基于动态提示池的股票趋势预测终身学习算法

1

作者 周文瑞 孟林建 +3 位作者 綦小龙 刘艳芳 乎西旦·居马洪 林玲 《现代电子技术》 北大核心 2025年第10期63-70,共8页

股票数据属于流式数据,分布随时间变化,因此预测股票趋势极具挑战性。现有预测方法通过滚动重新训练模型来适应最新的数据分布,忽略了历史数据中的重复模式,导致灾难性遗忘,使得模型预测性能下降。针对上述问题,提出一种PoolTrain算法... 股票数据属于流式数据,分布随时间变化,因此预测股票趋势极具挑战性。现有预测方法通过滚动重新训练模型来适应最新的数据分布,忽略了历史数据中的重复模式,导致灾难性遗忘,使得模型预测性能下降。针对上述问题,提出一种PoolTrain算法。该算法首先将每次重新训练模型学到的知识存储在动态提示池中,从而在学习新任务的同时记忆旧知识;其次根据动态选择组合提示池中的知识,共同提示完成不同的数据分布任务。在CSI300数据集的实验结果表明,PoolTrain算法的信息系数IC、信息比率ICIR、排名信息系数Rank IC、排名信息系数的比率Rank ICIR与当前最优的算法DDG-DA相比,分别提升了11.5%、11.41%、0.2%、34.69%。这表明所提出的算法在股票趋势预测方面取得了更好的效果,可为投资者提供更有价值的参考信息。 展开更多

关键词 股票趋势预测 动态提示池 终身学习 滚动训练 相关系数 信息系数

在线阅读 下载PDF 职称材料

一种融合表观与属性信息的车辆重识别方法 被引量：4

2

作者 谢秀珍 罗志明 +1 位作者 连盛 李绍滋 《厦门大学学报（自然科学版）》 CAS CSCD 北大核心 2021年第1期72-79,共8页

针对基于深度学习的车辆重识别模型缺乏提取车辆局部细节描述的能力,以及不同环境下同一车辆表观特征变化显著,增加车辆重识别的难度的问题,提出一种融合多尺度车辆表观和属性信息的重识别模型.充分利用车辆颜色和车型属性在不同环境下... 针对基于深度学习的车辆重识别模型缺乏提取车辆局部细节描述的能力,以及不同环境下同一车辆表观特征变化显著,增加车辆重识别的难度的问题,提出一种融合多尺度车辆表观和属性信息的重识别模型.充分利用车辆颜色和车型属性在不同环境下较为稳定且易判断的特性,将其融合到车辆表观特征中,获得强化提升的深度特征;另外使用交叉熵损失函数与Triplet损失函数构建多任务的目标优化函数对模型进行参数训练.该方法在VeRi-776车辆数据库上的实验结果表明:通过融合颜色和车型属性特征可以明显地提高车辆重识别的准确率,并可以取得优于其他大部分对比方法的性能. 展开更多

关键词 车辆重识别 特征提取 表观信息 属性信息 特征融合

在线阅读 下载PDF 职称材料

两类动态信息模型及其应用

3

作者 张凌 任雪芳 史开泉 《计算机科学》 CSCD 北大核心 2018年第11期238-243,共6页

P-集合(P-sets)是一类具有动态特征的集合模型,在P-集合中,元素的属性满足数理逻辑中的合取范式。P-集合是把动态特性引入到有限普通元素集合(有限Cantor set)X内,来改进有限普通元素集合X而提出的。逆P-集合(Inverse P-sets)是另一类... P-集合(P-sets)是一类具有动态特征的集合模型,在P-集合中,元素的属性满足数理逻辑中的合取范式。P-集合是把动态特性引入到有限普通元素集合(有限Cantor set)X内,来改进有限普通元素集合X而提出的。逆P-集合(Inverse P-sets)是另一类具有动态特征的集合模型,在逆P-集合中元素的属性满足数理逻辑中的析取范式。逆P-集合是把动态特性引入到有限普通元素集合X内,来改进有限普通元素集合X而提出的。逆P-集合是P-集合的对偶形式。定义P-集合是一类动态信息模型,定义逆P-集合是另一类动态信息模型。文中主要介绍P-集合与逆P-集合的结构、生成与动态特征;给出P-集合、逆P-集合存在的事实;利用P-集合,给出具有属性合取范式的信息的递推-搜索发现与应用;利用逆P-集合,给出具有属性析取范式的信息的挖掘-获取与应用。P-集合、逆P-集合是研究动态信息(动态数据)应用的新模型、新方法。 展开更多

关键词 P-集合 逆P-集合 合取范式 析取范式 递推搜索-发现 挖掘-获取

在线阅读 下载PDF 职称材料

基于薄膜晶体管的铁电/驻极体协同有机光电突触

4

作者 李志达 赖秉琳 +3 位作者 李博文 王弘禹 洪上超 张国成 《光子学报》 EI CAS CSCD 北大核心 2024年第7期227-234,共8页

基于薄膜晶体管结构,在铁电突触晶体管的基础上,增加了驻极体这一功能层,制备出一种铁电/驻极体突触晶体管。与传统的铁电突触晶体管相比,其开关比增大了一个数量级,阈值电压减少了10 V。薄膜表面的均方根粗糙度从2.95 nm降到0.66 nm,... 基于薄膜晶体管结构,在铁电突触晶体管的基础上,增加了驻极体这一功能层,制备出一种铁电/驻极体突触晶体管。与传统的铁电突触晶体管相比,其开关比增大了一个数量级,阈值电压减少了10 V。薄膜表面的均方根粗糙度从2.95 nm降到0.66 nm,有利于载流子的传输。同时,在不同颜色的光照下,该器件呈现出4种不同的突触状态,多级光电突触的功能使其有望降低神经网络的复杂性。 展开更多

关键词 人工突触 薄膜晶体管 铁电突触晶体管 驻极体 光电突触。

在线阅读 下载PDF 职称材料

基于自适应邻域嵌入的无监督特征选择算法 被引量：10

5

作者 刘艳芳 李文斌 高阳 《计算机研究与发展》 EI CSCD 北大核心 2020年第8期1639-1649,共11页

无监督特征选择算法可以对高维无标记数据进行有效的降维,从而减少数据处理的时间和空间复杂度,避免算法模型出现过拟合现象.然而,现有的无监督特征选择方法大都运用k近邻法捕捉数据样本的局部几何结构,忽略了数据分布不均的问题.为了... 无监督特征选择算法可以对高维无标记数据进行有效的降维,从而减少数据处理的时间和空间复杂度,避免算法模型出现过拟合现象.然而,现有的无监督特征选择方法大都运用k近邻法捕捉数据样本的局部几何结构,忽略了数据分布不均的问题.为了解决这个问题,提出了一种基于自适应邻域嵌入的无监督特征选择(adaptive neighborhood embedding based unsupervised feature selection, ANEFS)算法,该算法根据数据集自身的分布特点确定每个样本的近邻数,进而构造样本相似矩阵,同时引入从高维空间映射到低维空间的中间矩阵,利用拉普拉斯乘子法优化目标函数进行求解.6个UCI数据集的实验结果表明:所提出的算法能够选出具有更高聚类精度和互信息的特征子集. 展开更多

关键词 K近邻 自适应邻域 流形学习 特征选择 无监督学习

在线阅读 下载PDF 职称材料

基于被动-主动的特征演化流学习 被引量：4

6

作者 刘艳芳 李文斌 高阳 《计算机研究与发展》 EI CSCD 北大核心 2021年第8期1575-1585,共11页

在许多现实应用中,数据以一种特征演化流的形式收集.例如,随着传感器的更换,由旧传感器收集的数据特征会消失,新传感器收集的数据特征会出现.在线被动主动算法已被证明可以有效地从具有固定特征空间和梯形特征空间的数据集中学习线性分... 在许多现实应用中,数据以一种特征演化流的形式收集.例如,随着传感器的更换,由旧传感器收集的数据特征会消失,新传感器收集的数据特征会出现.在线被动主动算法已被证明可以有效地从具有固定特征空间和梯形特征空间的数据集中学习线性分类器.因此,提出了一种基于被动主动更新策略的特征演化学习算法(passive-aggressive learning with feature evolvable streams,PAFE).该算法通过主动被动更新策略从当前特征空间和被恢复的已消失特征空间中学习了2个模型.具体来说,在重叠时段,即新旧特征同时存在的时段,该算法用新特征恢复了消失的特征空间,同时用旧特征空间模拟了新特征空间,进而为新特征空间的模型学习提供合理的初始化.基于这2个模型,为提高算法整体性能提出了2个集成算法:组合预测和当前最优预测.在合成数据集和真实数据集上的实验结果验证了该算法的有效性. 展开更多

关键词 在线学习 被动主动策略 监督学习 集成学习 演化特征

在线阅读 下载PDF 职称材料

特征演化的置信-加权学习方法 被引量：2

7

作者 刘艳芳 李文斌 高阳 《软件学报》 EI CSCD 北大核心 2022年第4期1315-1325,共11页

与研究固定特征空间的传统在线学习相比,特征演化学习通常假设特征不会以任意方式消失或出现,而是随着收集数据特征的硬件设备更换旧特征消失、新特征出现.然而,已有的特征演化学习方法仅利用数据流的一阶信息,而忽略可以挖掘特征之间... 与研究固定特征空间的传统在线学习相比,特征演化学习通常假设特征不会以任意方式消失或出现,而是随着收集数据特征的硬件设备更换旧特征消失、新特征出现.然而,已有的特征演化学习方法仅利用数据流的一阶信息,而忽略可以挖掘特征之间相关性和显著提高分类性能的二阶信息.提出了一种特征演化的置信-加权学习算法来解决上述问题:首先,引入二阶置信-加权来更新数据流的预测模型;接着,为了充分利用已学习的模型,在重叠时期学习线性映射来恢复旧特征;随后,用恢复的旧特征更新已有模型;同时,用新特征学习新的预测模型;继而,运用两种集成方法来利用这两种模型;实验研究表明,所提算法优于已有的特征演化学习算法. 展开更多

关键词 机器学习 二阶置信-加权 在线学习 演化特征 分类

在线阅读 下载PDF 职称材料

深度学习技术的三维激光雷达目标分割研究 被引量：1

8

作者 李晓雯 李建微 陈晓洁 《激光杂志》 北大核心 2020年第11期71-75,共5页

为解决传统雷达目标分割噪声影响以及连通性较差等问题,提出引入深度学习技术的三维激光雷达目标分割方法。分析深度学习技术工作原理,设置学习数据输入层、隐层以及输出层的单元数据组取值;根据贝叶斯概率生成模型,获取三维激光雷达目... 为解决传统雷达目标分割噪声影响以及连通性较差等问题,提出引入深度学习技术的三维激光雷达目标分割方法。分析深度学习技术工作原理,设置学习数据输入层、隐层以及输出层的单元数据组取值;根据贝叶斯概率生成模型,获取三维激光雷达目标分割的实际期望值;引入表征转换机理论,衡量目标图像与参考杂波图像间相似程度;通过回归性问题计算图像参考杂波程度较高部分并进行消除,实现三维激光雷达目标分割。实验结果表明,所提方法可有效实现三维激光雷达目标分割,且计算过程简单,目标分割准确度较高。 展开更多

关键词 深度学习 三维激光雷达 目标分割 表征转换机理论

在线阅读 下载PDF 职称材料

四元数矩阵方程AXB=C通解中的复矩阵分量极秩 被引量：3

9

作者 连德忠 谢锦山 《厦门大学学报（自然科学版）》 CAS CSCD 北大核心 2019年第4期543-546,共4页

借助四元数矩阵的复表示方式Φ(·),将四元数体上的线性矩阵方程AXB=C转换为复数域上的等价复矩阵方程Φ(A)XΦ(B)=Φ(C).同时,利用该复矩阵方程的通解和分块矩阵的极秩性质,求出原四元数矩阵方程通解中复矩阵分量集{X0}和{X1}的最... 借助四元数矩阵的复表示方式Φ(·),将四元数体上的线性矩阵方程AXB=C转换为复数域上的等价复矩阵方程Φ(A)XΦ(B)=Φ(C).同时,利用该复矩阵方程的通解和分块矩阵的极秩性质,求出原四元数矩阵方程通解中复矩阵分量集{X0}和{X1}的最大秩、最小秩公式.作为这些极秩公式的应用,推导出了该四元数矩阵方程通解中包含复矩阵解或全为复矩阵解的充要条件. 展开更多

关键词 四元数 矩阵方程 复表示 分块矩阵 极秩

在线阅读 下载PDF 职称材料

云环境下基于预算分配的科学工作流调度研究 被引量：2

10

作者 张继炎 郑汉垣 《计算机工程》 CAS CSCD 北大核心 2019年第9期40-48,共9页

云环境下的科学工作流部署不同于传统的独立任务调度,需同步考虑调度代价与时间问题。为此,提出基于预算分配的科学工作流调度方法,将工作流任务与虚拟机资源间的映射求解分为预算分配和资源提供与调度 2个阶段。为优化预算使用,设计基... 云环境下的科学工作流部署不同于传统的独立任务调度,需同步考虑调度代价与时间问题。为此,提出基于预算分配的科学工作流调度方法,将工作流任务与虚拟机资源间的映射求解分为预算分配和资源提供与调度 2个阶段。为优化预算使用,设计基于快优先的预算分配算法(FFTD)和基于慢优先的预算分配算法,实现预算在各任务间的子分配。基于任务最早完成时间的降序排列进行任务选择,在虚拟机可重用的情况下根据单个任务的子预算进行资源分配,保证工作流任务的顺利调度。引入5种常规类型的科学工作流进行实验,测试算法在不同类型工作流结构和不同预算约束下的性能,结果表明,FFTD算法在72 %、88 %、84 %的实验场景中相比BDT-AI算法具有更高的虚拟机资源利用率、预算约束满足率以及更短的调度时间,综合性能更优。 展开更多

关键词 云计算 科学工作流 预算分配 工作流调度 资源调度

在线阅读 下载PDF 职称材料

面向概念漂移数据流的在线集成自适应算法 被引量：3

11

作者 崔瑞华 綦小龙 +1 位作者 刘艳芳 林玲 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第1期134-144,共11页

概念漂移是流数据的主要特征之一,如何检测概念漂移的发生以及调整预测模型去适应概念漂移现象备受研究者的关注.目前有关概念漂移的大多数算法仅仅针对单一类型的概念漂移检测,并且需限制输入数据服从某一分布,所以在检测多种类型概念... 概念漂移是流数据的主要特征之一,如何检测概念漂移的发生以及调整预测模型去适应概念漂移现象备受研究者的关注.目前有关概念漂移的大多数算法仅仅针对单一类型的概念漂移检测,并且需限制输入数据服从某一分布,所以在检测多种类型概念漂移时效果不理想.提出一种在线集成自适应算法(KSHPR),在自适应随机森林(Adaptive Random Forests,ARF)算法和流随机补丁(Streaming Random Patch,SRP)算法的基础上进行优化改进,采用非参数检验与滑动窗口相结合的策略进行概念漂移检测,降低窗口平均值对算法性能的影响,并以此为基础建立四个基学习者的集成学习模型,根据基学习者预测准确率,动态分配权值,有效解决流式数据中学习模型精度低的问题.实验证明,提出的算法在真实数据集和合成数据集中均表现优良,与其他算法相比,该算法的稳定性、分类准确性与多类型概念漂移适应能力均有所提升. 展开更多

关键词 流数据 概念漂移 在线学习 集成

在线阅读 下载PDF 职称材料

基于三维虚拟技术的夜间低照度激光图像增强 被引量：2

12

作者 李卫华 曾崇 《激光杂志》 CAS 北大核心 2021年第9期119-123,共5页

以提升夜间低照度激光图像的清晰度与分辨率为目的,提出基于三维虚拟技术的夜间低照度激光图像增强方法。利用多尺度主特征提取法确定夜间低照度激光图像的照射分量,并对照射分量进行优化;利用优化后的照射分量计算夜间低照度激光图像... 以提升夜间低照度激光图像的清晰度与分辨率为目的,提出基于三维虚拟技术的夜间低照度激光图像增强方法。利用多尺度主特征提取法确定夜间低照度激光图像的照射分量,并对照射分量进行优化;利用优化后的照射分量计算夜间低照度激光图像的反射光;针对反射光图像进行强光及噪声抑制,设置响应权值将原夜间低照度激光图像与抑制后的反射光图像进行加权合成,得到视觉特征增强图像。对视觉特征增强图像进行细节特征增强,利用三维虚拟技术对图像进行变换,可变换激光图像局部,不仅提升激光图像局部复杂性,同时增强激光图像细节特征描述;同时利用分割重组技术提升图像真实性。测试结果显示采用该方法增强后,夜间低照度激光图像的峰值信噪比和机构相似度指数均较高,均值分别为35.04 dB和0.90。 展开更多

关键词 三维虚拟 夜间低照度 激光图像 增强 视觉特征 细节特征

在线阅读 下载PDF 职称材料

基于区域特征的长波红外偏振图像融合 被引量：2

13

作者 曾志宏 张凌 余少勇 《激光杂志》 北大核心 2020年第12期65-69,共5页

为了使长波红外偏振图像的细节更加清晰,提出一种基于区域特征的长波红外偏振图像融合方法。采用Stokes向量对原始长波红外偏振图像进行分析,获得偏振度图像和源红外光强图像;利用非下采样塔式滤波器与方向滤波器对两种图像去噪,并完成... 为了使长波红外偏振图像的细节更加清晰,提出一种基于区域特征的长波红外偏振图像融合方法。采用Stokes向量对原始长波红外偏振图像进行分析,获得偏振度图像和源红外光强图像;利用非下采样塔式滤波器与方向滤波器对两种图像去噪,并完成图像的分解与重组;凭借滤波器的纹理特征、色彩特征与形状特征对图像的红外偏振和红外光强进行融合,加强图像轮廓细节特征;通过小波变换方法,完成长波红外偏振图像内两种波段红外偏振图像融合。实验结果证明,本文方法能够更为快速地实现图像融合,并且融合的误差较低。 展开更多

关键词 长波红外 偏振图像 滤波器 图像融合 小波变换

在线阅读 下载PDF 职称材料

三维不可压Boussinesq方程组的正则性准则 被引量：1

14

作者 郭香香 郭聪冲 《中山大学学报（自然科学版）》 CAS CSCD 北大核心 2019年第2期128-134,共7页

主要考虑三维不可压Boussinesq方程组的正则性准则。证明了当速度场的部分分量满足■时,局部解可以连续延拓到端点。这一结果改进和发展了三维不可压Boussinesq方程组的正则性准则,是正则性理论的一个补充。

关键词 三维不可压Boussinesq方程组 速度场分量 正则性准则

在线阅读 下载PDF 职称材料

基于自适应邻域和自表示正则的无监督特征选择算法

15

作者 彭明 张继炎 +2 位作者 王慧玲 黄宏昆 刘艳芳 《南京理工大学学报》 CAS CSCD 北大核心 2021年第4期439-446,共8页

为了更好地预处理未标记数据,大多数基于图正则的无监督特征选择算法通过构造样本的相似性矩阵来删除冗余信息并选择具有代表性的特征子集。这些方法中的大多数图都是用固定数量的近邻数来初始化,忽略了数据分布不均匀的问题。为了解决... 为了更好地预处理未标记数据,大多数基于图正则的无监督特征选择算法通过构造样本的相似性矩阵来删除冗余信息并选择具有代表性的特征子集。这些方法中的大多数图都是用固定数量的近邻数来初始化,忽略了数据分布不均匀的问题。为了解决这个问题,提出了一种基于自适应邻域和自表示正则的无监督特征选择算法(Adaptive neighborhood regularized self-representation,ANRSR)来选择具有代表性和判别性的特征子集。为了保留局部内在结构,该算法将基于自适应邻域的流形正则化运用到自表示模型中,并利用了一种迭代方法来解决此优化问题。最后,选取4种经典的无监督特征选择算法,在几个基准数据集上进行了对比实验,验证所提算法能够选出具有更高聚类精度和互信息的判别性特征子集。 展开更多

关键词 自适应邻域 自表示 流形学习 特征选择 无监督学习

在线阅读 下载PDF 职称材料

基于Schatten-p范数和特征自表示的无监督特征选择

16

作者 彭明 张海澎 《计算机工程与应用》 CSCD 北大核心 2020年第23期45-52,共8页

特征选择是去除不相关和冗余特征,找到具有良好泛化能力的原始特征的紧凑表示,同时,数据中含有的噪声和离群点会使学习获得的系数矩阵的秩变大,使得算法无法捕捉到高维数据中真实的低秩结构。因此,利用Schatten-p范数逼近秩最小化问题... 特征选择是去除不相关和冗余特征,找到具有良好泛化能力的原始特征的紧凑表示,同时,数据中含有的噪声和离群点会使学习获得的系数矩阵的秩变大,使得算法无法捕捉到高维数据中真实的低秩结构。因此,利用Schatten-p范数逼近秩最小化问题和特征自表示重构无监督特征选择问题中的系数矩阵,建立一个基于Schatten-p范数和特征自表示的无监督特征选择(SPSR)算法,并使用增广拉格朗日乘子法和交替方向法乘子法框架进行求解。最后在6个公开数据集上与经典无监督特征选择算法进行实验比较,SPSR算法的聚类精度更高,可以有效地识别代表性特征子集。 展开更多

关键词 特征选择 无监督学习 Schatten-p范数 特征自表示

在线阅读 下载PDF 职称材料