检索结果-维普期刊中文期刊服务平台

基于模糊神经网络的电梯系统交通模式识别被引量：10: 1; 作者宗群尚晓光 +3 位作者严明曹燕飞岳有军雷小锋《系统工程学报》 CSCD 2001年第6期418-424,共7页; 介绍采用模糊神经网络进行电梯群控系统交通模式识别的方法 .用 3步混合训练方法对用于模式识别的两个模糊神经网络进行训练 .测试结果表明此方法可以准确地辨识出各种交通模式所占的比例 ,可以指导群控器优化派梯策略 ,提高电梯群控系... 展开更多; 关键词电梯群控系统交通模式识别模糊神经网络现代化建筑; 在线阅读下载PDF 职称材料

基于多尺度特征提取的交通模式识别算法被引量：6: 2; 作者刘世泽秦艳君 +4 位作者王晨星高存远罗海勇赵方王宝会《计算机应用》 CSCD 北大核心 2021年第6期1573-1580,共8页; 针对普适交通模式的场景感知功耗高、场景复杂的问题,提出一种融合残差网络(Res Net)和带孔卷积的交通模式识别算法。首先,使用快速傅里叶变换(FFT)将一维传感器数据转换为二维频谱图像;然后,使用主成分分析(PCA)算法对频谱图像降采样;... 展开更多; 关键词行为识别交通模式识别残差网络带孔卷积低功耗; 在线阅读下载PDF 职称材料

基于残差时域注意力神经网络的交通模式识别算法被引量：3: 3; 作者刘世泽朱奕达 +4 位作者陈润泽罗海勇赵方孙艺王宝会《计算机应用》 CSCD 北大核心 2021年第6期1557-1565,共9页; 交通模式识别是用户行为识别中的一个重要分支,其目的是对用户所处的交通模式进行准确判断。针对现代智慧城市交通系统对在移动设备环境下精准感知用户交通模式的需求,提出了一种基于残差时域注意力神经网络的交通模式识别算法。首先,... 展开更多; 关键词时域卷积网络交通模式识别残差网络注意力机制深度学习; 在线阅读下载PDF 职称材料

基于特征自学习的交通模式识别研究被引量：5: 4; 作者王昊刘高军 +2 位作者段建勇薛媛媛冯卓楠《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2019年第2期354-358,共5页; 针对目前交通模式识别以人工设计特征为主,特征设计主观性强、区分度不高的问题,本文依据深度学习理论,建立了基于卷积神经网络的特征自动学习模型。该模型利用卷积神经网络自动学习深度特征,然后与人工特征共同用于交通模式识别。模型... 展开更多; 关键词交通模式识别深度特征轨迹挖掘特征学习卷积网络轨迹; 在线阅读下载PDF 职称材料

适于双子电梯群控系统的交通模式预测方法被引量：4: 5; 作者丁宝李庆超 +2 位作者张永明张进齐维贵《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2013年第8期79-83,共5页; 为了避免传统电梯交通模式识别存在模式滞后的缺陷,适应新型的双子电梯群控系统性能要求,提出了基于预测交通流的电梯交通模式预测方法.采用支持向量机(Support vector machine,SVM)进行电梯交通流预测;采用BP神经网络进行电梯交通流模... 展开更多; 关键词双子电梯交通模式识别交通流预测模式预测; 在线阅读下载PDF 职称材料

题名基于模糊神经网络的电梯系统交通模式识别被引量：10: 1; 作者宗群尚晓光严明曹燕飞岳有军雷小锋; 机构天津大学电气自动化与能源工程学院; 出处《系统工程学报》 CSCD 2001年第6期418-424,共7页; 基金天津市自然科学基金重点基金资助项目 ( 99380 12 11); 文摘介绍采用模糊神经网络进行电梯群控系统交通模式识别的方法 .用 3步混合训练方法对用于模式识别的两个模糊神经网络进行训练 .测试结果表明此方法可以准确地辨识出各种交通模式所占的比例 ,可以指导群控器优化派梯策略 ,提高电梯群控系统的服务性能 .; 关键词电梯群控系统交通模式识别模糊神经网络现代化建筑; Keywords elevator group control systems traffic pattern recognition fuzzy neural networks; 分类号 TU857 [建筑科学] 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

题名基于多尺度特征提取的交通模式识别算法被引量：6: 2; 作者刘世泽秦艳君王晨星高存远罗海勇赵方王宝会; 机构北京航空航天大学软件学院北京邮电大学计算机学院中国科学院计算技术研究所; 出处《计算机应用》 CSCD 北大核心 2021年第6期1573-1580,共8页; 基金国家自然科学基金资助项目(61872046) 北京邮电大学提升科技创新能力行动计划项目(2019XD-A06)。; 文摘针对普适交通模式的场景感知功耗高、场景复杂的问题,提出一种融合残差网络(Res Net)和带孔卷积的交通模式识别算法。首先,使用快速傅里叶变换(FFT)将一维传感器数据转换为二维频谱图像;然后,使用主成分分析(PCA)算法对频谱图像降采样;最后,使用Res Net挖掘交通模式的局部特征,使用带孔卷积挖掘交通模式的全局特征,从而实现对八种交通模式进行识别。与决策树、随机森林、Alex Net等八种算法在实验中的对比评估结果显示,融合Res Net和带孔卷积的交通模式识别算法在静止、走路、跑步等八类交通模式上均有最高准确率。该算法具有良好识别精度和鲁棒性。; 关键词行为识别交通模式识别残差网络带孔卷积低功耗; Keywords activity recognition transportation mode recognition Residual Network(ResNet) dilated convolution low power consumption; 分类号 TP182 [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

题名基于残差时域注意力神经网络的交通模式识别算法被引量：3: 3; 作者刘世泽朱奕达陈润泽罗海勇赵方孙艺王宝会; 机构北京航空航天大学软件学院北京邮电大学计算机学院(国家示范性软件学院) 中国科学院计算技术研究所; 出处《计算机应用》 CSCD 北大核心 2021年第6期1557-1565,共9页; 基金国家重点研发计划项目(2019YFC1511400) 国家自然科学基金资助项目(61872046) +5 种基金移动计算与新型终端北京市重点实验室开放课题。; 文摘交通模式识别是用户行为识别中的一个重要分支,其目的是对用户所处的交通模式进行准确判断。针对现代智慧城市交通系统对在移动设备环境下精准感知用户交通模式的需求,提出了一种基于残差时域注意力神经网络的交通模式识别算法。首先,通过具有较强局部特征提取能力的残差网络提取传感器时序中的局部特征;然后,采用基于通道的注意力机制对不同传感器特征进行重校准,并针对不同传感器的数据异构性进行注意力重校准;最后,利用具有更广感受野的时域卷积网络(TCN)提取传感器时序中的全局特征。采用数据丰富度较高的宏达通讯(HTC)交通模式识别数据集来对已有的交通模式识别算法和所提出的残差时域注意力模型进行评估,实验结果表明,所提出的残差时域注意力模型在对现代移动嵌入式设备的计算开销友好的前提下具有高达96.07%的准确率,且对单一类别均具有高于90%的召回率与精确率,验证了该模型的准确性与鲁棒性。所提模型可以作为一种支持移动智能终端运算的交通模式识别应用于智能交通出行、智慧城市等领域。; 关键词时域卷积网络交通模式识别残差网络注意力机制深度学习; Keywords Temporal Convolutional Network(TCN) traffic mode recognition Residual Network(ResNet) attention mechanism deep learning; 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

题名基于特征自学习的交通模式识别研究被引量：5: 4; 作者王昊刘高军段建勇薛媛媛冯卓楠; 机构北方工业大学计算机学院清华大学计算机科学与技术系; 出处《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2019年第2期354-358,共5页; 基金国家自然科学基金项目(61672040) 北方工业大学科研启动基金项目(110051360002); 文摘针对目前交通模式识别以人工设计特征为主,特征设计主观性强、区分度不高的问题,本文依据深度学习理论,建立了基于卷积神经网络的特征自动学习模型。该模型利用卷积神经网络自动学习深度特征,然后与人工特征共同用于交通模式识别。模型基于微软Geo Life数据,针对不同特征组合与分类方法设计实验,实验结果表明模型能学习到高区分度深度特征、有效提高交通模式识别准确率。; 关键词交通模式识别深度特征轨迹挖掘特征学习卷积网络轨迹; Keywords transportation mode detection deep feature trajectory mining feature learning convolutional network trajectory; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名适于双子电梯群控系统的交通模式预测方法被引量：4: 5; 作者丁宝李庆超张永明张进齐维贵; 机构哈尔滨工业大学电气工程及自动化学院; 出处《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2013年第8期79-83,共5页; 基金国家自然科学基金资助项目(51207035) 黑龙江省自然科学基金资助项目(E201116 +2 种基金 F201207) 中央高校基本科研业务费专项资金资助项目(HIT.NSRIF.2012012); 文摘为了避免传统电梯交通模式识别存在模式滞后的缺陷,适应新型的双子电梯群控系统性能要求,提出了基于预测交通流的电梯交通模式预测方法.采用支持向量机(Support vector machine,SVM)进行电梯交通流预测;采用BP神经网络进行电梯交通流模式识别,并用遗传算法(Genetic algorithm,GA)对BP神经网络进行优化;将电梯交通流预测与交通模式识别相结合,再次利用神经网络对所预测的交通流进行模式识别,实现交通模式预测.研究结果表明,预测交通流的交通模式与实际交通流的交通模式一致,验证了交通模式预测的准确性.交通模式预测方法可避免模式滞后的缺陷,为双子电梯群控系统工程应用提供理论依据.; 关键词双子电梯交通模式识别交通流预测模式预测; Keywords twin elevator elevator traffic pattern recognition traffic flow prediction pattern prediction; 分类号 TP391.9 [自动化与计算机技术—计算机应用技术]; 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	基于模糊神经网络的电梯系统交通模式识别	宗群尚晓光严明曹燕飞岳有军雷小锋	《系统工程学报》 CSCD	2001	10	在线阅读下载PDF 职称材料
2	基于多尺度特征提取的交通模式识别算法	刘世泽秦艳君王晨星高存远罗海勇赵方王宝会	《计算机应用》 CSCD 北大核心	2021	6	在线阅读下载PDF 职称材料
3	基于残差时域注意力神经网络的交通模式识别算法	刘世泽朱奕达陈润泽罗海勇赵方孙艺王宝会	《计算机应用》 CSCD 北大核心	2021	3	在线阅读下载PDF 职称材料
4	基于特征自学习的交通模式识别研究	王昊刘高军段建勇薛媛媛冯卓楠	《哈尔滨工程大学学报》 EI CAS CSCD 北大核心	2019	5	在线阅读下载PDF 职称材料
5	适于双子电梯群控系统的交通模式预测方法	丁宝李庆超张永明张进齐维贵	《哈尔滨工业大学学报》 EI CAS CSCD 北大核心	2013	4	在线阅读下载PDF 职称材料