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7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：
融合图卷积和差异性池化函数的点云数据分类分割模型 被引量：8
1
作者 张新良 付鹏飞 +2 位作者 赵运基 谢恒 王琬如 《中国图象图形学报》 CSCD 北大核心 2020年第6期1201-1208,共8页
目的深度网络用于3维点云数据的分类分割任务时,精度与模型在全局和局部特征上的描述能力密切相关。现有的特征提取网络,往往将全局特征和不同尺度下的局部特征相结合,忽略了点与点之间的结构信息和位置关系。为此,通过在分类分割模型... 目的深度网络用于3维点云数据的分类分割任务时,精度与模型在全局和局部特征上的描述能力密切相关。现有的特征提取网络,往往将全局特征和不同尺度下的局部特征相结合,忽略了点与点之间的结构信息和位置关系。为此,通过在分类分割模型中引入图卷积神经网络(graph convolution neural network,GCN)和改进池化层函数,增强局部特征表征能力和获取更丰富的全局特征,改善模型对点云数据的分类分割性能。方法 GCN模块通过K近邻算法构造图结构,利用相邻点对的边缘卷积获取局部特征,在深度网络模型中动态扩展GCN使模型获得完备的局部特征。在池化层,通过选择差异性的池化函数,联合提取多个全局特征并进行综合,保证模型在数据抖动时的鲁棒性。结果在ModelNet40、ShapeNet和S3DIS(stanford large-scale 3D indoor semantics)数据集上进行分类、部分分割以及语义场景分割实验,验证模型的分类分割性能。与PointNet相比,在ModelNet40分类实验中,整体精度和平均分类精度分别提升4%和3.7%;在ShapeNet部分分割数据集和S3DIS室内场景数据集中,平均交并比(mean intersection-over-union, mIoU)分别高1.4%和9.8%。采用不同的池化函数测试结果表明,本文提出的差异性池化函数与PointNet提出的池化函数相比,平均分类精度提升了0.9%,有效改善了模型性能。结论本文改进的网络模型可以有效获取点云数据中的全局和局部特征,实现更优的分类和分割效果。 展开更多
关键词 点云 深度学习 图卷积神经网络(gcn) 差异性池化函数 分类分割 联合特征
原文传递
面向磨煤机组故障诊断的聚类粗化图模型
2
作者 邓中乙 《复杂系统与复杂性科学》 CAS CSCD 北大核心 2024年第1期152-158,共7页
磨煤机组是火力发电厂的重要设备之一,为了保证生产过程的安全性和稳定性,提出一种基于聚类粗化图卷积神经网络(CC-GCN)的故障诊断方法。首先通过KNN算法在原始故障样本之间建立图结构并转换成图样本,然后利用谱聚类将图样本压缩成多级... 磨煤机组是火力发电厂的重要设备之一,为了保证生产过程的安全性和稳定性,提出一种基于聚类粗化图卷积神经网络(CC-GCN)的故障诊断方法。首先通过KNN算法在原始故障样本之间建立图结构并转换成图样本,然后利用谱聚类将图样本压缩成多级粗化图,并分别对每一级别的粗化图进行卷积操作以及特征的融合,最后基于图分类方法对故障样本进行故障诊断。在磨煤机组的两组不同运行状态的数据集上进行仿真实验,结果表明该方法不仅能有效提高故障诊断的精度,还能显著降低模型的运行时间。 展开更多
关键词 图卷积神经网络(gcn) 谱聚类 故障诊断 图分类 磨煤机组
下载PDF
问题引导的空间关系图推理视觉问答模型 被引量：4
3
作者 兰红 张蒲芬 《中国图象图形学报》 CSCD 北大核心 2022年第7期2274-2286,共13页
目的现有视觉问答模型的研究主要从注意力机制和多模态融合角度出发,未能对图像场景中对象之间的语义联系显式建模,且较少突出对象的空间位置关系,导致空间关系推理能力欠佳。对此,本文针对需要空间关系推理的视觉问答问题,提出利用视... 目的现有视觉问答模型的研究主要从注意力机制和多模态融合角度出发,未能对图像场景中对象之间的语义联系显式建模,且较少突出对象的空间位置关系,导致空间关系推理能力欠佳。对此,本文针对需要空间关系推理的视觉问答问题,提出利用视觉对象之间空间关系属性结构化建模图像,构建问题引导的空间关系图推理视觉问答模型。方法利用显著性注意力,用Faster R-CNN(region-based convolutional neural network)提取图像中显著的视觉对象和视觉特征;对图像中的视觉对象及其空间关系结构化建模为空间关系图;利用问题引导的聚焦式注意力进行基于问题的空间关系推理。聚焦式注意力分为节点注意力和边注意力,分别用于发现与问题相关的视觉对象和空间关系;利用节点注意力和边注意力权重构造门控图推理网络,通过门控图推理网络的信息传递机制和控制特征信息的聚合,获得节点的深度交互信息,学习得到具有空间感知的视觉特征表示,达到基于问题的空间关系推理;将具有空间关系感知的图像特征和问题特征进行多模态融合,预测出正确答案。结果模型在VQA(visual question answering)v2数据集上进行训练、验证和测试。实验结果表明,本文模型相比于Prior、Language only、MCB(multimodal compact bilinear)、ReasonNet和Bottom-Up等模型,在各项准确率方面有明显提升。相比于Reason Net模型,本文模型总体的回答准确率提升2.73%,是否问题准确率提升4.41%,计数问题准确率提升5.37%,其他问题准确率提升0.65%。本文还进行了消融实验,验证了方法的有效性。结论提出的问题引导的空间关系图推理视觉问答模型能够较好地将问题文本信息和图像目标区域及对象关系进行匹配,特别是对于需要空间关系推理的问题,模型展现出较强的推理能力。 展开更多
关键词 视觉问答(VQA) 图卷积神经网络(gcn) 注意力机制 空间关系推理 多模态学习
原文传递
基于ST-LightGBM的机场离港航班延误预测
4
作者 曹卫东 张金迪 刘晨宇 《陕西科技大学学报》 北大核心 2023年第4期166-172,共7页
机场间的延误时空关系复杂,多数研究只聚焦于时间维相关性,导致延误预测精度不高.提出一种融合多机场时空相关性的ST-LightGBM模型预测机场离港航班延误.首先,构建多机场延误时空图数据;然后,通过图卷积神经网络提取延误信息空间特征,... 机场间的延误时空关系复杂,多数研究只聚焦于时间维相关性,导致延误预测精度不高.提出一种融合多机场时空相关性的ST-LightGBM模型预测机场离港航班延误.首先,构建多机场延误时空图数据;然后,通过图卷积神经网络提取延误信息空间特征,同时长短时记忆网络对机场各节点延误时间序列进行时间特征提取,形成具有时空相关性的二维特征向量;最后,将时空维特征向量输入LightGBM实现机场离港航班延误数量预测,在训练过程中引入贝叶斯优化算法进行参数寻优.结合真实数据实验,对中国枢纽机场延误数据进行时空维度关系提取并预测.结果表明,本文模型相比于其他基准模型具有较好的预测准确性. 展开更多
关键词 LightGBM 图卷积神经网络 长短时记忆网络 时空相关性 机场延误预测
下载PDF
面向动态交通流预测的双流图卷积网络 被引量：2
5
作者 李朝阳 李琳 陶晓辉 《计算机科学与探索》 CSCD 北大核心 2022年第2期384-394,共11页
准确的交通流预测能够为管理部门提供合理的决策依据,为驾驶员提供实时的道路状况预警,是交通领域至关重要的问题。近年来,相关研究利用图卷积神经网络(GCN)处理非欧式空间结构的特点,对来自复杂路网的交通流数据进行空间相关性建模。然... 准确的交通流预测能够为管理部门提供合理的决策依据,为驾驶员提供实时的道路状况预警,是交通领域至关重要的问题。近年来,相关研究利用图卷积神经网络(GCN)处理非欧式空间结构的特点,对来自复杂路网的交通流数据进行空间相关性建模。然而,现有基于图卷积的交通流预测方法未能充分考虑空间相关性的有向性和动态性这两个重要特点。考虑到动态交通流呈现出由固定道路结构约束的稳定空间相关性和受交通环境变化影响的动态空间相关性,提出了一种用于动态交通流预测的端到端双流图卷积网络(TSGCN)。首先,将实时交通流数据分解为具有不同空间相关性的稳定分量和动态分量。其中,稳定分量表示受路网约束和交通习惯影响的部分,动态分量则代表因交通状况变化(如交通拥堵和恶劣天气)引起的波动。然后,通过双流图卷积层提取稳定和动态的空间相关性。最后,使用参数化跳过连接方法来融合时空相关性以获得最终的预测结果。在两个公开的真实交通数据集上的实验结果表明,提出的模型优于对比的交通流预测方法。 展开更多
关键词 交通流预测 图卷积神经网络(gcn) 时空相关性
下载PDF
基于知识图谱的城市轨道交通突发事件演化结果预测 被引量：2
6
作者 朱广宇 张萌 裔扬 《电子与信息学报》 EI CSCD 北大核心 2023年第3期949-957,共9页
准确预测突发事件的演化结果,对城市轨道交通系统制定应急方案、保障安全运营,具有重要的参考意义。目前突发事件演化结果预测方法智能化程度不高,过分依赖决策者主观设定的特征权重、检索模板,复杂、准确性低且应用性较弱。该文基于知... 准确预测突发事件的演化结果,对城市轨道交通系统制定应急方案、保障安全运营,具有重要的参考意义。目前突发事件演化结果预测方法智能化程度不高,过分依赖决策者主观设定的特征权重、检索模板,复杂、准确性低且应用性较弱。该文基于知识图谱(KG)和关系图卷积神经网络(R-GCN)模型提出一种城市轨道交通突发事件演化结果预测方法。首先,构建城市轨道交通突发事件知识图谱,将与事件相关的场景信息进行结构化处理;其次,基于关系图卷积神经网络模型构建城市轨道交通突发事件结果的预测模型;最后,利用城市轨道交通突发事件案例库进行验证。实验结果表明,所提预测方法具有较好的准确率、较强的普适性,可为轨道交通应急管理提供方法和技术支持。 展开更多
关键词 城市轨道交通 突发事件 演化结果预测 知识图谱 关系图卷积神经网络
下载PDF
基于双流自适应图卷积神经网络的行人过街意图识别 被引量：1
7
作者 胡远志 蒋涛 +1 位作者 刘西 施友宁 《汽车安全与节能学报》 CAS CSCD 北大核心 2022年第2期325-332,共8页
对城市道路上的自动驾驶车辆,提出了一种判别行人过街意图的识别方法。该方法利用双流、时空自适应图卷积神经网络(2s-AGCN),联系了行人骨架的动力学与行人过街意图;以时空图卷积神经网络(ST-GCN)的动作识别为基础,加入自适应图卷积神... 对城市道路上的自动驾驶车辆,提出了一种判别行人过街意图的识别方法。该方法利用双流、时空自适应图卷积神经网络(2s-AGCN),联系了行人骨架的动力学与行人过街意图;以时空图卷积神经网络(ST-GCN)的动作识别为基础,加入自适应图卷积神经网络结构(AGCN);在骨骼的长度和方向上,设计了双流网络,将2个网络输出的Softmax分数融合,来预测行人过街意图。根据自动驾驶联合注意力公开数据集(JAAD),进行了仿真实验。结果表明:本文的2s-AGCN行人过街意图识别方法的准确率达到了89.36%,比ST-GCN神经网络的结果高3.36%。因此,该方法识别准确率较高。 展开更多
关键词 自动驾驶车辆 驾驶安全 行人过街意图 图卷积神经网络(gcn)
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