-
题名基于LRTC-TNN的瞬时水流量数据连续插值方法
被引量：1
- 1
-
-
作者
赵金伟
刘杰东
邱万力
黑新宏
-
机构
西安理工大学计算机科学与工程学院
网络计算与安全技术陕西省重点实验室
-
出处
《计算机技术与发展》
2023年第5期35-41,87,共8页
-
基金
国家自然科学基金(62176210,U20B2050,61672027)
陕西省教育厅重点实验室项目(18JS076)。
-
文摘
瞬时水流量数据在采集、整理、存储过程中均存在不同程度的数据缺失问题,不但会造成数据分析上的偏差,还会影响后期决策,尤其是连续水流量缺失问题。国内外关于水流量数据缺失值插补的研究方法很多,然而针对相邻时间存在连续缺失值的插补问题还没有完备的解决方案。因此,基于瞬时水流量数据集的低秩假设,提出一种基于非凸低秩张量补全模型(A Nonconvex Low-Rank Tensor Completion Model-Truncated Nuclear Norm,LRTC-TNN)的瞬时水流量缺失值插补方法。通过乘子交替方向法(Alternating Direction Method of Multipliers,ADMM)求解最优的LRTC-TNN模型。利用通用速率参数自动确定张量模态的截断,运用张量补全的策略对连续缺失值进行预测。将该方法用于某地水厂管道瞬时水流量数据插值实验中并与其它最新的和传统的方法进行对比,取得了非常好的效果。
-
关键词
时间序列
水流量
缺失值插补
张量补全
低秩张量
截断核范数
-
Keywords
time series
water flow
missing value imputation
tensor completion
low-rank tensor
truncated nuclear norm
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TV737
[自动化与计算机技术—控制科学与工程]
-
-
题名面向小样本学习的动态分布校正方法
- 2
-
-
作者
赵金伟
任文静
周锦绣
黑新宏
-
机构
西安理工大学计算机科学与工程学院
网络计算与安全技术陕西省重点实验室
-
出处
《计算机技术与发展》
2023年第6期173-180,共8页
-
基金
国家自然科学基金项目(62176210,61672027,U20B2050)
陕西省教育厅重点实验室资助(18JS076)。
-
文摘
近年来,机器学习在多领域取得巨大成功。在现实世界的真实场景中,由于采集环境复杂或标注难,使得可用于训练的标准样本很少,导致机器学习模型往往出现过学习或欠学习的问题。所以,小样本学习是具有挑战性的机器学习问题。近期人们提出分布校正方法,他们假设特征表示中每个维度都服从高斯分布,利用基类的特征分布来校正新类的特征分布。然而该方法易引入负迁移现象,并且易于淹没新类本身的特征分布。为此,该文提出一种动态分布校正方法解决分布校正过程中的负迁移问题。首先,基于阈值动态地选择近邻基类和远域基类;其次,新类样本的特征经过幂变换的操作后,增加特征标准化处理来消除不同量纲之间的差异;最后,该方法引入参数调节迁移分布与新类特征原分布之间的比例关系来实现新类的特征分布校准。通过在常规数据集miniImageNet和CUB上与最新算法和传统算法的大量对比实验表明,该方法可以有效提升小样本分类任务的性能。
-
关键词
小样本学习
负迁移
分布校正
阈值
动态分布校正
-
Keywords
few-shot learning
negative transfer
distribution calibration
threshold
dynamic distribution calibration
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名在线社交媒体数据抽样方法的比较研究
被引量：11
- 3
-
-
作者
崔颖安
李雪
王志晓
张德运
-
机构
西安交通大学电信学院
西安理工大学计算机科学与工程学院
网络计算与安全技术陕西省重点实验室(西安理工大学)
陕西师范大学国际商学院
-
出处
《计算机学报》
EI
CSCD
北大核心
2014年第8期1859-1876,共18页
-
基金
教育部中央高校基金"在线社会化营销口碑群体发现"(13SZYB01)
陕西省社科联重大理论与现实问题研究项目"陕西休闲农业的在线社会化媒体营销机制研究"(2013C124)
+1 种基金
中国电信"社会化媒体大数据云服务商业模式的研究"(SN2012-YS-13709)
教育部人文社会科学研究项目"在线社交媒体大数据抽样方法的研究"(14XJC910002)资助
-
文摘
社交媒体数据是行动者自组织关系的集合,其内部蕴含了多层次的社会实体关系,传统的抽样方法难以处理其内生的复杂性、不确定性以及涌现性,因此社交媒体抽样方法的研究对于社会计算这一新兴研究领域具有重要的研究价值和实践意义.文中首先按照社交媒体抽样技术发展的演进轨迹,对广度优先抽样法、点-边抽样法、用户均匀抽样法、同伴推动抽样法以及随机行走抽样法的基本思想、概率化控制能力、应用效果进行了全面的分析和比较,介绍了各类方法的特点与不足.其次根据领域问题研究的需要,使用社交媒体数据对上述方法进行了实际测试.测试结果表明现有抽样方法在微观层次(节点)和中观层次(子群)通过有效的节点规模扩张和概率控制,能够满足节点异质性与子群内聚性抽样的要求,但在宏观层次上却无法准确刻画由于局部凝聚子群再组织所表现出的涌现性.最后以此为依据,指出社交媒体数据抽样未来需要进一步深入研究的问题.
-
关键词
在线社交媒体
社会计算
社交网络
抽样技术
马尔科夫随机行走
抽样评价
-
Keywords
online social media
social computing
social network
sampling techniques
Markov random walk
sampling evaluation
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名基于DRCNN的PolSAR图像分类综合实验设计
被引量：1
- 4
-
-
作者
石俊飞
姬珊珊
金海燕
聂萌萌
王伟
-
机构
西安理工大学计算机科学与工程学院网络计算与安全技术陕西省重点实验室
-
出处
《实验技术与管理》
CAS
北大核心
2023年第12期74-81,130,共9页
-
基金
国家自然科学基金青年科学基金项目(62006186)
国家自然科学基金面上项目(62272383)
校级教改项目(xjy2347,310-252042110)。
-
文摘
为了让学生更好地了解和掌握深度学习TensorFlow框架和CNN网络,采用基于不同区域的多尺度卷积神经网络(DRCNN)设计了PolSAR图像分类综合设计实验,旨在实现遥感图像的自动化分类和理解。极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像能够提供更加丰富的极化信息,更好地刻画地物特征,对国防建设和国家发展具有重要意义。实验利用Python语言,在CNN基础上进行改进研究,设计了多区域的多尺度CNN模型,实现了极化SAR图像的数据处理、特征学习和分类一体化设计。该实验不仅可以帮助学生综合应用图像处理与深度学习知识,理解和利用CNN来进行极化SAR图像分类的基本原理和方法,还能使学生更加深入、熟练地掌握TensorFlow框架,提高学生的科研素质和动手实践能力。
-
关键词
综合实验
极化合成孔径雷达图像分类
TensorFlow框架
多尺度卷积神经网络
-
Keywords
comprehensive experiment
polarimetric SAR image classification
TensorFlow framework
multi-scale convolutional neural network
-
分类号
TP311.1
[自动化与计算机技术—计算机软件与理论]
-
