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187篇文章
< 1 2 … 10 >
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：
面向注意力缺陷多动障碍分类的多分辨率时空融合图卷积网络
1
作者 宋笑影 郝春雨 柴利 《电子与信息学报》 北大核心 2025年第6期1927-1936,共10页
神经发育障碍疾病患者的精准分类是医学领域的一项重要挑战,对于疾病诊断和指导治疗至关重要。然而,现有基于图卷积网络(GCNs)的方法通常采用单一分辨率空间特征,忽视了多分辨率下的空间信息以及时间信息。为了克服上述局限性,该文提出... 神经发育障碍疾病患者的精准分类是医学领域的一项重要挑战,对于疾病诊断和指导治疗至关重要。然而,现有基于图卷积网络(GCNs)的方法通常采用单一分辨率空间特征,忽视了多分辨率下的空间信息以及时间信息。为了克服上述局限性,该文提出一种多分辨率时空融合图卷积网络(MSTF-GCN)。在多个分辨率空间下构建多个大脑功能连通性网络,使用支持向量机-递归特征消除提取最优空间特征。为了保留全局时间信息并使网络具有捕获信号不同层次变化的能力,将全局时间信号及其差分信号输入到时间卷积网络中学习复杂时间维度的依赖关系,提取时间特征。结合时空信息构建群体图,利用多通道图卷积网络灵活地融合不同分辨率的群体图数据,最后融入非成像数据信息生成有效的多通道多类型时空融合分类特征,有效提升了MSTF-GCN模型的分类性能。将MSTF-GCN应用于注意力缺陷多动障碍(ADHD)患者分类识别,在ADHD-200数据集两个成像站点上的分类准确率分别达到了75.92%和82.95%,实验结果优于已有的流行算法,验证了MSTF-GCN的有效性。 展开更多
关键词 多分辨率时空融合图卷积网络 时空融合 多分辨率 注意力缺陷多动障碍
在线阅读 下载PDF
基于扩展时间和时空特征融合图卷积网络的骨架行为识别
2
作者 徐永刚 孙琦烜 +2 位作者 李凡甲 程健维 戴佳俊 《计算机工程》 北大核心 2025年第4期281-292,共12页
在基于骨架的人体行为识别领域,图卷积网络(GCN)在近年来取得了很大的进展,但现有GCN大多将时间卷积和空间卷积简单串联,导致时空特征融合效果不佳。另外,现有模型还存在无法高效提取时间特征的问题。为此,提出扩展时间和时空特征融合... 在基于骨架的人体行为识别领域,图卷积网络(GCN)在近年来取得了很大的进展,但现有GCN大多将时间卷积和空间卷积简单串联,导致时空特征融合效果不佳。另外,现有模型还存在无法高效提取时间特征的问题。为此,提出扩展时间和时空特征融合图卷积网络(ETFF-GCN)。该网络采用通道聚合的方法对动态空间拓扑和时序特征进行一次融合,然后运用注意力机制进行二次融合,进一步增强融合效果。在此基础上,为了全面提取时序特征,采用多个不同大小的卷积核构建时域图卷积,以提取多尺度和多粒度的时间特征,并引入有效压缩激励模块进行特征增强,提升特征表达能力。在3个大型数据集上对所提出的方法进行评估,实验结果表明,该方法的性能优于现有的方法。 展开更多
关键词 人体骨架行为识别 图卷积网络 时空特征融合 注意力机制 扩展时间
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
3
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
基于平行多尺度时空图卷积网络的三维人体姿态估计算法
4
作者 杨红红 刘泓希 +1 位作者 张玉梅 吴晓军 《软件学报》 北大核心 2025年第5期2151-2166,共16页
针对基于图卷积神经网络(GCN)的人体姿态估计方法不能充分聚合关节点时空特征、限制判别性特征提取的问题,构造基于平行多尺度时空图卷积的网络模型(PMST-GNet),提高三维人体姿态估计的性能.该模型首先设计对角占优的时空注意力图卷积(D... 针对基于图卷积神经网络(GCN)的人体姿态估计方法不能充分聚合关节点时空特征、限制判别性特征提取的问题,构造基于平行多尺度时空图卷积的网络模型(PMST-GNet),提高三维人体姿态估计的性能.该模型首先设计对角占优的时空注意力图卷积(DDA-STGConv),构建跨域时空邻接矩阵,对骨架关节点信息进行基于自约束和注意力机制约束的建模,增强节点间的信息交互;然后,通过设计图拓扑聚合函数构造不同的图拓扑结构,以DDA-STGConv为基本单元构建平行多尺度子网络模块(PM-SubGNet);最后,为了更好地提取骨架关节的上下文信息,设计多尺度特征交叉融合模块(MFEB),实现平行子图网络之间多尺度信息的交互,提高GCN的特征表示能力.在主流3D姿态估计数据集Human3.6M和MPI-INF-3DHP数据集上的对比实验结果表明,所提PMST-GNet模型在三维人体姿态估计中具有较好的效果,优于Sem-GCN、GraphSH、UGCN等当前基于GCN网络的主流算法. 展开更多
关键词 三维人体姿态估计 对角占优的时空注意力图卷积 平行多尺度子网络 多尺度特征交叉融合
在线阅读 下载PDF
基于Swin Transformer的双流遥感图像时空融合超分辨率重建 被引量：1
5
作者 王志浩 钱沄涛 《计算机工程》 CAS CSCD 北大核心 2024年第9期33-45,共13页
遥感图像时空融合超分辨重建从高时序密度的低分辨率图像和低时序密度的高分辨率图像中提取信息,生成同时具有高时序密度的高分辨率遥感图像,它直接关系到后续的解译、检测、跟踪等任务的实施。随着卷积神经网络(CNN)的快速发展,研究者... 遥感图像时空融合超分辨重建从高时序密度的低分辨率图像和低时序密度的高分辨率图像中提取信息,生成同时具有高时序密度的高分辨率遥感图像,它直接关系到后续的解译、检测、跟踪等任务的实施。随着卷积神经网络(CNN)的快速发展,研究者们提出了一系列基于CNN的时空融合方法,然而由于卷积的局限性,这些方法在全局信息提取方面仍然存在不足。受Swin Transformer全局能力的启发,提出一种基于Swin Transformer的超分辨重建模型。在特征提取阶段,引入双流结构,将特征提取网络分为两个部分,分别提取时间信息与空间信息,并通过Swin Transformer的全局能力提升模型性能。在特征融合阶段,引入结合通道注意力与空间注意力的卷积块注意力模块(CBAM),用于增强重要特征,提升图像重建精度。在Coleambally灌溉区(CIA)与Gwydir下游流域(LGC)数据集上将该模型与多种时空融合超分辨率重建模型进行对比实验,结果表明该模型在各项评价指标上均取得了最优的结果,具有更出色的性能和更强的泛化能力。 展开更多
关键词 时空融合 超分辨率重建 Swin Transformer算法 双流结构 卷积神经网络
在线阅读 下载PDF
基于结构多维特征构建图卷积神经网络的结构损伤识别方法
6
作者 杨建辉 赵清瑄 蒲脯林 《湖南大学学报(自然科学版)》 北大核心 2025年第8期158-171,共14页
以数据为驱动的深度学习结构损伤识别(structural damage identification,SDI)效果受结构复杂程度、模型构建方法及数据规模等因素影响较大.本文引入图卷积神经网络(graph convolutional neural network,GCN)以整合结构节点间的属性特征... 以数据为驱动的深度学习结构损伤识别(structural damage identification,SDI)效果受结构复杂程度、模型构建方法及数据规模等因素影响较大.本文引入图卷积神经网络(graph convolutional neural network,GCN)以整合结构节点间的属性特征,从图的视角挖掘节点间的复杂属性关系,为SDI提供多维度学习信息.为此,设计了一种融合结构多维特征的图卷积神经网络模型(graph convolutional neural network integrating multi-dimensional features of structure,S-GCN),基于结构振动数据构造损伤特征矩阵,并通过衍生图网络,以图的节点和边表征结构节点的连接关系,构建边索引矩阵,将结构损伤状态、振动数据及节点属性等多维特征信息输入GCN进行结构损伤特征提取及预测识别,探索结构多维特征信息驱动下的GCN在损伤预测中的应用效果.通过两个钢结构验证方法的可行性及有效性,结果表明,S-GCN能够整合结构多维特征信息,对两个结构对象均实现了较高的损伤预测准确性,并展现出良好的噪声鲁棒性.进一步的对比分析显示,相较于三种非GCN模型,S-GCN能够高效地依托节点间关系快速更新节点特征并预测节点损伤状态,其损伤识别准确率、计算效率及网络各层演进过程均优于对比模型,验证了在结构损伤识别中融合结构空间特征的有效性. 展开更多
关键词 结构损伤识别 图卷积神经网络 结构多维特征融合 噪声鲁棒性 训练效率
在线阅读 下载PDF
基于改进时空图卷积网络的道路行程时间预测模型 被引量：2
7
作者 王忠宇 李盼归 +1 位作者 杨航 吴兵 《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第4期1022-1029,共8页
为提高道路网行程时间预测精度,综合考虑行程时间的空间依赖性、时间依赖性和天气因素影响,提出了基于属性增强和注意力机制的时空图卷积网络模型.首先,构建属性增强单元,将行程时间和天气信息融合;然后,利用图卷积网络捕获空间依赖性,... 为提高道路网行程时间预测精度,综合考虑行程时间的空间依赖性、时间依赖性和天气因素影响,提出了基于属性增强和注意力机制的时空图卷积网络模型.首先,构建属性增强单元,将行程时间和天气信息融合;然后,利用图卷积网络捕获空间依赖性,利用门控递归单元捕获时间依赖性,并利用注意力机制增强模型对特征的学习;最后,利用该模型在真实数据集上对未来15、30、45和60 min的行程时间进行预测.结果表明:预测结果的均方根误差(RMSE)分别为0.0453、0.0456、0.0457和0.0468,与其他模型相比表现更优;考虑了时间、空间和天气因素后,相较于不考虑天气的情况,预测误差降低了约10.3%;相较于不考虑空间依赖性的情况,降低了约24.2%,表明所提模型能更好表达时空依赖性和外部条件影响. 展开更多
关键词 交通工程 行程时间预测 图卷积网络 时空依赖 天气因素
在线阅读 下载PDF
时–空特征驱动的多轮次重构图卷积网络故障诊断方法 被引量：1
8
作者 王庆昕 张先杰 +3 位作者 张海峰 钟凯 陈宏田 韩敏 《控制理论与应用》 北大核心 2025年第1期149-157,共9页
近年来,图神经网络被广泛应用于处理具有非欧结构的工业过程数据.然而由于设备运行的过程数据常常受到噪声和冗余信息的干扰,如果直接使用原始信号会导致构建的图模型不够精细和准确,从而影响后续的模型诊断性能.针对这一问题,本文提出... 近年来,图神经网络被广泛应用于处理具有非欧结构的工业过程数据.然而由于设备运行的过程数据常常受到噪声和冗余信息的干扰,如果直接使用原始信号会导致构建的图模型不够精细和准确,从而影响后续的模型诊断性能.针对这一问题,本文提出了一种时–空特征驱动的多轮次重构图卷积网络(STMR-GCN)故障诊断方法.该方法首先利用多尺度卷积神经网络与GCN对故障信号进行特征提取.然后根据样本之间的余弦相似性对图结构进行多次重构,重构后的图模型能够更精确地反映样本之间的连边关系,并将得到的图模型输入到GCN进行故障种类的识别.最后,在东南大学(SEU)仿真数据集和真实的磨煤机数据集上进行实验,实验结果表明所提方法与其他对比方法相比诊断精度均有提高,从而证明STMR-GCN模型在故障诊断方面的有效性和实用性. 展开更多
关键词 故障诊断 时空特征 多轮次图重构 图卷积网络
在线阅读 下载PDF
ASGC-STT:基于自适应空间图卷积和时空Transformer的人体行为识别
9
作者 庄添铭 秦臻 +1 位作者 耿技 张瀚文 《计算机应用研究》 北大核心 2025年第4期1239-1247,共9页
近年来许多行为识别研究将人体骨架建模为拓扑图,并利用图卷积网络提取动作特征。然而,拓扑图在训练过程中固有的共享和静态特征限制了模型的性能。为解决该问题,提出基于自适应空间图卷积和时空Transformer的人体行为识别方法—ASGC-ST... 近年来许多行为识别研究将人体骨架建模为拓扑图,并利用图卷积网络提取动作特征。然而,拓扑图在训练过程中固有的共享和静态特征限制了模型的性能。为解决该问题,提出基于自适应空间图卷积和时空Transformer的人体行为识别方法—ASGC-STT。首先,提出了一种非共享图拓扑的自适应空间图卷积网络,该图拓扑在不同网络层中是唯一的,可以提取更多样化的特征,同时使用多尺度时间卷积来捕获高级时域特征。其次,引入了一种时空Transformer模块,能够准确捕捉远距离的帧内和帧间任意关节之间的相关性,建模包含局部和全局关节关系的动作表示。最后,设计了一种多尺度残差聚合模块,通过分层残差结构设计来有效扩大感受野范围,捕获空间和时间域的多尺度依赖关系。ASGC-STT在大规模数据集NTU-RGB+D 60上的准确率为92.7%(X-Sub)和96.9%(X-View),在NTU-RGB+D 120上的准确率为88.2%(X-Sub)和89.5%(X-Set),在Kinetics Skeleton 400上的准确率为38.6%(top-1)和61.4%(top-5)。实验结果表明,ASGC-STT在人体行为识别任务中具有优越的性能和通用性。 展开更多
关键词 人体行为识别 时空特征 图卷积网络 多尺度建模
在线阅读 下载PDF
基于图卷积网络和CTC/Attention的连续手语识别
10
作者 边辉 孟畅乾 +2 位作者 李子涵 陈子豪 谢雪雷 《计算机科学》 北大核心 2025年第S1期550-558,共9页
手语是听力障碍患者之间一种重要的交流方式。通过手语识别,可以让患者与正常人进行无障碍的交流。随着深度学习技术的发展,各种手语识别技术也随之发展,但现有的手语识别技术往往无法完成连续识别手语的任务,因此文中提出了一种基于图... 手语是听力障碍患者之间一种重要的交流方式。通过手语识别,可以让患者与正常人进行无障碍的交流。随着深度学习技术的发展,各种手语识别技术也随之发展,但现有的手语识别技术往往无法完成连续识别手语的任务,因此文中提出了一种基于图卷积网络(Graph Convolution Network,GCN)和神经网络的时序类分类(Connectionist Temporal Classification/Attention,CTC/Attention)的连续手语识别方法,分别从空间维度与时间维度提取特征,并将空间注意力机制融入其中,以赋予骨骼点权重,突出有效的空间特征,实现手语的连续识别。该方法可实现连续手语语句翻译的序列对齐和上下文语义建模。首先基于MediaPipe框架采集手语动作骨骼点数据,并基于此搭建中文手语骨骼关键点坐标的数据集,根据骨骼关键点坐标,设计了基于时空图神经网络(Spatio-Temporal Graph Convolutional Networks,ST-GCN)的动态手语词识别方法,然后提出基于GCN和CTC/Attention的编解码器网络,用于实现连续手语语句识别的方法。在数据集有限的情况下,在自建的骨骼点数据集SSLD上对所提出的方法进行评估,实验结果表明,平均连续手语识别字准确率达到94.41%,证明所提模型具有良好的手语识别能力。 展开更多
关键词 连续手语识别 图卷积网络 基于神经网络的时序类分类 MediaPipe框架 骨骼关键点 基于时空图神经网络
在线阅读 下载PDF
面向多维时间序列异常检测的时空图卷积网络 被引量：3
11
作者 王静 何苗苗 +1 位作者 丁建立 李永华 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2024年第3期170-181,共12页
针对现有多维时间序列异常检测模型对局部和全局时空依赖性捕获能力不足的问题,提出一种基于时空图卷积网络的多维时间序列异常检测模型。首先,在时间维度上利用扩张因果卷积和多头自注意力机制,分别捕获短期和长期时间依赖性,并且引入... 针对现有多维时间序列异常检测模型对局部和全局时空依赖性捕获能力不足的问题,提出一种基于时空图卷积网络的多维时间序列异常检测模型。首先,在时间维度上利用扩张因果卷积和多头自注意力机制,分别捕获短期和长期时间依赖性,并且引入通道注意力来学习不同通道的重要性权重;其次,在空间维度上利用静态图学习层根据节点嵌入构建静态图邻接矩阵,旨在捕获多维时间序列数据的全局空间依赖性,同时利用动态图学习层构建一系列演化的图邻接矩阵,旨在建模局部动态的空间依赖性;最后,联合优化重构模型和预测模型,通过重构误差和预测误差计算异常分数,然后比较阈值和异常分数的关系,进而检测异常。在MSL、SMAP和SWaT三个公开数据集上的实验结果表明,该模型在异常检测性能指标F1分数方面优于OmniAnomaly、MTAD-GAT和GDN等相关的基线模型。 展开更多
关键词 图卷积网络 时空依赖 多维时间序列 异常检测
在线阅读 下载PDF
基于时空特征聚类和双层动态图卷积网络建模的短期净负荷预测 被引量：6
12
作者 戴浩男 张辰灏 +1 位作者 甄钊 王飞 《高电压技术》 EI CAS CSCD 北大核心 2024年第9期3914-3923,共10页
净负荷是实际负荷与光伏出力之差,针对净负荷中实际负荷强波动性与光伏出力强随机性相互耦合、表后光伏出力不可见等特点导致准确预测困难的问题,提出了一种基于时空特征聚类和双层动态图卷积网络建模的短期净负荷预测方法。首先,通过... 净负荷是实际负荷与光伏出力之差,针对净负荷中实际负荷强波动性与光伏出力强随机性相互耦合、表后光伏出力不可见等特点导致准确预测困难的问题,提出了一种基于时空特征聚类和双层动态图卷积网络建模的短期净负荷预测方法。首先,通过提取用户净负荷的日内时间特征、长期趋势特征和空间关联特征建立净负荷子集群聚类模型;其次,以子集群为图节点构建考虑“负荷-光伏”双维相关性的图结构,使其能够同时反映负荷和光伏出力特性;最后,引入净负荷总节点和动态邻接矩阵,构建通过长短期记忆神经网络连接的双层动态图卷积模型,得到净负荷预测结果。基于悉尼Ausgrid实际净负荷数据设计的消融实验结果表明,所提时空特征聚类方法和双层动态图结构分别使净负荷预测结果的均方根误差降低了13.44 kW和7.55 kW。未来将进一步拓展预测尺度,为电网保供决策提供更多信息支撑。 展开更多
关键词 净负荷预测 时空相关性 时空特征聚类 图卷积神经网络 动态图结构 双层
在线阅读 下载PDF
架空输电线路覆冰厚度图卷积神经网络预测模型构建与应用
13
作者 范晶晶 胡帆 +3 位作者 原辉 张娜 孟晓凯 王帅 《测绘通报》 北大核心 2025年第1期12-15,共4页
针对架空输电线路覆冰预测问题,本文提出了一种基于图卷积神经网络的预测模型。首先,整合空气相对湿度、风速、气温、导线表面温度、导线温度、环境湿度及导线拉力变化等相关数据,构建了一种包含架空输电线路拓扑结构和环境因素的图模型... 针对架空输电线路覆冰预测问题,本文提出了一种基于图卷积神经网络的预测模型。首先,整合空气相对湿度、风速、气温、导线表面温度、导线温度、环境湿度及导线拉力变化等相关数据,构建了一种包含架空输电线路拓扑结构和环境因素的图模型,将节点定义为线路的各个监测点,边则代表监测点之间的空间关系和环境影响;然后,利用图卷积神经网络对图模型进行特征提取,通过逐层传递节点信息捕捉节点间的相互影响,并引入注意力机制对不同节点的特征加权处理,提升预测性能;最后,使用历史覆冰数据进行监督学习,优化模型参数,确保泛化能力。试验结果表明,该模型在不同天气条件和线路环境下具有较高的预测精度和稳健性,为电力部门及时采取融冰措施提供了有效支持。 展开更多
关键词 覆冰预测 图卷积神经网络 注意力机制 架空输电线路 多源数据融合
在线阅读 下载PDF
基于图卷积的自适应特征融合MRI脑肿瘤分割方法
14
作者 张野 张睦卿 +1 位作者 袁学刚 牛大田 《河北科技大学学报》 北大核心 2025年第4期395-404,共10页
针对U-Net模型在MRI脑肿瘤分割上存在的全局信息捕获不足和深层语义信息融合不充分等问题,提出一种新的基于图卷积的自适应特征融合网络(adaptive spatial and graph-convolutional U-Net, ASGU-Net)。以三维U-Net为基础,通过构建图卷... 针对U-Net模型在MRI脑肿瘤分割上存在的全局信息捕获不足和深层语义信息融合不充分等问题,提出一种新的基于图卷积的自适应特征融合网络(adaptive spatial and graph-convolutional U-Net, ASGU-Net)。以三维U-Net为基础,通过构建图卷积推理模块,捕获额外的远程上下文特征;在编解码器中引入动态蛇形卷积(dynamic snake convolution, DSConv)能更精准地契合肿瘤形态各异的特点,提高边缘特征提取能力,从而有效提升分割精度;在解码器中引入自适应空间特征融合(adaptive spatial feature fusion, ASFF)模块,通过整合多个编码器块捕获的语义信息提升特征融合效果。在公开的BraTS 2019—2021数据集上的评估表明,整个肿瘤、肿瘤核心和增强肿瘤的Dice值分别为90.70%/90.70%/91.00%、84.90%/84.00%/88.80%和77.30%/77.40%/82.50%,证明了ASGU-Net在脑肿瘤分割任务中的有效性。ASGU-Net可有效解决全局信息捕获不足和特征融合不充分的问题,为脑肿瘤高精度自动化分割提供了参考。 展开更多
关键词 计算机神经网络 脑肿瘤分割 三维U-Net 图卷积推理瓶颈层 动态蛇形卷积 自适应空间特征融合
在线阅读 下载PDF
基于高分辨率网络和图卷积网络的三维人体重建模型 被引量：2
15
作者 苏亚婷 刘翠响 《计算机应用》 CSCD 北大核心 2023年第2期583-588,共6页
针对单目图像重建人体时出现的头部姿态翻转和图像特征间隐式空间线索缺失的问题,提出了一种基于高分辨率网络(HRNet)和图卷积网络(GCN)的三维人体重建模型。首先利用HRNet和残差块作为主干网络从原始图像中提取丰富的人体特征信息,然... 针对单目图像重建人体时出现的头部姿态翻转和图像特征间隐式空间线索缺失的问题,提出了一种基于高分辨率网络(HRNet)和图卷积网络(GCN)的三维人体重建模型。首先利用HRNet和残差块作为主干网络从原始图像中提取丰富的人体特征信息,然后使用GCN来捕获特征之间隐式的空间线索以获得空间精确的特征表示,最后使用此特征来预测多人线性蒙皮模型(SMPL)的参数以得到更加准确的重建结果;同时为了有效解决人体头部姿态翻转的问题,对SMPL的关节点重新进行了定义,在原有关节的基础上增加对头部关节点的定义。实验结果表明,所提模型能够准确地重建出三维人体,在2D数据集LSP上的重建准确率达到了92.41%,在3D数据集MPI-INF-3DHP上的关节误差和重建误差也大幅降低,平均误差仅分别为97.73 mm和64.63 mm,验证了所提模型在人体重建领域的有效性。 展开更多
关键词 图卷积网络 高分辨率网络 人体重建 多人线性蒙皮模型 残差块
在线阅读 下载PDF
融合知识图谱的时空多图卷积交通流量预测 被引量：2
16
作者 李劲业 李永强 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第7期1366-1376,共11页
现有的交通流量预测方法关注交通信息的时空相关性,未充分考虑外部因素对交通的影响,为此提出融合静态和动态知识图谱的时空多图卷积交通流量预测模型.基于道路交通信息和外部因素,构建城市交通知识图谱和4个不同语义的路网拓扑图,将城... 现有的交通流量预测方法关注交通信息的时空相关性,未充分考虑外部因素对交通的影响,为此提出融合静态和动态知识图谱的时空多图卷积交通流量预测模型.基于道路交通信息和外部因素,构建城市交通知识图谱和4个不同语义的路网拓扑图,将城市交通知识图谱输入关系演化图卷积神经网络,实现知识嵌入;使用知识融合模块将车流量矩阵与知识嵌入融合;将4个路网拓扑图和融合知识的车流量矩阵输入时空多图卷积模块,提取时空特征,通过全连接层输出交通流量预测值.在杭州交通数据集上评估模型性能,与先进的基线模型对比,所提模型的性能提高了5.76%~10.71%.鲁棒性实验结果表明,所提模型具有较强的抗干扰能力. 展开更多
关键词 智能交通 交通流量预测 城市交通知识图谱 多图卷积神经网络 知识融合模块 路网拓扑图
在线阅读 下载PDF
基于图卷积网络的多特征融合谣言检测方法 被引量：1
17
作者 关昌珊 邴万龙 +2 位作者 刘雅辉 顾鹏飞 马洪亮 《郑州大学学报（工学版）》 CAS 北大核心 2024年第4期70-78,共9页
目前,大部分谣言检测工作主要基于Twitter或新浪微博原文本内容、传播结构和传播文本内容进行谣言检测,忽略了原文本特征与其他特征的有效融合,以及传播用户在谣言传播过程中的作用。针对以上问题,提出了一种基于图卷积网络的多特征融... 目前,大部分谣言检测工作主要基于Twitter或新浪微博原文本内容、传播结构和传播文本内容进行谣言检测,忽略了原文本特征与其他特征的有效融合,以及传播用户在谣言传播过程中的作用。针对以上问题,提出了一种基于图卷积网络的多特征融合模型GCNs-BERT,模型同时融合了原文本特征、传播用户特征和传播结构特征。首先,基于传播结构和传播用户构建传播图,将多个用户属性的组合作为传播节点特征;其次,利用多个图卷积网络学习在不同用户属性组合的情况下传播图的表达,同时采用BERT模型学习原文本内容特征表达,最终与图卷积网络学习的特征相融合用于检测谣言。利用公开的新浪微博数据集进行的大量实验表明:GCNs-BERT模型明显优于基线方法。此外,在新冠疫情数据集上进行GCNs-BERT模型泛化能力实验,此数据集训练样本大小仅有新浪微博数据集的1/5,仍然取得了92.5%的准确率,证明模型具有较好的泛化能力。 展开更多
关键词 谣言检测 图卷积网络 传播图 传播用户 特征融合
在线阅读 下载PDF
基于时空图卷积网络的瓦斯体积分数预警效果研究 被引量：1
18
作者 高翼飞 张晓航 +2 位作者 畅明 葛帅帅 陈伟 《中国安全生产科学技术》 CAS CSCD 北大核心 2024年第1期58-64,共7页
为了提升瓦斯体积分数预警效果,提出1种融合时空特征的瓦斯体积分数预警模型(STGCN),以图神经网络作为基本框架对同一工作面多传感器进行统一的训练和推断,并通过图卷积的方式捕捉瓦斯体积分数数据的时空特征。在此基础上,提出瓦斯体积... 为了提升瓦斯体积分数预警效果,提出1种融合时空特征的瓦斯体积分数预警模型(STGCN),以图神经网络作为基本框架对同一工作面多传感器进行统一的训练和推断,并通过图卷积的方式捕捉瓦斯体积分数数据的时空特征。在此基础上,提出瓦斯体积分数分级预警方法,将预测扩展为分级预警。研究结果表明:STGCN在瓦斯体积分数预测和预警任务上取得更好的准确率和效率。研究结果可为矿井瓦斯灾害防治提供参考。 展开更多
关键词 瓦斯体积分数预警 图卷积网络 时空数据 可学习矩阵 分级预警方法 煤矿安全
在线阅读 下载PDF
基于多粒度融合的图卷积网络会话情感分析 被引量：1
19
作者 王佳 朱小飞 +1 位作者 唐顾 黄贤英 《中文信息学报》 CSCD 北大核心 2024年第5期136-145,共10页
会话情感分析指对一段会话中的每句话进行情感分类,目前大部分会话情感分析模型不仅忽略了对话中内部信息的相互影响,而且没有考虑到日常对话中存在的隐性背景情感。为了有效解决这些问题,该文提出了一个基于多粒度融合的图卷积神经网络... 会话情感分析指对一段会话中的每句话进行情感分类,目前大部分会话情感分析模型不仅忽略了对话中内部信息的相互影响,而且没有考虑到日常对话中存在的隐性背景情感。为了有效解决这些问题,该文提出了一个基于多粒度融合的图卷积神经网络,其主要包括两个模块,即特征提取模块和星图增强的图学习模块。首先,特征提取模块使用预训练语言模型RoBERTa获取会话中语句之间粗粒度的上下文信息,同时结合句法依赖树获取词之间细粒度的句法信息,从而将多粒度特征信息引入到会话情感建模。然后,在星图增强的图学习模块中建模会话的背景情感信息和会话中不同说话者之间的交互信息,从而增强会话情感分析的准确性。实验结果表明,该文提出的模型与其他基线模型相比,其准确性以及度量指标F 1值在所有数据集上均有显著提升。 展开更多
关键词 会话情感分析 多粒度融合 句法依赖树 图卷积网络
在线阅读 下载PDF
基于多尺度时空图卷积网络的交通出行需求预测
20
作者 李欢欢 黄添强 +2 位作者 丁雪梅 罗海峰 黄丽清 《计算机应用》 CSCD 北大核心 2024年第7期2065-2072,共8页
满足公众高质量出行需求是智能交通系统(ITS)的主要挑战之一。目前,针对公共交通出行需求预测问题,现有模型大多采用固定结构的图描述出行需求的空间相关性,忽略了出行需求在不同尺度下具有不同的空间依赖关系。针对上述问题,提出一种... 满足公众高质量出行需求是智能交通系统(ITS)的主要挑战之一。目前,针对公共交通出行需求预测问题,现有模型大多采用固定结构的图描述出行需求的空间相关性,忽略了出行需求在不同尺度下具有不同的空间依赖关系。针对上述问题,提出一种多尺度时空图卷积网络(MSTGCN)模型。该模型首先从全局尺度和局部尺度构建全局需求相似图和局部需求相似图,这2种图可以捕获公共交通出行需求长期内较为稳定的全局特征和短期内动态变化的局部特征。利用图卷积网络(GCN)提取2种图中的全局空间信息和局部空间信息,并引入注意力机制融合两种空间信息。为了拟合时间序列中潜藏的时间依赖关系,利用门控循环单元(GRU)捕捉公共交通需求的时变特征。采用纽约市出租车订单数据集和自行车订单数据集进行实验,结果表明MSTGCN模型在自行车订单数据集上均方根误差(RMSE)、平均绝对误差(MAE)和皮尔逊相关系数(PCC)达2.7886、1.7371、0.7992,在出租车订单数据集上RMSE、MAE、PCC达9.5734、5.8612、0.9631。可见,MSTGCN模型可以有效地挖掘公共交通出行需求的多尺度时空特性,对未来公共交通出行需求进行准确预测。 展开更多
关键词 公共交通出行需求预测 图卷积网络 时空数据挖掘 注意力机制 深度学习 智能交通系统
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 … 10 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