期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合不确定性建模的时空交通数据插补方法
1
作者
刘乐
郭晟楠
+4 位作者
靳希源
赵苗苗
陈冉
林友芳
万怀宇
《计算机研究与发展》
北大核心
2025年第2期346-363,共18页
交通数据缺失是智能交通系统无法避免的问题之一,对缺失值进行补全和不确定性量化能提高智能交通系统中交通数据挖掘相关任务的精度和可靠性.然而,目前大多数交通数据插补模型都只能针对缺失值给出点估计,无法量化不确定性,难以满足交...
交通数据缺失是智能交通系统无法避免的问题之一,对缺失值进行补全和不确定性量化能提高智能交通系统中交通数据挖掘相关任务的精度和可靠性.然而,目前大多数交通数据插补模型都只能针对缺失值给出点估计,无法量化不确定性,难以满足交通领域对数据可靠性的要求.而且,现有方法将重点放在了建模交通数据的时空相关性上,却未能在捕获时空相关性的过程中考虑缺失值的影响.此外,交通数据的不确定性同时受到时间、空间位置以及数据自身状态的影响,但是现有方法无法全面考虑这些因素的影响.为了解决这些问题,提出了一种时空不确定性指导的交通数据插补模型(spatial-temporal uncertainty guided traffic data imputation network,STUIN),以自监督训练的方式实现了时空交通数据的插补和对插补结果的不确定性量化.具体来说,创新地将神经网络的隐状态建模成服从高斯分布的随机变量,借助方差建模隐状态的不确定性,利用基于方差的注意力机制描述不确定性对时空相关性建模的影响;此外,设计了一个新颖的时空不确定性初始化模块,在初始化均值和方差时同时考虑了时间、空间和数据缺失状况多种因素的影响.在2个交通流量数据集上的实验结果表明STUIN在数据插补和不确定性量化上都达到了最先进的性能.
展开更多
关键词
交通数据插补
不确定性量化
基于方差的注意力机制
时空
数据
挖掘
时空图
数据
在线阅读
下载PDF
职称材料
一种贝叶斯对数正态分布的张量分解插补算法
被引量：
1
2
作者
李小沛
李凡长
梁合兰
《计算机应用与软件》
北大核心
2021年第7期214-221,共8页
从智能交通系统中收集到的交通数据集,往往会因为诸多因素不可避免地产生数据丢失的问题。针对此问题,提出一种贝叶斯对数正态分布张量分解插补算法。将一般的矩阵分解扩展到高阶的张量维度上,保存了数据的原本结构;利用贝叶斯推断,对...
从智能交通系统中收集到的交通数据集,往往会因为诸多因素不可避免地产生数据丢失的问题。针对此问题,提出一种贝叶斯对数正态分布张量分解插补算法。将一般的矩阵分解扩展到高阶的张量维度上,保存了数据的原本结构;利用贝叶斯推断,对一组服从对数正态分布的随机数进行循环迭代,逐一将参数的似然估计和先验项结合得到后验公式;通过马尔可夫链蒙特卡洛算法(MCMC)得到Gibbs采样模型。选用在中国广州收集的时空交通速度数据集,将其分别变成二阶、三阶和四阶张量进行对比处理,并评估该算法的性能。结果表明,该算法相较其他方法在处理三阶张量数据上可以表现出更优的数据插补性能。
展开更多
关键词
对数正态分布
智能
交通
张量CP分解
贝叶斯推断
时空
交通数据插补
在线阅读
下载PDF
职称材料
题名
融合不确定性建模的时空交通数据插补方法
1
作者
刘乐
郭晟楠
靳希源
赵苗苗
陈冉
林友芳
万怀宇
机构
北京交通大学计算机与信息技术学院
交通数据分析与挖掘北京市重点实验室(北京交通大学)
出处
《计算机研究与发展》
北大核心
2025年第2期346-363,共18页
基金
国家自然科学基金青年基金项目(62202043)。
文摘
交通数据缺失是智能交通系统无法避免的问题之一,对缺失值进行补全和不确定性量化能提高智能交通系统中交通数据挖掘相关任务的精度和可靠性.然而,目前大多数交通数据插补模型都只能针对缺失值给出点估计,无法量化不确定性,难以满足交通领域对数据可靠性的要求.而且,现有方法将重点放在了建模交通数据的时空相关性上,却未能在捕获时空相关性的过程中考虑缺失值的影响.此外,交通数据的不确定性同时受到时间、空间位置以及数据自身状态的影响,但是现有方法无法全面考虑这些因素的影响.为了解决这些问题,提出了一种时空不确定性指导的交通数据插补模型(spatial-temporal uncertainty guided traffic data imputation network,STUIN),以自监督训练的方式实现了时空交通数据的插补和对插补结果的不确定性量化.具体来说,创新地将神经网络的隐状态建模成服从高斯分布的随机变量,借助方差建模隐状态的不确定性,利用基于方差的注意力机制描述不确定性对时空相关性建模的影响;此外,设计了一个新颖的时空不确定性初始化模块,在初始化均值和方差时同时考虑了时间、空间和数据缺失状况多种因素的影响.在2个交通流量数据集上的实验结果表明STUIN在数据插补和不确定性量化上都达到了最先进的性能.
关键词
交通数据插补
不确定性量化
基于方差的注意力机制
时空
数据
挖掘
时空图
数据
Keywords
traffic data imputation
uncertainty quantification
variance-based attention mechanism
spatialtemporal data mining
spatial-temporal graph data
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
一种贝叶斯对数正态分布的张量分解插补算法
被引量：
1
2
作者
李小沛
李凡长
梁合兰
机构
苏州大学计算机科学与技术学院
出处
《计算机应用与软件》
北大核心
2021年第7期214-221,共8页
基金
国家自然科学基金项目(61672364,61672365,61902269)
国家重点研发计划项目(2018YFA07070,2018YFA0701701)。
文摘
从智能交通系统中收集到的交通数据集,往往会因为诸多因素不可避免地产生数据丢失的问题。针对此问题,提出一种贝叶斯对数正态分布张量分解插补算法。将一般的矩阵分解扩展到高阶的张量维度上,保存了数据的原本结构;利用贝叶斯推断,对一组服从对数正态分布的随机数进行循环迭代,逐一将参数的似然估计和先验项结合得到后验公式;通过马尔可夫链蒙特卡洛算法(MCMC)得到Gibbs采样模型。选用在中国广州收集的时空交通速度数据集,将其分别变成二阶、三阶和四阶张量进行对比处理,并评估该算法的性能。结果表明,该算法相较其他方法在处理三阶张量数据上可以表现出更优的数据插补性能。
关键词
对数正态分布
智能
交通
张量CP分解
贝叶斯推断
时空
交通数据插补
Keywords
Lognormal distribution
Intelligent traffic
Tensor CP decomposition
Bayesian inference
Space-time traffic data imputation
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合不确定性建模的时空交通数据插补方法
刘乐
郭晟楠
靳希源
赵苗苗
陈冉
林友芳
万怀宇
《计算机研究与发展》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
一种贝叶斯对数正态分布的张量分解插补算法
李小沛
李凡长
梁合兰
《计算机应用与软件》
北大核心
2021
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
