期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
面向智能态势认知的战场数据编码描述方法 被引量:10
1
作者 欧微 易朝晖 朱岑 《指挥与控制学报》 2019年第1期69-73,共5页
提出了一种面向时序特征的战场态势描述方法,旨在从复杂、异构、高维且快速增长的战场数据中提取关键要素,将其转化为面向智能认知模型的规范化输入,通过将战场环境、作战实体、作战任务等的静态属性和时序动态特征进行规范化编码,以有... 提出了一种面向时序特征的战场态势描述方法,旨在从复杂、异构、高维且快速增长的战场数据中提取关键要素,将其转化为面向智能认知模型的规范化输入,通过将战场环境、作战实体、作战任务等的静态属性和时序动态特征进行规范化编码,以有效描述战场态势关键特征,压缩编码长度并降低数据冗余,将所提面向时序特征的战场态势编码描述方法应用于智能态势认知模型,对于提高智能认知模型的鲁棒性和适用性,具有较强的实用价值. 展开更多
关键词 智能态势认知 机器学习 时序特征 编码表达
下载PDF
备选项序列特征对动态决策行为影响的实验研究 被引量:1
2
作者 李俊岭 牛梦英 李利利 《河北师范大学学报(哲学社会科学版)》 北大核心 2009年第2期160-164,共5页
根据决策者的有限理性假设以及行为决策理论,动态决策过程中备选项随机出现的序列特征对人们的搜索行为和心理具有重要影响。本文运用实验室实验的方法研究发现,当选项集数量较少且选项值连续升高的情境下,决策者倾向于较少的搜索数量;... 根据决策者的有限理性假设以及行为决策理论,动态决策过程中备选项随机出现的序列特征对人们的搜索行为和心理具有重要影响。本文运用实验室实验的方法研究发现,当选项集数量较少且选项值连续升高的情境下,决策者倾向于较少的搜索数量;而当选项集数量较少且选项值连续降低的情境下,决策者倾向于较多的搜索数量。另一方面,当选项集数量较多且选项值连续升高的情境下,决策者倾向于较多的搜索数量;而当选项集数量较多且选项值连续降低的情境下,决策者倾向于较少的搜索数量。 展开更多
关键词 动态决策 序列特征 选项集数量 搜索数量
下载PDF
基于轮廓关键点和LSTM的摔倒检测方法
3
作者 卫少洁 周永霞 《计算机应用与软件》 北大核心 2022年第4期213-217,241,共6页
针对传统人体摔倒检测方法误检率高、无法有效结合时序特征等问题,提出一种新的人体轮廓关键点提取方法,并将该方法和LSTM网络相结合构建一种新的摔倒检测模型。该模型对视频中的人体进行轮廓检测,选取轮廓关键点坐标和质心坐标作为人... 针对传统人体摔倒检测方法误检率高、无法有效结合时序特征等问题,提出一种新的人体轮廓关键点提取方法,并将该方法和LSTM网络相结合构建一种新的摔倒检测模型。该模型对视频中的人体进行轮廓检测,选取轮廓关键点坐标和质心坐标作为人体特征;使用LSTM对人体特征序列进行时序特征提取;用全连接层实现分类。在公开数据集上进行实验,结果表明该模型具有较高的准确率和良好的泛化性。 展开更多
关键词 人体摔倒检测 轮廓关键点 LSTM 时序特征
下载PDF
一个RNA剪接调控元件分类方法的研究
4
作者 马猛 汪洋 +1 位作者 汝颖 王泽锋 《中国生物医学工程学报》 CAS CSCD 北大核心 2012年第1期45-52,共8页
序列分类方法被广泛应用于各种生物信息学问题,例如转录调控元件识别和蛋白结构预测。本研究设计了一个新的基于序列特征的分类方法,并将其用于RNA剪接调控元件的研究。该方法从已知剪接元件中抽取序列特征,构建一个打分算法,由此预测... 序列分类方法被广泛应用于各种生物信息学问题,例如转录调控元件识别和蛋白结构预测。本研究设计了一个新的基于序列特征的分类方法,并将其用于RNA剪接调控元件的研究。该方法从已知剪接元件中抽取序列特征,构建一个打分算法,由此预测未知元件RNA剪接调控功能。作为应用实例,采用已知外显子剪接增强子和沉默子(ESE和ESS)八联体作为实验数据,对本方法和若干已知常用方法的预测结果进行比较,3类计算验证实验中的平均预测精度为93%,表现出良好预测精度,且其透明的预测结构可帮助进行生物解释。该研究提供了一种可用于分析生物序列数据的新方法,给出了一个从生物信息学角度来研究基因调控问题的新途径。 展开更多
关键词 数据挖掘 序列特征 选择性剪接 剪接调控元件
下载PDF
基于时序特征的移动模式挖掘 被引量:5
5
作者 陈勐 刘洋 +1 位作者 王月 禹晓辉 《中国科学:信息科学》 CSCD 北大核心 2016年第9期1288-1297,共10页
定位设备(如GPS)的广泛使用产生了大量时空轨迹,合理地利用这些轨迹数据可以帮助挖掘用户移动模式.本文基于轨迹的时序特征提出一种新的模型来挖掘用户隐含移动模式.考虑到轨迹的特点:(1)位置顺序对于理解用户移动模式很重要;(2)用户的... 定位设备(如GPS)的广泛使用产生了大量时空轨迹,合理地利用这些轨迹数据可以帮助挖掘用户移动模式.本文基于轨迹的时序特征提出一种新的模型来挖掘用户隐含移动模式.考虑到轨迹的特点:(1)位置顺序对于理解用户移动模式很重要;(2)用户的移动模式在不同时间段存在变化,本文提出的方法首先对位置序列进行建模,然后将时间信息加入到模型中.为了验证模型的有效性,本文在Gowalla签到数据集上进行了详细的实验,实验结果表明提出的模型优于传统的LDA模型及T-Bi LDA模型. 展开更多
关键词 时空轨迹 移动模式挖掘 时序特征 签到数据 生成模型
原文传递
基于多模态特征融合网络的空时分组码识别算法
6
作者 张聿远 闫文君 张立民 《电子学报》 EI CAS CSCD 北大核心 2023年第2期489-498,共10页
针对现有算法在空时分组码(Space-Time Block Code,STBC)识别过程中存在的低信噪比下误判概率高、识别效率低等问题,本文提出了一种基于多模态特征融合网络(Multi-Modality Features Fusion Network,MMFFN)的空时分组码自动识别方法.首... 针对现有算法在空时分组码(Space-Time Block Code,STBC)识别过程中存在的低信噪比下误判概率高、识别效率低等问题,本文提出了一种基于多模态特征融合网络(Multi-Modality Features Fusion Network,MMFFN)的空时分组码自动识别方法.首先,在合并卷积层将STBC时域样本映射为一维特征向量的基础上,采用多扩张率下的扩张卷积提取非连续时间窗的STBC码内特征,实现多时延特征自提取;然后,构建多时序特征自提取模块以提取码间时序特征,进一步扩展映射特征类型;最后,将多时延拼接层获取的最大时延特征作为深层融合特征,并增加了带跨越连接的残差层以提升融合特征利用率,实现空时分组码识别.仿真实验结果表明,本文算法在-9dB下对6类STBC信号的识别准确率达到了90%以上,较现有识别算法的性能获得了显著提升,对低信噪比有较强的适应性.本文提出的STBC多时延特征提取和融合方法,为结合传统算法设计深度学习网络结构提供了新思路,其思想同样可应用于其他通信信号识别领域. 展开更多
关键词 空时分组码 深度学习 扩张卷积 多时延特征 多时序特征 最大时延融合
下载PDF
复杂背景下序贯显著性特征海面目标检测算法 被引量:5
7
作者 汪国有 张磊 王晨 《华中科技大学学报(自然科学版)》 EI CAS CSCD 北大核心 2006年第10期28-30,40,共4页
根据人眼视觉显著性注意机制,提出基于序贯显著性特征的目标识别算法,把复杂背景下的目标识别问题转化为多特征的融合识别,将目标识别过程分成感兴趣区域检测和感兴趣目标检测两个子过程,并建立序贯显著性特征目标识别算法模型,序贯提... 根据人眼视觉显著性注意机制,提出基于序贯显著性特征的目标识别算法,把复杂背景下的目标识别问题转化为多特征的融合识别,将目标识别过程分成感兴趣区域检测和感兴趣目标检测两个子过程,并建立序贯显著性特征目标识别算法模型,序贯提取复杂图像区域的显著性特征,逐步缩小感兴趣区域范围,然后以基于D-S证据理论的多特征数据融合方法,通过多特征综合置信度的估计与分析,完成可靠的目标识别.试验研究表明,针对复杂背景下海面舰船目标,在相同的虚警概率下,该算法的检测概率比单一的不变矩算法和基于纹理特征算法平均要高20%. 展开更多
关键词 序贯显著性特征 感兴趣区域 决策融合
下载PDF
基于方位特征序列的地雷鉴别算法 被引量:1
8
作者 王玉明 施云飞 +2 位作者 王建 宋千 黄晓涛 《国防科技大学学报》 EI CAS CSCD 北大核心 2013年第6期88-95,共8页
在使用低频超宽带合成孔径雷达(UWB-SAR)对地雷进行探测的过程中,根据目标电磁散射随方位角和入射角的变化特性,提出一种利用双峰间距和频率凹点特征沿方位向变化的隐马尔科夫模型(HMM)鉴别算法。该算法首先针对目标感兴趣区域(ROI)图... 在使用低频超宽带合成孔径雷达(UWB-SAR)对地雷进行探测的过程中,根据目标电磁散射随方位角和入射角的变化特性,提出一种利用双峰间距和频率凹点特征沿方位向变化的隐马尔科夫模型(HMM)鉴别算法。该算法首先针对目标感兴趣区域(ROI)图像估计其各方位回波响应,然后利用时频原子提取时域双峰间距和频率凹点,进而得到随方位角变化的特征序列,再通过SAR工作时方位角和入射角的变化特点以及训练样本确定HMM参数,并在此基础上计算疑似目标新的特征矢量,采用马氏距离进行判别。实验结果表明了本文所提方法在目标鉴别方面的有效性。 展开更多
关键词 方位特征序列 时频原子 地雷鉴别 隐马尔科夫模型
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部