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5篇文章
< 1 >
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：
基于Agent模型的电力企业干部资质画像构建方法 被引量：1
1
作者 冯志鹏 严宇平 +1 位作者 陈文安 苏华权 《微型电脑应用》 2022年第6期120-123,共4页
构建电力企业干部资质画像时,大多忽略了电力企业干部资质信息清洗的必要性,导致画像的信息覆盖率低、F1系数低、构建时间长,由此,提出基于Agent模型的电力企业干部资质画像构建方法。引入Agent模型,建立电力企业干部资质相关信息采集系... 构建电力企业干部资质画像时,大多忽略了电力企业干部资质信息清洗的必要性,导致画像的信息覆盖率低、F1系数低、构建时间长,由此,提出基于Agent模型的电力企业干部资质画像构建方法。引入Agent模型,建立电力企业干部资质相关信息采集系统,利用堆栈式降噪自编码器清洗电力企业干部资质信息,通过隐半马尔可夫模型提取电力企业干部的行为特征,将提取的特征输入长短期记忆网络LSTM中,构建电力企业干部资质画像。实验结果表明,所提方法的信息覆盖率高、F1系数高、画像构建时间短。 展开更多
关键词 AGENT模型 电力企业 用户画像 堆栈式降噪编码器 隐马尔可夫模型 LSTM
下载PDF
基于SDAE预测模型和改进SSA的NO_(x)排放优化 被引量：3
2
作者 马良玉 孙佳明 《中国电机工程学报》 EI CSCD 北大核心 2022年第14期5194-5201,共8页
为降低锅炉燃烧系统氮氧化物(nitrogen oxide,NO_(x))的排放浓度,基于某1000MW火电机组采集的真实历史运行数据,采用堆叠降噪自编码器(stacked denoising auto-encoder,SDAE)建立了NO_(x)排放浓度的预测模型,进而提出一种基于改进麻雀... 为降低锅炉燃烧系统氮氧化物(nitrogen oxide,NO_(x))的排放浓度,基于某1000MW火电机组采集的真实历史运行数据,采用堆叠降噪自编码器(stacked denoising auto-encoder,SDAE)建立了NO_(x)排放浓度的预测模型,进而提出一种基于改进麻雀搜索算法(sparrow search algorithm,SSA)的锅炉配风配粉优化策略。为提高SSA的寻优能力,提出一种引入萤火虫扰动的混沌优化麻雀搜索算法(chaotic optimized sparrow search algorithm with the introduction of firefly perturbation,FCOSSA),该算法采用Tent混沌映射使初始个体尽可能分布均匀,以增加初始种群的多样性,利用萤火虫扰动方式对所有麻雀位置进行更新。经典测试函数优化试验表明了FCOSSA的优越性。针对某给定负荷稳态运行工况,以降低NO_(x)排放为目标,利用方法对锅炉各磨煤机的给煤量及二次风门开度等进行寻优,结果表明优化后锅炉的NO_(x)排放浓度可有效降低,验证了方法的有效性。 展开更多
关键词 锅炉运行优化 NO_(x)排放 堆栈式降噪自编码器 麻雀搜索算法 混沌映射 萤火虫扰动
下载PDF
一种基于深度学习的高精度行人步长估算方法
3
作者 朱平 余学祥 +2 位作者 韩雨辰 张灿 肖星星 《测绘科学》 CSCD 北大核心 2023年第6期19-26,130,共9页
针对行人惯性导航定位(PDR)算法中传统步长估计方法精度不高,现有的长短时记忆(LSTM)网络计算复杂度高的问题,该文提出一种基于堆栈式降噪自编码器、灰狼优化算法与门控循环单元(SDAE-GWO-GRU)的步长估计模型。采用深度学习网络SDAE对... 针对行人惯性导航定位(PDR)算法中传统步长估计方法精度不高,现有的长短时记忆(LSTM)网络计算复杂度高的问题,该文提出一种基于堆栈式降噪自编码器、灰狼优化算法与门控循环单元(SDAE-GWO-GRU)的步长估计模型。采用深度学习网络SDAE对加速度数据进行降噪重构,然后将降噪后的数据输入经GWO优化后的GRU网络中进行训练。实验表明,该文的步长估计模型的单步步长误差率均值为1.09%,标准差为0.94%,精度优于传统的步长估计方法。 展开更多
关键词 步长估计 堆栈式降噪自编码器 灰狼算法 GRU网络 行人定位
原文传递
基于深度学习的蛋白质亚细胞定位预测 被引量：3
4
作者 王艺皓 丁洪伟 +2 位作者 李波 保利勇 张颖婕 《计算机应用》 CSCD 北大核心 2020年第11期3393-3399,共7页
针对传统机器学习算法中仍需手工操作表示特征的问题,提出了一种基于堆栈式降噪自编码器(SDAE)深度网络的蛋白质亚细胞定位算法。首先,分别利用改进型伪氨基酸组成法(PseAAC)、伪位置特异性得分矩阵法(PsePSSM)和三联体编码法(CT)对蛋... 针对传统机器学习算法中仍需手工操作表示特征的问题,提出了一种基于堆栈式降噪自编码器(SDAE)深度网络的蛋白质亚细胞定位算法。首先,分别利用改进型伪氨基酸组成法(PseAAC)、伪位置特异性得分矩阵法(PsePSSM)和三联体编码法(CT)对蛋白质序列进行特征提取,并将这三种方法得到的特征向量进行融合,以得到一个全新的蛋白质序列特征表达模型;接着,将融合后的特征向量输入到SDAE深度网络里自动学习更有效的特征表示;然后选用Softmax回归分类器进行亚细胞的分类预测,并采用留一法在Viral proteins和Plant proteins两个数据集上进行交叉验证;最后,将所提算法的结果与mGOASVM、HybridGO-Loc等多种现有算法的结果进行比较。实验结果表明,所提算法在Viral proteins数据集上取得了98.24%的准确率,与mGOASVM算法相比提高了9.35个百分点;同时所提算法在Plant proteins数据集上取得了97.63%的准确率,比mGOASVM算法和HybridGO-Loc算法分别提高了10.21个百分点和4.07个百分点。综上说明所提算法可以有效提高蛋白质亚细胞定位预测的准确性。 展开更多
关键词 深度学习 特征融合 蛋白质定位 堆栈式降噪自编码器 留一法
下载PDF
基于堆栈降噪自编码器和LBP的人脸识别算法
5
作者 刘晓敏 艾震鹏 《计算机科学与应用》 2018年第6期867-876,共10页
针对传统的人脸识别算法的鲁棒性弱,分类准确率不高,运算速率较慢的缺点,基于局部二值模式(Local Binary Pattern)和堆栈式降噪自编码器(Stack Denoising Autoencoders)模型,提出了一种LBP + SDAE新的人脸表情识别算法。首先,先对图像... 针对传统的人脸识别算法的鲁棒性弱,分类准确率不高,运算速率较慢的缺点,基于局部二值模式(Local Binary Pattern)和堆栈式降噪自编码器(Stack Denoising Autoencoders)模型,提出了一种LBP + SDAE新的人脸表情识别算法。首先,先对图像进行直方图均衡化处理,用LBP提取特征,接着进行尺度归一化处理后用SDAE二次提取特征并且去噪,降维,最后用SVM分类。该方法不仅提高了分类的准确率,而且加快了运算的速率。在数据集Yale上进行验证,表明相对于以前传统的人脸识别算法,它具有更高的准确率和较强的鲁棒性。 展开更多
关键词 人脸识别 局部二值模式 堆栈式降噪自编码器 支持向量机
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 下一页 到第 页
使用帮助 返回顶部