检索结果-维普期刊中文期刊服务平台

基于加速无约束张量隐因子分解模型的Web服务Qo S估计: 1; 作者林铭炜李文强 +1 位作者许秀琴刘健《通信学报》 EI CSCD 北大核心 2024年第3期166-181,共16页; 针对基于张量非负隐因子分解模型的Web服务QoS估计方法过于依赖非负初始随机数据以及特意设计的非负训练方法,导致模型的兼容性和扩展性不高的问题,提出了加速无约束张量隐因子分解模型。其主要思想包括三部分:将非负性约束从决策参数... 展开更多; 关键词服务质量隐因子分解分析张量非负隐因子分解模型无约束非负动量方法; 在线阅读下载PDF 职称材料

基于因子隐马尔可夫模型的负荷分解方法及灵敏度分析被引量：21: 2; 作者陈思运高峰 +2 位作者刘烃翟桥柱管晓宏《电力系统自动化》 EI CSCD 北大核心 2016年第21期128-136,共9页; 负荷分解是智能电网的关键技术,对负荷预测、需求侧管理及电网安全有重要意义。传统负荷分解方法的准确率受限于负荷特征的维度、采样频率和负荷的稳定性。文中提出了基于因子隐马尔可夫模型的负荷分解方法,利用该模型对负荷进行建模,对... 展开更多; 关键词隐马尔可夫模型因子隐马尔可夫模型负荷分解灵敏度分析; 在线阅读下载PDF 职称材料

基于启停状态识别改进因子隐马尔可夫模型的非侵入式负荷分解被引量：20: 3; 作者于超覃智君阳育德《电网技术》 EI CSCD 北大核心 2021年第11期4540-4550,共11页; 非侵入式负荷分解(non-intrusiveloaddisaggregation,NILD)是通过对总电气量分析得到用户家中各电器设备的能耗数据,该数据为节能、需求响应及公共安全等方面提供重要依据。目前,NILD算法存在因设备启停状态识别准确率低导致负荷分解精... 展开更多; 关键词非侵入式负荷分解不平衡启停状态特征提取启停状态识别启停状态组合因子隐马尔可夫模型; 在线阅读下载PDF 职称材料

面向Web服务QoS预测的非负矩阵分解模型被引量：4: 4; 作者苏凯马良荔 +1 位作者孙煜飞郭晓明《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2015年第7期1358-1366,共9页; 针对目前QoS预测算法准确度不高的问题,提出通过挖掘已有QoS观测数据中的近邻信息和隐含特征信息而实现服务QoS预测的方法.建立QoS预测的矩阵分解因子模型,将QoS预测问题转化为稀疏QoS矩阵下的模型参数期望最大化(EM)估计问题,提出结合... 展开更多; 关键词 WEB服务服务选择 QoS预测矩阵因子模型非负矩阵分解期望最大化估计; 在线阅读下载PDF 职称材料

基于先验知识的非负矩阵半可解释三因子分解算法被引量：1: 5; 作者陈露张晓霞于洪《计算机应用》 CSCD 北大核心 2022年第3期671-675,共5页; 非负矩阵三因子分解是潜在因子模型中的重要组成部分,由于能将原始数据矩阵分解为三个相互约束的潜因子矩阵,被广泛应用于推荐系统、迁移学习等研究领域,但目前还没有非负矩阵三因子分解的可解释性方面的研究工作。鉴于此,将用户评论文... 展开更多; 关键词非负矩阵三因子分解推荐系统可解释机器学习先验知识潜在因子模型; 在线阅读下载PDF 职称材料

基于加速度轨迹图像的手势特征提取与识别被引量：9: 6; 作者刘蓉刘家祺刘红《计算机应用研究》 CSCD 北大核心 2017年第3期924-927,共4页; 针对手势加速度识别中存在数据维度高、计算量大等问题,提出一种基于加速度轨迹图像的手势NMF特征提取与识别方法。通过Wiimote手柄获取手势动作的加速度信号,经过实时有效手势动作分割后,将加速度数据转换为手势轨迹图像,并用非负矩阵... 展开更多; 关键词手势识别加速度传感器非负矩阵分解隐马尔可夫模型人机交互; 在线阅读下载PDF 职称材料

基于典型相关分析特征融合的人脸表情识别方法被引量：6: 7; 作者张建明杨丽瑞王良民《计算机应用》 CSCD 北大核心 2008年第3期643-646,649,共5页; 针对目前大部分人脸表情识别算法中仅提取图像的某一类特征,导致特征参数不能全面反映脸部情感信息的问题,提出了一种基于特征融合和离散隐马尔可夫模型(HMM)识别的人脸表情识别方法。对同一个图像序列分别使用离散小波变换(DWT)和标准... 展开更多; 关键词表情识别离散小波交换标准正交非负矩阵分解主观表现模型典型相关分析隐马尔可夫模型; 在线阅读下载PDF 职称材料

题名基于加速无约束张量隐因子分解模型的Web服务Qo S估计: 1; 作者林铭炜李文强许秀琴刘健; 机构福建师范大学福建省公共服务大数据挖掘与应用工程技术研究中心福建师范大学计算机与网络空间安全学院福建师范大学数学与统计学院; 出处《通信学报》 EI CSCD 北大核心 2024年第3期166-181,共16页; 基金国家自然科学基金资助项目(No.62272103) 福建省自然科学基金杰青项目资助项目(No.2022J06020) 福建省“雏鹰计划”青年拔尖人才计划基金资助项目(No.F21E0011202B01)。; 文摘针对基于张量非负隐因子分解模型的Web服务QoS估计方法过于依赖非负初始随机数据以及特意设计的非负训练方法,导致模型的兼容性和扩展性不高的问题,提出了加速无约束张量隐因子分解模型。其主要思想包括三部分:将非负性约束从决策参数转移到输出的隐因子,并通过单元素映射函数连接它们;运用结合动量方法的随机梯度下降算法,有效提高模型的收敛速度与估计精度;给出加速无约束张量隐因子分解模型的详细算法和结果分析。在实际工业应用中的2个动态QoS数据集上的实证研究表明,与最先进的QoS估计模型相比,所提模型具有较高的计算效率和估计精度。; 关键词服务质量隐因子分解分析张量非负隐因子分解模型无约束非负动量方法; Keywords quality of service latent factorization analysis non-negative latent factorization of tensor model unconstrained non-negative momentum method; 分类号 TN92 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于因子隐马尔可夫模型的负荷分解方法及灵敏度分析被引量：21: 2; 作者陈思运高峰刘烃翟桥柱管晓宏; 机构机械制造系统工程国家重点实验室(西安交通大学) 智能网络与网络安全教育部重点实验室(西安交通大学); 出处《电力系统自动化》 EI CSCD 北大核心 2016年第21期128-136,共9页; 基金国家自然科学基金资助项目(61473218) 国家重点研发计划资助项目(2016YFB0901904)~~; 文摘负荷分解是智能电网的关键技术,对负荷预测、需求侧管理及电网安全有重要意义。传统负荷分解方法的准确率受限于负荷特征的维度、采样频率和负荷的稳定性。文中提出了基于因子隐马尔可夫模型的负荷分解方法,利用该模型对负荷进行建模,对Viterbi算法进行了扩展并求解负荷状态,进而基于整数规划实现对总负荷的最优分配。该方法对负荷数据的稳定性和采样频率不敏感,可适用于家居和工业电力用户。同时,深入研究了Viterbi算法求解最优状态与观测扰动之间的影响关系,并进一步得到最优状态对于当前观测的允许扰动范围,这对负荷分解最优状态的可靠性评估有重要意义。; 关键词隐马尔可夫模型因子隐马尔可夫模型负荷分解灵敏度分析; Keywords hidden Markov model factorial hidden Markov model load disaggregation sensitivity analysis; 分类号 TM714 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于启停状态识别改进因子隐马尔可夫模型的非侵入式负荷分解被引量：20: 3; 作者于超覃智君阳育德; 机构广西大学电气工程学院; 出处《电网技术》 EI CSCD 北大核心 2021年第11期4540-4550,共11页; 基金国家自然科学基金项目(51767001)。; 文摘非侵入式负荷分解(non-intrusiveloaddisaggregation,NILD)是通过对总电气量分析得到用户家中各电器设备的能耗数据,该数据为节能、需求响应及公共安全等方面提供重要依据。目前,NILD算法存在因设备启停状态识别准确率低导致负荷分解精度低的问题。为此,该文提出一种基于设备启停状态识别改进因子隐马尔可夫模型(factorialhidden Markov model,FHMM)的NILD方法。首先,通过人工少数类过采样法(syntheticminorityover-samplingtechnique,SMOTE)对训练数据做重采样处理、深度神经网络(deep neuralnetwork,DNN)模型提取启停状态特征以及双向长短时记忆网络及条件随机场(bidirectionallongshortterm memory-conditionalrandomfield,Bi LSTM-CRF)模型提升其对不平衡启停状态的识别能力;然后,将设备启停状态组合模块按照数理组合方法划分数据集,形成若干启停状态组合子数据集,并分别对各子数据集中处于启状态的设备建立FHMM进行负荷分解;最后,在公开数据集每分钟电力年鉴数据集(the almanac of minutely power dataset,AMPds)进行实验,该文算法得到的设备负荷分解平均精度比传统FHMM方法提升了3.8倍,验证了所提方法的有效性和准确性。; 关键词非侵入式负荷分解不平衡启停状态特征提取启停状态识别启停状态组合因子隐马尔可夫模型; Keywords non-intrusive load disaggregation unbalanced ON-OFF state feature extraction ON-OFF state recognition ON-OFF state combination factorial hidden Markov model; 分类号 TM721 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名面向Web服务QoS预测的非负矩阵分解模型被引量：4: 4; 作者苏凯马良荔孙煜飞郭晓明; 机构海军工程大学装备经济管理系海军工程大学计算机工程系; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2015年第7期1358-1366,共9页; 基金总装预研基金资助项目(9140A27040413JB11407) 国家自然科学基金资助项目(61170217); 文摘针对目前QoS预测算法准确度不高的问题,提出通过挖掘已有QoS观测数据中的近邻信息和隐含特征信息而实现服务QoS预测的方法.建立QoS预测的矩阵分解因子模型,将QoS预测问题转化为稀疏QoS矩阵下的模型参数期望最大化(EM)估计问题,提出结合近邻信息的非负矩阵分解算法NCNMF+EM对该问题进行求解.算法综合利用了QoS矩阵中的近邻信息和隐含特征信息,可以实现对不同类型QoS属性值的准确预测.实验结果表明,采用该方法可以显著地提高服务QoS的预测准确度,且算法的运行时间随着矩阵规模的增大呈线性增长,可以应用于大规模的QoS预测问题中.; 关键词 WEB服务服务选择 QoS预测矩阵因子模型非负矩阵分解期望最大化估计; Keywords Web service service selection QoS prediction matrix factor model non-negative matrix factorization expectation-maximization estimation; 分类号 TP393 [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

题名基于先验知识的非负矩阵半可解释三因子分解算法被引量：1: 5; 作者陈露张晓霞于洪; 机构计算智能重庆市重点实验室(重庆邮电大学) 重庆邮电大学计算机科学与技术学院; 出处《计算机应用》 CSCD 北大核心 2022年第3期671-675,共5页; 基金国家重点研发计划项目(2019YFB2103000) 国家自然科学基金资助项目(61936001) +1 种基金重庆市教委科学技术研究青年项目(KJQN201900638)。; 文摘非负矩阵三因子分解是潜在因子模型中的重要组成部分,由于能将原始数据矩阵分解为三个相互约束的潜因子矩阵,被广泛应用于推荐系统、迁移学习等研究领域,但目前还没有非负矩阵三因子分解的可解释性方面的研究工作。鉴于此,将用户评论文本信息当作先验知识,设计了一种基于先验知识的非负矩阵半可解释三因子分解(PE-NMTF)算法。首先利用情感分析技术提取用户评论文本信息的情感极性偏好;然后更改了非负矩阵三因子分解算法的目标函数和更新公式,巧妙地将先验知识嵌入到算法中;最后在推荐系统冷启动任务的Yelp和Amazon数据集以及图像零次识别任务的AwA和CUB数据集上与非负矩阵分解、非负矩阵三因子分解算法做了大量对比实验,实验结果表明所提算法在均方根误差(RMSE)、归一化折损累计增益(NDCG)、归一化互信息(NMI)和准确率(ACC)上都表现优异,且利用先验知识进行非负矩阵三因子分解的解释具有可行性和有效性。; 关键词非负矩阵三因子分解推荐系统可解释机器学习先验知识潜在因子模型; Keywords non-negative matrix tri-factorization recommender system interpretable machine learning prior knowledge latent factor model; 分类号 TP181 [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

题名基于加速度轨迹图像的手势特征提取与识别被引量：9: 6; 作者刘蓉刘家祺刘红; 机构华中师范大学物理科学与技术学院华中师范大学计算机学院; 出处《计算机应用研究》 CSCD 北大核心 2017年第3期924-927,共4页; 基金国家科技支撑计划资助项目(2015BAK33B03); 文摘针对手势加速度识别中存在数据维度高、计算量大等问题,提出一种基于加速度轨迹图像的手势NMF特征提取与识别方法。通过Wiimote手柄获取手势动作的加速度信号,经过实时有效手势动作分割后,将加速度数据转换为手势轨迹图像,并用非负矩阵分解对手势加速度轨迹图像提取特征向量,最后构建离散隐马尔可夫模型实现目标手势识别。加速度手势轨迹图像转换及采用非负矩阵分解的特征提取方法将未知手势轨迹特征转换为低维子特征序列,降低了计算复杂度,实验表明,该方法能有效识别手势动作。; 关键词手势识别加速度传感器非负矩阵分解隐马尔可夫模型人机交互; Keywords gesture recognition accelerometer non-negative Matrix factorization（NMF） discrete hidden Markov model（DHMM） human-computer interaction; 分类号 TP391.41 [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

题名基于典型相关分析特征融合的人脸表情识别方法被引量：6: 7; 作者张建明杨丽瑞王良民; 机构江苏大学计算机科学与通信工程学院; 出处《计算机应用》 CSCD 北大核心 2008年第3期643-646,649,共5页; 基金国家自然科学基金资助项目(60673190) 江苏大学高级专业人才科研启动基金资助项目(05JDG020); 文摘针对目前大部分人脸表情识别算法中仅提取图像的某一类特征,导致特征参数不能全面反映脸部情感信息的问题,提出了一种基于特征融合和离散隐马尔可夫模型(HMM)识别的人脸表情识别方法。对同一个图像序列分别使用离散小波变换(DWT)和标准正交非负矩阵分解(ONMF)提取纹理信息,使用改进的主动表观模型(AAM)提取几何形变信息,再使用高维小样本下典型相关分析(CCA)对提取的两种特征进行特征融合,最后使用离散HMM来进行表情分类识别。实验结果表明,经过特征融合后,在较少特征向量维数下该方法能够达到较高的识别率和较快的识别速度。; 关键词表情识别离散小波交换标准正交非负矩阵分解主观表现模型典型相关分析隐马尔可夫模型; Keywords facial expression recognition Discrete Wavelet Transformation （DWT） Orthonormal Non-Negative Matrix Factorization （ONMF） Active Appearance Model （AAM） Canonical Correlation Analysis （CCA） Hidden Markov Model （HMM）; 分类号 TP391.41 [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	基于加速无约束张量隐因子分解模型的Web服务Qo S估计	林铭炜李文强许秀琴刘健	《通信学报》 EI CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于因子隐马尔可夫模型的负荷分解方法及灵敏度分析	陈思运高峰刘烃翟桥柱管晓宏	《电力系统自动化》 EI CSCD 北大核心	2016	21	在线阅读下载PDF 职称材料
3	基于启停状态识别改进因子隐马尔可夫模型的非侵入式负荷分解	于超覃智君阳育德	《电网技术》 EI CSCD 北大核心	2021	20	在线阅读下载PDF 职称材料
4	面向Web服务QoS预测的非负矩阵分解模型	苏凯马良荔孙煜飞郭晓明	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2015	4	在线阅读下载PDF 职称材料
5	基于先验知识的非负矩阵半可解释三因子分解算法	陈露张晓霞于洪	《计算机应用》 CSCD 北大核心	2022	1	在线阅读下载PDF 职称材料
6	基于加速度轨迹图像的手势特征提取与识别	刘蓉刘家祺刘红	《计算机应用研究》 CSCD 北大核心	2017	9	在线阅读下载PDF 职称材料
7	基于典型相关分析特征融合的人脸表情识别方法	张建明杨丽瑞王良民	《计算机应用》 CSCD 北大核心	2008	6	在线阅读下载PDF 职称材料