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
共找到1,257篇文章
< 1 2 … 63 >
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：
基于Transformer和多关系图卷积网络的行人轨迹预测 被引量：3
1
作者 刘桂红 周宗润 孟祥福 《计算机科学与探索》 北大核心 2025年第5期1353-1364,共12页
在自动导航应用领域,行人轨迹相对复杂,有效且合理地预测行人未来轨迹对自动驾驶和出行安全至关重要。行人轨迹随机性和动态性极高且与交通环境有着复杂相互作用,因此需要对行人的时间依赖性和空间相互作用进行合理建模。为了解决该问题... 在自动导航应用领域,行人轨迹相对复杂,有效且合理地预测行人未来轨迹对自动驾驶和出行安全至关重要。行人轨迹随机性和动态性极高且与交通环境有着复杂相互作用,因此需要对行人的时间依赖性和空间相互作用进行合理建模。为了解决该问题,提出了一种基于Transformer和多关系图卷积网络(GCN)的行人轨迹预测模型。该模型由交互捕获模块、锚点控制模块和轨迹修正补全模块构成。交互捕获模块由T-Transformer和多关系图卷积网络组成,分别提取每个行人在时间序列和空间序列上的运动特征,并结合锚点控制模块推断行人的中间目的地以减少递归累计误差,由修正补全模块进行最终轨迹细化。在提取特征时添加逆关系可得到更为优化的结果,使用高斯剪枝减少虚假路径的生成也可提高模型效率。在ETH与UCY数据集上的实验结果表明,在平均位移误差(ADE)和最终位移误差(FDE)方面,该模型具有比现有大部分主流模型更好的性能。由于该模型在行人轨迹预测上的出色性能,可避免不必要的轨迹变更和碰撞风险,为行人轨迹预测应用提供了更为可能的解决方案。 展开更多
关键词 T-Transformer 图卷积网络(GCN) 锚点控制 行人轨迹预测
在线阅读 下载PDF
基于通道自注意图卷积网络的运动想象脑电分类实验 被引量：1
2
作者 孟明 张帅斌 +2 位作者 高云园 佘青山 范影乐 《实验技术与管理》 北大核心 2025年第2期73-80,共8页
该文将运动想象脑电分类任务设计成应用型教学实验。针对传统图卷积网络(graph convolutional neural networks,GCN)无法建模脑电通道间动态关系问题,提出一种融合通道注意机制的多层图卷积网络模型(channel self-attention multilayer ... 该文将运动想象脑电分类任务设计成应用型教学实验。针对传统图卷积网络(graph convolutional neural networks,GCN)无法建模脑电通道间动态关系问题,提出一种融合通道注意机制的多层图卷积网络模型(channel self-attention multilayer GCN,CAMGCN)。首先,CAMGCN计算脑电信号各个通道间的皮尔逊相关系数进行图建模,并通过通道位置编码模块学习通道间关系。然后将得到的时域和频域特征分量通过通道自注意图嵌入模块进行图嵌入,得到图数据。最后通过多级GCN模块提取并融合多层次拓扑信息,得出分类结果。CAMGCN深化了模型在自适应学习通道间动态关系的能力,并在结构方面提高了自注意机制与图数据的适配性。该模型在BCI Competition-Ⅳ2a数据集上的准确率达到83.8%,能够有效实现对运动想象任务的分类。该实验有助于增进学生对于深度学习和脑机接口的理解,培养创新思维,提高科研素质。 展开更多
关键词 脑机接口 脑电图 图卷积网络 注意力机制
在线阅读 下载PDF
基于张量化图卷积网络和对比学习的多源数据表示学习模型
3
作者 龙雨菲 牟宇辰 刘晔 《计算机应用》 北大核心 2025年第5期1372-1378,共7页
针对现有多源数据表示学习模型在处理大规模复杂高维数据时存在的容易遗漏数据源间高阶关联信息和易受到噪声干扰的问题,提出一种基于张量化图卷积网络(T-GCN)和对比学习的多源数据表示学习模型(MSTGC)。首先,利用K近邻(KNN)算法和图卷... 针对现有多源数据表示学习模型在处理大规模复杂高维数据时存在的容易遗漏数据源间高阶关联信息和易受到噪声干扰的问题,提出一种基于张量化图卷积网络(T-GCN)和对比学习的多源数据表示学习模型(MSTGC)。首先,利用K近邻(KNN)算法和图卷积网络(GCN)统一多源数据维度,拼接得到张量化多源数据;其次,利用定义的张量图卷积算子实现高维图卷积运算,同时学习数据源内部信息及数据源间关联信息;最后,构建多源数据对比学习范式,通过添加基于语义一致性与标签一致性的对比约束,提升MS-TGC在处理含噪声数据时的表示学习准确率,增强模型的鲁棒性。实验结果表明,当有标签样本率为0.3时,与CONMF(Co-consensus Orthogonal Non-negative Matrix Factorization)模型相比,MS-TGC在BDGP和20newsgroup数据集上的半监督分类准确率分别提升了1.36和5.53个百分点。可见MS-TGC能够更有效地捕捉数据源间关联信息,降低噪声干扰,得到高质量多源数据表示。 展开更多
关键词 多源数据表示学习 图卷积神经网络 张量图卷积算子 对比学习 半监督分类
在线阅读 下载PDF
利用可选择多尺度图卷积网络的骨架行为识别
4
作者 曹毅 李杰 +2 位作者 叶培涛 王彦雯 吕贤海 《电子与信息学报》 北大核心 2025年第3期839-849,共11页
针对目前骨架行为识别方法忽视骨架关节点多尺度依赖关系和无法合理利用卷积核进行时间建模的问题,该文提出了一种可选择多尺度图卷积网络(SMS-GCN)的行为识别模型。首先,介绍了人体骨架图的构建原理和通道拓扑细化图卷积网络的结构;其... 针对目前骨架行为识别方法忽视骨架关节点多尺度依赖关系和无法合理利用卷积核进行时间建模的问题,该文提出了一种可选择多尺度图卷积网络(SMS-GCN)的行为识别模型。首先,介绍了人体骨架图的构建原理和通道拓扑细化图卷积网络的结构;其次,构建成对关节邻接矩阵和多关节邻接矩阵以生成多尺度通道拓扑细化邻接矩阵,并引入图卷积网络,进一步提出多尺度图卷积(MS-GC)模块,以期实现对骨架关节点的多尺度依赖关系的建模;然后,基于多尺度时序卷积和可选择大核网络,提出可选择多尺度时序卷积(SMS-TC)模块,以期实现对有用的时间上下文特征的充分提取,同时结合MS-GC和SMS-TC模块,进而提出可选择多尺度图卷积网络模型并在多支流数据输入下进行训练;最后,在NTU-RGB+D和NTU-RGB+D 120数据集上进行大量实验,实验结果表明,该模型能够捕获更多的关节特征和学习有用的时间信息,具有优异的准确率和泛化能力。 展开更多
关键词 骨架行为识别 图卷积网络 多尺度通道拓扑细化邻接矩阵 可选择多尺度时序卷积 可选择多尺度图卷积网络
在线阅读 下载PDF
基于级联残差图卷积网络的多行为推荐
5
作者 党伟超 宋楚君 +1 位作者 高改梅 刘春霞 《计算机应用》 北大核心 2025年第4期1223-1231,共9页
针对多行为推荐研究中存在的数据稀疏和忽视多行为之间复杂联系的问题,提出一种基于级联残差图卷积网络的多行为推荐(CRMBR)模型。首先,从由所有行为的相互作用构建的统一同构图中学习用户和项目的全局嵌入,并将这些嵌入用作初始化嵌入... 针对多行为推荐研究中存在的数据稀疏和忽视多行为之间复杂联系的问题,提出一种基于级联残差图卷积网络的多行为推荐(CRMBR)模型。首先,从由所有行为的相互作用构建的统一同构图中学习用户和项目的全局嵌入,并将这些嵌入用作初始化嵌入;其次,通过级联残差块捕获不同行为之间的联系,以不断细化不同类型行为的嵌入,从而完善用户偏好;最后,通过2种不同的聚合策略分别聚合用户和项目嵌入,并采用多任务学习(MTL)优化这些嵌入。在多个真实数据集上的实验结果表明,CRMBR模型的推荐性能优于目前的主流模型。与先进的基准模型——多行为分层图卷积网络(MB-HGCN)相比,在Tmall数据集上,所提模型的命中率(HR@20)和归一化折损累积增益(NDCG@20)分别提升了3.1%和3.9%;在Beibei数据集上,则分别提升了15.8%和16.9%;在Jdata数据集上,则分别提升了1.0%和3.3%,验证了所提模型的有效性。 展开更多
关键词 多行为推荐 级联残差 图卷积网络 聚合策略 多任务学习
在线阅读 下载PDF
面向点云理解的双邻域图卷积方法
6
作者 李宗民 徐畅 +2 位作者 白云 鲜世洋 戎光彩 《浙江大学学报(工学版)》 北大核心 2025年第5期879-889,共11页
针对现有方法对局部点云结构建模时空间跨度有限以及传统特征聚合方法造成一定信息损失的问题,提出双邻域图卷积网络(DNGCN).在原始点云中增加角度先验,以增强对点云局部几何结构的理解,捕捉局部细节.对原始邻域进行扩展,在局域内设计... 针对现有方法对局部点云结构建模时空间跨度有限以及传统特征聚合方法造成一定信息损失的问题,提出双邻域图卷积网络(DNGCN).在原始点云中增加角度先验,以增强对点云局部几何结构的理解,捕捉局部细节.对原始邻域进行扩展,在局域内设计双邻域图卷积,通过集成高斯自适应聚合,在提取较大感受野范围内显著特征的同时,充分保留原始邻域信息.通过局部-全局信息交互来增大局部点的空间跨度,捕获远距离依赖关系.本文方法在分类数据集ModelNet40和ScanObjectNN上分别取得了94.1%、89.6%的总体精度,与其他先进算法相比有显著提升,较DGCNN分别提升了1.2%、11.5%.在部件分割数据集ShapeNetPart和语义分割数据集ScanNetv2、S3DIS上均获得优秀的性能,平均交并比分别为86.7%、74.9%和69.8%.通过大量的实验,证明了该模型的有效性. 展开更多
关键词 点云特征 图卷积网络 几何增强 局部全局交互 注意力机制
在线阅读 下载PDF
基于改进图卷积的多站点海浪高度预测方法
7
作者 卢鹏 王慧 +1 位作者 王振华 郑宗生 《海洋测绘》 北大核心 2025年第4期37-42,共6页
海浪高度的变化不仅随时间变化,还受周围海域的影响。针对现有方法仅关注单一站点的时序特征,缺乏对同一区域内不同站点间海浪高度的时空信息提取问题,提出一种改进图卷积的多站点海浪高度预测模型SD-STSGCN。首先采用基于密度的K-mean... 海浪高度的变化不仅随时间变化,还受周围海域的影响。针对现有方法仅关注单一站点的时序特征,缺乏对同一区域内不同站点间海浪高度的时空信息提取问题,提出一种改进图卷积的多站点海浪高度预测模型SD-STSGCN。首先采用基于密度的K-means聚类对站点分组;其次提出缩放距离因子构建邻接矩阵以动态调整权重;最后结合扩张卷积的时空同步图卷积模块捕捉时空特征,非线性映射输出各组站点未来时段的海浪高度预测结果。在覆盖多维度场景的44个站点上进行大区域实验,结果表明,相比于LSTM和TCN等模型,SD-STSGCN的预测效果最好,该方法有效挖掘了多站点时空相关性,为海浪高度预测提供了有效的补充方案。 展开更多
关键词 海浪高度预测 多站点预测 时空同步图卷积 时空相关性 邻接矩阵
在线阅读 下载PDF
基于关系图卷积神经网络的跨句实体关系抽取
8
作者 陈千 关春祥 +1 位作者 郭鑫 王素格 《中文信息学报》 北大核心 2025年第7期62-71,共10页
相对于句子级关系抽取,涉及关系的实体存在于多个句子中的情况在实际场景中更常见。因此篇章级关系抽取逐渐成为近年来信息抽取领域的研究热点。为了充分利用上下文信息和篇章结构信息,该文采用实体嵌入表示和实体间的显式结构关系研究... 相对于句子级关系抽取,涉及关系的实体存在于多个句子中的情况在实际场景中更常见。因此篇章级关系抽取逐渐成为近年来信息抽取领域的研究热点。为了充分利用上下文信息和篇章结构信息,该文采用实体嵌入表示和实体间的显式结构关系研究跨句实体关系抽取。首先,对篇章进行编码和构图;进而,使用关系图卷积神经网络对图节点进行更新,并利用融合篇章全局信息的节点嵌入表示更新边嵌入表示;最后,该模型使用一种迭代算法完成边信息的推理,实现跨句实体关系抽取。实验结果表明,相比基线模型,在CDR和GDA数据集上的跨句实体关系抽取性能得到了显著提高。 展开更多
关键词 关系图卷积神经网络 跨句实体关系抽取 实体嵌入
在线阅读 下载PDF
SSGCN-混合式图卷积网络:用于三维CAD模型的加工特征识别
9
作者 王洪申 王尚旭 强会英 《机械科学与技术》 北大核心 2025年第1期30-39,共10页
为解决CAD/CAPP/CAM集成过程中,三维CAD模型加工特征识别问题,提出了一种混合式图卷积网络(Hybrid spectral domain and spatial domain graph convolution networks, SSGCN)的特征识别算法。以三维模型的面为节点,边为节点间的连接关系... 为解决CAD/CAPP/CAM集成过程中,三维CAD模型加工特征识别问题,提出了一种混合式图卷积网络(Hybrid spectral domain and spatial domain graph convolution networks, SSGCN)的特征识别算法。以三维模型的面为节点,边为节点间的连接关系,构建图数据结构。提取面的几何属性信息,自定义编码构建节点属性矩阵,作为网络的输入。提取图结构的邻接矩阵、度矩阵等构建混合式图卷积网络。通过Python-OCC相关算法以及布尔运算,设计了一种批量生成带有面标签的加工特征模型数据集算法。使用带有面标签的加工特征模型数据集对网络进行训练,对加工特征模型进行测试,得到很好的识别效果。 展开更多
关键词 CAD模型 图卷积网络 加工特征识别 邻接矩阵
在线阅读 下载PDF
长期Transformer和自适应傅里叶变换的动态图卷积交通流预测研究
10
作者 张红 伊敏 +2 位作者 张玺君 李扬 张鹏程 《电子与信息学报》 北大核心 2025年第7期2249-2262,共14页
针对交通流长期趋势性与非平稳性不易有效建模,以及交通流的隐藏动态时空特征难以捕捉的问题,该文提出一种基于长期Transformer和自适应傅里叶变换的动态图卷积交通流预测模型(ADGformer)。其中,长期门控卷积层通过掩码子序列Transforme... 针对交通流长期趋势性与非平稳性不易有效建模,以及交通流的隐藏动态时空特征难以捕捉的问题,该文提出一种基于长期Transformer和自适应傅里叶变换的动态图卷积交通流预测模型(ADGformer)。其中,长期门控卷积层通过掩码子序列Transformer从长历史序列中学习压缩的、上下文信息丰富的子序列表示,并利用膨胀门控卷积从子序列的时间表示中有效捕捉交通流的长期趋势特征。并设计一种动态图构造器生成动态可学习图,并利用可学习动态图卷积对节点间潜在的和时变的空间依赖关系进行建模以有效捕获交通流的动态隐藏空间特征。其次,自适应频谱块利用傅里叶变换来增强特征表示并捕获长短期的交互作用,同时通过自适应阈值处理来降低交通流的非平稳性。实验结果表明,所提ADGformer模型具有较好的预测性能。 展开更多
关键词 交通流预测 动态图卷积 长期Transformer 傅里叶变换 非平稳性
在线阅读 下载PDF
结合自适应局部图卷积与多尺度时间建模的骨架行为识别
11
作者 田青 虞静静 张正 《计算机应用研究》 北大核心 2025年第7期2199-2205,共7页
鉴于人体骨架的固有拓扑结构特性,采用图卷积网络进行骨架数据建模成为行为识别的一种有效手段。然而,在骨架行为识别方法中存在固定拓扑图结构与固定内核大小的时间卷积难以适应多变的动作类型、姿态及行为时长,导致建模误差,影响识别... 鉴于人体骨架的固有拓扑结构特性,采用图卷积网络进行骨架数据建模成为行为识别的一种有效手段。然而,在骨架行为识别方法中存在固定拓扑图结构与固定内核大小的时间卷积难以适应多变的动作类型、姿态及行为时长,导致建模误差,影响识别精度的问题。为此,提出了一种结合自适应局部图卷积与多尺度时间建模的骨架行为识别方法。该方法通过自适应局部图卷积模块,实现人体骨骼结构的独立动态表征;设计多尺度时间建模模块,实现对不同持续时间的行为进行建模,并降低了参数量和计算复杂度;引入时空DropGraph结构,动态调整图拓扑结构,提升模型的泛化能力并防止过拟合。实验表明,在NTU RGB+D 60数据集的跨对象C-Sub和跨视角C-View基准下分别取得了93.39%和97.18%的准确率,在NTU RGB+D 120数据集的跨对象C-Sub和跨设置C-Set基准下分别取得了90.48%和91.95%的准确率,高于现有的行为识别方法,证明了该方法的优越性。 展开更多
关键词 局部图卷积 自适应图 多尺度时间建模 行为识别
在线阅读 下载PDF
基于图卷积特征提取的低重叠率点云配准方法
12
作者 张元 阎雨梦 +2 位作者 张乐 庞敏 韩慧妍 《激光与红外》 北大核心 2025年第6期969-977,共9页
在低重叠率点云配准中,传统方法因特征稀疏且难以匹配,在大位姿误差或复杂变换场景下容易陷入局部最优,影响配准精度。为解决这些问题,本文提出了一种渐进特征融合金字塔网络的自适应图卷积模型,通过从粗到细寻找点云之间的对应关系。... 在低重叠率点云配准中,传统方法因特征稀疏且难以匹配,在大位姿误差或复杂变换场景下容易陷入局部最优,影响配准精度。为解决这些问题,本文提出了一种渐进特征融合金字塔网络的自适应图卷积模型,通过从粗到细寻找点云之间的对应关系。首先利用自适应图卷积(AGConv)提取和编码空间特征,然后使用渐进特征金字塔网络(AFPN)跨多个尺度融合语义信息,共同提高模型在复杂三维场景理解与分析任务上的性能;其次引入几何Transformer增强模型对全局结构和关联性的理解能力,并实现高质量超点匹配;最后结合AGConv和AFPN设计了一种局部到全局的配准方法,利用骨干学习到的局部点特征并通过叠加点匹配解决全局歧义问题,提高算法鲁棒性。实验证明该网络显著提升了低重叠率点云的配准精度。 展开更多
关键词 低重叠率 三维点云 点云配准 自适应图卷积 多尺度特征融合
在线阅读 下载PDF
基于K近邻算法的数据融合与改进图卷积神经网络的电机轴承故障诊断
13
作者 孙丽玲 唐李昱 许伯强 《电机与控制学报》 北大核心 2025年第5期12-18,共7页
为了解决单一类型数据对电机轴承故障诊断准确率不高和图卷积神经网络具有过平滑现象的问题,提出一种多数据融合和改进图卷积神经网络的电机轴承故障诊断方法。首先,通过快速傅里叶变换将电机轴承的振动信号和电机电流信号分别转换为频... 为了解决单一类型数据对电机轴承故障诊断准确率不高和图卷积神经网络具有过平滑现象的问题,提出一种多数据融合和改进图卷积神经网络的电机轴承故障诊断方法。首先,通过快速傅里叶变换将电机轴承的振动信号和电机电流信号分别转换为频域信号;然后,将每一个频率视为一个结点,对应的振动和电流信号视为节点特征,根据K近邻图构造法,将振动信号和电流信号融合成图结构数据;进而,将图数据输入通过添加初始残差连接模块而改进的图卷积神经网络进行训练,从而得到诊断结果。在帕德博恩数据集上,将所提方法和多种模型进行电机轴承故障诊断对比实验,实验结果表明,所提模型的故障识别准确率能达到98.6%,优于对比方法,证明所提数据融合方法与改进图卷积神经网络是有效的。 展开更多
关键词 深度学习 故障诊断 图卷积神经网络 电机轴承 快速傅里叶变换 数据融合 电流数据
在线阅读 下载PDF
基于图卷积网络和双向门控循环单元的电力系统主导失稳模式辨识
14
作者 王长江 张千龙 +2 位作者 姜涛 陈厚合 陶宇轩 《中国电机工程学报》 北大核心 2025年第16期6326-6339,I0016,共15页
为快速准确辨识电力系统主导失稳模式,该文提出一种基于图卷积神经网络(graph convolutional network,GCN)和双向门控循环单元(bi-directional gated recurrent unit,Bi-GRU)的电力系统主导失稳模式辨识方法。首先,根据系统故障前后暂... 为快速准确辨识电力系统主导失稳模式,该文提出一种基于图卷积神经网络(graph convolutional network,GCN)和双向门控循环单元(bi-directional gated recurrent unit,Bi-GRU)的电力系统主导失稳模式辨识方法。首先,根据系统故障前后暂态电气量时序演变规律及空间分布特性,构建表征电力系统运行状态的特征矩阵;然后,建立GCN与Bi-GRU相结合的深度学习模型,利用GCN整合拓扑空间信息提高模型泛化性,同时利用Bi-GRU自适应感知输入特征的全局时间序列信息,以深度挖掘特征矩阵的空间特性和时序特性,进而明晰暂态过程中各暂态电气量间的深层联系及交互影响,实现电力系统主导失稳模式的精确辨识;最后,通过修改后IEEE-39节点系统和某地区实际电网的实验结果表明,所提方法具备一定可解释性,相比其他深度学习方法在有效性、准确性和适应性方面存在一定的优势。 展开更多
关键词 主导失稳模式 电压稳定 功角稳定 图卷积神经网络 双向门控循环单元
在线阅读 下载PDF
基于快速学习图卷积网络的滚动轴承故障诊断研究
15
作者 宁少慧 董振才 +1 位作者 戎有志 周利东 《机床与液压》 北大核心 2025年第12期53-59,共7页
图神经网络跨层的递归邻域扩展为训练大型密集图带来时间方面的挑战,导致轴承故障诊断的训练效率不高。针对此问题,提出一种基于快速学习图卷积网络方法并将其应用于滚动轴承故障诊断中。利用快速傅里叶变换(FFT)将采集的轴承故障时域... 图神经网络跨层的递归邻域扩展为训练大型密集图带来时间方面的挑战,导致轴承故障诊断的训练效率不高。针对此问题,提出一种基于快速学习图卷积网络方法并将其应用于滚动轴承故障诊断中。利用快速傅里叶变换(FFT)将采集的轴承故障时域信号转化为频域数据,再利用K近邻(KNN)算法将频域信号转换为图数据,以图数据显示频域特征,极大丰富了输入信息;引入快速学习图卷积网络(Fast-GCN)模型,通过重要性采样对故障特征进行学习;最后,利用Log-Softmax函数输出最终分类结果,从而实现滚动轴承单一故障的分类。实验结果表明:所提模型在保证故障分类准确率的前提下,诊断速度显著提升,甚至比图卷积神经网络(GCN)的诊断速度增加了约1倍,且所提方法具有良好的半监督诊断性能与泛化能力。 展开更多
关键词 滚动轴承 故障诊断 K近邻(KNN)算法 快速傅里叶变换(FFT) 快速学习图卷积网络(Fast-GCN)
在线阅读 下载PDF
基于自适应动态图卷积和无参注意力的点云分类分割方法
16
作者 李维刚 李歆怡 +1 位作者 王永强 赵云涛 《计算机应用》 北大核心 2025年第6期1980-1986,共7页
针对传统卷积在处理点云时难以精确提取邻域特征信息和有效融合上下文信息的问题,提出一种基于自适应动态图卷积和无参注意力的点云分类分割方法。首先,通过自适应动态图卷积模块(ADGC)学习不同邻域的特征信息,生成自适应卷积核,并更新... 针对传统卷积在处理点云时难以精确提取邻域特征信息和有效融合上下文信息的问题,提出一种基于自适应动态图卷积和无参注意力的点云分类分割方法。首先,通过自适应动态图卷积模块(ADGC)学习不同邻域的特征信息,生成自适应卷积核,并更新边缘特征,从而精确提取点云的局部邻域特征;其次,设计残差结构学习点云的空间位置信息,以精确捕获点对之间的几何结构,更好地保留和提取细节特征;最后,为了更好地关注和提取局部几何特征,结合无参注意力模块(PFA)与卷积操作,增强邻域之间的联系和模型的上下文感知能力。实验结果表明,与PointNet相比,所提方法在多种任务上具有显著优势,具体地,所提方法的分类任务的总体精度(OA)提升了4.6个百分点,部件分割任务实例的平均交并比(mIoU)提升了2.3个百分点,语义分割任务的mIoU提升了24.6个百分点。可见,所提方法进一步增强了对复杂几何结构的理解和表征能力,在各种任务中实现了更精确的特征提取和实验性能。 展开更多
关键词 点云 分类分割 自适应 动态图卷积 注意力机制
在线阅读 下载PDF
基于双向多视角关系图卷积网络的论辩对抽取方法
17
作者 张虎 吴增泰 王宇杰 《自动化学报》 北大核心 2025年第6期1290-1304,共15页
论辩对抽取是论辩挖掘领域中的一项重要研究任务,旨在从对话文档的两个段落中抽取互动论辩对.现有研究通常将其分为序列标记和关系分类两个子任务,通过预测段落间的句子级关系来抽取论辩对.然而,这些研究在整体论点级语义及句子内部细... 论辩对抽取是论辩挖掘领域中的一项重要研究任务,旨在从对话文档的两个段落中抽取互动论辩对.现有研究通常将其分为序列标记和关系分类两个子任务,通过预测段落间的句子级关系来抽取论辩对.然而,这些研究在整体论点级语义及句子内部细粒度语义逻辑信息的显式建模上仍存在不足,且未充分考虑两个段落间复杂的上下文感知交互关系.基于此,提出一种双向多视角关系图卷积网络.首先,从段落内、依存语法和段落间视角分别构建论点关系图,利用图结构表示文本的逻辑结构和语义交互关系,为模型提供丰富的上下文语义信息.然后,通过引入多视角关系图卷积和图匹配模块,在两个段落之间进行双向交互,充分利用不同层次的论点间互动关系,增强模型对跨段落论点间语义联系的捕捉能力和论点关系的识别精度.实验结果表明,相较于基线模型,该方法在性能上有了显著提升. 展开更多
关键词 论辩对抽取 图卷积网络 论辩挖掘 多视角关系图
在线阅读 下载PDF
基于图卷积神经网络的露天矿车道路边界检测算法
18
作者 秦学斌 许爱珍 周毓凡 《金属矿山》 北大核心 2025年第3期181-188,共8页
由于矿山道路没有路肩且道路边界线十分模糊,因此区分道路边界线之内的可行驶区域与边界线以外的非可行驶区域成为亟待解决的问题。为提升露天矿车行驶的安全性,提出了一种基于图卷积神经网络的露天矿车道路边界检测算法。首先利用kd-t... 由于矿山道路没有路肩且道路边界线十分模糊,因此区分道路边界线之内的可行驶区域与边界线以外的非可行驶区域成为亟待解决的问题。为提升露天矿车行驶的安全性,提出了一种基于图卷积神经网络的露天矿车道路边界检测算法。首先利用kd-tree算法和基于体素化的八叉树滤波算法构成的复合索引结构对点云数据进行精简和滤波,剔除点云数据中的异常点和高噪声点;再通过基于K-means聚类对精简后的点云数据进行图卷积神经网络运算提取出地面点,非地面点通过聚类方法寻找邻域构成三角面,利用三角面的法向量拟合非地面即得到曲面;最后计算拟合最优地面和非地面的交线即为所求的道路边界线。试验结果表明:提出的道路边界检测算法能很好地检测出边界线,为矿山道路无人驾驶提供安全范围,有助于提升无人运行矿车驾驶的安全性。 展开更多
关键词 点云滤波 kd-tree算法 K-MEANS聚类 图卷积网络 边界线检测
在线阅读 下载PDF
基于超图卷积和多角度拓扑细化的骨骼行为识别方法
19
作者 黄倩 苏新凯 +1 位作者 李畅 巫义锐 《计算机科学》 北大核心 2025年第5期220-226,共7页
由于人体骨架是一个天然存在的拓扑结构,因此图卷积网络(GCNs)被广泛地应用于基于骨骼的人体行为识别。然而,目前的基于GCN的方法只关注关节点对之间的低阶关系,而忽略了潜在的关节点在关节点群中的高阶关系。同时,现有的方法忽略了空... 由于人体骨架是一个天然存在的拓扑结构,因此图卷积网络(GCNs)被广泛地应用于基于骨骼的人体行为识别。然而,目前的基于GCN的方法只关注关节点对之间的低阶关系,而忽略了潜在的关节点在关节点群中的高阶关系。同时,现有的方法忽略了空间拓扑随时间的动态变化。这些不足影响了模型的表现。为此,利用K-NN计算出相关性高的关节点构成超边,提出了超图构建方法和超边图卷积来动态地学习关节点间的高阶关系。此外,设计了一个从时间和通道角度细化的拓扑图来学习帧级的和通道级的关节点对之间的相关性。最后,开发了一个多角度拓扑细化的超图卷积网络(HyperMTR-GCN)用于骨骼行为识别,其在NTU RGB+D和NTU RGB+D 120数据集上具有显著优势。具体地,所提方法在NTU RGB+D的X-sub基准上比2s-AGCN提高了3.7%,在NTU RGB+D 120的X-sub基准上比2s-AGCN提高了5.7%。 展开更多
关键词 行为识别 图卷积网络 超图神经网络 骨架建模 拓扑细化
在线阅读 下载PDF
基于CEEMDAN和频谱时间图卷积网络的电力负荷预测方法
20
作者 朱莉 夏禹 +1 位作者 朱春强 邓凡 《计算机工程》 北大核心 2025年第4期339-349,共11页
针对电力负荷数据存在非平稳性且传统预测模型不能精确获取时序负荷数据的空间相关性和时间依赖性,导致预测精度低的问题,设计并实现一种基于完全集成经验模式分解的自适应噪声完备性(CEEMDAN)和频谱图卷积网络的电力负荷预测方法。首... 针对电力负荷数据存在非平稳性且传统预测模型不能精确获取时序负荷数据的空间相关性和时间依赖性,导致预测精度低的问题,设计并实现一种基于完全集成经验模式分解的自适应噪声完备性(CEEMDAN)和频谱图卷积网络的电力负荷预测方法。首先使用CEEMDAN将目标负荷序列分解为多个本征模态分量(IMF),通过计算模糊熵对IMF进行重构;然后使用频谱时间图卷积网络对重构后分量的空间相关性和时间依赖性进行挖掘,得到各分量的预测结果;最后将各分量的预测结果线性相加得到最终预测结果。实验结果表明,所提方法的平均绝对误差、均方根误差、平均绝对百分比误差3个评价指标分别达到了0.72 KW、0.89 KW、0.92%,相较于对比模型StemGnn、TCN、LSTM、Informer、FEDformer,预测精度分别提高了37.9%、17.2%、20.8%、22.5%、12.1%。证明本文所提出的预测方法可以有效降低非平稳性对预测结果的影响,精确获取时序负荷数据的空间相关性和时间依赖性,提高预测精度。 展开更多
关键词 电力负荷预测 经验模态分解 本征模态分量 图卷积网络 模糊熵
在线阅读 下载PDF
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 2 … 63 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部