期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于人体姿态的PSO-SVM特征向量跌倒检测方法 被引量:11
1
作者 麻文刚 王小鹏 吴作鹏 《传感技术学报》 CAS CSCD 北大核心 2017年第10期1504-1511,共8页
在可穿戴设备检测人体跌倒情况时,单一采用加速度阈值判别方法不能完整表征人体跌倒行为变化的信息,导致对跌倒信息误判。为此,提出了一种基于人体姿态的PSO-SVM特征向量跌倒检测算法。首先通过MEMS加速度传感器节点采集人体姿态数据,... 在可穿戴设备检测人体跌倒情况时,单一采用加速度阈值判别方法不能完整表征人体跌倒行为变化的信息,导致对跌倒信息误判。为此,提出了一种基于人体姿态的PSO-SVM特征向量跌倒检测算法。首先通过MEMS加速度传感器节点采集人体姿态数据,并利用共轭梯度法对采集的数据进行优化处理,降低非线性误差;然后,利用支持向量机SVM(Support Vector Machine)分类器检测跌倒行为,并通过粒子群PSO(Particle Swarm Optimization)算法对SVM参数进行优化,获得最佳分类模型,根据SVM分类模型对采集的姿态数据进行分析,判断是否跌倒;最后根据人体姿态角,构建融合人体姿态角的PSOSVM特征向量,检测跌倒过程的具体信息。实验结果表明:该检测方法取得95.5%的识别率,能够较好地区分其他非跌倒性动作,检测精度较其他方法较高,均方根误差较小,有较好的鲁棒性。 展开更多
关键词 跌倒检测 人体姿态 传感器节点 特征向量 支持向量机 粒子群
下载PDF
一种大规模网络中基于节点结构特征映射的链接预测方法 被引量:9
2
作者 李志宇 梁循 +2 位作者 周小平 张海燕 马跃峰 《计算机学报》 EI CSCD 北大核心 2016年第10期1947-1964,共18页
网络链接预测能够获取网络中丢失链接的重要信息或进行网络的动态演变分析.现有的基于节点相似性的网络链接预测方法往往针对简单的一(多)阶邻居信息或特定类型的小型网络,设计较为复杂的计算方法,其扩展性和大规模网络中的可计算性都... 网络链接预测能够获取网络中丢失链接的重要信息或进行网络的动态演变分析.现有的基于节点相似性的网络链接预测方法往往针对简单的一(多)阶邻居信息或特定类型的小型网络,设计较为复杂的计算方法,其扩展性和大规模网络中的可计算性都受到了严峻的挑战.文中基于深度学习在神经网络语言模型中应用的启发,提出了一个LsNet2Vec(Large-scale Network to Vector)模型.通过结合随机游走的网络数据集序列化方法,进行大规模的无监督机器学习,从而将网络中节点的结构特征信息映射到一个连续的、固定维度的实数向量.然后,使用学习到的节点结构特征向量,就可以迅速计算大规模网络中任意节点之间的相似度,以此来进行网络中的链接预测.通过在16个大规模真实数据集上和目前的多个基准的最优预测算法对比发现,LsNet2Vec模型所得到的预测总体效果是最优的:在保证了大规模网络中链接预测计算可行性的同时,于多个数据集上相对已有方法呈现出较大的AUC值提升,最高达8.9%. 展开更多
关键词 链接预测 大规模网络 节点特征向量 连续性表达 神经网络 机器学习
下载PDF
激光通信网络空间恶意节点识别方法
3
作者 史明 陈俊杰 +1 位作者 邓越萍 王金策 《计算机仿真》 2024年第4期224-228,共5页
为了增强网络传输数据的安全性和稳定性,提出了一种激光通信网络空间恶意节点识别方法。在解析节点通信方式的基础上,明确节点平均包转发延时、转发率和丢包率的属性矢量。然后利用函数极值计算节点隶属度,提取恶意节点入侵特征。结合... 为了增强网络传输数据的安全性和稳定性,提出了一种激光通信网络空间恶意节点识别方法。在解析节点通信方式的基础上,明确节点平均包转发延时、转发率和丢包率的属性矢量。然后利用函数极值计算节点隶属度,提取恶意节点入侵特征。结合历史恶意入侵数据,运用二维熵识别不同类别的恶意节点,筛选出恶意节点的差异特征并获得恶意节点识别结构。利用识别分数获得恶意节点空间特征向量,对所有差异特征的二维熵做最优解处理,明确识别临界值,进而实现对恶意节点的识别。实验表明,上述方法能够精准识别出恶意节点,保障了激光通信网络空间运行和用户隐私信息的安全。 展开更多
关键词 激光通信网络 赛伯空间 恶意节点识别 空间特征向量 隶属度 特征提取
下载PDF
基于属性网络表示学习的链接预测算法 被引量:1
4
作者 何媛 吴乐 《合肥工业大学学报(自然科学版)》 CAS 北大核心 2020年第11期1482-1486,共5页
网络链接预测是指通过网络结构信息及节点属性信息等网络历史信息预测2个节点之间产生新的链接关系的可能性。网络链接预测是网络分析的基础任务,在异常检测、推荐系统等方面有重要应用。网络表示学习旨在通过无监督方法,将符号化的数... 网络链接预测是指通过网络结构信息及节点属性信息等网络历史信息预测2个节点之间产生新的链接关系的可能性。网络链接预测是网络分析的基础任务,在异常检测、推荐系统等方面有重要应用。网络表示学习旨在通过无监督方法,将符号化的数据编码到低维、稠密的向量空间中,从而更好地应用于机器学习任务中。由于真实网络数据极其稀疏,现有的模型在链接预测的表现上存在一定的提升空间。针对该问题,文章提出一种基于网络表示学习的属性网络链接预测算法(attributed network embedding based link prediction,ANE-LP)。首先有效提取网络结构信息和节点属性信息,并且通过深度网络结构将网络中各节点表征到低维、稠密向量空间;然后通过相似度度量模型重新定义出邻居节点间的关系;最后在2个真实数据集上进行实验验证。实验结果表明,基于网络特征学习的链接预测算法与其他方法相比更优越。 展开更多
关键词 属性网络 神经网络 网络表示学习 节点特征向量 链接预测
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部