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486篇文章
< 1 2 … 25 >
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：
基于生成模型约束的graph cuts标签融合算法
1
作者 张令顺 马瑜 +2 位作者 芦玥 王文娜 申旺发 《计算机应用研究》 CSCD 北大核心 2020年第6期1910-1915,共6页
人脑磁共振图像(magnetic resonance imaging,MRI)分割算法易受图谱错误标签的影响,为减少错误标签对标签融合准确度的影响,提高人脑磁共振图像的分割精度,在图谱预选阶段采用梯度信息和互信息筛选出相似性较大的图谱图像,对标签融合阶... 人脑磁共振图像(magnetic resonance imaging,MRI)分割算法易受图谱错误标签的影响,为减少错误标签对标签融合准确度的影响,提高人脑磁共振图像的分割精度,在图谱预选阶段采用梯度信息和互信息筛选出相似性较大的图谱图像,对标签融合阶段提出利用生成模型(generative model,GM)约束的graph cuts标签融合方法,快速准确地分割出了人脑海马体结构。与其他的标签融合方法对比,提出的算法具有更高的分割精度。 展开更多
关键词 图谱筛选 标签融合 graph cuts 海马体分割
在线阅读 下载PDF
时序知识图谱构建研究综述 被引量：3
2
作者 陆佳民 张晶 +1 位作者 冯钧 安琪 《计算机科学与探索》 北大核心 2025年第2期295-315,共21页
知识图谱作为连接数据、知识和智能的桥梁,已被广泛应用于辅助搜索、智能推荐、问答系统、自然语言处理等多个领域。然而,随着应用场景的不断拓展,传统静态知识图谱逐渐暴露出在处理动态知识方面的局限性。时序知识图谱的出现弥补了这... 知识图谱作为连接数据、知识和智能的桥梁,已被广泛应用于辅助搜索、智能推荐、问答系统、自然语言处理等多个领域。然而,随着应用场景的不断拓展,传统静态知识图谱逐渐暴露出在处理动态知识方面的局限性。时序知识图谱的出现弥补了这一缺陷,它将时间信息融入图谱结构,能够更准确地表示知识的动态变化。对时序知识图谱的构建进行了全面的研究,介绍了时序知识图谱的概念,明确了其在处理动态知识时的价值。解析了时序知识图谱构建流程,将其核心过程划分为知识抽取、知识融合和知识计算三大环节。对每个阶段进行了梳理,明确了任务定义,总结了研究现状,并探讨了大语言模型在这些任务中的应用。在知识抽取阶段,重点关注命名实体识别、关系抽取和时间信息抽取;在知识融合阶段,探讨了实体对齐和实体链接;在知识计算阶段,聚焦于知识推理。深入分析了每个阶段面临的挑战,并针对特有挑战展望了未来的研究方向。 展开更多
关键词 时序知识图谱 知识抽取 时间信息抽取 知识融合 知识推理
在线阅读 下载PDF
VIG-SLAM:基于自适应多传感器融合的SLAM算法 被引量：1
3
作者 黄超 黄予昕 +1 位作者 杨泽彬 张毅 《电子测量与仪器学报》 北大核心 2025年第5期67-74,共8页
在缺乏全球定位系统(GPS)信号的环境中,仅依赖视觉惯性里程计的同步定位与建图(SLAM)算法虽能实现局部精确定位,但长距离移动时累积误差显著,导致定位精度下降。同时,尽管GPS能够提供全局位置信息,但在城市峡谷、隧道等复杂环境中,信号... 在缺乏全球定位系统(GPS)信号的环境中,仅依赖视觉惯性里程计的同步定位与建图(SLAM)算法虽能实现局部精确定位,但长距离移动时累积误差显著,导致定位精度下降。同时,尽管GPS能够提供全局位置信息,但在城市峡谷、隧道等复杂环境中,信号容易受到遮挡和干扰,导致定位性能不稳定,限制了其在复杂环境中的应用。为了解决上述问题,提出了VIG-SLAM算法,将视觉/惯导/轮速计紧耦合定位系统(VIW)与GPS数据进行自适应融合。首先,构建了GPS精度因子模型与异常检测机制,以评估并动态选择适合融合的高质量GPS数据。其次,提出了一种改进的自适应时间差补偿策略,解决GPS与VIW系统时间戳不匹配的问题,同时,在时间差补偿中动态调整GPS信号的权重,提升在复杂环境下的定位精度与鲁棒性。最后,构建了包含GPS约束的全局位姿图优化模型,将GPS全局定位信息作为全局约束,与VIW局部定位信息进行互补,实现大场景下的鲁棒定位。在公开数据集上以及真实实验场景中验证了所提方法的有效性,实验结果表明,相比当前主流视觉SLAM算法,提出的的VIG-SLAM算法平均定位精度至少提高15%,具有较强的鲁棒性和精度优势。 展开更多
关键词 SLAM GPS 位姿图优化 多传感器融合
在线阅读 下载PDF
多域时空层次图神经网络的空气质量预测 被引量：4
4
作者 马汉达 吴亚东 《计算机应用》 北大核心 2025年第2期444-452,共9页
在协同融合气象、空间和时间三大信息的时空混合模型中,时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题,提出一种多域时空层次图神经网络(MST-HGNN)模型。首先,构建城市全局尺度和... 在协同融合气象、空间和时间三大信息的时空混合模型中,时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题,提出一种多域时空层次图神经网络(MST-HGNN)模型。首先,构建城市全局尺度和站点局部尺度的两级层次图,从而进行空间关系学习;其次,将一维空气质量序列转换为一组基于多个周期的二维张量,并在二维空间上通过多尺度卷积进行周期解耦以捕获频域特征;同时,在一维空间中利用长短期记忆(LSTM)网络拟合时域特征;最后,为避免聚合冗余信息,设计一种门控机制融合模块用于频域和时域特征的多域特征融合。在Urban-Air数据集和长三角城市群数据集上的实验结果表明,相较于多视图多任务时空图卷积网络模型(M2),所提模型在预测第1 h、3 h、6 h、12 h空气质量的平均绝对误差(MAE)和均方根误差(RMSE)均低于对比模型。可见,MST-HGNN能在频域上解耦复杂时间模式,利用频域信息弥补时域特征建模的局限性,并结合时域信息更全面地预测空气质量变化。 展开更多
关键词 空气质量预测 多域特征融合 时空特征 周期解耦 门控机制融合 图神经网络
在线阅读 下载PDF
基于二部图和一致图学习的多视图聚类算法
5
作者 李顺勇 刘坤 +1 位作者 曹利娜 赵兴旺 《计算机应用》 北大核心 2025年第11期3583-3592,共10页
目前大多数多视图聚类算法存在融合机制不够完善、对多视图协同关系挖掘不足以及鲁棒性较弱等问题,导致聚类结果一致性偏低,且在噪声和冗余信息下的性能不够稳健。针对上述问题,提出一种基于二部图和一致图学习的多视图聚类算法(BGC-MV... 目前大多数多视图聚类算法存在融合机制不够完善、对多视图协同关系挖掘不足以及鲁棒性较弱等问题,导致聚类结果一致性偏低,且在噪声和冗余信息下的性能不够稳健。针对上述问题,提出一种基于二部图和一致图学习的多视图聚类算法(BGC-MVC),旨在通过融合各视图信息来提升聚类的一致性和互补性。该算法通过构造二部图以捕获不同视图之间的邻域关系,并通过学习一致性图强化视图间的相似性。它将原始多视图数据的嵌入整合进一个统一的框架中,结合了图学习与聚类过程,从而能提高聚类的整体效果。实验结果表明,BGC-MVC在满足收敛性条件下的准确度、F-score、归一化互信息(NMI)和纯度均有明显的提升。其中,在MSRC_v1数据集上的F-score比LMVSC(Large-scale Multi-View Subspace Clustering)算法提高了19.48个百分点,并且表现出更强的鲁棒性与准确度。 展开更多
关键词 多视图聚类 二部图 一致图 图融合 嵌入学习
在线阅读 下载PDF
基于时空图注意力网络的多变量时序数据异常检测方法
6
作者 肖刚 卢大鹏 +2 位作者 郑文博 程振波 张元鸣 《浙江大学学报(工学版)》 北大核心 2025年第10期2134-2143,共10页
现有时序数据异常检测方法侧重于提取时序数据的时间变化特征,忽略了多变量之间的空间依赖特征,为此提出基于时空图注意力网络的检测方法.将多变量时序数据转换为具有时空依赖关系的时序图结构数据,设计时空图注意力网络分别提取时序图... 现有时序数据异常检测方法侧重于提取时序数据的时间变化特征,忽略了多变量之间的空间依赖特征,为此提出基于时空图注意力网络的检测方法.将多变量时序数据转换为具有时空依赖关系的时序图结构数据,设计时空图注意力网络分别提取时序图结构数据的时间变化特征和空间依赖特征.通过多层感知机学习时空特征的周期性模式,根据时序数据的预测值与观测值的异常分数进行异常检测.在公开数据集上的实验结果表明,所提方法在异常检测精准度和鲁棒性方面显著优于现有先进的基线方法. 展开更多
关键词 异常检测 时序图 图深度学习 多变量时序数据 时空特征融合
在线阅读 下载PDF
随时间持续演化的流图神经网络
7
作者 郭虎升 张旭飞 +1 位作者 孙玉杰 王文剑 《计算机科学》 北大核心 2025年第8期118-126,共9页
流图在现实应用中广泛存在,其节点特征和结构特征会随时间推移而动态变化。尽管图神经网络在静态图节点分类中表现卓越,但其难以直接应用于流图,流图的持续演化会导致信息滞后和遗漏问题,所以模型难以准确提取流图特征。针对上述挑战,... 流图在现实应用中广泛存在,其节点特征和结构特征会随时间推移而动态变化。尽管图神经网络在静态图节点分类中表现卓越,但其难以直接应用于流图,流图的持续演化会导致信息滞后和遗漏问题,所以模型难以准确提取流图特征。针对上述挑战,提出了一种随时间持续演化的流图神经网络(Continuously Evolution Streaming Graph Neural Network,CESGNN),以解决流图节点分类问题。该方法首先通过持续更新的图卷积网络(Continuous Updates Graph Convolutional Network,CU-GCN)增量地更新参数,以适应流图节点特征的变化,缓解信息滞后问题,然后自适应扩展的图神经网络(Adaptive Deepening Graph Neural Network,AD-GNN)通过将聚合和更新操作解耦,以挖掘流图深层特征,从而缓解信息遗漏问题。CESGNN通过有机地融合原始特征、CU-GCN提取的浅层特征和AD-GNN提取的深层特征,获得更准确、全面的流图特征表示。实验结果表明,CESGNN模型对流图具有良好的适应性和稳定性,提高了流图节点分类的准确率。 展开更多
关键词 流图 图神经网络 增量更新 聚合与更新解耦 特征融合
在线阅读 下载PDF
基于多层特征融合与增强的对比图聚类
8
作者 李志明 魏贺萍 +1 位作者 张广康 尤殿龙 《计算机应用研究》 北大核心 2025年第6期1749-1754,共6页
现有大多数对比图聚类算法存在以下问题:生成节点表示时忽略了浅层网络提取的底层特征和底层结构信息;未充分利用高阶邻居节点信息;未结合置信度信息与拓扑结构信息来构建正样本对。为解决以上问题,提出了基于多层特征融合与增强的对比... 现有大多数对比图聚类算法存在以下问题:生成节点表示时忽略了浅层网络提取的底层特征和底层结构信息;未充分利用高阶邻居节点信息;未结合置信度信息与拓扑结构信息来构建正样本对。为解决以上问题,提出了基于多层特征融合与增强的对比图聚类算法。该算法首先融合不同层次网络提取的节点特征,以补充节点的底层结构信息;其次,通过节点间的局部拓扑相关性和全局语义相似度聚合节点信息,以增强节点表示的上下文约束一致性;最后,联合置信度信息和拓扑结构信息构建更多高质量正样本对,提高簇内表示一致性。实验结果表明,CGCMFFE在四种广泛使用的聚类评价指标上表现出优异的性能。理论分析和实验研究验证了CGCMFFE中节点底层特征、高阶邻居节点信息、置信度和拓扑结构信息的关键作用,证明了CGCMFFE的优越性。 展开更多
关键词 多层特征融合 对比图聚类 无监督学习
在线阅读 下载PDF
动态时序扩散和多层级细化的红外与可见光图像融合网络
9
作者 邸敬 李涵 +2 位作者 石淑慧 刘冀钊 廉敬 《通信学报》 北大核心 2025年第10期233-246,共14页
针对现有扩散模型进行红外与可见光图像融合时出现的时序梯度失稳、图像细节保留不充分等问题,提出了一种动态时序扩散和多层级细化的红外与可见光图像融合网络。首先,在动态去噪时序扩散融合模块中,使用图神经网络中间模块精准捕捉局... 针对现有扩散模型进行红外与可见光图像融合时出现的时序梯度失稳、图像细节保留不充分等问题,提出了一种动态时序扩散和多层级细化的红外与可见光图像融合网络。首先,在动态去噪时序扩散融合模块中,使用图神经网络中间模块精准捕捉局部特征并建模特征区域间的复杂关系。然后,使用动态去噪路径规划方法对反向去噪过程进行最优去噪路径划分。接着,根据最优动态去噪路径使用分段解码器进行针对性优化去噪。最后,构建了跨层级特征拼接的多层级细化模块,再次提取源图像特征与初步融合图像实现进一步的细化融合。与9种代表性融合方法进行主客观分析比较,在MSRS、M3FD和RoadScene数据集上的实验结果表明,所提方法在7个客观评价指标上都有一定的提升,在各种复杂的场景下表现优异,图像细节保留更加充分,符合人眼视觉特征。此外,目标检测下游实验也展现出所提方法的实际应用潜力。 展开更多
关键词 图像融合 红外与可见光 动态时序扩散 图神经网络 多层级细化模块
在线阅读 下载PDF
动静图融合和时序流注意力网络用于交通流预测
10
作者 闫敬 王祥 郑铮 《兵工自动化》 北大核心 2025年第5期66-70,共5页
为准确预测交通流量有利于优化交通管理、提高交通效率的问题,提出一种新的动静态图融合和时序流注意力网络。通过图卷积网络捕捉动态和静态的空间相关性,引入流注意力机制,有效缓解二次复杂度问题;设计时间相关性建模(temporal correla... 为准确预测交通流量有利于优化交通管理、提高交通效率的问题,提出一种新的动静态图融合和时序流注意力网络。通过图卷积网络捕捉动态和静态的空间相关性,引入流注意力机制,有效缓解二次复杂度问题;设计时间相关性建模(temporal correlation modeling,TCM)模块替换流注意力机制的线性变换方法,以增强模型的时序建模能力。在4个真实世界的交通数据集上进行了大量实验。实验结果表明:所提出的模型具有优越的性能,并且明显优于基线。 展开更多
关键词 交通流预测 时空相关性 流注意力机制 图卷积网络 特征融合
在线阅读 下载PDF
高速铁路技术改造和大修整治项目知识图谱构建方法
11
作者 廉小亲 包可欣 +4 位作者 张刘刚 程智博 吴艳华 高超 龚永罡 《中国铁路》 北大核心 2025年第11期113-124,共12页
为解决当前高铁技改大修项目中存在的大量半结构化和非结构化项目文本数据难以直接存储利用和管理精细化不足等问题,以某高速铁路公司2013—2022年技改大修项目文本为研究对象,提出自顶向下与自底向上相结合的方案构建技改大修知识图谱... 为解决当前高铁技改大修项目中存在的大量半结构化和非结构化项目文本数据难以直接存储利用和管理精细化不足等问题,以某高速铁路公司2013—2022年技改大修项目文本为研究对象,提出自顶向下与自底向上相结合的方案构建技改大修知识图谱。研究提出RBC命名实体识别模型来抽取知识实体;构建Prompt模板并结合大模型抽取各实体之间的关系;提出基于Stacking的文本分类算法实现技改大修项目按专业自动分类。此外,针对实体冗余不规范化的问题,采用基于Levenshtein距离的实体消歧算法进行实体融合。实验结果表明,提出的RBC实体识别模型在各类实体上的F1值均大于90%,基于Stacking的文本分类算法在项目分类中精确率均大于80%,表现优异。研究共抽取技改大修实体数量1111个,实体关系1364条,并基于此构建技改大修知识图谱,实现对技改大修项目知识的可视化展示和关联查询,为开展高铁技改大修项目精细化管理与辅助决策提供技术支撑。 展开更多
关键词 高速铁路 知识图谱 技改大修 实体识别 文本分类 知识融合
在线阅读 下载PDF
基于多语义关联与融合的视觉问答模型
12
作者 周浩 王超 +1 位作者 崔国恒 罗廷金 《计算机应用》 北大核心 2025年第3期739-745,共7页
弥合视觉图像和文本问题之间的语义差异是提高视觉问答(VQA)模型推理准确性的重要方法之一。然而现有的相关模型大多数基于低层图像特征的提取并利用注意力机制推理问题的答案,忽略了高层图像语义特征如关系和属性特征等在视觉推理中的... 弥合视觉图像和文本问题之间的语义差异是提高视觉问答(VQA)模型推理准确性的重要方法之一。然而现有的相关模型大多数基于低层图像特征的提取并利用注意力机制推理问题的答案,忽略了高层图像语义特征如关系和属性特征等在视觉推理中的作用。为解决上述问题,提出一种基于多语义关联与融合的VQA模型以建立问题与图像之间的语义联系。首先,基于场景图生成框架提取图像中的多种语义并把它们进行特征精炼后作为VQA模型的特征输入,从而充分挖掘图像场景中的信息;其次,为提高图像特征的语义价值,设计一个信息过滤器过滤图像特征中的噪声和冗余信息;最后,设计多层注意力融合和推理模块将多种图像语义分别与问题特征进行语义融合,以强化视觉图像重点区域与文本问题之间的语义关联。与BAN(Bilinear Attention Network)和CFR(Coarse-to-Fine Reasoning)模型的对比实验结果表明,所提模型在VQA2.0测试集上的准确率分别提高了2.9和0.4个百分点,在GQA测试集上的准确率分别提高了17.2和0.3个百分点。这表明所提模型能够更好地理解图像场景中的语义并回答组合式视觉问题。 展开更多
关键词 多语义特征融合 视觉问答 场景图 属性注意力 关系注意力
在线阅读 下载PDF
军事领域知识图谱构建方案及关键技术
13
作者 张杰勇 程海燕 《火力与指挥控制》 北大核心 2025年第3期186-194,共9页
我国军事化建设正处于向信息化转型的关键时期,在军事领域,实体繁多、关系冗杂,导致军事知识难以有效复用,大量军事经验被忽视和埋没。为解决这一问题,军事领域知识图谱应运而生,成为关键的解决途径之一。提出了军事领域通用的知识图谱... 我国军事化建设正处于向信息化转型的关键时期,在军事领域,实体繁多、关系冗杂,导致军事知识难以有效复用,大量军事经验被忽视和埋没。为解决这一问题,军事领域知识图谱应运而生,成为关键的解决途径之一。提出了军事领域通用的知识图谱构建流程,为后续研究提供逻辑合规的图谱构建框架,并深入分析和讨论了知识融合与知识计算环节,为后续研究提供坚实牢靠的理论基础与方法支撑。 展开更多
关键词 军事知识图谱 知识图谱构建 知识融合 知识计算
在线阅读 下载PDF
基于异构信息网络的多模态食谱表示学习方法
14
作者 张霄雁 江诗琪 孟祥福 《计算机科学与探索》 北大核心 2025年第10期2803-2814,共12页
当前食谱表示学习方法主要依赖于通过将食谱文本与图像进行对齐,或利用邻接矩阵捕捉食谱与其用料之间关系的方式,学习食谱的嵌入表示。然而,这些方法在信息融合处理上较为粗糙,未能深入挖掘不同模态之间的交叉信息,且难以有效地动态评... 当前食谱表示学习方法主要依赖于通过将食谱文本与图像进行对齐,或利用邻接矩阵捕捉食谱与其用料之间关系的方式,学习食谱的嵌入表示。然而,这些方法在信息融合处理上较为粗糙,未能深入挖掘不同模态之间的交叉信息,且难以有效地动态评估食谱组成要素之间的关联强度,导致模型的表示能力受限。针对上述问题,提出一种基于异构信息网络的多模态食谱表示学习模型(CookRec2vec)。将视觉、文本和关系信息集成到食谱嵌入中,通过自适应的邻接关系更加充分挖掘和量化食谱组成要素之间的关联信息及其强度,同时基于高阶共现矩阵的显式建模方法提供了互补信息且保留了原有特性,显著提高了食谱特征表达能力。实验结果表明,所提模型在食谱分类性能上优于现有主流方法,并在创新菜嵌入预测方面取得了显著进展。 展开更多
关键词 表示学习 图嵌入 异构信息网络 跨模态融合 对抗攻击 节点分类
在线阅读 下载PDF
自适应不完备多视角聚类
15
作者 陈梅 马学艳 +2 位作者 张弛 张锦宏 钱罗雄 《北京航空航天大学学报》 北大核心 2025年第4期1059-1073,共15页
高质量的完备初始图能够有效提高不完备多视角聚类的性能,缺失值填充不恰当会导致初始图丢失数据潜在的结构,同时,各视角的仿射图融合不完全会造成学习到的一致表征缺失视角间的互补信息。为此,提出自适应不完备多视角聚类(AIM)模型。... 高质量的完备初始图能够有效提高不完备多视角聚类的性能,缺失值填充不恰当会导致初始图丢失数据潜在的结构,同时,各视角的仿射图融合不完全会造成学习到的一致表征缺失视角间的互补信息。为此,提出自适应不完备多视角聚类(AIM)模型。在初始图构建中,AIM模型采用有效视角的相似度均值来填充对应位置的缺失值,以获取数据更加完整的潜在结构,同时引入稀疏约束来提高模型对噪声的鲁棒性;在图优化过程中,引入低秩约束捕获数据的全局结构,通过谱约束增强类内数据间的紧密性,使仿射图具有更清晰的块对角结构,并引入一致性约束最小化各视角的仿射图与一致表征之间的差异来捕获视角间的互补信息,得到具有高鉴别特征的一致鲁棒表征图。与9种不完备多视角聚类方法在真实和多种缺失率下仿真的不完备多视角数据集中进行实验对比,结果表明:AIM模型均获得了最好的聚类性能。 展开更多
关键词 自适应构图 低秩表示 图融合 图算法 不完备多视角聚类
在线阅读 下载PDF
基于张量环子空间平滑与图正则的高光谱图像超分辨率方法研究
16
作者 杨飞霞 李正 马飞 《计算机科学》 北大核心 2025年第8期240-250,共11页
针对现有经典的矩阵分解模型会导致三维数据结构信息丢失,特别是受到噪声污染时重构图像质量严重下降等问题,提出了一种子空间平滑正则化与图正则相结合的高光谱与多光谱图像融合的方法,在保持立方体结构特征的同时利用流形结构与局部... 针对现有经典的矩阵分解模型会导致三维数据结构信息丢失,特别是受到噪声污染时重构图像质量严重下降等问题,提出了一种子空间平滑正则化与图正则相结合的高光谱与多光谱图像融合的方法,在保持立方体结构特征的同时利用流形结构与局部平滑特性来实现高光谱图像超分辨率的重建。首先,利用空间子空间与光谱子空间的局部自相似性,通过张量环因子构建空间图和光谱图来挖掘空间光谱流形结构,以提升重建图像质量;其次,引入子空间平滑正则化用于促进目标图像子空间的分段平滑;最后,设计一种高效的近端交替最小化算法对所提出的算法进行求解。在3个常用的实验数据集上进行的实验表明,所提出的模型不仅能改善空间细节和结构,在一定程度上还能抑制噪声。 展开更多
关键词 高光谱图像 高光谱与多光谱图像融合 张量环分解 图正则 子空间平滑正则化
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
17
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
基于知识图谱和语义与结构融合的羊病诊断方法
18
作者 李书琴 高云帆 《农业机械学报》 北大核心 2025年第7期575-584,共10页
针对疾病诊断模型仅依靠语义特征而缺少结构特征,导致弱化诊断效果的问题,本文提出了基于知识图谱和语义与结构融合的羊病诊断方法。该方法采用双向门控循环单元(Bidirectional gated recurrent unit,BiGRU)获取症状文本的语义特征,采... 针对疾病诊断模型仅依靠语义特征而缺少结构特征,导致弱化诊断效果的问题,本文提出了基于知识图谱和语义与结构融合的羊病诊断方法。该方法采用双向门控循环单元(Bidirectional gated recurrent unit,BiGRU)获取症状文本的语义特征,采用图卷积网络(Graph convolutional network,GCN)获取症状知识图谱中潜在的结构特征。为更好地融合语义特征和结构特征,引入改进的注意力特征融合(Attentional feature fusion,AFF)模块。在羊病症状数据集Sheep上进行实验,结果表明本文模型的准确率、精确率、召回率、F1值、平均倒数排名分别达到96.86%、97.73%、97.32%、97.25%、97.49%,与TextCNN、TextRCNN、TextRNN、DPCNN、LASA、HSAN-capsule、DCDKG、CNNBiLSTM-Attention等模型对比,准确率提升0.19~1.76个百分点,精确率提升0.18~0.84个百分点,召回率提升0.14~1.21个百分点,F1值提升0.21~1.50个百分点,平均倒数排名提升0.15~0.23个百分点。同时在公开数据集Dxy和Muzhi上进行实验,模型表现出较好的鲁棒性。为增强疾病诊断的可解释性,本文提出了改进的基于梯度的显著性方法以解释诊断结果。该研究提出的融合语义和结构特征的方法有效提高了疾病诊断准确率,为羊病诊断提供技术支撑。 展开更多
关键词 羊病诊断 知识图谱 图卷积网络 可解释性 自然语言处理 多模态融合
在线阅读 下载PDF
基于图卷积特征提取的低重叠率点云配准方法
19
作者 张元 阎雨梦 +2 位作者 张乐 庞敏 韩慧妍 《激光与红外》 北大核心 2025年第6期969-977,共9页
在低重叠率点云配准中,传统方法因特征稀疏且难以匹配,在大位姿误差或复杂变换场景下容易陷入局部最优,影响配准精度。为解决这些问题,本文提出了一种渐进特征融合金字塔网络的自适应图卷积模型,通过从粗到细寻找点云之间的对应关系。... 在低重叠率点云配准中,传统方法因特征稀疏且难以匹配,在大位姿误差或复杂变换场景下容易陷入局部最优,影响配准精度。为解决这些问题,本文提出了一种渐进特征融合金字塔网络的自适应图卷积模型,通过从粗到细寻找点云之间的对应关系。首先利用自适应图卷积(AGConv)提取和编码空间特征,然后使用渐进特征金字塔网络(AFPN)跨多个尺度融合语义信息,共同提高模型在复杂三维场景理解与分析任务上的性能;其次引入几何Transformer增强模型对全局结构和关联性的理解能力,并实现高质量超点匹配;最后结合AGConv和AFPN设计了一种局部到全局的配准方法,利用骨干学习到的局部点特征并通过叠加点匹配解决全局歧义问题,提高算法鲁棒性。实验证明该网络显著提升了低重叠率点云的配准精度。 展开更多
关键词 低重叠率 三维点云 点云配准 自适应图卷积 多尺度特征融合
在线阅读 下载PDF
基于深度学习的癫痫异常信号检测和分类模型
20
作者 王剑 成婷 +1 位作者 宋政阳 张一丁 《电子测量技术》 北大核心 2025年第17期113-124,共12页
癫痫是一种常见的神经系统疾病,其诊断主要依赖于脑电信号的分析。近年来,基于深度学习的方法在癫痫检测中得到了广泛应用,但这些方法通常依赖于单一的特征提取技术,且大多忽略了EEG信号的空间域特征。为了捕捉EEG信号的空域特征,研究... 癫痫是一种常见的神经系统疾病,其诊断主要依赖于脑电信号的分析。近年来,基于深度学习的方法在癫痫检测中得到了广泛应用,但这些方法通常依赖于单一的特征提取技术,且大多忽略了EEG信号的空间域特征。为了捕捉EEG信号的空域特征,研究人员尝试引入EEG的图表示,并结合图神经网络模型进行建模。然而,现有方法的图表示通常需要每个顶点遍历所有其他顶点来构建图结构,导致较高的时间复杂度,难以满足临床实时诊断的需求。针对上述挑战,首先提出了核心邻域图结构,在此基础上,进一步提出了基于双视图输入的癫痫自动检测和分类框架——DV-SeizureNet。该框架能够同时学习EEG信号的时域、频域和空域特征,实现癫痫异常检测和发作分类。在TUSZ数据集上的实验表明,DV-SeizureNet在癫痫检测任务中达到91.4%的准确率,优于现有最先进方法2.1%。在分类任务中,模型对4种癫痫发作类型的平均分类准确率为82.8%,F1-score为81.2%。DV-SeizureNet通过双视图学习框架,全面提取并融合EEG信号的时空频域特征,在癫痫异常检测和发作分类任务中表现优越,为临床诊断提供了可靠的辅助工具。 展开更多
关键词 癫痫检测 深度学习 EEG信号 双视图学习 图卷积神经网络 多尺度特征融合
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 … 25 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