期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
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53篇文章
< 1 2 3 >
每页显示 20 50 100
已选0条
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：
Gaussian Mixture-Learned Approximate Message Passing(GM-LAMP)Based Hybrid Precoders for mmWave Massive MIMO Systems 认领 引用
1
作者 Shoukath Ali K Sajan P Philip Perarasi T 《China Communications》 SCIE CSCD 2024年第12期66-79,共14页
Hybrid precoder design is a key technique providing better antenna gain and reduced hardware complexity in millimeter-wave(mmWave)massive multiple-input multiple-output(MIMO)systems.In this paper,Gaussian Mixture lear... Hybrid precoder design is a key technique providing better antenna gain and reduced hardware complexity in millimeter-wave(mmWave)massive multiple-input multiple-output(MIMO)systems.In this paper,Gaussian Mixture learned approximate message passing(GM-LAMP)network is presented for the design of optimal hybrid precoders suitable for mmWave Massive MIMO systems.Optimal hybrid precoder designs using a compressive sensing scheme such as orthogonal matching pursuit(OMP)and its derivatives results in high computational complexity when the dimensionality of the sparse signal is high.This drawback can be addressed using classical iterative algorithms such as approximate message passing(AMP),which has comparatively low computational complexity.The drawbacks of AMP algorithm are fixed shrinkage parameter and non-consideration of prior distribution of the hybrid precoders.In this paper,the fixed shrinkage parameter problem of the AMP algorithm is addressed using learned AMP(LAMP)network,and is further enhanced as GMLAMP network using the concept of Gaussian Mixture distribution of the hybrid precoders.The simula-tion results show that the proposed GM-LAMP network achieves optimal hybrid precoder design with enhanced achievable rates,better accuracy and low computational complexity compared to the existing algorithms. 展开更多
关键词 approximate message passing deep neu-ral network Gaussian Mixture model massive MIMO millimeter wave
暂未订购 下载PDF
Attention-guided reference point shifting for Gaussian-mixturebased partial point set registration 认领 引用
2
作者 Mizuki Kikkawa Tatsuya Yatagawa +1 位作者 Yutaka Ohtake Hiromasa Suzuki 《Computational Visual Media》 SCIE EI CSCD 2026年第1期105-121,共17页
This study investigates the impact of the invariance of feature vectors for partial-to-partial point set registration under translation and rotation of input point sets,particularly in the realm of techniques based on... This study investigates the impact of the invariance of feature vectors for partial-to-partial point set registration under translation and rotation of input point sets,particularly in the realm of techniques based on deep learning and Gaussian mixture models(GMMs).We reveal both theoretical and practical problems associated with such deeplearning-based registration methods using GMMs,with a particular focus on the limitations of DeepGMR,a pioneering study in this line,to the partial-topartial point set registration.Our primary goal is to uncover the causes behind such methods and propose a comprehensible solution for that.To address this,we introduce an attention-based reference point shifting(ARPS)layer,which robustly identifies a common reference point of two partial point sets,thereby acquiring transformation-invariant features.The ARPS layer employs a well-studied attention module to find a common reference point rather than the overlap region.Owing to this,it significantly enhances the performance of DeepGMR and its recent variant,UGMMReg.Furthermore,these extension models outperform even prior deep learning methods using attention blocks and Transformer to extract the overlap region or common reference points.We believe these findings provide deeper insights into registration methods using deep learning and GMMs.Our source code and datasets are available at http://gffzzd16a119ca6e245c5su6kcq0q6v6w660un.ffgz.tsg.suse.edu.cn/DGRM-ARPS.git. 展开更多
关键词 shape registration point sets Gaussian mixture models(GMMs) deep learning
暂未订购 下载PDF
裂缝充填型深部煤层气储层孔隙结构和物性参数反演方法 认领 引用
3
作者 龚飞 李昊 +2 位作者 彭苏萍 巴晶 王国伟 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2026年第7期3246-3261,共16页
深部煤层气储层孔隙结构参数的准确预测对储层甜点识别和开发有利区划分具有重要意义.在构造变质作用的影响下,煤层裂缝进一步发育并被方解石充填,导致煤层孔隙结构更加复杂,增加了储层参数预测难度.因此,本文提出了一种裂缝充填型深部... 深部煤层气储层孔隙结构参数的准确预测对储层甜点识别和开发有利区划分具有重要意义.在构造变质作用的影响下,煤层裂缝进一步发育并被方解石充填,导致煤层孔隙结构更加复杂,增加了储层参数预测难度.因此,本文提出了一种裂缝充填型深部煤层气储层孔隙结构和物性参数地震岩石物理反演方法,能实现储层孔隙度、孔隙纵横比和含水饱和度的定量预测.本文基于深部煤样微观结构特征,建立了考虑方解石充填裂缝的深部煤层气储层岩石物理模型,推导了以孔隙度、孔隙纵横比及含水饱和度为目标参数的线性地震岩石物理正演算子;结合线性正演算子与目标参数相关性分布特征构建了反演目标函数;采用模拟退火迭代算法提高反演结果精度,实现了储层孔隙度、孔隙纵横比和含水饱和度的定量预测.选用鄂尔多斯盆地某深部煤层气储层三维地震工区实际资料,对本方法进行应用测试与验证,结果表明本方法能够稳定合理地定量预测储层孔隙度、孔隙纵横比和含水饱和度,为储层甜点预测提供参考依据. 展开更多
关键词 地震岩石物理反演 孔隙结构 含水饱和度 深部煤层气储层 高斯混合模型
暂未订购 下载PDF
基于羽流形态约束与特征解耦的弱甲烷羽流高光谱遥感分割方法 认领 引用
4
作者 赵翼 李海巍 +4 位作者 张小荣 宋丽瑶 杨伟华 郭琦 李晗之 《液晶与显示》 CAS CSCD 北大核心 2026年第3期415-429,共15页
甲烷(CH4)是仅次于二氧化碳的第二大人为温室气体,快速精准地识别甲烷排放源对气候变化监测具有重要意义。随着对气候变化问题关注的不断加深,高光谱遥感技术在甲烷羽流监测中的应用逐渐成为研究热点,现有研究多聚焦于大规模甲烷排... 甲烷(CH4)是仅次于二氧化碳的第二大人为温室气体,快速精准地识别甲烷排放源对气候变化监测具有重要意义。随着对气候变化问题关注的不断加深,高光谱遥感技术在甲烷羽流监测中的应用逐渐成为研究热点,现有研究多聚焦于大规模甲烷排放事件,而对密集微弱甲烷羽流关注不足。微弱甲烷羽流在高光谱影像中往往难以呈现完整的羽流形态且边界特征模糊,更易受到大气、地表、仪器响应等多重因素干扰。针对微弱甲烷羽流边界模糊易受背景噪声干扰等问题,本文提出了一种深度学习模型——LightMethaneNet(LM-Net)。LM-Net对现有用于甲烷羽流检测的深度学习模型进行改进,引入了用于增强羽流空间特征的动态高斯模块(DGMM)与用于细化特征抑制背景噪声的混合注意力机制,解决了现有的基于深度学习的分割方法在处理此类气体羽流时难以兼顾精度与效率的问题。提出的方法在公开数据集STARCOP上进行训练和评估,其中微弱羽流检出的准确率为53%,召回率为82.7%。与经典的分割模型相比,LM-Net在mIoU、F1分数、精度方面的最大改进分别达到了32.34%、38.01%、34.57%。该方法有效提高了微弱甲烷羽流的检测准确率,能够更好地识别微弱羽流及其疑似排放区域,为复杂背景下的高精度甲烷羽流遥感检测提供了可行的技术解决方案。 展开更多
关键词 甲烷 深度学习 微弱羽流检测 混合注意力机制 动态高斯模块
暂未订购 下载PDF
基于联合特征的双分支SBi-LSTM模型伪造音频检测研究 认领 引用
5
作者 任俊红 詹旭 +1 位作者 范涛 唐青林 《印刷与数字媒体技术研究》 CAS 北大核心 2026年第3期493-502,共10页
在伪造音频检测任务中,高斯混合模型(GMM)虽然可以估计每个音频帧的概率分数,但未能充分利用高斯分量的概率分布信息,影响了检测性能。为此,本研究提出了一种基于联合特征建模与创新网络架构的双分支伪造音频检测方法。首先,结合线性频... 在伪造音频检测任务中,高斯混合模型(GMM)虽然可以估计每个音频帧的概率分数,但未能充分利用高斯分量的概率分布信息,影响了检测性能。为此,本研究提出了一种基于联合特征建模与创新网络架构的双分支伪造音频检测方法。首先,结合线性频率倒谱系数(LFCC)和逆梅尔频率倒谱系数(IMFCC),设计了两种基于高斯概率分数的特征:L-GPF(LFCC-based Gaussian Probability Feature)和I-GPF(IMFCCbased Gaussian Probability Feature),分别捕捉音频的低频和高频特征。其次,提出了一种叠式双向长短时记忆网络(SBi-LSTM),分别对两类特征进行建模,从帧序列中学习真实与伪造音频的特征分布差异。最后,设计了创新的联合模块,通过动态权重融合和阈值因子判别机制整合双分支网络的特征信号,显著提高分类性能。实验在ASVspoof 2019数据集上进行。针对逻辑访问场景的开发集实验结果表明,相比于只使用I-GPF作为前端特征的单一SBi-LSTM模型,双分支模型的等错误率(EER)可降低94.6%,级联检测代价函数(t-DCF)可降低76.9%。相比于传统联合方式,在物理访问场景下联合模块最高可实现EER降低33.7%,t-DCF降低29.9%。相比于LFCC+GMM的基准模型,双分支模型的等错误率降低89.9%,级联检测代价函数降低89.2%。对比实验结果表明,与最新模型相比,双分支模型的EER降低15.6%,t-DCF降低29.8%。 展开更多
关键词 声纹识别 伪造音频检测 高斯混合模型 深度学习
暂未订购 下载PDF
基于Gaussian混合的距离度量学习数据划分方法 认领 引用 被引量：1
6
作者 郑德重 杨媛媛 +2 位作者 谢哲 倪扬帆 李文涛 《上海交通大学学报》 EI CAS CSCD 北大核心 2021年第2期131-140,共10页
针对有限样本情况下,多次训练模型时容易出现不稳定和偏差问题,提出一种基于Gaussian混合的距离度量学习数据划分方法,通过更合理地划分数据集来解决该问题.距离度量学习依靠深度神经网络优异的特征提取能力,将原始数据提取的特征嵌入... 针对有限样本情况下,多次训练模型时容易出现不稳定和偏差问题,提出一种基于Gaussian混合的距离度量学习数据划分方法,通过更合理地划分数据集来解决该问题.距离度量学习依靠深度神经网络优异的特征提取能力,将原始数据提取的特征嵌入到新的度量空间中;然后,在该新的度量空间中基于深层次特征使用Gaussian混合模型进行聚类分析和样本分布估计;最后,依据样本分布特点进行分层采样对数据进行合理划分.研究表明,该方法可以更好地理解数据分布的特点,获得更加合理的数据划分,进而提升模型的准确性和泛化性. 展开更多
关键词 人工智能训练 数据集划分 深度神经网络 Gaussian混合模型
暂未订购 下载PDF
GMLP-IDS: A Novel Deep Learning-Based Intrusion Detection System for Smart Agriculture 认领 引用
7
作者 Abdelwahed Berguiga Ahlem Harchay +2 位作者 Ayman Massaoudi Mossaad Ben Ayed Hafedh Belmabrouk 《Computers, Materials & Continua》 SCIE EI 2023年第10期379-402,共24页
Smart Agriculture,also known as Agricultural 5.0,is expected to be an integral part of our human lives to reduce the cost of agricultural inputs,increasing productivity and improving the quality of the final product.I... Smart Agriculture,also known as Agricultural 5.0,is expected to be an integral part of our human lives to reduce the cost of agricultural inputs,increasing productivity and improving the quality of the final product.Indeed,the safety and ongoing maintenance of Smart Agriculture from cyber-attacks are vitally important.To provide more comprehensive protection against potential cyber-attacks,this paper proposes a new deep learning-based intrusion detection system for securing Smart Agriculture.The proposed Intrusion Detection System IDS,namely GMLPIDS,combines the feedforward neural network Multilayer Perceptron(MLP)and the Gaussian Mixture Model(GMM)that can better protect the Smart Agriculture system.GMLP-IDS is evaluated with the CIC-DDoS2019 dataset,which contains various Distributed Denial-of-Service(DDoS)attacks.The paper first uses the Pearson’s correlation coefficient approach to determine the correlation between the CIC-DDoS2019 dataset characteristics and their corresponding class labels.Then,the CIC-DDoS2019 dataset is divided randomly into two parts,i.e.,training and testing.75%of the data is used for training,and 25%is employed for testing.The performance of the newly proposed IDS has been compared to the traditional MLP model in terms of accuracy rating,loss rating,recall,and F1 score.Comparisons are handled on both binary and multi-class classification problems.The results revealed that the proposed GMLP-IDS system achieved more than 99.99%detection accuracy and a loss of 0.02%compared to traditional MLP.Furthermore,evaluation performance demonstrates that the proposed approach covers a more comprehensive range of security properties for Smart Agriculture and can be a promising solution for detecting unknown DDoS attacks. 展开更多
关键词 Drones DDoS attacks Internet of Things deep learning multilayer perceptron gaussian mixture model Industry 5.0 Agricultural 5.0
暂未订购 下载PDF
基于自适应高斯混合模型与ResDN的火焰检测算法 认领 引用 被引量：1
8
作者 王文标 时启衡 郝友维 《科学技术与工程》 EI 北大核心 2025年第4期1580-1586,共7页
针对火焰检测算法在复杂场景下误检率高、算法适应性差、效率低等问题,设计一种轻量高效的两阶段视频火焰检测算法。第一阶段采用改进的自适应高斯混合模型(adaptive gaussian mixture model, AGMM)对视频图像序列进行快速背景建模,利... 针对火焰检测算法在复杂场景下误检率高、算法适应性差、效率低等问题,设计一种轻量高效的两阶段视频火焰检测算法。第一阶段采用改进的自适应高斯混合模型(adaptive gaussian mixture model, AGMM)对视频图像序列进行快速背景建模,利用火焰的闪烁和涌动特性,提取出序列中的可疑候选区域。第二阶段使用残差深度归一化卷积神经网络(residual deep normalization and convolutional neural network, ResDN)对可疑候选区域进行判别,并引入简化的残差块替换原有的卷积层进行轻量化设计,实现对火焰的检测与定位。相比于传统分类算法,所设计的两阶段视频火焰检测算法能够有效克服复杂场景下的环境干扰,准确快速地识别火焰,具有更高的检测率和适应性。 展开更多
关键词 火焰检测 自适应高斯混合模型(AGMM) 残差深度归一化卷积神经网络(ResDN) 机器视觉 深度学习
暂未订购 下载PDF
融合高斯修正的双阶段指导弱监督语义分割 认领 引用
9
作者 白雪飞 王渊辉 +2 位作者 许文杰 姜高霞 王文剑 《中国图象图形学报》 CSCD 北大核心 2025年第12期3855-3869,共15页
目的端到端的弱监督语义分割模型因其高效的训练效率备受关注,然而现有研究还存在语义信息提取不充分、生成的伪标签质量较低等不足。针对上述问题,本文提出一种基于知识蒸馏的端到端弱监督语义分割框架,通过双阶段知识交互模块增强学... 目的端到端的弱监督语义分割模型因其高效的训练效率备受关注,然而现有研究还存在语义信息提取不充分、生成的伪标签质量较低等不足。针对上述问题,本文提出一种基于知识蒸馏的端到端弱监督语义分割框架,通过双阶段知识交互模块增强学生网络和教师网络之间的知识传递,同时借助高斯修正模块对伪标签进行修正。方法首先,设计双阶段知识交互模块强化教师网络和学生网络的特征学习过程,有效降低训练过程中的噪声干扰。其次,为了生成高质量的伪标签,设计了高斯修正模块,通过拟合类激活图的分布,利用EM(expectation maximization)算法估算每个像素点的噪声概率,并依据与邻域像素的相似度关系修正伪标签,进而提升弱监督语义分割网络的性能。结果本文方法在PASCAL VOC 2012(pattern analysis,statical modeling and computational learning visual object classes 2012)和MS COCO 2014(Microsoft common objects in context 2014)数据集上的mIoU(mean intersection over union)值分别达到74.8%和42.3%,优于其他对比方法。结论通过双阶段知识交互模块以及高斯修正模块,有效降低了图像内部噪声以及潜在的标签噪声对训练过程的影响,并且改善了伪标签生成不完整的问题,与现有方法相比取得了显著的性能提升,在端到端的弱监督语义分割方法中展现出明显的优越性,具有一定的研究价值。 展开更多
关键词 深度学习 端到端弱监督语义分割 高斯混合模型(GMM) 知识蒸馏 类激活图(CAM)
暂未订购 下载PDF
深水蛙泳教学中的错误动作特征序列分割方法 认领 引用
10
作者 金国利 江星佑 《通化师范学院学报》 2025年第4期60-67,共8页
在深水蛙泳教学中获取的动作特征视频图像常存在灰度不均、背景复杂等问题,这些问题导致视频中的主体轮廓细节模糊,无法在实际教学中直接用于纠正错误动作.为解决此类问题,研究一种深水蛙泳教学中错误动作特征序列分割方法.通过密集轨... 在深水蛙泳教学中获取的动作特征视频图像常存在灰度不均、背景复杂等问题,这些问题导致视频中的主体轮廓细节模糊,无法在实际教学中直接用于纠正错误动作.为解决此类问题,研究一种深水蛙泳教学中错误动作特征序列分割方法.通过密集轨迹提取深水蛙泳教学视频内的错误动作特征序列,经DBSCAN聚类算法对此类序列进行超像素分割,得到具有较好边界贴合度的超像素分割序列.结合图论流形排序算法检测超像素分割序列,得到其关键区域的显著图像;运用高斯混合模型优化此类显著图像的边界内外平均灰度,并提升其边界的复杂背景抗干扰能力,得到错误动作特征序列的精准分割结果.实验结果显示,该方法可清晰呈现蛙泳错误动作特征图像中的边界细节,尤其是双脚与手臂的边界可清晰呈现;即使在特征图像灰度不均匀时,整体分割轮廓与动作主体边缘也几乎完全贴合,未出现背景噪声点,分割结果精准可靠. 展开更多
关键词 深水蛙泳教学 错误动作 特征序列 高斯混合模型
暂未订购 下载PDF
基于核密度估计的图像生成模型评价方法 认领 引用 被引量：2
11
作者 李磊 庞玉碟 +2 位作者 吴长兰 殷永 谭宏卫 《自动化应用》 2025年第4期6-10,共5页
如何科学且客观地评价深度图像生成模型的性能是一个极具挑战性的问题。经典评价方法FID受限于高斯假设,易导致评价失真且计算复杂度较高。为解决该问题,提出一种分布自由的图像生成模型评价方法。具体地,通过在特征空间中利用核密度估... 如何科学且客观地评价深度图像生成模型的性能是一个极具挑战性的问题。经典评价方法FID受限于高斯假设,易导致评价失真且计算复杂度较高。为解决该问题,提出一种分布自由的图像生成模型评价方法。具体地,通过在特征空间中利用核密度估计拟合一个混合高斯分布,在此基础上计算Fréchet距离,并引入记忆正则函数来量化模型的过拟合程度,以解决FID的高斯假设和无法检测过拟合问题。实验结果表明,该评价方法不仅在多个数据集上与FID展现出高度一致性,而且在计算效率上也实现了优化。 展开更多
关键词 深度图像生成模型 性能评价 感知空间 高斯混合密度估计器 记忆正则函数
暂未订购 下载PDF
深度学习强度估计下移动传感网络异常节点定位 认领 引用 被引量：2
12
作者 甘泽楷 陈爱国 《传感技术学报》 CAS CSCD 北大核心 2025年第8期1505-1510,共6页
针对移动传感网络节点位置改变所致的信号因反射、折射引起的信号强度波动所导致的基于强度的距离估计偏差和定位的准确性,提出了一种深度学习强度估计下移动传感网络异常节点定位方法。利用深度学习分析节点特征,通过无向图模型捕捉节... 针对移动传感网络节点位置改变所致的信号因反射、折射引起的信号强度波动所导致的基于强度的距离估计偏差和定位的准确性,提出了一种深度学习强度估计下移动传感网络异常节点定位方法。利用深度学习分析节点特征,通过无向图模型捕捉节点间关联,并结合高斯混合模型(Gaussian Mixture Model,GMM)评估节点能量。通过设定阈值,有效识别多径效应异常节点及其链路。基于接收信号强度指示(Received Signal Strength Indicator,RSSI)时间窗口方差分析筛选异常链路,采用权重链路最小误差定位技术,实现异常节点的精确定位。仿真结果表明,所提方法检测异常节点的漏检次数为1次,在异常节点定位方面的性能明显更优。 展开更多
关键词 移动传感网络 异常节点定位 深度学习 高斯混合模型 强度估计 权重链路定位
暂未订购 下载PDF
基于机器视觉的奶牛发情行为自动识别方法 认领 引用 被引量：32
13
作者 王少华 何东健 刘冬 《农业机械学报》 EI CAS CSCD 北大核心 2020年第4期241-249,共9页
及时检测奶牛发情、适时人工授精、减少空怀奶牛,是奶牛养殖场增加产奶量的关键手段。针对基于运动量和体温等体征的接触式奶牛发情识别方法会造成奶牛应激反应且识别准确率不高的问题,提出了一种非接触式奶牛发情行为自动识别方法。该... 及时检测奶牛发情、适时人工授精、减少空怀奶牛,是奶牛养殖场增加产奶量的关键手段。针对基于运动量和体温等体征的接触式奶牛发情识别方法会造成奶牛应激反应且识别准确率不高的问题,提出了一种非接触式奶牛发情行为自动识别方法。该方法首先使用改进的高斯混合模型实现运动奶牛目标检测,然后基于颜色和纹理信息去除干扰背景,再利用Alex Net深度学习网络训练奶牛行为分类网络模型,识别奶牛爬跨行为,最终实现对奶牛发情行为的自动识别。在供试数据集上的试验结果表明,本文方法对奶牛发情的识别准确率为100%,召回率为88.24%。本文方法可应用于奶牛养殖场的日常发情监测中,为生产管理提供辅助决策。 展开更多
关键词 奶牛 发情行为 高斯混合模型 颜色 纹理 深度学习
暂未订购 下载PDF
基于深度自编码器高斯混合模型的窃电行为检测 认领 引用 被引量：24
14
作者 刘钊瑞 高云鹏 +3 位作者 郭建波 李云峰 顾德喜 文一章 《电力系统保护与控制》 EI CSCD 北大核心 2022年第18期92-102,共11页
针对用户侧窃电检测背景下无监督方法的适用性,研究如何解决特征提取和异常检测间的解耦问题,提出基于深度自编码器高斯混合模型(Deep Auto-encoder Gaussian Mixture Model,DAGMM)的用户窃电行为检测方法。首先对数据进行增广迪基-福... 针对用户侧窃电检测背景下无监督方法的适用性,研究如何解决特征提取和异常检测间的解耦问题,提出基于深度自编码器高斯混合模型(Deep Auto-encoder Gaussian Mixture Model,DAGMM)的用户窃电行为检测方法。首先对数据进行增广迪基-福勒检验,获取具有平稳性的用电数据维度。然后通过压缩网络提取数据潜在特征,利用估计网络及高斯混合模型获取反映异常程度的样本能量。最后基于端对端的学习方式对网络参数联合优化以避免模型解耦,将样本能量超过异常阈值的用户识别为窃电,据此实现用户窃电行为检测。实验结果表明,基于深度自编码器高斯混合模型的窃电行为检测方法受窃电样本影响小,提取的特征可有效反映用户用电规律,具有更高的检测准确率。相比于现有方法,其检出率、误检率、F1测度及AUC等评价指标均有显著提高。 展开更多
关键词 窃电行为 无监督学习 深度自编码器高斯混合模型 增广迪基-福勒检验 解耦
暂未订购 下载PDF
基于改进GMM-CNN-GRU混合的非侵入式负荷监测方法研究 认领 引用 被引量：29
15
作者 杨秀 李安 +4 位作者 孙改平 田英杰 刘方 潘瑞媛 吴吉海 《电力系统保护与控制》 EI CSCD 北大核心 2022年第14期65-75,共11页
为挖掘用户侧节能减排潜力,对用户用电行为进行精细化分析和管理,提升电能利用效率,提出了一种基于高斯混合模型聚类和深度神经网络相结合的非侵入式负荷监测方法。首先,针对同一电器常出现功率相近但运行状态不一致问题,利用高斯混合... 为挖掘用户侧节能减排潜力,对用户用电行为进行精细化分析和管理,提升电能利用效率,提出了一种基于高斯混合模型聚类和深度神经网络相结合的非侵入式负荷监测方法。首先,针对同一电器常出现功率相近但运行状态不一致问题,利用高斯混合模型聚类算法中“软分类”和类簇灵活的优势,对负荷工作状态进行精细分类,形成负荷用电设备实际运行情况的负荷状态特征库。其次,针对常见的应用于非侵入式负荷监测模型的深度神经网络在多标签分类时存在识别精度低等问题,提出卷积神经网络与门控循环单元混合的深度神经网络模型。最后,综合考虑外部环境数据对家庭用户用能习惯的影响,在AMPds2数据集上开展验证分析,并与其他模型进行对比。结果表明,所提的非侵入式负荷监测模型具有较高的准确性。 展开更多
关键词 非侵入式负荷监测与分解 高斯混合模型聚类 卷积神经网络 门控循环单元 深度学习
暂未订购 下载PDF
基于深度卷积生成对抗网络场景生成的间歇式分布式电源优化配置 认领 引用 被引量：34
16
作者 顾洁 刘书琪 +1 位作者 胡玉 孟璐 《电网技术》 EI CSCD 北大核心 2021年第5期1742-1749,共8页
风电和光伏等间歇性分布式电源(distributed generation,DG)在配电网中接入比例不断提高,对配电网规划影响显著,需对其出力的不确定性进行建模,以提升含DG的配电网规划的效益与实用性。建立了考虑出力不确定性的DG双层优化配置模型。通... 风电和光伏等间歇性分布式电源(distributed generation,DG)在配电网中接入比例不断提高,对配电网规划影响显著,需对其出力的不确定性进行建模,以提升含DG的配电网规划的效益与实用性。建立了考虑出力不确定性的DG双层优化配置模型。通过改进的条件深度卷积生成对抗网络模型对DG出力的不确定性进行建模,并在模型中加入月份标签信息以生成面向规划的风光联合出力场景;基于高斯混合模型确定月份标签对应的风光出力的上下限,从而刻画DG出力的不确定性范围。最后,考虑DG出力的运行边界,建立了社会综合成本最小化的DG双层优化配置模型。IEEE 33节点算例验证表明,提出的DG优化配置方案能够提升DG的接入容量,有效降低社会综合成本,提高配电网运行的经济性。 展开更多
关键词 不确定性 场景生成 条件深度卷积生成对抗网络 高斯混合模型 双层优化配置
暂未订购 下载PDF
岩坡坡面裂隙网络智能识别与参数提取 认领 引用 被引量：19
17
作者 张紫杉 王述红 +1 位作者 王鹏宇 王存根 《岩土工程学报》 EI CAS CSCD 北大核心 2021年第12期2240-2248,共9页
作为高陡岩质边坡建模的重要先决条件,快速精准地进行岩坡表面裂隙网络的参数化建模近年来成为了研究的热点。研究引入深度学习技术与智能算法聚类思想,提出了一种结合无人机摄影技术的高陡边坡坡面裂隙网络智能识别与几何参数提取的方... 作为高陡岩质边坡建模的重要先决条件,快速精准地进行岩坡表面裂隙网络的参数化建模近年来成为了研究的热点。研究引入深度学习技术与智能算法聚类思想,提出了一种结合无人机摄影技术的高陡边坡坡面裂隙网络智能识别与几何参数提取的方法。采用空洞卷积算法对传统U-net分割识别网络进行改进,并运用GMM-EM算法对识别出的二值图中的裂隙进行聚类,最后引入RANSAC算法实现裂隙面的几何参数自动提取并运用DICE相似系数对识别结果进行对比分析。结果表明,该方法裂隙提取的准确率高于97%,相较于传统算法有所提高。同时,将该方法应用于云南鲁奎山铁矿边坡工程,实现了高陡岩坡表面裂隙信息的快速采集,为后续高陡岩质节理边坡建模提供了必要的技术支撑。 展开更多
关键词 高陡岩质边坡 岩体裂隙识别 深度学习 U-net网络 高斯混合聚类
暂未订购 下载PDF
基于VMD-DESN-MSGP模型的超短期光伏功率预测 认领 引用 被引量：60
18
作者 王粟 江鑫 +1 位作者 曾亮 常雨芳 《电网技术》 EI CSCD 北大核心 2020年第3期917-926,共10页
光伏功率时间序列受到多种因素影响,呈现出高度的随机性和波动性。针对光伏功率时间序列可预测性低的问题,提出了一种结合变分模态分解(variationalmodal decomposition,VMD)、深度回声状态网络(deepechostate network,DESN)和稀疏高斯... 光伏功率时间序列受到多种因素影响,呈现出高度的随机性和波动性。针对光伏功率时间序列可预测性低的问题,提出了一种结合变分模态分解(variationalmodal decomposition,VMD)、深度回声状态网络(deepechostate network,DESN)和稀疏高斯混合过程专家模型(mixtureof sparse gaussian process experts model,MSGP)的超短期光伏功率预测方法。首先采用VMD将光伏功率时间序列分解为不同的模态,降低数据的非平稳性;为提高模型在超短尺度时序的预测能力,对各模态分别建立DESN预测模型,将各模态预测结果进行求和重构;为进一步提高模型预测精度,对误差的特性进行分析,采用MSGP对预测误差进行补偿;最后将误差的预测值与原功率的预测值相叠加作为最终预测结果。仿真结果表明,该方法在光伏功率时序预测中的效果比传统预测模型更好,有效提高了超短期光伏功率时间序列预测的准确性。 展开更多
关键词 光伏功率预测 时间序列 变分模态分解 深度回声状态网络 稀疏高斯混合过程专家模型
暂未订购 下载PDF
CWGAN-DNN:一种条件Wasserstein生成对抗网络入侵检测方法 认领 引用 被引量：15
19
作者 贺佳星 王晓丹 +1 位作者 宋亚飞 来杰 《空军工程大学学报（自然科学版）》 CSCD 北大核心 2021年第5期67-74,共8页
针对现有的基于机器学习的入侵检测系统对类不平衡数据检测准确率低的问题,提出一种基于条件Wasserstein生成对抗网络(CWGAN)和深度神经网络(DNN)的入侵检测(CWGAN-DNN)。CWGAN-DNN通过生成样本来改善数据集的类不平衡问题,提升对少数... 针对现有的基于机器学习的入侵检测系统对类不平衡数据检测准确率低的问题,提出一种基于条件Wasserstein生成对抗网络(CWGAN)和深度神经网络(DNN)的入侵检测(CWGAN-DNN)。CWGAN-DNN通过生成样本来改善数据集的类不平衡问题,提升对少数类和未知类的检测效率。首先,通过变分高斯混合模型(VGM)对原始数据中的连续特征进行处理,将连续特征的高斯混合分布进行分解;然后利用CWGAN学习预处理后数据的分布并生成新的少数类数据样本、平衡训练数据集;最后,利用平衡训练集对DNN进行训练,将训练得到的DNN用于入侵检测。在NSL-KDD数据集上进行的实验结果表明:利用CWGAN生成的数据进行训练,DNN的分类准确率和F1分数提升了5%,AUC下降了2%;与其他类均衡方法相比,CWGAN-DNN的准确率至少提升了3%、F1分数和AUC提升了1%。 展开更多
关键词 入侵检测 类均衡技术 生成对抗网络 深度神经网络 高斯混合模型
暂未订购 下载PDF
基于深度卷积神经网络与高斯混合模型的水电机组异常声音检测 认领 引用 被引量：10
20
作者 张勇 元文智 +2 位作者 段贵金 王博宇 刘豪睿 《水电能源科学》 北大核心 2023年第8期188-191,130,共4页
为实现水电机组运行状态的安全监测,解决自动化值守问题,依据语音识别技术,基于发电机组运行监测信息对水轮机部分测点的正常状态建模,以实现异常检测。先使用西储大学轴承试验数据,验证深度卷积神经网络(CNN)与高斯混合模型(GMM)组合... 为实现水电机组运行状态的安全监测,解决自动化值守问题,依据语音识别技术,基于发电机组运行监测信息对水轮机部分测点的正常状态建模,以实现异常检测。先使用西储大学轴承试验数据,验证深度卷积神经网络(CNN)与高斯混合模型(GMM)组合建模方法的正确性;其次针对水轮机组共布置了42个测点,根据过速前后RMS的上升率,选择10个敏感测点进行位置分类;然后选取部分数据作为训练数据,得到CNN模型及机组声音特征,进一步训练并得到GMM模型;最后利用测试数据的打分结果,判断机器运行状态——即偏离正常状态的程度,实现异常状态检测。该试验方案通过人工标注确认,验证了方法的可行性,实现了基于声音的水电机组异常检测算法设计。 展开更多
关键词 水轮发电机组 深度卷积神经网络 高斯混合模型 异常检测 声谱图
暂未订购 下载PDF
已选0条
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 2 3 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈