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
3
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
长时序多源遥感数据的森林冠层高度反演
1
作者
闫金亮
周光睿
+1 位作者
周德旭
张晓军
《森林工程》
北大核心
2024年第6期1-10,共10页
为准确获取森林冠层高度信息,精确估计森林地上生物量及评估森林碳汇能力,基于长时序的地面实测、多源遥感数据与数字高程模型构建30个长时序的特征变量,结合机器学习算法(Machine Learning,ML)对浙江省丽水市的森林冠层高度进行反演。...
为准确获取森林冠层高度信息,精确估计森林地上生物量及评估森林碳汇能力,基于长时序的地面实测、多源遥感数据与数字高程模型构建30个长时序的特征变量,结合机器学习算法(Machine Learning,ML)对浙江省丽水市的森林冠层高度进行反演。研究表明,地形因素对森林冠层高度的反演呈“不重要性”,而与红绿波段相关的植被因子、森林冠层高度强相关;加入长时序的特征因子可有助于提升ML算法对森林冠层高度反演精度,卷积神经网络(Convolutional Neural Network,CNN)提升的性能尤为显著,实现最佳0.39的决定系数(R^(2))提升与4.15的均方根误差(R_(MSE),式中记为R_(MSE))下降;随机森林在4种ML算法中的反演精度最高(R^(2)=0.79,R_(MSE)=1.65),大于支持向量机(R^(2)=0.65,R_(MSE)=1.97)、极端梯度上升法(R^(2)=0.76,R_(MSE)=1.81)与卷积神经网络(R^(2)=0.71,R_(MSE)=1.83)。
展开更多
关键词
长
时序
特征
多源遥感数据
随机森林
卷积
神经网络
森林冠层高度反演
在线阅读
下载PDF
职称材料
基于CEEMDAN-ConvLSTM组合模型的云计算负载预测方法
被引量：
5
2
作者
赵鹏
周建涛
赵大明
《计算机科学》
CSCD
北大核心
2023年第S01期642-650,共9页
随着云计算技术的快速发展,越来越多的用户选择使用云服务。负载请求与资源供应的不匹配问题日益凸显,使得用户请求无法得到及时响应,极大地影响云服务质量,实时预测负载请求,将有助于及时供应资源。针对云计算环境中的负载预测方法性...
随着云计算技术的快速发展,越来越多的用户选择使用云服务。负载请求与资源供应的不匹配问题日益凸显,使得用户请求无法得到及时响应,极大地影响云服务质量,实时预测负载请求,将有助于及时供应资源。针对云计算环境中的负载预测方法性能低的问题,提出了一种基于自适应噪声的完备经验模态分解和卷积长时序神经网络组合模型(CEEMDAN-ConvLSTM)的云计算负载预测方法。首先运用自适应噪声的完备经验模态(CEEMDAN)分解技术对数据序列进行分解操作,将其转换为若干个易于分析和建模的子序列;然后运用卷积长时序神经网络(ConvLSTM)预测模型对这一系列子序列进行建模预测,并采用基于多进程并行计算的研究思路,实现多序列并行预测及贝叶斯优化调参;最后将预测值综合叠加以获得整个模型的预测输出,从而实现对原始复杂序列数据进行高精度预测的目标。使用Google集群工作负载数据集进行实验验证,实验结果表明,CEEMDAN-ConvLSTM组合模型具有良好的预测效果,相比自回归差分移动平均模型(ARIMA)、长短期记忆网络(LSTM)和卷积长时序神经网络(ConvLSTM),所提模型预测均方根误差(RMSE)指标分别提升了30.9%,30.1%和22.5%。
展开更多
关键词
云计算
负载预测
卷积
长
时序
神经网络
(
convlstm
)
模态分解技术
贝叶斯优化
在线阅读
下载PDF
职称材料
基于深度学习的手语识别综述
被引量：
26
3
作者
张淑军
张群
李辉
《电子与信息学报》
EI
CSCD
北大核心
2020年第4期1021-1032,共12页
手语识别涉及计算机视觉、模式识别、人机交互等领域,具有重要的研究意义与应用价值。深度学习技术的蓬勃发展为更加精准、实时的手语识别带来了新的机遇。该文综述了近年来基于深度学习的手语识别技术,从孤立词与连续语句两个分支展开...
手语识别涉及计算机视觉、模式识别、人机交互等领域,具有重要的研究意义与应用价值。深度学习技术的蓬勃发展为更加精准、实时的手语识别带来了新的机遇。该文综述了近年来基于深度学习的手语识别技术,从孤立词与连续语句两个分支展开详细的算法阐述与分析。孤立词识别技术划分为基于卷积神经网络(CNN)、3维卷积神经网络(3D-CNN)和循环神经网络(RNN) 3种架构的方法;连续语句识别所用模型复杂度更高,通常需要辅助某种长时时序建模算法,按其主体结构分为双向长短时记忆网络模型、3维卷积网络模型和混合模型。归纳总结了目前国内外常用手语数据集,探讨了手语识别技术的研究挑战与发展趋势,高精度前提下的鲁棒性和实用化仍有待于推进。
展开更多
关键词
深度学习
手语识别
卷积
网络
循环
神经网络
长
时序
建模
在线阅读
下载PDF
职称材料
题名
长时序多源遥感数据的森林冠层高度反演
1
作者
闫金亮
周光睿
周德旭
张晓军
机构
三门峡社会管理职业学院
新乡广播电视大学
河南农业大学信息与管理科学学院
郑州大学电气与信息工程学院
出处
《森林工程》
北大核心
2024年第6期1-10,共10页
基金
国家自然科学基金项目(61903340,12001172)。
文摘
为准确获取森林冠层高度信息,精确估计森林地上生物量及评估森林碳汇能力,基于长时序的地面实测、多源遥感数据与数字高程模型构建30个长时序的特征变量,结合机器学习算法(Machine Learning,ML)对浙江省丽水市的森林冠层高度进行反演。研究表明,地形因素对森林冠层高度的反演呈“不重要性”,而与红绿波段相关的植被因子、森林冠层高度强相关;加入长时序的特征因子可有助于提升ML算法对森林冠层高度反演精度,卷积神经网络(Convolutional Neural Network,CNN)提升的性能尤为显著,实现最佳0.39的决定系数(R^(2))提升与4.15的均方根误差(R_(MSE),式中记为R_(MSE))下降;随机森林在4种ML算法中的反演精度最高(R^(2)=0.79,R_(MSE)=1.65),大于支持向量机(R^(2)=0.65,R_(MSE)=1.97)、极端梯度上升法(R^(2)=0.76,R_(MSE)=1.81)与卷积神经网络(R^(2)=0.71,R_(MSE)=1.83)。
关键词
长
时序
特征
多源遥感数据
随机森林
卷积
神经网络
森林冠层高度反演
Keywords
Long time series feature
multi source remote sensing data
random forest
convolutional neural networks
forest canopy height inversion
分类号
S718.5 [农业科学—林学]
在线阅读
下载PDF
职称材料
题名
基于CEEMDAN-ConvLSTM组合模型的云计算负载预测方法
被引量：
5
2
作者
赵鹏
周建涛
赵大明
机构
内蒙古大学计算机学院
蒙古文智能信息处理技术国家地方联合工程研究中心
生态大数据教育部工程研究中心
内蒙古自治区云计算与服务软件工程实验室
内蒙古自治区社会计算与数据处理重点实验室
内蒙古自治区大数据分析技术工程实验室
内蒙古自治区纪检监察大数据重点实验室
出处
《计算机科学》
CSCD
北大核心
2023年第S01期642-650,共9页
基金
国家自然科学基金(62162046)
内蒙古科技攻关项目(2021GG0155)
+1 种基金
内蒙古自然科学基金重大项目(2019ZD15)
内蒙古自然科学基金(2019GG372)。
文摘
随着云计算技术的快速发展,越来越多的用户选择使用云服务。负载请求与资源供应的不匹配问题日益凸显,使得用户请求无法得到及时响应,极大地影响云服务质量,实时预测负载请求,将有助于及时供应资源。针对云计算环境中的负载预测方法性能低的问题,提出了一种基于自适应噪声的完备经验模态分解和卷积长时序神经网络组合模型(CEEMDAN-ConvLSTM)的云计算负载预测方法。首先运用自适应噪声的完备经验模态(CEEMDAN)分解技术对数据序列进行分解操作,将其转换为若干个易于分析和建模的子序列;然后运用卷积长时序神经网络(ConvLSTM)预测模型对这一系列子序列进行建模预测,并采用基于多进程并行计算的研究思路,实现多序列并行预测及贝叶斯优化调参;最后将预测值综合叠加以获得整个模型的预测输出,从而实现对原始复杂序列数据进行高精度预测的目标。使用Google集群工作负载数据集进行实验验证,实验结果表明,CEEMDAN-ConvLSTM组合模型具有良好的预测效果,相比自回归差分移动平均模型(ARIMA)、长短期记忆网络(LSTM)和卷积长时序神经网络(ConvLSTM),所提模型预测均方根误差(RMSE)指标分别提升了30.9%,30.1%和22.5%。
关键词
云计算
负载预测
卷积
长
时序
神经网络
(
convlstm
)
模态分解技术
贝叶斯优化
Keywords
Cloud computing
Load prediction
Convolutional long short-term memory(
convlstm
)
Modal decomposition technique
Bayesian optimization
分类号
TP311.1 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
基于深度学习的手语识别综述
被引量：
26
3
作者
张淑军
张群
李辉
机构
青岛科技大学信息科学技术学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2020年第4期1021-1032,共12页
基金
国家自然科学基金(61702295,61672305)
山东省重点研发计划项目(2017GGX10127)。
文摘
手语识别涉及计算机视觉、模式识别、人机交互等领域,具有重要的研究意义与应用价值。深度学习技术的蓬勃发展为更加精准、实时的手语识别带来了新的机遇。该文综述了近年来基于深度学习的手语识别技术,从孤立词与连续语句两个分支展开详细的算法阐述与分析。孤立词识别技术划分为基于卷积神经网络(CNN)、3维卷积神经网络(3D-CNN)和循环神经网络(RNN) 3种架构的方法;连续语句识别所用模型复杂度更高,通常需要辅助某种长时时序建模算法,按其主体结构分为双向长短时记忆网络模型、3维卷积网络模型和混合模型。归纳总结了目前国内外常用手语数据集,探讨了手语识别技术的研究挑战与发展趋势,高精度前提下的鲁棒性和实用化仍有待于推进。
关键词
深度学习
手语识别
卷积
网络
循环
神经网络
长
时序
建模
Keywords
Deep learning
Sign language recognition
Convolutional Neural Network(CNN)
Recurrent Neural Network(RNN)
Long-term temporal sequence modeling
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
作者
出处
发文年
被引量
操作
1
长时序多源遥感数据的森林冠层高度反演
闫金亮
周光睿
周德旭
张晓军
《森林工程》
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于CEEMDAN-ConvLSTM组合模型的云计算负载预测方法
赵鹏
周建涛
赵大明
《计算机科学》
CSCD
北大核心
2023
5
在线阅读
下载PDF
职称材料
3
基于深度学习的手语识别综述
张淑军
张群
李辉
《电子与信息学报》
EI
CSCD
北大核心
2020
26
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
