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72篇文章
< 1 2 … 4 >
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：
基于通道注意力机制增强DGNN的外骨骼机器人步态相位预测 被引量：1
1
作者 颜建军 许赢家 +2 位作者 林越 金理 江金林 《华东理工大学学报(自然科学版)》 北大核心 2025年第1期110-118,共9页
利用一种基于通道注意力机制增强的有向图神经网络(Channel Attention Enhanced Directed Graph Neural Network,CA-DGNN)的外骨骼机器人步态相位预测方法,提高了步态相位预测的准确性和可靠性。首先,研制了人体下肢姿态信息采集装置,... 利用一种基于通道注意力机制增强的有向图神经网络(Channel Attention Enhanced Directed Graph Neural Network,CA-DGNN)的外骨骼机器人步态相位预测方法,提高了步态相位预测的准确性和可靠性。首先,研制了人体下肢姿态信息采集装置,采集人体下肢的行走步态数据并构建人体下肢的骨架模型;之后,建立了基于CA-DGNN步态相位的预测模型,提取人体步态相位的运动特征,并基于当前时刻数据预测未来时刻的步态相位;最后,探讨了滑动窗口大小对算法性能的影响。本文提高了外骨骼机器人步态相位预测的准确性和鲁棒性,为此方向研究提供了一种新的思路和方法。 展开更多
关键词 步态相位预测 惯性传感器 骨架 时空图卷积网络 通道注意力机制
在线阅读 下载PDF
计及动态时空相关性的多风电场短期功率预测
2
作者 李丹 黄烽云 +3 位作者 杨帆 唐建 罗娇娇 方泽仁 《电力系统及其自动化学报》 北大核心 2025年第2期1-9,共9页
针对同一区域内多风电场出力间复杂且动态的时空相关性,提出一种基于注意力时空同步图卷积网络的多风电场短期功率预测模型。首先引入注意力机制量化天气特征对风功率的影响,构建相邻3个时间步的风功率局部时空图,卷积提取局部时空特征... 针对同一区域内多风电场出力间复杂且动态的时空相关性,提出一种基于注意力时空同步图卷积网络的多风电场短期功率预测模型。首先引入注意力机制量化天气特征对风功率的影响,构建相邻3个时间步的风功率局部时空图,卷积提取局部时空特征;然后用时空同步图卷积层聚合输入时窗的整体时空特征;最后非线性映射输出多风电场未来时段的功率预测结果。实际算例结果表明,所提模型通过学习不同天气条件下风功率的时空动态演变规律,可将多风电场日前功率预测精度提高2.10%~13.94%。 展开更多
关键词 深度学习 风电功率 相关性 时空同步图卷积网络 功率预测
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
3
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
融合同步知识和时空信息的电力系统暂态稳定评估框架 被引量：1
4
作者 刘雨晴 刘曌 +4 位作者 王小君 刘畅宇 裴玮 郄朝辉 窦嘉铭 《电网技术》 北大核心 2025年第6期2334-2346,共13页
新型电力系统复杂耦合特性和时变因素骤增,对暂态稳定评估(transientstabilityassessment,TSA)的准确性和快速性提出更高要求。深度学习算法的引入为TSA问题提供新的解决思路,但模型的结果可靠性问题制约其实际应用。因此提出一种融合... 新型电力系统复杂耦合特性和时变因素骤增,对暂态稳定评估(transientstabilityassessment,TSA)的准确性和快速性提出更高要求。深度学习算法的引入为TSA问题提供新的解决思路,但模型的结果可靠性问题制约其实际应用。因此提出一种融合同步知识和时空信息的评估框架,从电气特征选择、融入领域知识和模型内嵌可解释性方面提升评估性能与结果可信度。首先分析电气特征量与暂态稳定间的理论映射关系,引导模型特征选择;其次分析基于Kuramoto耦合振子模型的同步现象,将同步关键参数(节点耦合强度)引入图卷积神经网络(graph convolution network,GCN)的空间拓扑表示;在此基础上,结合内嵌可解释的Informer模型,提出Infor-GCN模型提取暂态过程特征时空耦合信息并进行特征增强;然后针对不同特征的稳定判别结果设计综合输出策略,提高模型结果可靠性。最后在IEEE-68节点系统的仿真算例表明所提方法在评估准确度和分析效率上具有优越性,并且在新样本下具备较强的泛化能力。 展开更多
关键词 暂态稳定评估 深度学习 图卷积神经网络 同步知识 时空特征
在线阅读 下载PDF
基于骨架识别的城轨车站监控视频乘客行为特征辨识研究 被引量：1
5
作者 管洋 贾利民 +1 位作者 陶思涵 豆飞 《都市快轨交通》 北大核心 2025年第1期106-111,共6页
城市轨道交通领域传统监控分析方法对视频监控图像(如摔倒、晕倒和打斗等异常行为识别)漏识率高、参数调整复杂,且难以高效地应用于现实城轨车站监控场景,针对此问题,采用基于骨架模式识别的人体姿态特征辨识框架,引入基于人体骨架的姿... 城市轨道交通领域传统监控分析方法对视频监控图像(如摔倒、晕倒和打斗等异常行为识别)漏识率高、参数调整复杂,且难以高效地应用于现实城轨车站监控场景,针对此问题,采用基于骨架模式识别的人体姿态特征辨识框架,引入基于人体骨架的姿态估计技术,采用Alpha Pose模型对乘客姿态进行精确估计,并结合时空图卷积网络(spatial temporal graph convolutional networks,ST-GCN)模型的方法,实现对城轨车站监控场景中异常行为的辨识。在COCO数据集和MPII数据集上分别达到了72.3 mAP和82.1 mAP的效果,相比较于Open Pose模型提升高达17%,验证了模型的有效性和实用性。结果表明,本文所提出的方法不仅提高了乘客行为的识别速度,同时具备对复杂场景的适应能力,为城轨安全监控提供一种新的技术方案。 展开更多
关键词 轨道交通 骨架识别 模式识别 城轨车站安全 乘客行为特征辨识 ST-GCN
在线阅读 下载PDF
基于自适应时空图卷积网络的航空发动机剩余寿命预测
6
作者 许丹阳 尚洁 +2 位作者 蒋琛 邱浩波 高亮 《计算机集成制造系统》 北大核心 2025年第6期2165-2177,共13页
为了深入挖掘传感器监测信号的时间域和空间域特征,全面反映健康状态进而提高故障预测精度,提出一种基于自适应时空图卷积网络(ASTGCN)的航空发动机剩余使用寿命(RUL)预测方法。首先以基于互信息的静态邻接矩阵为基础,结合参数可学习的... 为了深入挖掘传感器监测信号的时间域和空间域特征,全面反映健康状态进而提高故障预测精度,提出一种基于自适应时空图卷积网络(ASTGCN)的航空发动机剩余使用寿命(RUL)预测方法。首先以基于互信息的静态邻接矩阵为基础,结合参数可学习的动态邻接矩阵表示方法建立自适应邻接矩阵,自动调整传感器节点的空间关联,高质量构建航空发动机健康监测场景下的图结构数据;其次建立时空图卷积网络模块,分别利用一维和图卷积网络同步学习监测信号的时间和空间依赖关系,捕捉监测数据的动态时空相关性;最后将全连接层用于退化特征融合和RUL预测。采用公开的航空发动机退化数据集验证了ASTGCN的有效性和先进性。 展开更多
关键词 航空发动机 剩余使用寿命预测 数据驱动 时空图卷积网络 自适应邻接矩阵
在线阅读 下载PDF
结合互注意力空间自适应和特征对集成判别的细粒度图像分类
7
作者 李志欣 匡文兰 《广西师范大学学报(自然科学版)》 北大核心 2025年第4期69-82,共14页
细粒度图像具有类间差异小和类内区别大的特点,许多研究利用Vision Transformer挖掘关键区域特征来提升细粒度图像分类的精度,但其仍存在2个主要问题:首先,网络挖掘关键性分类线索时背景区域也考虑在内,给模型带来额外噪声干扰;其次,输... 细粒度图像具有类间差异小和类内区别大的特点,许多研究利用Vision Transformer挖掘关键区域特征来提升细粒度图像分类的精度,但其仍存在2个主要问题:首先,网络挖掘关键性分类线索时背景区域也考虑在内,给模型带来额外噪声干扰;其次,输入的图像局部嵌入特征之间欠缺空间联系,模型缺乏物体结构认知能力,导致提取的类别特征不准确。针对此问题,本文提出互注意力空间自适应和特征对集成判别2个模块。先通过互注意力空间自适应模块学习不同嵌入层的互注意力增强权重,用于选择更佳的判别性区域,通过图卷积网络自适应学习不同区域的邻接关系;再利用特征对集成判别模块考虑图像对之间的线索交互,减少细粒度图像间的混淆,在令牌特征增强策略下得出最终预测结果。本文方法在CUB-200-2011、Stanford Dogs和NABirds等3个基准数据集上测试准确率分别达到92.5%、93.3%和91.8%,优于现有许多先进方法。 展开更多
关键词 细粒度图像分类 互注意力空间自适应 特征对集成判别 图卷积网络 令牌特征增强
在线阅读 下载PDF
改进时空图卷积模型的双人交互行为识别算法
8
作者 姬晓飞 张薇 冯雅迪 《科学技术与工程》 北大核心 2025年第8期3316-3324,共9页
针对双人交互行为识别网络中存在忽略人体间的非自然连接关系和交互关系等突出问题,提出一种改进时空图卷积模型的双人交互行为识别算法。首先通过边卷积操作汇聚节点的边特征,以捕获人体的非自然连接关系;其次利用改进的关系网络,构建... 针对双人交互行为识别网络中存在忽略人体间的非自然连接关系和交互关系等突出问题,提出一种改进时空图卷积模型的双人交互行为识别算法。首先通过边卷积操作汇聚节点的边特征,以捕获人体的非自然连接关系;其次利用改进的关系网络,构建了双人之间的交互关系图;然后将边卷积操作分支及交互关系图嵌入时空图卷积网络块,分别构建为边-图卷积块和交互关系块;最后将两者高效融合,提出一个能同时捕捉非自然连接关系和交互关系的改进时空图卷积算法,从而实现双人交互行为识别。为验证网络的有效性,在国际公开大型标准数据集NTU RGB+D上进行测试。实验结果显示,该算法识别准确率达97.77%,相比于基线时空图卷积模型提升了4.28个百分点,提高了双人交互行为特征的表现力,取得了比现有先进网络模型更好的识别效果。 展开更多
关键词 双人交互行为识别 关节点数据 边卷积 关系网络 时空图卷积网络
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
9
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
面向交通流量预测的时空Graph-CoordAttention网络 被引量：2
10
作者 刘建松 康雁 +2 位作者 李浩 王韬 王海宁 《计算机科学》 CSCD 北大核心 2023年第S01期558-564,共7页
交通预测是城市智能交通系统的一个重要研究组成部分,使人们的出行更加效率和安全。由于复杂的时间和空间依赖性,准确预测交通流量仍然是一个巨大的挑战。近年来,图卷积网络(GCN)在交通预测方面表现出巨大的潜力,但基于GCN的模型往往侧... 交通预测是城市智能交通系统的一个重要研究组成部分,使人们的出行更加效率和安全。由于复杂的时间和空间依赖性,准确预测交通流量仍然是一个巨大的挑战。近年来,图卷积网络(GCN)在交通预测方面表现出巨大的潜力,但基于GCN的模型往往侧重于单独捕捉时间和空间的依赖性,忽视了时间和空间依赖性之间的动态关联性,不能很好地融合它们。此外,以前的方法使用现实世界的静态交通网络来构建空间邻接矩阵,这可能忽略了动态的空间依赖性。为了克服这些局限性,并提高模型的性能,提出了一种新颖的时空Graph-CoordAttention网络(STGCA)。具体来说,提出了时空同步模块,用来建模不同时刻的时空依赖交融关系。然后,提出了一种动态图学习的方案,基于车流量之间数据关联,挖掘出潜在的图信息。在4个公开的数据集上和现有基线模型进行对比实验,STGCA表现了优异的性能。 展开更多
关键词 交通流量预测 时空预测 图卷积网络 注意力机制 时空依赖
在线阅读 下载PDF
图卷积神经网络综述 被引量：10
11
作者 谢娟英 张建宇 《陕西师范大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第2期89-101,共13页
图卷积神经网络是图论与深度学习的交叉,已成为机器学习领域的研究热点。基于此,介绍了图卷积神经网络的形成,梳理了两大类经典的图卷积神经网络:谱方法和空间方法,详细介绍了这两类图卷积神经网络模型,分析了图卷积操作的核心理论基础... 图卷积神经网络是图论与深度学习的交叉,已成为机器学习领域的研究热点。基于此,介绍了图卷积神经网络的形成,梳理了两大类经典的图卷积神经网络:谱方法和空间方法,详细介绍了这两类图卷积神经网络模型,分析了图卷积操作的核心理论基础,介绍了图卷积神经网络在各领域的应用,总结了图卷积神经网络面临的主要挑战,展望了图卷积神经网络的发展趋势,并分析了图卷积神经网络在野外环境下蝴蝶识别任务中的潜在应用。 展开更多
关键词 图卷积神经网络 谱方法 空间方法 目标检测
在线阅读 下载PDF
基于ASTLSTM的地铁乘客流量短时预测 被引量：1
12
作者 田钊 程钰婕 +3 位作者 张乾钟 牛亚杰 刘炜 杨艳芳 《郑州大学学报（理学版）》 CAS 北大核心 2024年第5期55-61,共7页
地铁乘客流量预测是智能交通系统的重要环节,当前大多数预测模型较少对地铁乘客流量进行时空相关性建模,且未考虑空气质量等天气因素带来的影响,存在地铁乘客流量预测准确度不高的问题。针对以上问题,提出基于注意力机制的时空长短期记... 地铁乘客流量预测是智能交通系统的重要环节,当前大多数预测模型较少对地铁乘客流量进行时空相关性建模,且未考虑空气质量等天气因素带来的影响,存在地铁乘客流量预测准确度不高的问题。针对以上问题,提出基于注意力机制的时空长短期记忆(ASTLSTM)网络的地铁乘客流量短时预测模型。首先,对数据进行预处理;然后,利用注意力机制与图卷积网络(GCN)、卷积神经网络(CNN)相融合,挖掘地铁数据中的时空相关性,并通过长短期记忆网络(LSTM)来提取空气质量数据中的外部特征;最后,通过特征融合得到地铁乘客流量预测结果。实验结果表明,ASTLSTM模型与LSTM、Conv LSTM等典型模型相比,在短期的地铁乘客流量预测上都有较高的准确度。 展开更多
关键词 地铁乘客流量预测 时空特征 注意力机制 图卷积神经网络
在线阅读 下载PDF
一种改进STGCN的深地时空域地震子波提取方法 被引量：1
13
作者 戴永寿 孙家钊 +3 位作者 李泓浩 颜廷尚 孙伟峰 左琳 《石油物探》 CSCD 北大核心 2024年第6期1111-1125,1137,共16页
地震子波的准确提取可有效提高全波形反演和偏移成像等方法的准确性,对储层预测和油气分析具有重要意义。由于深层能量衰减和复杂地质构造,地震子波不仅具有时变特性,同时也具有不可忽略的空变特性。而传统时变子波提取方法仅通过单道... 地震子波的准确提取可有效提高全波形反演和偏移成像等方法的准确性,对储层预测和油气分析具有重要意义。由于深层能量衰减和复杂地质构造,地震子波不仅具有时变特性,同时也具有不可忽略的空变特性。而传统时变子波提取方法仅通过单道地震记录提取时变子波,忽略了多道地震记录之间子波的空间变化。同时,传统时空域子波提取方法,如经验模态分解(EMD)方法,对测井资料等先验信息依赖程度较高,实际应用范围受限。深度学习为时空域子波提取提供了新的思路,针对以上问题,提出了一种改进时空图卷积神经网络(STGCN)的时空域子波提取方法。首先,根据目标区地震数据分布特征与非平稳性质,建立以非平稳地震剖面为输入,时空域子波为标签的合成训练数据,再利用传统EMD时变子波提取方法逐道提取目标区子波,有针对性地构建以目标区地震剖面为输入,目标区时空域子波为标签的实际训练数据。最后,利用两种训练数据对改进后的STGCN进行训练,使其能够融合提取的子波时空特征,从而实现目标区时空域子波的有效提取。合成数据和实际地震数据的处理结果表明,该方法对于深地时空域子波的提取有效且准确,相较于传统方法更具优越性,具有较好的实际应用价值。 展开更多
关键词 深度学习 时空域子波提取 时空图卷积神经网络 时空特征
在线阅读 下载PDF
视频动作骨骼描述空间时空联合对齐小样本分类算法 被引量：1
14
作者 胡正平 王雨露 +2 位作者 张琦明 董佳伟 王昕宇 《信号处理》 CSCD 北大核心 2024年第8期1556-1568,共13页
与大数据人体动作识别相比,小样本动作识别旨在从很少标记样本中学习判别特征来识别新颖动作类别,但基于视频RGB特征描述方法中动作信息容易被与任务无关的背景、亮度和颜色变化所混淆。针对动作样本标注困难,RGB视频数据环境适应性差... 与大数据人体动作识别相比,小样本动作识别旨在从很少标记样本中学习判别特征来识别新颖动作类别,但基于视频RGB特征描述方法中动作信息容易被与任务无关的背景、亮度和颜色变化所混淆。针对动作样本标注困难,RGB视频数据环境适应性差、数据维度高问题,考虑将信息表示高效、可解释性强的骨骼描述数据与小样本学习结合提出视频动作骨骼描述空间时空联合对齐小样本分类算法。模型整体基于原型网络思想,将原始输入映射到嵌入空间中计算原型表示,并使用度量方式实现查询样本预测。特征提取时,设计时空联合注意图卷积网络作为特征编码骨干,首先对输入骨骼序列构造时空图,接着进行多层次时空图卷积及时空联合注意激活,得到对应高层次嵌入特征,其中时空联合注意模块在时空两个维度上对不同动作阶段的骨骼和关节重要度进行加权,以增强模型提取判别特征的能力;距离度量时,通过图匹配方式得到查询骨架图与支持骨架图之间的欧式距离,然后基于动态时间规整算法动态规划两个动作序列间最优匹配,计算得到骨架图对距离累积,从而增强时空特征对齐,最后通过查找最近距离以进行度量和分类。在NTU-T、NTU-S和Kinetics三个骨骼基准上的实验表明,提出算法能够充分利用人体骨骼信息,提高小样本动作识别匹配精度。 展开更多
关键词 动作识别 小样本学习 图卷积网络 时空匹配
在线阅读 下载PDF
基于GCN-LSTM组合模型的基坑钢支撑轴力时空序列预测 被引量：1
15
作者 秦世伟 朱则匀 戴自立 《防灾减灾工程学报》 CSCD 北大核心 2024年第6期1257-1264,共8页
基坑钢支撑的轴力变化是反应基坑中内力变化的重要指标,也是基坑工程灾害防治的重点研究对象。由于土体力学性质的复杂性以及受力演化的不确定性,单纯通过监测和计算难以把握基坑中实际的内力变化趋势。已有研究表明支撑轴力的演化具有... 基坑钢支撑的轴力变化是反应基坑中内力变化的重要指标,也是基坑工程灾害防治的重点研究对象。由于土体力学性质的复杂性以及受力演化的不确定性,单纯通过监测和计算难以把握基坑中实际的内力变化趋势。已有研究表明支撑轴力的演化具有典型的时序特征,可使用时间序列预测模型对数据进行预测分析,但预测精度普遍不高。基坑中多个点位的支撑轴力变化往往具有明显的空间相关性,但现有的模型无法捕捉空间信息。为解决上述问题,使用图卷积神经网络(Graph Convolutional Neural Network, GCN)和长短期记忆网络(Long Short-Term Memory, LSTM),组合构建了能捕捉数据时间和空间特征的时空序列预测模型。该模型根据实际点位的空间信息构建了邻接矩阵并生成对应的空间特征,以支撑轴力,空间信息,温度作为输入特征,来预测支撑轴力的发展趋势。使用上海某车站项目中四个具有空间相关性的点位数据进行预测分析,并将组合模型的预测结果与实测数据、单一LSTM模型预测数据进行对比,结果表明:(1)组合模型的收敛速度更快,对于长周期的数据拟合能力更强,并且能更好的反应数据的波动性;(2)组合模型的精度高于仅考虑时间序列特征的单一LSTM模型,有效提高了支撑轴力数据的预测精度。该模型可为实际工程数值预测提供计算参考。 展开更多
关键词 基坑工程 支撑轴力 空间特征 长短期记忆网络 图卷积神经网络
在线阅读 下载PDF
多视角融合的时空动态GCN城市交通流量预测 被引量：10
16
作者 赵文竹 袁冠 +3 位作者 张艳梅 乔少杰 王森章 张雷 《软件学报》 EI CSCD 北大核心 2024年第4期1751-1773,共23页
城市交通流量预测是构建绿色低碳、安全高效的智能交通系统的重要组成部分.时空图神经网络由于具有强大的时空数据表征能力,被广泛应用于城市交通流量预测.当前,时空图神经网络在城市交通流量预测中仍存在以下两方面局限性:1)直接构建... 城市交通流量预测是构建绿色低碳、安全高效的智能交通系统的重要组成部分.时空图神经网络由于具有强大的时空数据表征能力,被广泛应用于城市交通流量预测.当前,时空图神经网络在城市交通流量预测中仍存在以下两方面局限性:1)直接构建静态路网拓扑图对城市空间相关性进行表示,忽略了节点的动态交通模式,难以表达节点流量之间的时序相似性,无法捕获路网节点之间在时序上的动态关联;2)只考虑路网节点的局部空间相关性,忽略节点的全局空间相关性,无法建模交通路网中局部区域和全局空间之间的依赖关系.为打破上述局限性,提出了一种多视角融合的时空动态图卷积模型用于预测交通流量:首先,从静态空间拓扑和动态流量模式视角出发,构建路网空间结构图和动态流量关联图,并使用动态图卷积学习节点在两种视角下的特征,全面捕获城市路网中多元的空间相关性;其次,从局部视角和全局视角出发,计算路网的全局表示,将全局特征与局部特征融合,增强路网节点特征的表现力,发掘城市交通流量的整体结构特征;接下来,设计了局部卷积多头自注意力机制来获取交通数据的动态时间相关性,实现在多种时间窗口下的准确流量预测;最后,在4种真实交通数据上的实验结果,证明了该模型的有效性和准确性. 展开更多
关键词 交通流量预测 多视角时空特征 图卷积网络(GCN) 时空图数据 注意力机制
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
17
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
基于多源城市数据的空气质量预测模型 被引量：1
18
作者 毕乐 冯春芳 +2 位作者 陈湘国 魏忠诚 赵继军 《计算机工程与设计》 北大核心 2024年第7期2235-2240,F0003,共7页
针对目前空气质量预测研究方法只考虑单一站点时序特性的缺陷问题,提出一种基于多源城市数据的STRGNN模型。将相邻站点之间的空间相关性表示为距离图和相似图,根据领域类别对特征分组;将分组特征与构建的距离图和相似图成对组合输入至... 针对目前空气质量预测研究方法只考虑单一站点时序特性的缺陷问题,提出一种基于多源城市数据的STRGNN模型。将相邻站点之间的空间相关性表示为距离图和相似图,根据领域类别对特征分组;将分组特征与构建的距离图和相似图成对组合输入至模型。通过收集邻近信息捕获空气质量的空间相关性,利用叠加多层的卷积捕获空气质量的时间相关性。仿真结果表明,该模型与GRU、Seq2Seq等4个基准模型相比,在1 h-6 h预测的MAE和RMSE分别降低了3%和1%,预测效果有所提升,验证所提方法与现有方法相比具有优越性。 展开更多
关键词 空气质量预测 多源城市数据 距离图 相似图 空间相关性 时间相关性 图卷积网络
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
19
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
基于改进YOLOv7和ByteTrack的煤矿关键岗位人员不安全行为识别 被引量：11
20
作者 韩康 李敬兆 陶荣颖 《工矿自动化》 CSCD 北大核心 2024年第3期82-91,共10页
应用人工智能技术对矿井提升机司机等煤矿关键岗位人员的行为进行实时识别,防止发生设备误操作等危险情况,对保障煤矿安全生产具有重要意义。针对基于图像特征的人员行为识别方法存在的抗背景干扰能力差与实时性不足问题,提出了一种基... 应用人工智能技术对矿井提升机司机等煤矿关键岗位人员的行为进行实时识别,防止发生设备误操作等危险情况,对保障煤矿安全生产具有重要意义。针对基于图像特征的人员行为识别方法存在的抗背景干扰能力差与实时性不足问题,提出了一种基于改进YOLOv7和ByteTrack的煤矿关键岗位人员不安全行为识别方法。首先,基于MobileOne和C3对YOLOv7目标检测模型骨干与头部网络进行轻量化改进,提高模型推理速度;其次,融合ByteTrack跟踪算法,实现工作人员跟踪锁定,提高抗背景干扰能力;然后,采用MobileNetV2优化OpenPose的网络结构,提高对骨架特征的提取效率;最后,通过时空图卷积网络(ST−GCN)分析人体骨架关键点在时间序列上的空间结构和动态变化,实现对不安全行为的分析识别。实验结果表明:MobileOneC3−YOLO模型的精确率达93.7%,推理速度较YOLOv7模型提高了52%;融合ByteTrack的人员锁定模型锁定成功率达97.1%;改进OpenPose模型内存需求减少了170.3 MiB,在CPU与GPU上的推理速度分别提升了74.7%和54.9%;不安全行为识别模型对疲劳睡岗、离岗、侧身交谈和玩手机4种不安全行为的识别精确率达93.5%,推理速度达18.6帧/s。 展开更多
关键词 不安全行为识别 目标检测 姿态估计 时空图卷积网络 人员锁定 YOLOv7 ByteTrack
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 … 4 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