王雪萍靳红林陕西师范大学计算机科学学院陕西西安710119

针对多模态多目标优化中存在的所得等价解数量不足和决策空间多样性维护难的问题,提出了一种基于分区搜索和非支配特殊拥挤距离排序的差分头脑风暴优化算法.在算法中分区搜索将决策空间划分为多个子空间以降低搜索难度并维持种群多样性... 详细信息

针对多模态多目标优化中存在的所得等价解数量不足和决策空间多样性维护难的问题,提出了一种基于分区搜索和非支配特殊拥挤距离排序的差分头脑风暴优化算法.在算法中分区搜索将决策空间划分为多个子空间以降低搜索难度并维持种群多样性,k-均值聚类可以定位并维持多个帕累托最优解,非支配特殊拥挤距离排序可以同时考虑决策空间和目标空间的多样性,作为环境选择算子筛选解;将差分变异算子替代传统头脑风暴优化算法新个体生成算子以增强种群的多样性,帮助定位多个等价最优解.将该算法与其他5种智能算法在13个多模态多目标测试函数上进行实验,实验结果表明:基于分区搜索和非支配特殊拥挤距离排序的差分头脑风暴优化算法在11个测试函数上的性能优于其他5个算法,该优化算法能够尽可能多地在决策空间中找到多个等价帕累托最优解集,并且能保证在目标空间中具有良好的帕累托前沿分布.

关键词：多模态多目标优化头脑风暴优化算法多目标优化多模态优化群体智能

RR-SC:边缘设备中基于随机计算神经网络的运行时可重配置框架

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2024年第4期61卷 840-855页

作者：宋玉红沙行勉诸葛晴凤许瑞王寒华东师范大学计算机科学与技术学院上海200062

随着人工智能民主化的发展,深度神经网络已经被广泛地应用于移动嵌入式设备上,例如智能手机和自动驾驶领域等.随机计算作为一种新兴的、有前途的技术在执行机器学习任务时使用简单的逻辑门而不是复杂的二进制算术电路.它具有在资源(如... 详细信息

随着人工智能民主化的发展,深度神经网络已经被广泛地应用于移动嵌入式设备上,例如智能手机和自动驾驶领域等.随机计算作为一种新兴的、有前途的技术在执行机器学习任务时使用简单的逻辑门而不是复杂的二进制算术电路.它具有在资源(如能源、计算单元和存储单元等)受限的边缘设备上执行深度神经网络低能耗、低开销的优势.然而,之前的关于随机计算的工作都仅仅设计一组模型配置并在固定的硬件配置上实现,忽略了实际应用场景中硬件资源(如电池电量)的动态改变,这导致了低硬件效率和短电池使用时间.为了节省电池供电的边缘设备的能源,动态电压和频率调节技术被广泛用于硬件重配置以延长电池的使用时间.针对基于随机计算的深度神经网络,创新性地提出了一个运行时可重配置框架,即RR-SC,这个框架首次尝试将硬件和软件的重配置相结合以满足任务的时间约束并最大限度节省能源.RR-SC利用强化学习技术可以一次性生成多组模型配置,同时满足不同硬件配置(即不同的电压/频率等级)下的准确率要求.RR-SC得到的解具有最好的准确率和硬件效率权衡.同时,多个模型配置运行时在同一个主干网络上进行切换,从而实现轻量级的软件重配置.实验结果表明,RRSC可以在110 ms内进行模型配置的轻量级切换,以保证在不同硬件级别上所需的实时约束.同时,它最高可以实现7.6倍的模型推理次数提升,仅造成1%的准确率损失.

关键词：边缘设备随机计算运行时重配置动态硬件环境轻量级软件重配置强化学习

在线全文

学校读者我要写书评

暂无评论

基于深度学习的EEG数据分析技术综述

浙江大学学报（工学版） 2024年第5期58卷 879-890页

作者：钟博王鹏飞王乙乔王晓玲华东师范大学计算机科学与技术学院上海200062

对近年来的相关工作进行全面分析、横向比较,梳理出基于深度学习的EEG数据分析闭环流程.对EEG数据进行介绍,从深度学习在EEG数据预处理、特征提取以及模型泛化3个关键阶段的应用进行展开,梳理深度学习算法在相应阶段提供的研究思路和解... 详细信息

对近年来的相关工作进行全面分析、横向比较,梳理出基于深度学习的EEG数据分析闭环流程.对EEG数据进行介绍,从深度学习在EEG数据预处理、特征提取以及模型泛化3个关键阶段的应用进行展开,梳理深度学习算法在相应阶段提供的研究思路和解决方案,包括各阶段所存在的难点与问题.全方位总结出不同算法的主要贡献和局限性,讨论深度学习技术在各个阶段处理EEG数据时所面临的挑战及未来的发展方向.

关键词：头皮脑电(EEG) 闭环流程深度学习预处理特征提取模型泛化

同方期刊数据库

SOSNet:一种非对称编码器-解码器结构的非小细胞肺癌CT图像分割模型

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年第3期52卷 824-837页

作者：谢娟英张凯云陕西师范大学计算机科学学院陕西西安710119

非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(Computed Tomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(Small Object Segmentation Networks... 详细信息

非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(Computed Tomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(Small Object Segmentation Networks)自动分割模型,利用ResNet(Residual Network)基础层和空洞卷积构造非对称编码器-解码器结构作为分割主网络,利用轴向取反注意力模块ARA(Axial Reverse Attention)逐步擦除背景中对分割有影响的结构,再使用结构细化模块SR(Structure Refinement)对主网络输出的粗略特征图进行结构细化,从而实现非小细胞肺癌肿瘤结节分割.在非小细胞肺癌公开数据集的实验测试表明,本文提出的小目标自动分割模型SOSNet可以有效分割出非小细胞肺癌CT图像中的小体积肿瘤结节,其mDice(mean-Dice)、mIoU(mean Intersection over Union)、Sensitivity、F1、Specificity、平均绝对误差MAE(Mean Absolute Error)均优于当前最先进的小目标分割模型CaraNet(Context Axial Reverse Attention Network).

关键词：小目标分割非小细胞肺癌非对称编码器-解码器结构细化轴向取反注意力 CT图像深度学习卷积

同方期刊数据库

基于动态采样对偶可变形网络的实时视频实例分割

在线全文

学校读者我要写书评

暂无评论

浙江大学学报（工学版） 2024年第2期58卷 247-256页

作者：宋一然周千寓邵志文易冉马利庄上海交通大学计算机科学与工程系上海200240 中国矿业大学计算机科学与技术学院江苏徐州221116

为了更好地利用视频帧中蕴含的时间信息,提升视频实例分割的推理速度,提出动态采样对偶可变形网络(DSDDN). DSDDN使用动态采样策略,根据前、后帧的相似性调整采样策略.对于相似性高的帧,该方法跳过当前帧的推理过程,仅使用前帧分割进行... 详细信息

为了更好地利用视频帧中蕴含的时间信息,提升视频实例分割的推理速度,提出动态采样对偶可变形网络(DSDDN). DSDDN使用动态采样策略,根据前、后帧的相似性调整采样策略.对于相似性高的帧,该方法跳过当前帧的推理过程,仅使用前帧分割进行简单迁移计算.对于相似性低的帧,该方法动态聚合时间跨度更大的视频帧作为输入,对当前帧进行信息增强.在Transformer结构里,该方法额外使用2个可变形操作,避免基于注意力的方法中的指数级计算量.提供精心设计的追踪头和损失函数,优化复杂的网络.在YouTube-VIS数据集上获得了39.1%的平均推理精度与40.2帧/s的推理速度,验证了提出的方法能够在实时视频分割任务上取得精度与推理速度的良好平衡.

关键词：视频实时推理实例分割动态网络对偶可变形网络