期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
共找到
2
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种基于序列模式挖掘的独居老人用电预警模型
1
作者
金高铭
周钟炜
卢陈越
《电力大数据》
2023年第3期52-60,共9页
随着人口老龄化的加深,独居老人数量快速增长,如何及时检测发现老人出现异常情况成为小区管理的迫切需求。另一方面,智能电表技术的发展让用电数据的采集更加精确和及时,使得实时检测老人用电数据异常成为可能,但如何对此海量用电数据...
随着人口老龄化的加深,独居老人数量快速增长,如何及时检测发现老人出现异常情况成为小区管理的迫切需求。另一方面,智能电表技术的发展让用电数据的采集更加精确和及时,使得实时检测老人用电数据异常成为可能,但如何对此海量用电数据进行分析成为了难点。为此,本文提出了一种基于序列模式挖掘的独居老人用电数据预警模型,从历史数据中挖掘了老人用电特征的共性和特性,同时综合考虑了时间、天气数据等外部因素,通过深度学习进行异常检测。相比传统的检测方法,本文提出的模型能更加快速准确地检测异常,为独居老人的生活提供了安全保障,显著降低了社区管理人员的压力。在真实数据集上的实验结果验证了该模型的有效性。
展开更多
关键词
模式挖掘
异常监测
序列模型
深度学习
预警模型
下载PDF
职称材料
区域-道路时空图网络:一种基于图神经网络的流量预测模型
被引量:
2
2
作者
金高铭
刘安
+1 位作者
孙玉娥
于金刚
《小型微型计算机系统》
CSCD
北大核心
2022年第9期1801-1807,共7页
交通预测在城市规划中具有重要意义.由于交通流具有复杂的时空相关性,交通预测的任务一直面临着许多挑战.现有的方法通常利用上层区域图上的观测特征序列来学习和评价交通状况,而忽略了具有丰富语义的底层路网.为了克服这一缺点,本文将...
交通预测在城市规划中具有重要意义.由于交通流具有复杂的时空相关性,交通预测的任务一直面临着许多挑战.现有的方法通常利用上层区域图上的观测特征序列来学习和评价交通状况,而忽略了具有丰富语义的底层路网.为了克服这一缺点,本文将空间数据建模为观测图和隐藏图,并提出了一种新的交通预测框架:区域-道路时空图网络(R2RSTGN).为了学习道路网络和观测到的交通信息之间隐藏的相互作用,本文同时考虑区域和细粒度道路并提出了一种压缩注意力机制,可以为预测提供解释结果.在两个真实数据集上的实验结果验证了该框架的有效性.
展开更多
关键词
图模型
交通预测
神经网络
序列模型
注意力机制
下载PDF
职称材料
题名
一种基于序列模式挖掘的独居老人用电预警模型
1
作者
金高铭
周钟炜
卢陈越
机构
国网江苏省电力有限公司常州供电分公司
出处
《电力大数据》
2023年第3期52-60,共9页
文摘
随着人口老龄化的加深,独居老人数量快速增长,如何及时检测发现老人出现异常情况成为小区管理的迫切需求。另一方面,智能电表技术的发展让用电数据的采集更加精确和及时,使得实时检测老人用电数据异常成为可能,但如何对此海量用电数据进行分析成为了难点。为此,本文提出了一种基于序列模式挖掘的独居老人用电数据预警模型,从历史数据中挖掘了老人用电特征的共性和特性,同时综合考虑了时间、天气数据等外部因素,通过深度学习进行异常检测。相比传统的检测方法,本文提出的模型能更加快速准确地检测异常,为独居老人的生活提供了安全保障,显著降低了社区管理人员的压力。在真实数据集上的实验结果验证了该模型的有效性。
关键词
模式挖掘
异常监测
序列模型
深度学习
预警模型
Keywords
pattern mining
anomaly monitoring
sequence model
deep learning
early-warning model
分类号
TM714 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
区域-道路时空图网络:一种基于图神经网络的流量预测模型
被引量:
2
2
作者
金高铭
刘安
孙玉娥
于金刚
机构
苏州大学计算机科学与技术学院
苏州大学轨道交通学院
中国科学院沈阳计算技术研究所
出处
《小型微型计算机系统》
CSCD
北大核心
2022年第9期1801-1807,共7页
基金
国家自然科学基金项目(61572336)资助.
文摘
交通预测在城市规划中具有重要意义.由于交通流具有复杂的时空相关性,交通预测的任务一直面临着许多挑战.现有的方法通常利用上层区域图上的观测特征序列来学习和评价交通状况,而忽略了具有丰富语义的底层路网.为了克服这一缺点,本文将空间数据建模为观测图和隐藏图,并提出了一种新的交通预测框架:区域-道路时空图网络(R2RSTGN).为了学习道路网络和观测到的交通信息之间隐藏的相互作用,本文同时考虑区域和细粒度道路并提出了一种压缩注意力机制,可以为预测提供解释结果.在两个真实数据集上的实验结果验证了该框架的有效性.
关键词
图模型
交通预测
神经网络
序列模型
注意力机制
Keywords
graph network
traffic prediction
neural network
sequence model
attention mechanism
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种基于序列模式挖掘的独居老人用电预警模型
金高铭
周钟炜
卢陈越
《电力大数据》
2023
0
下载PDF
职称材料
2
区域-道路时空图网络:一种基于图神经网络的流量预测模型
金高铭
刘安
孙玉娥
于金刚
《小型微型计算机系统》
CSCD
北大核心
2022
2
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部