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
3
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
Kernel-Shapelets:基于卷积网络的特征子序列学习方法
1
作者
冯冠玺
马超
+1 位作者
石小川
张典
《软件导刊》
2023年第4期8-14,共7页
在时序分类领域中,基于特征子序列的方法因能给出个体分类的局部依据,从而具有较强的可解释性,但计算十分耗时,且分类表现相较于深度学习方法并不占优。深度学习方法虽在分类表现上优于其他方法,但缺乏可解释性。为了提高基于特征子序...
在时序分类领域中,基于特征子序列的方法因能给出个体分类的局部依据,从而具有较强的可解释性,但计算十分耗时,且分类表现相较于深度学习方法并不占优。深度学习方法虽在分类表现上优于其他方法,但缺乏可解释性。为了提高基于特征子序列方法的分类表现,增强深度学习方法的可解释性,提出基于CNN网络提取特征子序列的方法Kernel-Shapelets。该方法通过提取CNN的卷积核对应权重并作进一步筛选,从而提取出特征子序列,利用全局最大池化层的输出找出CNN网络的判断依据,从而提高模型的可解释性。通过在UCR时序数据集上进行实验,Kernel-Shapelets方法的平均分类准确率为82%,相比基于特征子序列的最优基准模型提高了15.4%,证明了Kernel-Shapelets能够利用CNN网络的学习能力提取出更有效、更具有辨识性的特征子序列,提取出的特征子序列也提高了CNN网络的可解释性。
展开更多
关键词
时序数据挖掘
时序数据分类
深度学习
卷积神经网络
特征子序列
下载PDF
职称材料
基于特征子序列修正的公交刷卡滞后时间推算
2
作者
冉江宇
戴彦欣
《城市交通》
北大核心
2017年第1期59-65,共7页
针对一票制公共交通IC卡刷卡系统存在的滞后时间问题,提出基于特征子序列修正的时差匹配推算方法。依托GPS车辆到站信息序列和刷卡聚类序列,分析首末站和中途站站间运行时间分布的差异化特征,分别从两序列中提取大时间差和连续小时间差...
针对一票制公共交通IC卡刷卡系统存在的滞后时间问题,提出基于特征子序列修正的时差匹配推算方法。依托GPS车辆到站信息序列和刷卡聚类序列,分析首末站和中途站站间运行时间分布的差异化特征,分别从两序列中提取大时间差和连续小时间差等特征子序列;利用两种子序列间一对一或一对多的对应关系分别进行初步搜索和二次修正,兼顾匹配过程的效率和精度。将推算流程应用于山西省大同市公共汽车系统,结果显示,抽样车辆的刷卡匹配率均达到99%以上,并且针对不同类型的公共汽车线路具有较强的适应性。
展开更多
关键词
公共汽车
GPS
IC卡
刷卡聚类
首末站
中途站
滞后时间
特征子序列
修正
下载PDF
职称材料
周跳在高阶差分中的时序特征及精确估计
被引量:
12
3
作者
王爱生
欧吉坤
《大地测量与地球动力学》
CSCD
北大核心
2008年第5期59-64,共6页
提出了独立周跳和非独立周跳的概念,给出了独立周跳在高阶差分时间序列中特征子序列,发现了非独立周跳的叠加性并给出了它在高阶差分中的特征子序列。提出以高阶差分为观测值,根据特征子序列建立观测方程,用最小二乘法探测和固定周跳的...
提出了独立周跳和非独立周跳的概念,给出了独立周跳在高阶差分时间序列中特征子序列,发现了非独立周跳的叠加性并给出了它在高阶差分中的特征子序列。提出以高阶差分为观测值,根据特征子序列建立观测方程,用最小二乘法探测和固定周跳的方法(探测周跳就是要判别特征子序列的位置)。对非差载波相位观测值的模拟试验表明这种方法能够精确地探测非独立周跳,而以往的高阶差分法往往无法准确探测非独立周跳。
展开更多
关键词
周跳
差分
时间
序列
特征子序列
模式识别
下载PDF
职称材料
题名
Kernel-Shapelets:基于卷积网络的特征子序列学习方法
1
作者
冯冠玺
马超
石小川
张典
机构
武汉大学国家网络安全学院
空天信息安全与可信计算教育部重点实验室
出处
《软件导刊》
2023年第4期8-14,共7页
文摘
在时序分类领域中,基于特征子序列的方法因能给出个体分类的局部依据,从而具有较强的可解释性,但计算十分耗时,且分类表现相较于深度学习方法并不占优。深度学习方法虽在分类表现上优于其他方法,但缺乏可解释性。为了提高基于特征子序列方法的分类表现,增强深度学习方法的可解释性,提出基于CNN网络提取特征子序列的方法Kernel-Shapelets。该方法通过提取CNN的卷积核对应权重并作进一步筛选,从而提取出特征子序列,利用全局最大池化层的输出找出CNN网络的判断依据,从而提高模型的可解释性。通过在UCR时序数据集上进行实验,Kernel-Shapelets方法的平均分类准确率为82%,相比基于特征子序列的最优基准模型提高了15.4%,证明了Kernel-Shapelets能够利用CNN网络的学习能力提取出更有效、更具有辨识性的特征子序列,提取出的特征子序列也提高了CNN网络的可解释性。
关键词
时序数据挖掘
时序数据分类
深度学习
卷积神经网络
特征子序列
Keywords
time series data mining
time series classification
deep learning
CNN
Shapelets
分类号
TP399 [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
基于特征子序列修正的公交刷卡滞后时间推算
2
作者
冉江宇
戴彦欣
机构
中国城市规划设计研究院
出处
《城市交通》
北大核心
2017年第1期59-65,共7页
文摘
针对一票制公共交通IC卡刷卡系统存在的滞后时间问题,提出基于特征子序列修正的时差匹配推算方法。依托GPS车辆到站信息序列和刷卡聚类序列,分析首末站和中途站站间运行时间分布的差异化特征,分别从两序列中提取大时间差和连续小时间差等特征子序列;利用两种子序列间一对一或一对多的对应关系分别进行初步搜索和二次修正,兼顾匹配过程的效率和精度。将推算流程应用于山西省大同市公共汽车系统,结果显示,抽样车辆的刷卡匹配率均达到99%以上,并且针对不同类型的公共汽车线路具有较强的适应性。
关键词
公共汽车
GPS
IC卡
刷卡聚类
首末站
中途站
滞后时间
特征子序列
修正
Keywords
bus
GPS
IC card
clustering sequences of IC card charging records
terminals
bus stops
lag time
characteristic subsequences
revision
分类号
U491.17 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
周跳在高阶差分中的时序特征及精确估计
被引量:
12
3
作者
王爱生
欧吉坤
机构
中国科学院测量与地球物理研究所动力大地测量学重点实验室
徐州师范大学测绘学院
中国科学院研究生院
出处
《大地测量与地球动力学》
CSCD
北大核心
2008年第5期59-64,共6页
基金
国家自然科学基金(40674012,40874011)
徐州师范大学校科研基金(06XLA17)
江苏省高校自然科学研究计划(07KJD420214)
文摘
提出了独立周跳和非独立周跳的概念,给出了独立周跳在高阶差分时间序列中特征子序列,发现了非独立周跳的叠加性并给出了它在高阶差分中的特征子序列。提出以高阶差分为观测值,根据特征子序列建立观测方程,用最小二乘法探测和固定周跳的方法(探测周跳就是要判别特征子序列的位置)。对非差载波相位观测值的模拟试验表明这种方法能够精确地探测非独立周跳,而以往的高阶差分法往往无法准确探测非独立周跳。
关键词
周跳
差分
时间
序列
特征子序列
模式识别
Keywords
cycle slip
differential
time sequence
characteristic sub-series
pattern identifying
分类号
P207 [天文地球—测绘科学与技术]
P227 [天文地球—大地测量学与测量工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
Kernel-Shapelets:基于卷积网络的特征子序列学习方法
冯冠玺
马超
石小川
张典
《软件导刊》
2023
0
下载PDF
职称材料
2
基于特征子序列修正的公交刷卡滞后时间推算
冉江宇
戴彦欣
《城市交通》
北大核心
2017
0
下载PDF
职称材料
3
周跳在高阶差分中的时序特征及精确估计
王爱生
欧吉坤
《大地测量与地球动力学》
CSCD
北大核心
2008
12
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