-
题名融合CNN和WDF模型的电商企业商品销量预测研究
- 1
-
-
作者
袁瑞萍
魏辉
傅之家
李俊韬
-
机构
北京物资学院信息学院
智能物流系统北京市重点实验室
中国矿业大学(北京)管理学院
-
出处
《计算机工程与应用》
北大核心
2025年第2期335-343,共9页
-
基金
国家自然科学基金(72101033)
北京市教委科技计划重点项目(KZ202210037046)
通州区优秀科技创新团队项目(CXTD2023010)。
-
文摘
为了适应电商企业商品销量数据规模大、维度高、非线性等特征,并提高销量预测的准确性,创新性地提出一种卷积神经网络融合加权深度森林(CNN-WDF)的销量预测方法。利用卷积神经网络(CNN)处理高维数据的优势对电商企业商品销量数据进行特征提取,降低冗余度和模型训练复杂度。提出一种改进的加权深度森林模型(WDF)进行商品销量预测。该模型依据各个子树的预测准确率计算每一级森林中该子树的权重以提高整体预测准确性,且相对于传统深度网络模型具有超参数少、可解释性强等优点。利用京东商品销量数据进行实验验证,结果表明:CNN-WDF融合模型在不同规模京东销售数据集上,预测准确率均显著高于其他对比模型,且随着数据集规模的扩大,预测准确率提高更加明显。
-
关键词
商品销量预测
深度学习
融合模型
卷积神经网络
加权深度森林
-
Keywords
commodity sales forecast
deep learning
integrated model
convolutional neural network
weighted deep forest
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名动态特征剔除的无人系统视觉/惯性导航方法
被引量：4
- 2
-
-
作者
多靖赟
赵龙
赵毅琳
李俊韬
-
机构
北京物资学院智能物流系统北京市重点实验室
北京航空航天大学数字导航中心
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2023年第12期126-135,共10页
-
基金
国家自然科学基金(42274037)
航空科学基金(2022Z022051001)
+3 种基金
国家重点研发计划(2020YFB0505804)
北京市教委科技计划重点项目(KZ202210037046)
北京市通州区科技创新人才项目(JCQN2023030)
北京物资学院青年科研基金(2022XJQN22)项目资助。
-
文摘
为降低动态环境对视觉/惯性导航系统定位精度与稳定性的影响,提出了一种动态特征剔除的视觉/惯性导航方法。该方法在视觉/惯性导航系统VINS框架基础上,以结构相似度作为成本量生成端到端网络,检测环境中的动态区域;通过特征光流矢量对已检测到的动态区域进行对称光流筛选,剔除该区域内的动态特征;融合视觉和惯性测量构造代价函数,通过非线性优化方法有效估计无人系统状态。实验结果表明,动态特征剔除后的视觉/惯性导航方法具有良好的定位精度和稳定性,其位置均方根误差在EuRoC公开数据集和实际场景采集数据上分别为0.081和1.982 m,仅为VINS的35.5%和24.9%。该方法可在复杂应用环境中提供精确的位置信息,且在低成本无人系统导航定位方面具有良好的实用价值。
-
关键词
视觉/惯性导航
动态特征剔除
结构相似度
端到端网络
对称光流
-
Keywords
visual/inertial navigation
dynamic feature removal
structural similarity
end-to-end network
symmetric optical flow
-
分类号
TP242.6
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名重大传染病疫情下应急医疗物资需求预测和配置研究
被引量：6
- 3
-
-
作者
袁瑞萍
杨阳
王晓林
多靖赟
李俊韬
-
机构
北京物资学院信息学院
智能物流系统北京市重点实验室
-
出处
《安全与环境学报》
CAS
CSCD
北大核心
2024年第8期3201-3209,共9页
-
基金
国家自然科学基金项目(72101033)
北京市教委科技计划重点项目(KZ202210037046)
通州区优秀科技创新团队项目(CXTD2023010)。
-
文摘
为了科学合理地进行应急医疗物资配置,提高重大传染病疫情防控效率,根据疫情演化不同阶段的特点开展应急医疗物资需求预测和配置研究。首先,根据疫情数据特征,提出传染病模型SEIR(Susceptible Exposed Infectious Recovered)和长短期记忆(Long Short-Term Memory,LSTM)网络相结合的模型(SEIR-LSTM)预测各需求点的应急医疗物资需求量,该方法利用LSTM对时间序列数据良好的学习能力预测感染率,输入SEIR模型提高预测准确率。然后,根据传染病疫情演化关键阶段的特点,考虑物资配送成本、需求紧迫度和分配公平性等因素构建分阶段多目标物资配置模型。最后,以上海新冠肺炎疫情进行实例分析,结果表明,基于SEIR-LSTM的应急物资需求量预测方法准确率较高,根据分阶段配置模型求出的方案能够满足各个阶段物资分配的要求,验证了提出的模型和算法的有效性。
-
关键词
公共安全
重大传染病疫情
需求预测
应急物资配置
传染病模型SEIR
长短期记忆(LSTM)
-
Keywords
public safety
major infectious disease epidemic
demand forecasting
allocation of emergency medical supplies
epidemic model SEIR(Susceptible Exposed Infectious Recovered)
Long Short-Term Memory(LSTM)
-
分类号
X43
[环境科学与工程—灾害防治]
-
-
题名融合LBP和局部稀疏表示的人脸表情识别
被引量：8
- 4
-
-
作者
唐恒亮
孙艳丰
朱杰
赵明茹
-
机构
北京工业大学多媒体与智能软件技术北京市重点实验室
北京物资学院智能物流系统北京市重点实验室
-
出处
《计算机工程与应用》
CSCD
2014年第15期34-37,共4页
-
基金
国家自然科学基金(No.61171169
No.61133003)
+4 种基金
北京市自然科学基金(No.4132013)
北京市哲学社会科学规划项目(No.13JGC099)
中国博士后科学基金(No.2013M530498)
北京市博士后工作经费(No.2013ZZ18)
北京物资学院青年科研基金(No.2012XJQN018)
-
文摘
为更好获取人脸局部表情特征,提出了一种融合局部二值模式(Local Binary Pattern,LBP)和局部稀疏表示的人脸表情特征与识别方法。为深入分析表情对人脸子区域的影响,根据五官特征对人脸进行非均匀分区,并提取局部LBP特征;为精细刻画人脸局部纹理,整合人脸局部特征,设计了人脸局部稀疏重构表示方法,并根据表情对各局部子区域的影响因子,加权融合局部重构残差进行人脸表情识别。在JAFFE2表情人脸库上的对比实验,验证了该方法的可行性和鲁棒性。
-
关键词
表情识别
特征融合
局部二值模式
稀疏表示
-
Keywords
expression recognition
feature fusion
Local Binary Pattem（LBP）
sparse representation
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名不确定性条件下多阶段应急物资多式联运调度研究
被引量：20
- 5
-
-
作者
袁瑞萍
王伟
李俊韬
赵琪
-
机构
北京物资学院信息学院
智能物流系统北京市重点实验室
-
出处
《运筹与管理》
CSSCI
CSCD
北大核心
2023年第6期33-39,共7页
-
基金
国家自然科学基金资助项目(72101033,71831001)
北京市教委科技计划重点项目(KZ202210037046)
北京市通州区运河计划青年拔尖人才项目(YHQN2017014)。
-
文摘
切实可行的调度方案是保证应急救援物资及时供应的关键,应根据救援工作不同阶段的特点制订物资调度优化方案。本文根据各个救援阶段的工作重点,考虑物资调运需求及路网中断等不确定性因素,提出了一个基于多阶段的应急物资多式联运调度框架。第一阶段以物资调度时间最小为目标,第二阶段增加物资满意度目标,第三阶段增加调度成本目标,分别构建了各阶段应急物资调度优化模型,并提出了遗传算法和模拟退火相结合的启发式混合算法进行求解。最后,以雅安地震应急救援物资调度为例,分别求得了应急救援各阶段的多式联运物资调度优化方案,验证了模型和算法的可行性。
-
关键词
不确定决策
应急物流
多阶段物资调度
多式联运
-
Keywords
uncertain decisionmaking
emergency logistics
multi-stage emergency material scheduling
multi-modal transport
-
分类号
F252
[经济管理—国民经济]
-
-
题名一种基于社交网络的电子商务信任模型与仿真
被引量：4
- 6
-
-
作者
于真
朱杰
申贵成
-
机构
北京物资学院信息学院
北京市智能物流系统协同创新中心
智能物流系统北京市重点实验室
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2018年第8期3115-3123,共9页
-
基金
北京市教育委员会社科计划一般项目(SM2016 10037005)
北京物资学院高级别项目培育项目(GJB20156001)
北京物资学院科技协同攻关团队项目(2017GG04)
-
文摘
当前电子商务行业中,用户购买商品前大多需要查看针对该商品的历史评价,但是目前广泛存在的虚假推荐及海量冗余推荐问题严重影响了用户获取推荐的有效性和准确性。针对电子商务交易中信任的获取,提出一种基于社交网络的电子商务信任模型SNTrust。在SNTrust中,每个用户维护一个可信社交网络集合;模型阐述了用户在社交网络中消息扩散的拓扑结构,引入了推荐节点的综合信任度来衡量其可信程度,给出了交易的信任值求解算法。仿真实验表明,SNTrust信任模型可以有效提高电子商务的交易成功率,一定程度上遏制恶意节点行为。
-
关键词
电子商务
社交网络
信任计算
推荐
-
Keywords
e-commerce
social networks
trust computing
recommendation
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名考虑最优时滞因子时空模型的高速公路短时交通流预测
被引量：8
- 7
-
-
作者
申贵成
管水城
孙方宇
-
机构
北京物资学院信息学院
智能物流系统北京市重点实验室
-
出处
《科学技术与工程》
北大核心
2018年第24期149-156,共8页
-
基金
国家自然科学基金(J1624001)、智能物流系统北京市重点实验室(BZ0211)和北京市智能物流系统协同创新中心项目资助
-
文摘
针对高速公路短时交通流预测问题,提出了考虑最优时滞因子的高速公路时空模型。首先通过相关系数计算确定了空间状态变量的个数,随后计算获得每个变量的最优时滞次数,完成空间模型部分的数据预处理,然后分别从连续性时间序列和周期性时间序列两个方面建立时间状态变量,最后分别构建以经典的线性回归和随机森林算法为基学习器的集成预测器LR_Adaboost和RF_Adaboost,利用训练完毕的模型对兰海高速贵阳北收费站路段的实时交通流量进行预测验证,结果证明考虑最优时滞因子的时空模型相对基本的时空模型有更好的预测效果。
-
关键词
高速公路
交通流量预测
时空模型
时滞因子
ADABOOST算法
-
Keywords
highway
traffic flow prediction
spatial-temporal model
delay factor
Adaboost algorithm
-
分类号
U491.11
[交通运输工程—交通运输规划与管理]
-
-
题名基于空间可视性的星球表面巡视路径分析
被引量：2
- 8
-
-
作者
苏庆华
李俊韬
眭晓虹
袁春柱
-
机构
北京物资学院信息学院
智能物流系统北京市重点实验室
航天东方红卫星有限公司
-
出处
《航天器工程》
CSCD
北大核心
2017年第3期17-22,共6页
-
文摘
针对巡视器在着陆区内巡视效率和安全巡视率低的问题,利用着陆器相机在悬停阶段获取的实时数字高程模型(DEM)地形数据,结合并依据巡视器的结构特点、越障能力、空间可视性、科学探测价值等,提出了一种对整个区域的巡视路径分析方法。仿真结果表明:在月球巡视器结构及越障能力已知的情况下,该分析方法能提供一种可靠、高效的初始巡视路径,可为星球表面巡视规划提供参考。
-
关键词
空间可视性
越障能力
着陆区域DEM地形
初始巡视路径
-
Keywords
space-visibility
obstacle climbing capability
DEM data of landing area
initial patrol path
-
分类号
V476.3
[航空宇航科学与技术—飞行器设计]
-
