检索结果-维普期刊中文期刊服务平台

基于稳健变分自编码模型的雷达高分辨距离像目标识别算法被引量：10: 1; 作者翟颖陈渤《电子学报》 EI CAS CSCD 北大核心 2020年第6期1149-1155,共7页; 对于雷达高分辨距离像的识别问题,传统深层网络通常忽略了HRRP自身的目标特性,不利于学习有效的分类特征,导致其识别性能受到限制.针对这一问题,本文提出了一种基于稳健变分自编码模型的目标识别算法.该算法结合HRRP数据特性,利用平均... 展开更多; 关键词雷达自动目标识别高分辨距离像特征提取稳健变分自编码模型; 在线阅读下载PDF 职称材料

基于变分自编码高斯混合模型的发电企业串谋智能预警被引量：5: 2; 作者华回春邓彬 +1 位作者刘哲张立峰《电力系统自动化》 EI CSCD 北大核心 2022年第4期188-196,共9页; 随着市场交易规模越来越大,交易数据量增加,结合数据进行串谋分析成为可能。为此,结合发电企业的串谋预警指标体系和无监督的变分自编码高斯混合模型(VAEGMM),实现了对发电企业串谋的智能预警。首先,提出了完善的串谋预警指标体系和详... 展开更多; 关键词电力市场发电企业智能预警串谋变分自编码高斯混合模型; 在线阅读下载PDF 职称材料

基于主成分分析和深度自编码高斯混合模型的无监督异常数据检测方法研究被引量：3: 3; 作者刘翔宇朱诗兵杨帆《现代电子技术》 2023年第3期75-80,共6页; 在异常数据检测中,由于数据量过大和数据特征维度过高,往往会导致数据标定困难、数据冗余、算法效率降低等。针对以上问题,将主成分分析(PCA)特征选择算法与深度自编码高斯混合模型(DAGMM)相结合,提出一种新的无监督异常数据检测方法PCA... 展开更多; 关键词无监督异常数据检测主成分分析特征选择深度自编码高斯混合模型密度估计联合训练; 在线阅读下载PDF 职称材料

基于自编码网络的空气污染物浓度预测被引量：6: 4; 作者秦东明丁志军 +1 位作者金玉鹏赵勤《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2019年第5期681-687,共7页; 深度学习为城市空气污染物浓度预测提供了更为强大的数据拟合能力,为空气污染预测提供全新的智能计算方法.为此,提出了一个基于自编码神经网络的污染物浓度预测模型AEPP(auto-encoder-based pollutant prediction).该模型包括编码器和... 展开更多; 关键词空气污染预测自编码模型深度学习数值分析; 在线阅读下载PDF 职称材料

基于ControlVAE的约束嵌入稠密时变阵列构建: 5; 作者孙文力原达姜新波《电子学报》 EI CAS CSCD 北大核心 2024年第1期354-363,共10页; 在对探地雷达(Ground Penetrating Radar,GPR)数据进行三维建模与可视化分析过程中,其所依赖的三维时变阵列通常是由一维数据道或二维阵列间接生成的.由于采集到的数据往往比较稀疏,且存在不规则偏移,需要进行稠密处理,以获得高密度三... 展开更多; 关键词时变阵列数据生成探地雷达约束嵌入可控变分自编码模型; 在线阅读下载PDF 职称材料

基于多源信息融合的社交网络挖掘被引量：3: 6; 作者莫靖杰屠晨阳 +1 位作者彭佳袁珺《信息网络安全》 CSCD 2017年第9期73-76,共4页; 文章提出一种基于多源信息融合隐式表达的社交网络挖掘的新思路,利用DNGR模型表征结构信息,针对LDA不能描述节点间文本相似性的问题,提出DLDA模型表征文本信息,最后利用SDAE模型进行信息融合。文章在真实数据集上对社交网络挖掘的经典... 展开更多; 关键词多源信息融合网络隐式表达自编码模型社交网络挖掘; 在线阅读下载PDF 职称材料

题名基于稳健变分自编码模型的雷达高分辨距离像目标识别算法被引量：10: 1; 作者翟颖陈渤; 机构西安导航技术研究所西安电子科技大学雷达信号处理国家重点实验室; 出处《电子学报》 EI CAS CSCD 北大核心 2020年第6期1149-1155,共7页; 文摘对于雷达高分辨距离像的识别问题,传统深层网络通常忽略了HRRP自身的目标特性,不利于学习有效的分类特征,导致其识别性能受到限制.针对这一问题,本文提出了一种基于稳健变分自编码模型的目标识别算法.该算法结合HRRP数据特性,利用平均像在散射点不发生越距离单元走动的方位帧内具有稳健物理特性的性质,基于变分自编码器构建了稳健变分自编码模型.该模型不仅能够获取稳健有效的识别特征,而且在一定程度上保存了数据的帧内结构信息,较大地提高了目标的平均识别率.基于实测HRRP数据验证了所提算法的有效性.; 关键词雷达自动目标识别高分辨距离像特征提取稳健变分自编码模型; Keywords radar automatic target recognition(RATR) high-resolution range profile(HRRP) feature extraction robust variational auto-encoder(RVAE); 分类号 TN95 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于变分自编码高斯混合模型的发电企业串谋智能预警被引量：5: 2; 作者华回春邓彬刘哲张立峰; 机构新能源电力系统国家重点实验室(华北电力大学) 国网上海市电力公司; 出处《电力系统自动化》 EI CSCD 北大核心 2022年第4期188-196,共9页; 基金国家电网公司科技项目(SGSHDK00HZJS2000254)。; 文摘随着市场交易规模越来越大,交易数据量增加,结合数据进行串谋分析成为可能。为此,结合发电企业的串谋预警指标体系和无监督的变分自编码高斯混合模型(VAEGMM),实现了对发电企业串谋的智能预警。首先,提出了完善的串谋预警指标体系和详细的指标计算方法。其次,针对指标集具有高维且正负样本不均衡的数据特点,结合异常检测思想提出了VAEGMM。然后,详细阐述了VAEGMM的网络结构,并且重新构建了联合损失函数,使得该网络能够更好地学习得到原始数据的低维表达,从而有助于进行更准确的密度估计。最后,实例测算表明,与其他传统的无监督学习模型相比较,VAEGMM可以更加高效和准确地预警串谋风险。; 关键词电力市场发电企业智能预警串谋变分自编码高斯混合模型; Keywords electricity market power generation enterprise intelligent early-warning collusion variational autoencoding Gaussian mixture model(VAEGMM); 分类号 TM73 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于主成分分析和深度自编码高斯混合模型的无监督异常数据检测方法研究被引量：3: 3; 作者刘翔宇朱诗兵杨帆; 机构航天工程大学; 出处《现代电子技术》 2023年第3期75-80,共6页; 基金部委重点项目(1900)。; 文摘在异常数据检测中,由于数据量过大和数据特征维度过高,往往会导致数据标定困难、数据冗余、算法效率降低等。针对以上问题,将主成分分析(PCA)特征选择算法与深度自编码高斯混合模型(DAGMM)相结合,提出一种新的无监督异常数据检测方法PCA-DAGMM。该方法首先利用PCA特征选择算法对数据进行预处理,去除对分类效果增益较小的冗余数据,降低运算成本;然后将特征选择后的数据输入到DAGMM模型中进行训练。基于kddcup99数据集和CIC-IDS-2017数据集进行实验,并与多种特征选择算法进行对比,实验结果表明,PCA-DAGMM方法可以有效优化分类器性能,提高分类器训练效率,适用于解决网络流量异常检测问题,F1指数在kddcup99数据集和CIC-IDS-2017数据集上比DAGMM模型分别提高了4.37%和1.06%,训练时间减少了14.43%和8%。; 关键词无监督异常数据检测主成分分析特征选择深度自编码高斯混合模型密度估计联合训练; Keywords unsupervised anomaly data detection PCA feature selection DAGMM density estimation joint training; 分类号 TN919-34 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于自编码网络的空气污染物浓度预测被引量：6: 4; 作者秦东明丁志军金玉鹏赵勤; 机构同济大学嵌入式系统与服务计算教育部重点实验室上海师范大学信息与机电工程学院; 出处《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2019年第5期681-687,共7页; 基金国家自然科学基金(61572326 61702333 +5 种基金 61772366) 上海市科委创新项目(17070502800 16JC1403000) 上海市教委项目(C160049) 嵌入式系统与服务计算国家教育部重点实验室开放课题(ESSCKF 2016-01); 文摘深度学习为城市空气污染物浓度预测提供了更为强大的数据拟合能力,为空气污染预测提供全新的智能计算方法.为此,提出了一个基于自编码神经网络的污染物浓度预测模型AEPP(auto-encoder-based pollutant prediction).该模型包括编码器和解码器两个部分.其中,编码器用于提取出时间序列污染物浓度数据分布特征,即语境向量;解码器利用提取的特征预测未知时间内污染物浓度数据.模型中编码器和解码器采用多层LSTM(long short-term memory)模型结构,实现长时间依赖预测目标.实验表明,提出的模型可以提高对污染物浓度的预测水平.; 关键词空气污染预测自编码模型深度学习数值分析; Keywords air pollutant prediction auto-encoder model deep learning numerical analysis; 分类号 X502 [环境科学与工程—环境工程] TP391.6 [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ControlVAE的约束嵌入稠密时变阵列构建: 5; 作者孙文力原达姜新波; 机构山东工商学院山东高校智能信息处理重点实验室山东大学齐鲁交通学院; 出处《电子学报》 EI CAS CSCD 北大核心 2024年第1期354-363,共10页; 基金国家自然科学基金(No.62072285) 山东省重点研发计划(No.2019GGX101040)。; 文摘在对探地雷达(Ground Penetrating Radar,GPR)数据进行三维建模与可视化分析过程中,其所依赖的三维时变阵列通常是由一维数据道或二维阵列间接生成的.由于采集到的数据往往比较稀疏,且存在不规则偏移,需要进行稠密处理,以获得高密度三维时变阵列.本文提出了一种基于可控变分自编码(Controllable Variational AutoEncoder,ControlVAE)的约束嵌入稠密时变阵列构建方法 .使用基于ControlVAE的时变数据重构网络,通过隐空间采样插值和深浅层特征信息的融合,生成接近真实分布的伪道数据来增加阵列密度.构建了基于尺度不变特征变换的数据配准模块,提取道间梯度特征与结构对称性特征,可以在时空域内完成数据配准.同时将浅层特征作为约束信息嵌入数据重构网络,以消除数据道偏移对阵列生成的影响.实验结果表明,本文方法仅使用单测线二维B-scan数据集即可重建稠密时变阵列,可以有效降低重构模型累积误差,提高面对复杂真实数据时的鲁棒性.; 关键词时变阵列数据生成探地雷达约束嵌入可控变分自编码模型; Keywords time-varying array data generation ground penetrating radar constrained embedding controllable vari⁃ational autoencoder model; 分类号 TP751.1 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于多源信息融合的社交网络挖掘被引量：3: 6; 作者莫靖杰屠晨阳彭佳袁珺; 机构中国科学院数据与通信保护研究教育中心信息安全国家重点实验室; 出处《信息网络安全》 CSCD 2017年第9期73-76,共4页; 基金国家重点研发计划[2016QY03D0503] 院部战略合作专项[AQ-1708 AQ-1703]; 文摘文章提出一种基于多源信息融合隐式表达的社交网络挖掘的新思路,利用DNGR模型表征结构信息,针对LDA不能描述节点间文本相似性的问题,提出DLDA模型表征文本信息,最后利用SDAE模型进行信息融合。文章在真实数据集上对社交网络挖掘的经典任务链路预测、社区发现、异常节点发现进行实验,证明了该多源信息融合隐式表达的有效性。; 关键词多源信息融合网络隐式表达自编码模型社交网络挖掘; Keywords multi-source mfomation fusion network embeddmg autoencoder social network mining; 分类号 TP391.1 [自动化与计算机技术—计算机应用技术] TP393.09 [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	基于稳健变分自编码模型的雷达高分辨距离像目标识别算法	翟颖陈渤	《电子学报》 EI CAS CSCD 北大核心	2020	10	在线阅读下载PDF 职称材料
2	基于变分自编码高斯混合模型的发电企业串谋智能预警	华回春邓彬刘哲张立峰	《电力系统自动化》 EI CSCD 北大核心	2022	5	在线阅读下载PDF 职称材料
3	基于主成分分析和深度自编码高斯混合模型的无监督异常数据检测方法研究	刘翔宇朱诗兵杨帆	《现代电子技术》	2023	3	在线阅读下载PDF 职称材料
4	基于自编码网络的空气污染物浓度预测	秦东明丁志军金玉鹏赵勤	《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心	2019	6	在线阅读下载PDF 职称材料
5	基于ControlVAE的约束嵌入稠密时变阵列构建	孙文力原达姜新波	《电子学报》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
6	基于多源信息融合的社交网络挖掘	莫靖杰屠晨阳彭佳袁珺	《信息网络安全》 CSCD	2017	3	在线阅读下载PDF 职称材料