-
题名基于多维特征提取的资源数据识别与校核算法
被引量：1
- 1
-
-
作者
汤伟
徐声龙
杨慧
刘佳颖
李卉茹
-
机构
武汉大学电气与自动化学院
国网湖北省电力有限公司超高压公司
-
出处
《现代电子技术》
2023年第23期109-113,共5页
-
基金
国家自然科学基金重点支持项目(U1805263)。
-
文摘
针对现有资源数据异常识别与智能校核算法准确性和可靠性差的问题,设计了一种基于多维特征提取的资源数据识别与校核算法。该算法以多维指标数据作为输入,通过加权随机算法构建初始孤立森林,再以平方预测误差(SPE)统计量作为判据,实现孤立森林的冗余消除,进一步采用离散粒子群算法优化选取最优子森林,从而实现对异常数据的智能高效检测。基于人力资源数据进行的算例分析测试结果表明,所提RRA-DPSO-WRIF算法的异常数据识别准确率可达95%,多次计算的偏差在2%以内,相比传统算法具有更高的检测准确率与稳定性,能够为人资数据的管控提供决策支撑。
-
关键词
孤立森林
离散粒子群
异常检测
多维特征提取
数据校核
人力资源数据
-
Keywords
isolated forest
discrete particle swarm
abnormal detection
multidimensional feature extraction
data check
hu⁃man resource data
-
分类号
TN99-34
[电子电信—信号与信息处理]
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于双分支特征融合的电力设备缺陷文本挖掘方法
被引量：7
- 2
-
-
作者
张中文
吐松江·卡日
张紫薇
崔传世
邵罗
-
机构
新疆大学电气工程学院
清华四川能源互联网研究院
-
出处
《高压电器》
CAS
CSCD
北大核心
2024年第6期188-196,共9页
-
基金
新疆维吾尔自治区自然科学基金面上项目资助(2022D01C35)
国家自然科学基金项目资助(52067021,52207165)。
-
文摘
针对电力设备缺陷文本信息的知识挖掘与分析任务中存在缺陷文本特征信息提取不足、缺陷文本分类精度不够的问题,提出一种基于BERT(bidirectional encoder representations from transformers)的双分支特征融合的电力设备缺陷文本分类模型。首先,对缺陷文本数据进行预处理,删除异常缺陷文本,并归纳了电力设备缺陷文本特点;然后,采用BERT模型作为文本编码器,将文本转化为向量后分别输入至BiLSTMAttention(attention-based bidirectional long short-term memory)模块和多分支CNN(multi-scale convolutional neural network,MCNN)模块,提取缺陷文本语义信息特征和局部关键信息特征;最后,将所提取出的语义特征和多维关键特征向量进行融合,并通过Softmax层实现对缺陷文本分类。与基准模型BERT-BiLSTMAttention相比,其准确率、召回率及F1值分别提高了2.76%、3.58%和4.39%,表明所建模型在缺陷文本分类任务中性能的优越性。
-
关键词
预训练模型
多维特征提取
语义信息特征
缺陷文本分类
-
Keywords
pre-trained models
multi-dimensional feature extraction
semantic information feature
defective text categorization
-
分类号
TM50
[电气工程—电器]
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名视觉传达系统平面图形元素多维化融合方法研究
被引量：2
- 3
-
-
作者
王倩
-
机构
河南大学民生学院
-
出处
《现代电子技术》
北大核心
2020年第16期162-164,169,共4页
-
基金
国家自然科学基金项目(U1304527)。
-
文摘
现有的视觉传达系统中,图形元素融合效果不佳,且耗时较长。为此,提出一种视觉传达系统平面图形元素多维化融合方法。设计视觉传达系统框架,对系统中图形元素融合部分做出具体分析。采用SIFT特征描述子提取平面图形元素多维特征;通过计算特征点对的转换矩阵,完成图形元素特征配准;配准后,基于窗口的方法,将图形元素划分为不同的能量区域,选取出能量最大的区域,将该区域像素作为待融合图形元素像素值,实现融合处理。实验结果表明,所提方法具有较好的图形元素融合效果,且相较于其他方法,融合耗时较短。
-
关键词
图形元素融合
视觉传达系统
多维特征提取
特征匹配
转换矩阵
实验分析
-
Keywords
graphic element fusion
visual communication system
multidimensional feature extraction
feature matching
transition matrix
experimental analysis
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于Louvain算法的空中目标分群方法研究
- 4
-
-
作者
邱照原
倪龙强
姚桐
梁晶
杨定木
王俊森
-
机构
西北机电工程研究所
-
出处
《火炮发射与控制学报》
2025年第4期108-114,共7页
-
文摘
随着航空兵器的发展,空中威胁正在逐步向异构化、集群化以及协同化等方向发展,为了提升防空武器系统空中目标态势简洁性、降低指挥员对态势信息的处理量,对目标进行分群在空中态势构建中变得越来越重要。针对现有群目标仅在空间维进行分类,对其余先验信息利用不足,难以体现群目标之间的关联性等问题,设计了一种基于Louvain算法的空中目标分群方法。通过提取目标类型、敌我、攻防、航向、位置、速度等属性作为分群依据,根据目标群的空间、功能和协同关系层次设置不同的距离度量方法,实现了对空中目标群的多层次分类。为验证方法的有效性,设计了多类型、多批次的防空对抗仿真场景,并与密度聚类算法进行了性能对比。仿真测试结果表明,相较于密度聚类算法,所设计的方法能够更准确地实现对目标的多层次分群。
-
关键词
目标分群
态势构建
Louvain算法
多维特征提取
-
Keywords
target classification
situation construction
Louvain algorithm
multi-dimensional feature extraction
-
分类号
TJ810.1
[兵器科学与技术]
-
