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65篇文章
< 1 2 … 4 >
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：
Data Cleaning Based on Stacked Denoising Autoencoders and Multi-Sensor Collaborations 认领 引用 被引量：1
1
作者 Xiangmao Chang Yuan Qiu +1 位作者 Shangting Su Deliang Yang 《Computers, Materials & Continua》 SCIE EI 2020年第5期691-703,共13页
Wireless sensor networks are increasingly used in sensitive event monitoring.However,various abnormal data generated by sensors greatly decrease the accuracy of the event detection.Although many methods have been prop... Wireless sensor networks are increasingly used in sensitive event monitoring.However,various abnormal data generated by sensors greatly decrease the accuracy of the event detection.Although many methods have been proposed to deal with the abnormal data,they generally detect and/or repair all abnormal data without further differentiate.Actually,besides the abnormal data caused by events,it is well known that sensor nodes prone to generate abnormal data due to factors such as sensor hardware drawbacks and random effects of external sources.Dealing with all abnormal data without differentiate will result in false detection or missed detection of the events.In this paper,we propose a data cleaning approach based on Stacked Denoising Autoencoders(SDAE)and multi-sensor collaborations.We detect all abnormal data by SDAE,then differentiate the abnormal data by multi-sensor collaborations.The abnormal data caused by events are unchanged,while the abnormal data caused by other factors are repaired.Real data based simulations show the efficiency of the proposed approach. 展开更多
关键词 Data cleaning wireless sensor networks stacked denoising autoencoders multi-sensor collaborations
暂未订购 下载PDF
基于SAT-SDAE的成品汽油在线调和质量自适应预测方法 认领 引用
2
作者 李炜 崔伟伟 +2 位作者 鲁春燕 李亚洁 王成文 《石油学报（石油加工）》 EI CAS CSCD 北大核心 2026年第3期936-948,共13页
针对成品汽油在线调和中质量指标预测效果难以达到预期的问题,基于自注意力机制(SAT)与堆叠去噪自编码机(SDAE)建立成品汽油在线调和质量指标自适应预测模型SAT-SDAE-DNN。首先,在调和组分比例的基础上,通过新添调和组分中影响产品质量... 针对成品汽油在线调和中质量指标预测效果难以达到预期的问题,基于自注意力机制(SAT)与堆叠去噪自编码机(SDAE)建立成品汽油在线调和质量指标自适应预测模型SAT-SDAE-DNN。首先,在调和组分比例的基础上,通过新添调和组分中影响产品质量指标的关键属性,并兼顾产品性能与环保指标,确定了契合实际工程的12输入1输出的单一指标独立预测方案。其次,通过堆叠多个去噪自编码机构建深度网络,实现了对成品汽油质量相关复杂特征的深层提取和高噪声工业数据的鲁棒表征。再者,将SAT模块嵌入SDAE之前,以实时关注并适应输入特征变量变化及之间的相互关联对输出质量指标的动态影响,自动应对原油产地差异和工况变化等因素导致的批次效应和波动;同时引入粒子群算法(PSO)对深度模型的超参数进行寻优,以进一步提升模型预测性能并避免超参数获取的繁复性。最后,经某炼油化工企业实际工业数据实验验证结果表明,基于SAT-SDAE-DNN模型,对成品汽油在线调和的研究法辛烷值、抗爆指数、烯烃含量、芳烃含量和苯含量5项质量指标的预测性能均优于其他模型,能够为成品汽油在线调和高效能生产提供可靠依据。 展开更多
关键词 汽油在线调和 神经网络 堆叠去噪自编码 自注意力机制 自适应预测
暂未订购 下载PDF
基于堆叠去噪自编码器的胸片骨抑制 认领 引用
3
作者 陈怡宁 王润平 +1 位作者 马小龙 买桂英 《新余学院学报》 2026年第2期41-50,共10页
针对胸片中骨骼遮挡病灶的问题,采用了一种基于堆叠去噪自编码器的胸片骨抑制模型。该模型采用深度卷积网络,集成去噪自编码器和堆叠自编码器,在编码-解码阶段进行特征降噪与特征重建,以平衡去噪性能与细节保留。为解决骨骼结构精准分... 针对胸片中骨骼遮挡病灶的问题,采用了一种基于堆叠去噪自编码器的胸片骨抑制模型。该模型采用深度卷积网络,集成去噪自编码器和堆叠自编码器,在编码-解码阶段进行特征降噪与特征重建,以平衡去噪性能与细节保留。为解决骨骼结构精准分离与软组织完整性保持的双重挑战,应用多目标损失函数:通过均方误差最小化重建误差,结合多尺度结构相似性指数优化影像结构保真度,实现影像结构特征的最优解耦。实验结果表明,该模型能有效抑制骨骼噪声,同时保留病灶边缘特征,为提升计算机辅助诊断系统的诊断性能提供技术支持。 展开更多
关键词 胸片骨抑制 堆叠去噪自编码器 深度卷积网络 损失函数 多尺度结构相似性指数
暂未订购 下载PDF
融合改进采样技术和SRFCNN-BiLSTM的入侵检测方法 认领 引用 被引量：5
4
作者 陈虹 由雨竹 +2 位作者 金海波 武聪 邹佳澎 《计算机工程与应用》 EI CSCD 北大核心 2025年第9期315-324,共10页
针对目前很多入侵检测方法中因数据不平衡和特征冗余导致检测率低等问题,提出融合改进采样技术和SRFCNN-BiLSTM的入侵检测方法。设计一种FBS-RE混合采样算法,即Borderline-SMOTE过采样和RENN欠采样同时对多数类和少数类样本进行处理,解... 针对目前很多入侵检测方法中因数据不平衡和特征冗余导致检测率低等问题,提出融合改进采样技术和SRFCNN-BiLSTM的入侵检测方法。设计一种FBS-RE混合采样算法,即Borderline-SMOTE过采样和RENN欠采样同时对多数类和少数类样本进行处理,解决数据不平衡问题。利用堆叠降噪自动编码器(stacked denoising auto encoder,SDAE)进行数据降维,减少噪声对数据的影响,去除冗余特征。采用改进的卷积神经网络(split residual fuse convolutional neural network,SRFCNN)和双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)更好地提取数据中的空间和时间特征,结合注意力机制对特征分配不同的权重,获得更好的分类能力,提高对少数攻击流量的检测率。最后,在UNSW-NB15数据集上对模型进行验证,准确率和F1分数为89.24%和90.36%,优于传统机器学习和深度学习模型。 展开更多
关键词 入侵检测 不平衡处理 堆叠降噪自动编码器 卷积神经网络 注意力机制
暂未订购 下载PDF
一种基于自编码器降维的神经卷积网络入侵检测模型 认领 引用 被引量：7
5
作者 孙敬 丁嘉伟 冯光辉 《电信科学》 北大核心 2025年第2期129-138,共10页
为了提升入侵检测的准确率,鉴于自编码器在学习特征方面的优势以及残差网络在构建深层模型方面的成熟应用,提出一种基于特征降维的改进残差网络入侵检测模型(improved residual network intrusion detection model based on feature dim... 为了提升入侵检测的准确率,鉴于自编码器在学习特征方面的优势以及残差网络在构建深层模型方面的成熟应用,提出一种基于特征降维的改进残差网络入侵检测模型(improved residual network intrusion detection model based on feature dimensionality reduction,IRFD),进而缓解传统机器学习入侵检测模型的低准确率问题。IRFD采用堆叠降噪稀疏自编码器策略对数据进行降维,从而提取有效特征。利用卷积注意力机制对残差网络进行改进,构建能提取关键特征的分类网络,并利用两个典型的入侵检测数据集验证IRFD的检测性能。实验结果表明,IRFD在数据集UNSW-NB15和CICIDS 2017上的准确率均达到99%以上,且F1-score分别为99.5%和99.7%。与基线模型相比,提出的IRFD在准确率、精确率和F1-score性能上均有较大提升。 展开更多
关键词 网络攻击 入侵检测模型 堆叠降噪稀疏自编码器 卷积注意力机制 残差网络
暂未订购 下载PDF
基于堆叠降噪自编码网络和多源数据加权融合的发电机故障诊断方法 认领 引用 被引量：2
6
作者 邢超 马红升 +3 位作者 覃日升 张明强 鄢晶 刘焱 《高压电器》 CAS CSCD 北大核心 2025年第5期170-178,共9页
随着电力系统中参与调节的机组日益增多,工业负荷比重逐步上涨,单一数据源已无法满足新型电力系统中机组状态在线监测的精度需求。为此文中结合堆叠降噪自编码(stacked denoisingautoencoder,SDAE)网络和多源数据融合技术提出了一种发... 随着电力系统中参与调节的机组日益增多,工业负荷比重逐步上涨,单一数据源已无法满足新型电力系统中机组状态在线监测的精度需求。为此文中结合堆叠降噪自编码(stacked denoisingautoencoder,SDAE)网络和多源数据融合技术提出了一种发电机状态监测方法。首先,提出了一种基于加权D⁃S证据理论的SCADA⁃PMU数据融合方法;然后引入自动编码技术构建堆叠降噪自编码深度学习网络模型,提取训练数据集的深度特征,构建发电机故障检测模型;最后通过对重构误差进行平滑处理,结合自适应阈值检测状态监测量的趋势变化,实现故障判定。算例仿真结果表明,相比于基于单一数据源的传统方法,文中提出的方法具有更高的鲁棒性和精确性,从而有效提升了发电机故障诊断和状态监测的精细化水平。 展开更多
关键词 D⁃S证据理论 堆叠降噪自编码网络 故障诊断 状态检测
暂未订购 下载PDF
基于PO-SSDAE算法的XLPE电缆局部放电模式识别 认领 引用 被引量：2
7
作者 卢姝婷 方程 程江洲 《自动化与仪表》 2025年第7期80-86,共7页
随着电力系统发展,电缆的绝缘老化问题日益突出,局部放电的检测与模式识别成为保障电力设备稳定运行的关键技术。传统方法在复杂噪声和多样化放电模式下精度较低。为此,研究提出了一种基于美洲狮优化算法的堆叠稀疏降噪自编码网络(puma ... 随着电力系统发展,电缆的绝缘老化问题日益突出,局部放电的检测与模式识别成为保障电力设备稳定运行的关键技术。传统方法在复杂噪声和多样化放电模式下精度较低。为此,研究提出了一种基于美洲狮优化算法的堆叠稀疏降噪自编码网络(puma optimizar algorithm-stack sparse denoising auto-encoder,PO-SSDAE)放电识别方法,通过优化SSDAE的超参数,提高了复杂信号噪声条件下的识别精度。实验采集XLPE电缆放电信号,提取时域与频域特征,并使用PO-SSDAE进行训练与优化。与其他6种方法对比,PO-SSDAE在准确率和鲁棒性方面具有显著优势,分类精度提高了15%以上,验证了其在局部放电模式识别中的应用潜力。 展开更多
关键词 XLPE电缆 局部放电 美洲狮优化算法 堆叠稀疏降噪自编码网络
暂未订购 下载PDF
SPR:Malicious traffic detection model for CTCS-3 in railways 认领 引用
8
作者 Siyang Zhou Wenjiang Ji +4 位作者 Xinhong Hei Zhongwei Chang Yuan Qiu Lei Zhu Xin Wang 《High-Speed Railway》 CSCD 2025年第2期105-115,共11页
The increasingly complex and interconnected train control information network is vulnerable to a variety of malicious traffic attacks,and the existing malicious traffic detection methods mainly rely on machine learnin... The increasingly complex and interconnected train control information network is vulnerable to a variety of malicious traffic attacks,and the existing malicious traffic detection methods mainly rely on machine learning,such as poor robustness,weak generalization,and a lack of ability to learn common features.Therefore,this paper proposes a malicious traffic identification method based on stacked sparse denoising autoencoders combined with a regularized extreme learning machine through particle swarm optimization.Firstly,the simulation environment of the Chinese train control system-3,was constructed for data acquisition.Then Pearson coefficient and other methods are used for pre-processing,then a stacked sparse denoising autoencoder is used to achieve nonlinear dimensionality reduction of features,and finally regularization extreme learning machine optimized by particle swarm optimization is used to achieve classification.Experimental data show that the proposed method has good training performance,with an average accuracy of 97.57%and a false negative rate of 2.43%,which is better than other alternative methods.In addition,ablation experiments were performed to evaluate the contribution of each component,and the results showed that the combination of methods was superior to individual methods.To further evaluate the generalization ability of the model in different scenarios,publicly available data sets of industrial control system networks were used.The results show that the model has robust detection capability in various types of network attacks. 展开更多
关键词 CTCS-3 Malicious traffic detection Generalized features Stacked sparse denoising autoencoder Regularized extreme learning machine
暂未订购 下载PDF
基于投资者情绪和栈式自编码器的股价预测模型 认领 引用
9
作者 蔡俊杰 王爱银 《哈尔滨商业大学学报（自然科学版）》 CAS 2025年第1期120-128,共9页
为提高股价预测的准确性,通过非线性组合的方法,构造了一种融合投资者情绪和栈式去噪自编码器(SDAE)和LSTM组合模型.通过情感分析(SA)提取的情感指数和SDAE提取的股票高质量特征被用作LSTM模型的输入.基于Python开发环境对恒生指数(HSI... 为提高股价预测的准确性,通过非线性组合的方法,构造了一种融合投资者情绪和栈式去噪自编码器(SDAE)和LSTM组合模型.通过情感分析(SA)提取的情感指数和SDAE提取的股票高质量特征被用作LSTM模型的输入.基于Python开发环境对恒生指数(HSI)进行了研究,实验结果表明,所提方法的预测性能优于其他对比方法,其平均绝对误差(MAPE)、R2和方向准确度(DA)值分别达到1.12%、0.92和84.93%,具有准确度较高的预测能力. 展开更多
关键词 股价预测 投资者情绪 栈式去噪自编码器 长短期记忆网络 非线性组合
暂未订购 下载PDF
基于堆叠稀疏自编码器与GAN的线损分层定位 认领 引用
10
作者 杜月 王慧琴 +2 位作者 余兆媛 钱亚林 魏敏俊 《电子设计工程》 2025年第5期115-119,共5页
线损数据中存在噪声数据,维度与线损数据一致,导致线损定位结果不精准。为此,提出基于堆叠稀疏自编码器与GAN的线损分层定位方法。构建线损分层定位GAN结构,判别假数据和真数据,获取线损分层数据。依据分层采集结果,计算分层供入、供出... 线损数据中存在噪声数据,维度与线损数据一致,导致线损定位结果不精准。为此,提出基于堆叠稀疏自编码器与GAN的线损分层定位方法。构建线损分层定位GAN结构,判别假数据和真数据,获取线损分层数据。依据分层采集结果,计算分层供入、供出电量和统计线损,以此作为分层存在异常线损的依据。基于堆叠稀疏自编码器的定位原理,通过在代价函数中增加散度,引导输出结果稀疏。根据确定的稀疏编码所在空间,借助SVM分类核函数,定位线损所在层次。由实验结果可知,所研究方法统计的四种线损变化范围分别是3.0~4.0 kW·h、1.0~3.0 kW·h、0.4~0.7 kW·h、4.2~4.8 kW·h,对应的窃电位置分别为表箱1层、表箱2层、表箱3层、表箱4层,具有精准的定位效果。 展开更多
关键词 堆叠稀疏自编码器 生成对抗网络 线损分层定位 SVM分类 稀疏编码
暂未订购 下载PDF
矿井供电系统故障识别模型的构建与应用 认领 引用
11
作者 王光明 《微型电脑应用》 2025年第3期243-246,共4页
为保障矿井供电系统的安全稳定运行,针对矿井供电系统故障类型众多、噪声量大、数据样本数量少的特点,提出利用马氏距离限制损失函数对栈式降噪稀疏自编码器进行改进,并建构对应的故障识别模型,可实现故障类型和故障选线的精准识别和判... 为保障矿井供电系统的安全稳定运行,针对矿井供电系统故障类型众多、噪声量大、数据样本数量少的特点,提出利用马氏距离限制损失函数对栈式降噪稀疏自编码器进行改进,并建构对应的故障识别模型,可实现故障类型和故障选线的精准识别和判断。将模型应用到矿井供电系统故障数据的识别中,结果表明模型仅需要迭代50次,分类识别准确率就可以达到90%以上,当迭代次数达到90次,模型分类准确率可以达到100%,大大降低了计算复杂度,避免出现过度拟合现象。模型对于故障类型和故障选线的平均分类识别准确率分别达到99.46%和99.32%,分类识别准确率高,可在矿井供电系统故障分类识别中合理应用。 展开更多
关键词 矿井供电系统 马氏距离限制损失函数 栈式降噪稀疏自编码器 故障识别模型
暂未订购 下载PDF
基于改进深层网络的人脸识别算法 认领 引用 被引量：48
12
作者 李倩玉 蒋建国 齐美彬 《电子学报》 EI CAS CSCD 北大核心 2017年第3期619-625,共7页
目前的人脸识别算法在其特征提取过程中采用手工设计(hand-crafted)特征或利用深度学习自动提取特征.本文提出一种基于改进深层网络自动提取特征的人脸识别算法,可以更准确地提取出目标的鉴别性特征.算法首先对图像进行ZCA(Zero-mean Co... 目前的人脸识别算法在其特征提取过程中采用手工设计(hand-crafted)特征或利用深度学习自动提取特征.本文提出一种基于改进深层网络自动提取特征的人脸识别算法,可以更准确地提取出目标的鉴别性特征.算法首先对图像进行ZCA(Zero-mean Component Analysis)白化等预处理,减小特征相关性,降低网络训练复杂度.然后,基于卷积、池化、多层稀疏自动编码器构建深层网络特征提取器.所使用的卷积核是通过单独的无监督学习获得的.此改进的深层网络通过预训练和微调,得到一个自动的深层特征提取器.最后,利用Softmax回归模型对提取的特征进行分类.本文算法在多个常用人脸库上进行了实验,表明了其在性能上比传统方法和普通深度学习方法都有所提高. 展开更多
关键词 人脸识别 改进的深层网络 卷积 池化 多层稀疏自动编码器
暂未订购 下载PDF
基于改进的稀疏去噪自编码器的入侵检测 认领 引用 被引量：26
13
作者 郭旭东 李小敏 +1 位作者 敬如雪 高玉琢 《计算机应用》 CSCD 北大核心 2019年第3期769-773,共5页
针对传统浅层的入侵检测方法无法有效解决高维网络入侵数据的问题,提出了一种基于堆叠稀疏去噪自编码器(SSDA)的入侵检测方法。首先,利用SSDA对入侵数据进行降维操作;然后,将高度抽象后的低维数据作为输入,利用softmax分类器进行入侵检... 针对传统浅层的入侵检测方法无法有效解决高维网络入侵数据的问题,提出了一种基于堆叠稀疏去噪自编码器(SSDA)的入侵检测方法。首先,利用SSDA对入侵数据进行降维操作;然后,将高度抽象后的低维数据作为输入,利用softmax分类器进行入侵检测;最后,又在SSDA方法的基础之上提出了一种改进模型(ISSDA),即在传统稀疏去噪自编码器的基础上增加新的约束条件,以此来提高深度网络对原始入侵数据的解码能力以及模型的入侵检测性能。实验结果证明,ISSDA方法与SSDA方法相比,对4种类型的攻击的检测准确率提高了将近5%,也有效地降低了误报率。 展开更多
关键词 自编码网络 稀疏去噪 入侵检测 特征降维 softmax
暂未订购 下载PDF
面向中文语音情感识别的改进栈式自编码结构 认领 引用 被引量：7
14
作者 朱芳枚 赵力 +2 位作者 梁瑞宇 王青云 邹采荣 《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2017年第4期631-636,共6页
为进一步提高汉语语音情感识别率,基于深度学习中的自编码、降噪自编码及稀疏自编码的网络结构,提出了一种改进的栈式自编码结构.该结构第1层使用降噪自编码学习一个比输入特征维数更大的隐藏特征,第2层采用稀疏自编码学习稀疏性特征,... 为进一步提高汉语语音情感识别率,基于深度学习中的自编码、降噪自编码及稀疏自编码的网络结构,提出了一种改进的栈式自编码结构.该结构第1层使用降噪自编码学习一个比输入特征维数更大的隐藏特征,第2层采用稀疏自编码学习稀疏性特征,最后使用softmax分类器进行分类识别.训练过程首先采用逐层预训练的方法,达到网络参数全面初始化的目的,然后对整个网络进行微调.在中文语音库上的情感识别实验显示,相较于单独使用栈式降噪或稀疏自编码,所提结构具有更好的识别效果.此外,基于CASIA库的对比实验显示,该结构比K近邻算法、稀疏表示方法、传统支持向量机和人工神经网络识别率分别提高了53.7%,29.8%,14.3%和1.9%.在自行录制的语音库中,该结构的识别率比人工神经网络提高了1.64%. 展开更多
关键词 语音情感识别 改进的栈式自编码 降噪自编码 稀疏自编码
暂未订购 下载PDF
基于深度神经网络的液压泵泄漏状态识别 认领 引用 被引量：23
15
作者 陈里里 何颖 董绍江 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第4期86-94,共9页
针对液压信号的高度复杂性以及难以识别的特点,构建了一种基于堆栈稀疏自编码器和Softmax的深度神经网络来对液压泵泄漏状态进行识别。利用小波变换和希尔伯特-黄变换提取液压信号的低维特征,并输入深度神经网络。通过堆栈稀疏自编码器... 针对液压信号的高度复杂性以及难以识别的特点,构建了一种基于堆栈稀疏自编码器和Softmax的深度神经网络来对液压泵泄漏状态进行识别。利用小波变换和希尔伯特-黄变换提取液压信号的低维特征,并输入深度神经网络。通过堆栈稀疏自编码器的逐层学习对特征进行优化并提取出高维特征,然后使用Softmax进行识别。实验结果表明,堆栈稀疏自编码器能够有效地提取液压泵泄漏状态的高维特征,构建的深度神经网络可有效地识别液压泵泄漏状态,识别精度达到了97.6%。此外与支持向量机、极限学习机、卷积神经网络以及长短期记忆网络相比,深度神经网络具有更好的识别效果。 展开更多
关键词 液压泵 泄漏 堆栈稀疏自编码器 深度神经网络
暂未订购 下载PDF
基于深度特征融合网络的风电机组行星齿轮箱故障诊断方法 认领 引用 被引量：22
16
作者 李东东 赵阳 +1 位作者 赵耀 蒋海涛 《电力系统保护与控制》 EI CSCD 北大核心 2022年第10期1-10,共10页
行星齿轮箱是风电机组中的重要部件,对风电机组的安全可靠运行具有重要意义。为此,提出一种基于深度特征融合网络的行星齿轮箱故障诊断方法,用于实现变速工况、样本不足和强噪声场景下的故障诊断。首先将原始信号扩展到多个特征域。其... 行星齿轮箱是风电机组中的重要部件,对风电机组的安全可靠运行具有重要意义。为此,提出一种基于深度特征融合网络的行星齿轮箱故障诊断方法,用于实现变速工况、样本不足和强噪声场景下的故障诊断。首先将原始信号扩展到多个特征域。其次利用多维堆栈稀疏自编码器提取各域特征。最后针对传统Softmax分类器对融合信息分类能力不足的问题,提出基于竞争粒子群算法优化的回声状态网络进行特征融合并输出诊断结果。经多场景不同故障诊断方法对比实验,所提方法在行星齿轮箱变速工况下分类效果良好,并对训练样本的减少和外界噪声有很强的鲁棒性。 展开更多
关键词 行星齿轮箱 故障诊断 多场景 深度学习 堆栈稀疏自编码器 回声状态网络 深度特征融合网络
暂未订购 下载PDF
面向网络入侵检测的GAN-SDAE-RF模型研究 认领 引用 被引量：19
17
作者 安磊 韩忠华 +1 位作者 林硕 尚文利 《计算机工程与应用》 CSCD 北大核心 2021年第21期155-164,共10页
针对传统机器学习方法在处理不平衡的海量高维数据时罕见攻击类检测率低的问题,提出了一种基于深度学习的随机森林算法的入侵检测模型,为了避免传统的随机森林面对高维数据和不平衡数据时分类精度低、稳定性差和对罕见攻击类检测率低的... 针对传统机器学习方法在处理不平衡的海量高维数据时罕见攻击类检测率低的问题,提出了一种基于深度学习的随机森林算法的入侵检测模型,为了避免传统的随机森林面对高维数据和不平衡数据时分类精度低、稳定性差和对罕见攻击类检测率低的问题,引入生成式对抗网络(GAN)和栈式降噪自编码器(SDAE)对随机森林算法(RF)进行改进。将罕见攻击类数据集输入GAN神经网络中,生成新的攻击类样本,改善网络入侵数据在样本集中不均衡分布的情况,通过堆叠深层的SDAE逐层抽取网络数据的分布规则,并结合各个编码层的系数惩罚和重构误差,来确定高维数据中与入侵行为相关的特征,基于降维后的特征数据构建森林决策树。采用UNSW-NB15数据集的实验结果表明,与SVM、KNN、CNN、LSTM、DBN方法相比,GAN-SDAE-RF整体检测准确率平均提高了9.39%、误报率和漏报率平均降低了9%和15.24%以及在少数类Analysis、Shellcode、Backdoor、Worms上检测率分别提高了26.8%、27.98%、27.85%、39.97%。 展开更多
关键词 深度学习 生成式对抗网络 栈式降噪自编码器 随机森林算法
暂未订购 下载PDF
基于半监督深度网络的冷连轧轧制力预报 认领 引用 被引量：16
18
作者 魏立新 翟博豪 +2 位作者 赵志伟 刘建朋 孙浩 《塑性工程学报》 CAS CSCD 北大核心 2020年第11期70-76,共7页
针对冷连轧生产中难以建立准确的轧制力数学模型的问题,提出了基于半监督深度网络的轧制力预报模型。首先,使用堆叠去噪自编码器逐层提取输入数据的高阶特征表示。为提高特征提取的有效性,根据输入值与目标值的相关性程度,对其各维度特... 针对冷连轧生产中难以建立准确的轧制力数学模型的问题,提出了基于半监督深度网络的轧制力预报模型。首先,使用堆叠去噪自编码器逐层提取输入数据的高阶特征表示。为提高特征提取的有效性,根据输入值与目标值的相关性程度,对其各维度特征损失函数施加不同比例,构成比例损失堆叠去噪自编码器。然后,使用比例损失堆叠去噪自编码器提取的高阶特征初始化深度网络,对目标值进行预测。仿真结果表明,该模型预测精度可控制在3%以内,实现了轧制力的高精度预测。 展开更多
关键词 冷连轧 轧制力预测 半监督学习 深度网络 比例损失堆叠去噪自编码器
暂未订购 下载PDF
一种基于深度神经网络的无线定位方法 认领 引用 被引量：17
19
作者 刘侃 张伟 +2 位作者 张伟东 张友梅 顾建军 《计算机工程》 CAS CSCD 北大核心 2016年第7期82-85,共4页
考虑到信号波动会对无线定位产生影响,基于深度神经网络提出一种回归的无线定位方法。采用四层深度神经网络结构进行定位,通过堆叠去噪自编码器对网络结构进行预训练,避免采用人工设计的方式,从大量有噪的样本中,自动学习有效特征。分... 考虑到信号波动会对无线定位产生影响,基于深度神经网络提出一种回归的无线定位方法。采用四层深度神经网络结构进行定位,通过堆叠去噪自编码器对网络结构进行预训练,避免采用人工设计的方式,从大量有噪的样本中,自动学习有效特征。分不同时段从现实场景中采集数据进行实验,结果表明,针对波动的无线信号,该方法能有效提高定位准确率。 展开更多
关键词 无线定位 深度神经网络 回归 深度学习 堆叠去噪自编码器
暂未订购 下载PDF
基于改进堆叠降噪自编码器的配电网高阻接地故障检测方法 认领 引用 被引量：13
20
作者 罗国敏 杨雪凤 +3 位作者 尚博阳 罗思敏 和敬涵 王小君 《电力系统保护与控制》 EI CSCD 北大核心 2024年第24期149-160,共12页
针对配电网高阻故障判定阈值选取难、噪声影响大和识别精度低等问题,提出了一种基于改进堆叠降噪自编码器的高阻接地故障检测方法,从特征提取及网络模型两个层面增强检测方法的可靠性与抗噪性能。首先,结合时频数据处理手段刻画高阻接... 针对配电网高阻故障判定阈值选取难、噪声影响大和识别精度低等问题,提出了一种基于改进堆叠降噪自编码器的高阻接地故障检测方法,从特征提取及网络模型两个层面增强检测方法的可靠性与抗噪性能。首先,结合时频数据处理手段刻画高阻接地故障与正常工况的物理特性差异,为构建故障样本特征库提供理论依据;其次,通过皮尔逊相关系数对时域、频域和时频域的故障特征进行分析与筛选,从而构造多域特征融合样本库,避免特征冗余现象;然后,利用极限学习机的强高维特征分类特性对堆叠降噪自编码器模型进行改进,以提高高阻接地故障分类器的鲁棒性和准确性;最后,在Matlab/Simulink中搭建10kV配电网仿真模型进行算例分析。结果表明,该方法在-1dB强噪声条件下仍有95.57%的高阻故障检测准确率,具有较高的工程实用价值。 展开更多
关键词 配电网 高阻接地故障 多域特征融合 堆叠降噪自编码器 极限学习机
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 … 4 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈