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1,001篇文章
< 1 2 … 51 >
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：
深度学习在图像识别中的应用研究综述 被引量：400
1
作者 郑远攀 李广阳 李晔 《计算机工程与应用》 CSCD 北大核心 2019年第12期20-36,共17页
深度学习作为图像识别领域重要的技术手段,有着广阔的应用前景,开展图像识别技术研究对推动计算机视觉及人工智能的发展具有重要的理论价值和现实意义,文中对深度学习在图像识别中的应用给予综述。介绍了深度学习的由来,具体分析了深度... 深度学习作为图像识别领域重要的技术手段,有着广阔的应用前景,开展图像识别技术研究对推动计算机视觉及人工智能的发展具有重要的理论价值和现实意义,文中对深度学习在图像识别中的应用给予综述。介绍了深度学习的由来,具体分析了深度信念网络、卷积神经网络、循环神经网络、生成式对抗网络以及胶囊网络等深度学习模型,对各个深度学习模型的改进型模型逐一对比分析。总结近年来深度学习在人脸识别、医学图像识别、遥感图像分类等图像识别应用领域取得的研究成果并探讨了已有研究值得商榷之处,对深度学习在图像识别领域中的发展趋势进行探讨,指出有效使用迁移学习技术识别小样本数据,使用非监督与半监督学习对图像进行识别,如何对视频图像进行有效识别以及强化模型的理论性等是该领域研究的进一步方向。 展开更多
关键词 深度学习 图像识别 卷积神经网络 胶囊网络 迁移学习 非监督学习
下载PDF
自编码神经网络理论及应用综述 被引量：152
2
作者 袁非牛 章琳 +2 位作者 史劲亭 夏雪 李钢 《计算机学报》 EI CSCD 北大核心 2019年第1期203-230,共28页
自编码器是深度学习中的一种非常重要的无监督学习方法,能够从大量无标签的数据中自动学习,得到蕴含在数据中的有效特征.因此,自编码方法近年来受到了广泛的关注,已成功应用于很多领域,例如数据分类、模式识别、异常检测、数据生成等.... 自编码器是深度学习中的一种非常重要的无监督学习方法,能够从大量无标签的数据中自动学习,得到蕴含在数据中的有效特征.因此,自编码方法近年来受到了广泛的关注,已成功应用于很多领域,例如数据分类、模式识别、异常检测、数据生成等.该文对传统自编码基础理论、自编码方法、改进技术以及应用领域进行了比较全面的综述.首先,该文介绍传统自编码基础理论与实现方法,分析自编码器的一般处理框架.然后,讨论现有各种改进的自编码器,分析这些方法的创新点、所要达成的目的和可能存在的问题.随后,该文介绍自编码器的实际应用领域,分析这些领域的代表性自编码算法,并详细地分析、比较和总结这些方法的特点.最后,总结现有方法存在的问题,并探讨了自编码器的将来发展趋势和可能挑战. 展开更多
关键词 自编码器 深度学习 无监督学习 特征学习 约束
下载PDF
基于无监督学习的电力用户异常用电模式检测 被引量：145
3
作者 庄池杰 张斌 +2 位作者 胡军 李秋硕 曾嵘 《中国电机工程学报》 EI CSCD 北大核心 2016年第2期379-387,共9页
检测异常用电模式的主要目的在于降低非技术性损失(non-technical losses,NTL),降低电力公司的运营成本。该文提出了基于无监督学习的异常用电模式检测模型,适用于电力用户数据集缺乏训练样本的情况。该模型包括特征提取、主成分分析、... 检测异常用电模式的主要目的在于降低非技术性损失(non-technical losses,NTL),降低电力公司的运营成本。该文提出了基于无监督学习的异常用电模式检测模型,适用于电力用户数据集缺乏训练样本的情况。该模型包括特征提取、主成分分析、网格处理、计算局部离群因子等模块。首先提取多个表征用户用电模式的特征量,通过主成分分析将每个用户映射到二维平面,实现数据可视化并便于计算局部离群因子。网格处理技术筛选出低密度区域的数据点,显著提升了算法效率。该模型输出所有用户用电行为的异常度及疑似概率排序,研究结果表明利用该排序,只需要检测异常度排序靠前的少数用户即可查出大部分异常用户。 展开更多
关键词 用电模式 电力大数据 异常检测 无监督学习 局部离群因子 反窃电技术
下载PDF
基于核方法的模糊聚类算法 被引量：75
4
作者 伍忠东 高新波 谢维信 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2004年第4期533-537,共5页
将核方法的思想推广到模糊C 均值算法,构造了基于核函数的模糊核C 均值算法,使其能够聚类非超球体数据、被噪声污染数据、多种模式原型混合数据、不对称数据等多种数据结构,并指出一阶多项式模糊核C 均值算法等价于模糊C 均值算法.人工... 将核方法的思想推广到模糊C 均值算法,构造了基于核函数的模糊核C 均值算法,使其能够聚类非超球体数据、被噪声污染数据、多种模式原型混合数据、不对称数据等多种数据结构,并指出一阶多项式模糊核C 均值算法等价于模糊C 均值算法.人工和实际数据的实验结果表明,与模糊C 均值算法相比,模糊核C 均值算法在多种数据结构条件下可以有效地进行聚类. 展开更多
关键词 聚类分析 模糊C-均值 核方法 无监督学习
下载PDF
机器学习及其相关算法综述 被引量：85
5
作者 陈凯 朱钰 《统计与信息论坛》 2007年第5期105-112,共8页
自从计算机被发明以来,人们就想知道它能不能学习。机器学习从本质上是一个多学科的领域。它吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果。文章主要从统计学习基础的角度对机器... 自从计算机被发明以来,人们就想知道它能不能学习。机器学习从本质上是一个多学科的领域。它吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果。文章主要从统计学习基础的角度对机器学习的发展历程以及一些相关的常用算法进行了简要的回顾和介绍。 展开更多
关键词 机器学习 有指导学习 无指导学习 半指导学习
下载PDF
SOM神经网络算法的研究与进展 被引量：78
6
作者 杨占华 杨燕 《计算机工程》 EI CAS CSCD 北大核心 2006年第16期201-202,228,共3页
自组织映射(Self-organizingMaps,SOM)算法是一种无导师学习方法,具有良好的自组织、可视化等特性,已经得到了广泛的应用和研究。该文系统地介绍了SOM算法的产生背景、基本算法。同时对SOM算法的参数设置和其不足进行了分析。重点归纳... 自组织映射(Self-organizingMaps,SOM)算法是一种无导师学习方法,具有良好的自组织、可视化等特性,已经得到了广泛的应用和研究。该文系统地介绍了SOM算法的产生背景、基本算法。同时对SOM算法的参数设置和其不足进行了分析。重点归纳了其发展过程中的各种改进算法,并对其研究热点及应用领域作了简要的综述,最后展望了该算法的发展方向。 展开更多
关键词 神经网络 自组织映射(SOM) 改进算法 无导师学习 神经元
下载PDF
生成对抗网络GAN综述 被引量：79
7
作者 梁俊杰 韦舰晶 蒋正锋 《计算机科学与探索》 CSCD 北大核心 2020年第1期1-17,共17页
生成对抗网络(GAN)作为一种新的无监督学习算法框架得到越来越多研究者的青睐,已然成为当下的一个研究热点。GAN受启发于博弈论中的二人零和博弈理论,其独特的对抗训练思想能生成高质量的样本,具有比传统机器学习算法更加强大的特征学... 生成对抗网络(GAN)作为一种新的无监督学习算法框架得到越来越多研究者的青睐,已然成为当下的一个研究热点。GAN受启发于博弈论中的二人零和博弈理论,其独特的对抗训练思想能生成高质量的样本,具有比传统机器学习算法更加强大的特征学习和特征表达能力。目前GAN在计算机视觉领域尤其是在样本生成领域取得显著成功,每年有大量GAN相关研究的论文产出。针对GAN这一热点模型,首先介绍了GAN的研究现状;接着介绍了GAN的理论、框架,详细分析了GAN在训练过程中存在梯度消失和模式崩溃的原因;然后讨论了一些典型的GAN的改进模型,总结了它们理论的改进之处、优点、局限性、应用场景以及实现成本,同时还将GAN与VAE、RBM模型进行比较,总结出GAN的优势和劣势;最后展示了GAN在数据生成、图像超分辨率、图像风格转换等方面的应用成果,并探讨了GAN目前面临的挑战以及未来的研究方向。 展开更多
关键词 机器学习 无监督学习 生成对抗网络(GAN) 梯度消失 模式崩溃
下载PDF
变分自编码器模型综述 被引量：67
8
作者 翟正利 梁振明 +1 位作者 周炜 孙霞 《计算机工程与应用》 CSCD 北大核心 2019年第3期1-9,共9页
变分自编码器(VAE)作为深度隐空间生成模型的一种,近年来其表现性能取得了极大的成功,尤其是在图像生成方面。变分自编码器模型作为无监督式特征学习的重要工具之一,可以通过学习隐编码空间与数据生成空间的特征映射,进而在输出端重构... 变分自编码器(VAE)作为深度隐空间生成模型的一种,近年来其表现性能取得了极大的成功,尤其是在图像生成方面。变分自编码器模型作为无监督式特征学习的重要工具之一,可以通过学习隐编码空间与数据生成空间的特征映射,进而在输出端重构生成输入数据。梳理了传统变分自编码器模型及其衍生变体模型的发展与研究现状,并就此做了总结和对比,最后分析了变分自编码器模型存在的问题与挑战,并就可能的发展趋势做了展望。 展开更多
关键词 深度隐空间生成模型 无监督学习 变分自编码器 图像生成
下载PDF
自编码器及其应用综述 被引量：54
9
作者 来杰 王晓丹 +2 位作者 向前 宋亚飞 权文 《通信学报》 EI CSCD 北大核心 2021年第9期218-230,共13页
自编码器作为典型的深度无监督学习模型,能够从无标签样本中自动学习样本的有效抽象特征。近年来,自编码器受到广泛关注,已应用于目标识别、入侵检测、故障诊断等众多领域中。基于此,对自编码器的理论基础、改进技术、应用领域与研究方... 自编码器作为典型的深度无监督学习模型,能够从无标签样本中自动学习样本的有效抽象特征。近年来,自编码器受到广泛关注,已应用于目标识别、入侵检测、故障诊断等众多领域中。基于此,对自编码器的理论基础、改进技术、应用领域与研究方向进行了较全面的阐述与总结。首先,介绍了传统自编码器的网络结构与理论推导,分析了自编码器的算法流程,并与其他无监督学习算法进行了比较。然后,讨论了常用的自编码器改进算法,分析了其出发点、改进方式与优缺点。接着,介绍了自编码器在目标识别、入侵检测等具体领域的实际应用现状。最后,总结了现有自编码器及其改进算法存在的问题,并展望了自编码器的研究方向。 展开更多
关键词 自编码器 深度学习 无监督学习 特征提取 正则化
下载PDF
DBN网络的深度确定方法 被引量：53
10
作者 潘广源 柴伟 乔俊飞 《控制与决策》 EI CSCD 北大核心 2015年第2期256-260,共5页
针对DBN网络隐含层层数难以选择的问题,首先从数学生物学角度分析了随机初始化的梯度下降法导致网络训练失败的原因,并进行验证,证明了RBM重构误差与网络能量的正相关定理;然后根据隐含层和误差的关系,提出一种基于重构误差的网络深度... 针对DBN网络隐含层层数难以选择的问题,首先从数学生物学角度分析了随机初始化的梯度下降法导致网络训练失败的原因,并进行验证,证明了RBM重构误差与网络能量的正相关定理;然后根据隐含层和误差的关系,提出一种基于重构误差的网络深度判断方法,在训练过程中自组织地训练网络,使其能够以一种接近人类处理问题的方式解决AI问题.手写数字识别的实验表明,该方法能够有效提高运算效率,降低运算成本. 展开更多
关键词 深度信念网络 网络深度 无监督学习 数字识别
原文传递
深度学习中的无监督学习方法综述 被引量：49
11
作者 殷瑞刚 魏帅 +1 位作者 李晗 于洪 《计算机系统应用》 2016年第8期1-7,共7页
从2006年开始,深度神经网络在图像/语音识别、自动驾驶等大数据处理和人工智能领域中都取得了巨大成功,其中无监督学习方法作为深度神经网络中的预训练方法为深度神经网络的成功起到了非常重要的作用.为此,对深度学习中的无监督学习方... 从2006年开始,深度神经网络在图像/语音识别、自动驾驶等大数据处理和人工智能领域中都取得了巨大成功,其中无监督学习方法作为深度神经网络中的预训练方法为深度神经网络的成功起到了非常重要的作用.为此,对深度学习中的无监督学习方法进行了介绍和分析,主要总结了两类常用的无监督学习方法,即确定型的自编码方法和基于概率型受限玻尔兹曼机的对比散度等学习方法,并介绍了这两类方法在深度学习系统中的应用,最后对无监督学习面临的问题和挑战进行了总结和展望. 展开更多
关键词 自编码 受限玻尔兹曼机 无监督学习 深度学习 神经网络
下载PDF
基于深度学习理论的轴承状态识别研究 被引量：45
12
作者 郭亮 高宏力 +1 位作者 张一文 黄海凤 《振动与冲击》 EI CSCD 北大核心 2016年第12期167-171,195,共6页
针对滚动轴承振动数据耦合程度高,信号特征提取和识别模型建立困难的问题,提出了一种基于深度学习理论的状态监测方法。提取振动信号的时域、频域和时频域特征构成特征向量;通过稀疏自编码非监督学习网络对输入向量进行特征学习,并将单... 针对滚动轴承振动数据耦合程度高,信号特征提取和识别模型建立困难的问题,提出了一种基于深度学习理论的状态监测方法。提取振动信号的时域、频域和时频域特征构成特征向量;通过稀疏自编码非监督学习网络对输入向量进行特征学习,并将单层网络叠加构成深度神经网络;最后采用少量有标签数据对整个深度神经网络进行微调训练,建立轴承状态监测模型。试验结果表明,提出的方法对于轴承状态识别准确率达到90.86%,且性能退化阶段识别率最高,能满足视情维修的工程需求。 展开更多
关键词 深度学习 非监督学习 滚动轴承 视情维修
下载PDF
异常检测综述 被引量：41
13
作者 陈斌 陈松灿 +1 位作者 潘志松 李斌 《山东大学学报（工学版）》 CAS 北大核心 2009年第6期13-23,共11页
异常检测旨在检测出不符合期望行为的数据,因而适合应用于故障诊断、入侵和欺诈检测以及数据预处理等多个领域.针对目前众多的专用和通用异常检测方法,本文侧重对基于统计的主流异常检测方法进行了回顾,力图提供一个新的结构化的异常检... 异常检测旨在检测出不符合期望行为的数据,因而适合应用于故障诊断、入侵和欺诈检测以及数据预处理等多个领域.针对目前众多的专用和通用异常检测方法,本文侧重对基于统计的主流异常检测方法进行了回顾,力图提供一个新的结构化的异常检测方法的认识框架,并依据其监督和无监督学习算法的原理进行了简单分类,特别对部分异常检测方法间的等价性进行了深入探讨. 展开更多
关键词 异常检测 统计 监督学习 无监督学习
原文传递
基于K-均值聚类的无监督的特征选择方法 被引量：29
14
作者 张莉 孙钢 郭军 《计算机应用研究》 CSCD 北大核心 2005年第3期23-24,42,共3页
模式识别方法首先要解决的一个问题就是特征选择,目前许多方法考虑了有监督学习的特征选择问题,对无监督学习的特征选择问题却涉及得很少。依据特征对分类结果的影响和特征之间相关性分析两个方面提出了一种基于K 均值聚类方法的特征选... 模式识别方法首先要解决的一个问题就是特征选择,目前许多方法考虑了有监督学习的特征选择问题,对无监督学习的特征选择问题却涉及得很少。依据特征对分类结果的影响和特征之间相关性分析两个方面提出了一种基于K 均值聚类方法的特征选择算法,用于无监督学习的特征选择问题。 展开更多
关键词 特征选择 相关性分析 无监督学习 聚类
下载PDF
基于深度学习的轴承健康因子无监督构建方法 被引量：36
15
作者 赵光权 刘小勇 +1 位作者 姜泽东 胡聪 《仪器仪表学报》 EI CAS CSCD 北大核心 2018年第6期82-88,共7页
传统的轴承健康因子（HI）构建方法一般需要由人工进行特征提取、特征选择、特征融合,并需要依赖大量专家经验和信号处理技术,且需要预先设计训练标签,过程费时费力,方法不具有通用性。因此,提出一种新的基于堆叠去噪自编码器（SDAE）... 传统的轴承健康因子（HI）构建方法一般需要由人工进行特征提取、特征选择、特征融合,并需要依赖大量专家经验和信号处理技术,且需要预先设计训练标签,过程费时费力,方法不具有通用性。因此,提出一种新的基于堆叠去噪自编码器（SDAE）的轴承HI无监督构建方法,利用去噪自动编码机深层结构直接对原始轴承振动信号进行无监督的自适应特征提取,进而输入到自组织映射网络进行特征降维从而获取轴承的健康状态表征值。在PHM2012轴承数据集上的实验结果表明,构建出的轴承HI曲线可以较好地反映轴承全寿命周期内的退化过程,相比于传统的HI构建方法具备更好的时间关联性和单调性,并且该方法无需依赖复杂的信号处理方法,整个过程以无监督的方式进行,具备一定的通用性。 展开更多
关键词 轴承健康因子 深度学习 去噪自编码器 无监督学习
下载PDF
基于大数据的电梯故障诊断与预测研究 被引量：34
16
作者 陈志平 汪赞 +3 位作者 张国安 李春光 李哲威 何平 《机电工程》 CAS 北大核心 2019年第1期90-94,共5页
为了研究大数据分析方法在电梯故障诊断与预测中的可行性,首先收集了海量的电梯检验数据,并对其中有关电梯轿厢振动的数据进行了特征参数的提取;然后构建了采用大数据分析方法诊断与预测电梯故障隐患的总体方案,通过监督学习与非监督学... 为了研究大数据分析方法在电梯故障诊断与预测中的可行性,首先收集了海量的电梯检验数据,并对其中有关电梯轿厢振动的数据进行了特征参数的提取;然后构建了采用大数据分析方法诊断与预测电梯故障隐患的总体方案,通过监督学习与非监督学习的数据挖掘手段,对所提取到的电梯轿厢振动特征参数进行了充分的数据挖掘与分析,找出了电梯机械系统各种故障隐患与电梯运行时轿厢振动监测信号之间的内在关系,最终根据电梯轿厢振动特征量的大小及其变化趋势,诊断和预测电梯机械系统的各种故障隐患。研究结果表明:大数据分析方法可准确地对电梯机械系统故障进行诊断与预测。 展开更多
关键词 电梯 故障诊断与预测 大数据 监督学习 非监督学习
下载PDF
机器学习经典算法及其应用研究综述 被引量：32
17
作者 徐洪学 孙万有 +1 位作者 杜英魁 汪安祺 《电脑知识与技术》 2020年第33期17-19,共3页
机器学习是人工智能的一个重要子领域,是现阶段人工智能和数据分析领域的重点研究方向之一,我们有必要对机器学习有个全面而深刻的认识理解。根据训练样本及反馈方式的不同对机器学习算法分为监督学习、无监督学习及强化学习三类,介绍... 机器学习是人工智能的一个重要子领域,是现阶段人工智能和数据分析领域的重点研究方向之一,我们有必要对机器学习有个全面而深刻的认识理解。根据训练样本及反馈方式的不同对机器学习算法分为监督学习、无监督学习及强化学习三类,介绍机器学习领域有代表性的若干经典算法及其应用,最后对机器学习算法的发展前景进行展望。 展开更多
关键词 机器学习 监督学习 无监督学习 强化学习 深度学习
下载PDF
基于稀疏自编码深度神经网络的林火图像分类 被引量：34
18
作者 王勇 赵俭辉 +1 位作者 章登义 叶威 《计算机工程与应用》 CSCD 2014年第24期173-177,共5页
针对林火与相似目标很难区分的问题,提出一种基于稀疏自编码深度神经网络的林火图像分类新方法。采用无监督的特征学习算法稀疏自编码从无标签图像小块中学习特征参数,完成深度神经网络的训练;利用学习到的特征从原始大小分类图像中提... 针对林火与相似目标很难区分的问题,提出一种基于稀疏自编码深度神经网络的林火图像分类新方法。采用无监督的特征学习算法稀疏自编码从无标签图像小块中学习特征参数,完成深度神经网络的训练;利用学习到的特征从原始大小分类图像中提取特征并卷积和均值池化特征;对卷积和池化后的特征采用softmax回归来训练最终softmax分类器。实验结果表明,跟传统的BP神经网络相比,新方法能够更有效区分林火与红旗、红叶等类似物体。 展开更多
关键词 稀疏自编码 无监督学习 卷积与池化 softmax回归
下载PDF
基于情绪知识的中文微博情感分类方法 被引量：32
19
作者 庞磊 李寿山 周国栋 《计算机工程》 CAS CSCD 2012年第13期156-158,162,共4页
通过对新浪微博文本进行情感信息方面的分析与研究,提出一种基于情绪知识的非监督情感分类方法。利用情绪词和表情图片2种情绪知识对大规模微博非标注语料进行筛选并自动标注,用自动标注好的语料作为训练集构建微博情感文本分类器,对微... 通过对新浪微博文本进行情感信息方面的分析与研究,提出一种基于情绪知识的非监督情感分类方法。利用情绪词和表情图片2种情绪知识对大规模微博非标注语料进行筛选并自动标注,用自动标注好的语料作为训练集构建微博情感文本分类器,对微博文本进行情感极性自动分类。实验结果表明,该方法对微博文本的情感极性分类达到较好的效果。 展开更多
关键词 中文信息处理 无监督学习 情绪知识 微博 情感分类
下载PDF
彩色图象分割 被引量：13
20
作者 郭国栋 马颂德 《中国图象图形学报（A辑）》 CSCD 1998年第11期918-921,共4页
提出一种在特征空间进行非监督学习的新技术。以信息理论观点，把特征空间看成是两个不同的源所组成，即“峰（ｍｏｄｅ）”和“谷（ｖａｌｅｙ）”。一个熵门限被用来自动区分特征空间中的不同单元。那些标号为“峰”的单元被连接起来... 提出一种在特征空间进行非监督学习的新技术。以信息理论观点，把特征空间看成是两个不同的源所组成，即“峰（ｍｏｄｅ）”和“谷（ｖａｌｅｙ）”。一个熵门限被用来自动区分特征空间中的不同单元。那些标号为“峰”的单元被连接起来形成峰的区域。提出一个修改的Ａｋａｉｋｅ信息准则来求解相应的聚类有效化问题。当所有必需的参数都估计出来以后，将一个基于多数博弈论演化而来的标号算法用于求解分割所对应的优化问题。新方法应用到彩色图象的分割问题中。 展开更多
关键词 彩色图象 非监督学习 参数估计 图象分割 特征空间分析 多数博弈论 图象分割
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 … 51 下一页 到第 页
使用帮助 返回顶部