基于局部敏感布隆过滤器的工业物联网隐性异常检测 被引量：6

1

作者 肖如良 曾智霞 +1 位作者 肖晨凯 张仕 《计算机应用》 CSCD 北大核心 2021年第12期3620-3625,共6页

工业物联网(IIoT)系统中的传感器由于持续使用和正常磨损出现损坏,导致收集和记录的传感数据出现隐性异常。为解决该问题,提出一种基于局部敏感BloomFilter(LSBF)模型的异常检测算法LSBFAD。首先利用基于空间划分的快速Johnson-Lindenst... 工业物联网(IIoT)系统中的传感器由于持续使用和正常磨损出现损坏,导致收集和记录的传感数据出现隐性异常。为解决该问题,提出一种基于局部敏感BloomFilter(LSBF)模型的异常检测算法LSBFAD。首先利用基于空间划分的快速Johnson-Lindenstrauss变换(SP-FJLT)对数据进行哈希映射,然后采用相互竞争(MC)策略进行除噪,最后利用0-1编码构建BloomFilter。在SIFT、MNIST和FMA三个基准数据集上进行的仿真实验中,LSBFAD算法的误报率(FAR)均低于10%。实验结果表明,基于LSBF的异常检测算法与当前主流的异常检测算法相比,具有较高的检测率(RD)和较低的误报率,可有效应用于IIoT数据的异常检测。 展开更多

关键词 工业物联网 异常检测 布隆过滤器 快速Johnson-Lindenstrauss变换 相互竞争策略 隐性异常

在线阅读 下载PDF 职称材料

开放环境多分布特性的局部敏感哈希检索方法 被引量：13

2

作者 张仕 赖会霞 +3 位作者 肖如良 潘淼鑫 张路路 陈伟林 《软件学报》 EI CSCD 北大核心 2022年第4期1200-1217,共18页

基于局部敏感哈希的检索方法能够较好地解决高维大规模数据的近似近邻检索问题.但在开放环境下针对多种分布特性时,迄今尚未有令人满意的解决方案.利用Laplacian算子对数据分布剧烈变化敏感的特性,提出一种具有全局性、适用于开放环境... 基于局部敏感哈希的检索方法能够较好地解决高维大规模数据的近似近邻检索问题.但在开放环境下针对多种分布特性时,迄今尚未有令人满意的解决方案.利用Laplacian算子对数据分布剧烈变化敏感的特性,提出一种具有全局性、适用于开放环境下多种分布特性的基于Laplacian算子的局部敏感哈希搜索方法(LPLSH).该方法把Laplacian算子应用于数据投影的概率密度分布,找到数据投影分布的剧烈变化位置作为超平面的偏移量.从理论上证明了精简维度的哈希函数能够保持局部敏感性及低投影密度区间分割的有效性,分析了利用Laplacian算子计算的二阶导数对超平面偏移量设置的指导意义.与其他8种方法对比,LPLSH算法的F1值是其他方法最优值的0.8倍-5倍,耗费时间也大幅减少.通过对具有多种分布特性数据集上的实验验证,结果表明:LPLSH方法能够同时兼顾效率、精度和召回率,可满足开放环境下多分布特性的大规模高维检索的鲁棒性需求. 展开更多

关键词 开放环境 近似近邻检索 数据多分布特性 局部敏感哈希 数据检索

在线阅读 下载PDF 职称材料

多分支多视图的时间序列上下文对比表征学习方法

3

作者 杨光局 罗天健 +1 位作者 王开军 杨思琪 《计算机应用》 北大核心 2025年第4期1042-1052,共11页

时间序列数据在众多行业中拥有广泛应用,然而受限于标注信息的缺失和复杂的时频域多变性,针对时间序列的表征学习成为一项挑战性任务。因此,提出一种用于时间序列的多分支多视图的上下文对比表征学习(MBMVCRL)方法。首先,从时频这2个视... 时间序列数据在众多行业中拥有广泛应用,然而受限于标注信息的缺失和复杂的时频域多变性,针对时间序列的表征学习成为一项挑战性任务。因此,提出一种用于时间序列的多分支多视图的上下文对比表征学习(MBMVCRL)方法。首先,从时频这2个视角增强时间序列样本,并把结果分别输入多分支多视图模型,从而提取时间序列的多视角特征表达;其次,为进行对比表征学习,分别根据2个视角的特征表达,计算上下文对比误差和交叉预测误差,并联合训练以获取最优的特征表达;最后,为验证所提方法对时间序列的表征能力,采用仿射非负协同表征(ANCR)分类器进行下游的分类任务。实验结果表明,相较于主流的时间序列时序上下文对比学习(TS-TCC)方法,所提方法在人体动作、癫痫和睡眠状态识别任务上的识别准确率分别提升了5.15、0.90和1.89百分点。消融实验结果则表明了多分支多视图模型的重要性,强调了所提模型拥有的参数敏感性不高和收敛快的特点,可见所提模型在不同时间序列应用上具有不错的泛化性。 展开更多

关键词 时间序列 自监督学习 对比表征学习 多分支 多视图

在线阅读 下载PDF 职称材料

时间序列的鲁棒形态表征方法

4

作者 张倩婷 胡丽莹 陈黎飞 《计算机应用》 北大核心 2025年第2期436-443,共8页

鉴于时间序列数据在各个领域的广泛应用,对这些数据的可辨识特征的挖掘和表征至关重要。受数据采集环境和采集设备的影响,许多应用领域的时序数据都存在高噪声的特点,这对数据表征方法的鲁棒性提出了很高的要求。因此,提出一种时间序列... 鉴于时间序列数据在各个领域的广泛应用,对这些数据的可辨识特征的挖掘和表征至关重要。受数据采集环境和采集设备的影响,许多应用领域的时序数据都存在高噪声的特点,这对数据表征方法的鲁棒性提出了很高的要求。因此,提出一种时间序列的鲁棒形态表征方法(TRS)。该方法采用关键形态(KS)的特征提取方法,在保留可解释性的同时减少噪声的影响,并通过位置距离度量对时间序列进行表征,从而提高整个方法的鲁棒性。在受噪声干扰的时间序列数据上的实验结果表明,TRS所提取的特征在分类上显著均优于现有的方法,与同样基于形态模式提取特征的深度学习模型——对抗动态Shapelet网络(ADSN)相比,平均正确率高出2.1个百分点。可见,TRS提取的特征集更有代表性和鲁棒性。 展开更多

关键词 时间序列 关键形态 噪声 鲁棒性 表征

在线阅读 下载PDF 职称材料

运动想象脑电信号的跨被试动态多域对抗学习方法 被引量：1

5

作者 曹铉 罗天健 《计算机应用》 CSCD 北大核心 2024年第2期645-653,共9页

解码运动想象脑电(EEG)信号是构造脑机接口(BCI)的关键技术之一。然而,脑电样本采集成本高、个体差异大,且信号具有时变性强、低信噪比等特点,构建跨被试模式识别方法成为了研究的关键。为此,提出一种跨被试动态多域对抗学习方法。首先... 解码运动想象脑电(EEG)信号是构造脑机接口(BCI)的关键技术之一。然而,脑电样本采集成本高、个体差异大,且信号具有时变性强、低信噪比等特点,构建跨被试模式识别方法成为了研究的关键。为此,提出一种跨被试动态多域对抗学习方法。首先采用样本协方差对齐和全局域鉴别器适应样本集边缘分布,随后采用多个类别子域鉴别器适应样本集条件分布,并自适应学习多域鉴别器的对抗系数。基于动态多域对抗学习策略,所提出的动态多域对抗网络(DMDAN)模型可学习到被试域间有泛化能力的深度特征。在BCI Competition IV 2A和2B公开数据集上的实验结果表明,DMDAN模型提高了跨被试域不变特征的学习能力,与现有对抗学习方法DRDA(Deep Representation Domain Adaptation)相比,在数据集2A和数据集2B上的平均分类准确率分别提高了1.80和2.52个百分点。可见,所提出的DMDAN模型提升了跨被试运动想象脑电信号解码性能,在不同数据集上具有不错的泛化性。 展开更多

关键词 动态对抗学习 运动想象 脑电信号 域适应 协方差矩阵对齐

在线阅读 下载PDF 职称材料

运动想象脑电图的空域特征迁移核学习方法

6

作者 杨思琪 罗天健 +1 位作者 严宣辉 杨光局 《计算机应用》 CSCD 北大核心 2024年第11期3354-3363,共10页

运动想象脑电(MI-EEG)信号在构建临床辅助康复的无创脑机接口(BCI)中获得了广泛关注。受限于不同被试者的MI-EEG信号样本分布存在差异,跨被试MI-EEG信号的特征学习成为研究重点。然而,现有的相关方法存在域不变特征表达能力弱、时间复... 运动想象脑电(MI-EEG)信号在构建临床辅助康复的无创脑机接口(BCI)中获得了广泛关注。受限于不同被试者的MI-EEG信号样本分布存在差异,跨被试MI-EEG信号的特征学习成为研究重点。然而,现有的相关方法存在域不变特征表达能力弱、时间复杂度较高等问题,无法直接应用于在线BCI。为解决该问题,提出黎曼切空间特征迁移核学习(TKRTS)方法,并基于此构建了高效的跨被试MI-EEG信号分类算法。TKRTS方法首先将MI-EEG信号协方差矩阵投影至黎曼空间,并在黎曼空间上对齐不同被试者的协方差矩阵,同时提取黎曼切空间(RTS)特征;随后,学习RTS特征集上的域不变核矩阵,从而获得完备的跨被试MI-EEG特征表达,并通过该矩阵训练核支持向量机(KSVM)进行分类。为验证TKRTS方法的可行性与有效性,在3个公开数据集上分别进行多源域-单目标域以及单源域-单目标域的实验,平均分类准确率分别提升了0.81个百分点和0.13个百分点。实验结果表明,与主流方法对比,TKRTS方法提升了平均分类准确率并保持相似的时间复杂度。此外,消融实验结果验证了TKRTS方法对跨被试特征表达的完备性和参数不敏感性,适合构建在线脑接机口。 展开更多

关键词 运动想象 脑电信号 跨被试 黎曼切空间特征 迁移核学习

在线阅读 下载PDF 职称材料

基于核非负矩阵分解的有向图聚类算法 被引量：3

7

作者 陈献 胡丽莹 +1 位作者 林晓炜 陈黎飞 《计算机应用》 CSCD 北大核心 2021年第12期3447-3454,共8页

现有的有向图聚类算法大多基于向量空间中节点间的近似线性关系假设,忽略了节点间存在的非线性相关性。针对该问题,提出一种基于核非负矩阵分解(KNMF)的有向图聚类算法。首先,引入核学习方法将有向图的邻接矩阵投影到核空间,并通过特定... 现有的有向图聚类算法大多基于向量空间中节点间的近似线性关系假设,忽略了节点间存在的非线性相关性。针对该问题,提出一种基于核非负矩阵分解(KNMF)的有向图聚类算法。首先,引入核学习方法将有向图的邻接矩阵投影到核空间,并通过特定的正则项约束原空间及核空间中节点间的相似性。其次,提出了图正则化核非对称NMF算法的目标函数,并在非负约束条件下通过梯度下降方法推导出一个聚类算法。该算法在考虑节点连边的方向性的同时利用核学习方法建模节点间的非线性关系,从而准确地揭示有向图中潜在的结构信息。最后,在专利-引文网络(PCN)数据集上的实验结果表明,簇的数目为2时,和对比算法相比,所提算法将DB值和DQF值分别提高了约0.25和8%,取得了更好的聚类质量。 展开更多

关键词 有向图聚类 核非负矩阵分解 核学习方法 正则化 节点相似性

在线阅读 下载PDF 职称材料

类属型数据核子空间聚类算法 被引量：5

8

作者 徐鲲鹏 陈黎飞 +1 位作者 孙浩军 王备战 《软件学报》 EI CSCD 北大核心 2020年第11期3492-3505,共14页

现有的类属型数据子空间聚类方法大多基于特征间相互独立假设,未考虑属性间存在的线性或非线性相关性.提出一种类属型数据核子空间聚类方法.首先引入原作用于连续型数据的核函数将类属型数据投影到核空间,定义了核空间中特征加权的类属... 现有的类属型数据子空间聚类方法大多基于特征间相互独立假设,未考虑属性间存在的线性或非线性相关性.提出一种类属型数据核子空间聚类方法.首先引入原作用于连续型数据的核函数将类属型数据投影到核空间,定义了核空间中特征加权的类属型数据相似性度量.其次,基于该度量推导了类属型数据核子空间聚类目标函数,并提出一种高效求解该目标函数的优化方法.最后,定义了一种类属型数据核子空间聚类算法.该算法不仅在非线性空间中考虑了属性间的关系,而且在聚类过程中赋予每个属性衡量其与簇类相关程度的特征权重,实现了类属型属性的嵌入式特征选择.还定义了一个聚类有效性指标,以评价类属型数据聚类结果的质量.在合成数据和实际数据集上的实验结果表明,与现有子空间聚类算法相比,核子空间聚类算法可以发掘类属型属性间的非线性关系,并有效提高了聚类结果的质量. 展开更多

关键词 聚类 类属型数据 核方法 非线性度量 子空间

在线阅读 下载PDF 职称材料

基于自监督学习的病理图像层次分割 被引量：3

9

作者 吴崇数 林霖 +1 位作者 薛蕴菁 时鹏 《计算机应用》 CSCD 北大核心 2020年第6期1856-1862,共7页

在苏木精-伊红(HE)染色病理图像中,细胞染色分布的不均匀和各类组织形态的多样性给病理图像的自动分割带来极大挑战。为解决该问题,提出了一种基于自监督学习的病理图像三步层次分割方法,对病理图像中各类组织进行由粗略到精细的全自动... 在苏木精-伊红(HE)染色病理图像中,细胞染色分布的不均匀和各类组织形态的多样性给病理图像的自动分割带来极大挑战。为解决该问题,提出了一种基于自监督学习的病理图像三步层次分割方法,对病理图像中各类组织进行由粗略到精细的全自动逐层分割。首先,根据互信息的计算结果在RGB色彩空间中进行特征选择;其次,采用K-means聚类将图像初步分割为各类组织结构的色彩稳定区域与模糊区域;然后,以色彩稳定区域为训练集采用朴素贝叶斯分类对模糊区域进行进一步分割,得到完整的细胞核、细胞质和胞外间隙这三类组织结构;最后,对细胞核部分进行结合形状和色彩强度的混合分水岭分割得到细胞核间的精确边界,进而量化计算细胞核个数、核占比、核质比等指标。对脑膜瘤HE染色病理图像的分割实验结果表明,所提方法对于染色和细胞形态差异保持较高的鲁棒性,各类组织区域分割误差在5%以内,在细胞核分割精度的对比实验中平均正确率在96%以上,满足临床自动图像分析的要求,其量化结果可以为定量病理分析提供依据。 展开更多

关键词 病理图像 图像分割 自监督学习 K-MEANS聚类 朴素贝叶斯分类

在线阅读 下载PDF 职称材料

基于多角度多区域特征融合的苹果分类方法 被引量：4

10

作者 刘媛媛 王晖 +1 位作者 郭躬德 江楠峰 《计算机应用》 CSCD 北大核心 2018年第5期1309-1314,共6页

日常生活中人们分拣辨别不同种类的苹果需要消耗大量的人力物力,为解决这一问题,提出了一种基于多角度多区域特征融合的苹果图像分类方法。首先,收集五类总共329个苹果,使用手机摄像头从上面、下面和3个不同侧面共五个角度采集每个苹果... 日常生活中人们分拣辨别不同种类的苹果需要消耗大量的人力物力,为解决这一问题,提出了一种基于多角度多区域特征融合的苹果图像分类方法。首先,收集五类总共329个苹果,使用手机摄像头从上面、下面和3个不同侧面共五个角度采集每个苹果的图像,每个图像裁剪若干个(1~9)区域块;其次,每个区域块用颜色直方图向量来表示,多个区域块的直方图向量通过首尾相连进行融合,以此生成一个图像的表示;最后,将得到的329个样本数据用12种分类器进行分类比较。实验结果表明,当多角度多区域图像特征融合时,分类效果总是好于单角度单区域,而且越多越好;当使用5个角度的图像,每个图像裁剪9个区域时,偏最小二乘(PLS)分类器的分类精度达到97.87%,好于深度学习。所提方法操作简单、精度较高,算法复杂度为4n,n为图像裁剪区域块总数,可以推广成手机应用,并应用到更多水果和植物图像分类上。 展开更多

关键词 图像颜色直方图 多角度多区域分类 特征融合 苹果图像分类 水果和植物图像分类

在线阅读 下载PDF 职称材料

基于BERT的不完全数据情感分类 被引量：9

11

作者 罗俊 陈黎飞 《计算机应用》 CSCD 北大核心 2021年第1期139-144,共6页

不完全数据,如社交平台的互动信息、互联网电影资料库中的影评内容,广泛存在于现实生活中。而现有情感分类模型大多建立在完整的数据集上,没有考虑不完整数据对分类性能的影响。针对上述问题提出基于BERT的栈式降噪神经网络模型,用于面... 不完全数据,如社交平台的互动信息、互联网电影资料库中的影评内容,广泛存在于现实生活中。而现有情感分类模型大多建立在完整的数据集上,没有考虑不完整数据对分类性能的影响。针对上述问题提出基于BERT的栈式降噪神经网络模型,用于面向不完全数据的情感分类。该模型由栈式降噪自编码器(SDAE)和BERT两部分组成。首先将经词嵌入处理的不完全数据输入到SDAE中进行去噪训练,以提取深层特征来重构缺失词和错误词的特征表示;接着将所得输出传入BERT预训练模型中进行精化以进一步改进词的特征向量表示。在两个常用的情感数据集上的实验结果表明,所提方法在不完全数据情感分类中的F1值和准确率分别提高了约6%和5%,验证了所提模型的有效性。 展开更多

关键词 不完全数据 情感分类 BERT 栈式降噪自编码器 预训练模型

在线阅读 下载PDF 职称材料

面向时间序列的混合图像化循环胶囊分类网络

12

作者 陈容均 严宣辉 杨超城 《计算机应用》 CSCD 北大核心 2023年第3期692-699,共8页

针对时间序列图像化缺少时间关联关系与空间位置关系的问题,提出面向时间序列的混合图像化循环胶囊神经网络(FIR-Capsnet)以融合并提取时间序列图像的时空信息。首先通过格拉姆角场(GAF)、马尔可夫跃迁场(MTF)与重现图(RP)方法捕获时间... 针对时间序列图像化缺少时间关联关系与空间位置关系的问题,提出面向时间序列的混合图像化循环胶囊神经网络(FIR-Capsnet)以融合并提取时间序列图像的时空信息。首先通过格拉姆角场(GAF)、马尔可夫跃迁场(MTF)与重现图(RP)方法捕获时间序列图像的多水平时空特征;然后利用胶囊神经网络的旋转不变性与路由迭代算法学习时间序列图像的空间关系;最后引入长短时记忆(LSTM)网络的门机制学习时间序列数据隐含的时间关联性。实验结果表明,FIR-Capsnet在30个UCR公开数据集上取得15次胜利;并且在人体活动识别(HAR)数据集上相较于Fusion-CNN、FIR-Capsnet的分类准确率提高7.2个百分点,说明了FIR-Capsnet处理时序数据的优势。 展开更多

关键词 模式识别 时间序列分类 深度学习 时间序列图像化 循环胶囊神经网络

在线阅读 下载PDF 职称材料