【摘 要】
：
在实际应用中,数据点中包含的冗余特征和异常值(噪声)严重影响了聚类中更显著的特征的发现,大大降低了聚类性能。本文提出了一种基于ELM-AE(extreme learning machine as autoencoder)特征表示的谱聚类算法(spectral clustering via extreme learning machine as autoencoder,SC-ELM-AE)。ELM-AE通过奇异值分解学习源数据主要特征表示,使用输出权值实现从特征空间到原输入数据的重构;再将该特征表示空间作为
【机 构】
：
中国矿业大学计算机科学与技术学院,徐州工业职业技术学院信息工程学院
【基金项目】
：
国家自然科学基金项目(61672522,61976216),江苏省高校哲学社会科学研究项目(2019SJA1013),江苏高校“青蓝工程”.
论文部分内容阅读
在实际应用中,数据点中包含的冗余特征和异常值(噪声)严重影响了聚类中更显著的特征的发现,大大降低了聚类性能。本文提出了一种基于ELM-AE(extreme learning machine as autoencoder)特征表示的谱聚类算法(spectral clustering via extreme learning machine as autoencoder,SC-ELM-AE)。ELM-AE通过奇异值分解学习源数据主要特征表示,使用输出权值实现从特征空间到原输入数据的重构;再将该特征表示空间作为
其他文献
针对路面不平和地面障碍物严重影响轮式机器人行走问题,提出一种检测和构图的方法。激光雷达对地面探测获取点云数据,结合移动机器人位姿,计算出路面凹凸状态,进行平整性检测和标记,筛选出所有障碍物,得到凹凸障碍物地图。实验表明,该方法能构建障碍物地图并实现路面实时平整性检测,比普通栅格地图增加了小型和凹型障碍物信息。
果树栽培学课程是植物科学与技术专业的核心课程.该文从修订果树栽培学课程教学大纲、改进教学模式以及完善教学评价等3个环节进行了课程思政教学改革的探索,为推进地方高校
针对固定系数加权法出现的Pareto前沿收敛性和分布性较差的问题,提出了一种混沌萤火虫优化算法,将其同固定系数加权的人工萤火虫算法、NSGAII算法进行了ZDT序列测试,结果发现所提方法得到的GD和SP更小。结合某厂五机架冷连轧机,用混沌萤火虫优化算法和NSGAII算法进行了多目标负荷分配并将它们得到的Pareto前沿进行了对比,结果发现混沌萤火虫优化算法的结果支配了NSGAII法的结果,表明了混沌萤火虫优化算法在多目标负荷分配上的优越性。
为进一步提升高速列车运行效能,提出了一种考虑牵引电机功率损耗的高速列车节能速度跟踪控制算法。首先,考虑牵引电机电能损耗与列车运行速度、牵引力的非线性关系,构建高速列车运动学模型和包含电机损耗的列车运行能耗模型。然后,基于模型预测控制框架设计实时控制算法,以速度跟踪误差及整车运行能耗最小化为控制目标,采用动态规划算法求解最优电机运行个数,实现列车运行速度滚动优化和跟踪控制。最后,采用实际运行线路验证算法的有效性,仿真结果表明,所提控制算法比传统PID控制有着更好的速度跟踪效果,同时对列车牵引电机效率提升和列
近年来的研究表示,知识图谱嵌入对于学习多关系数据的表示是有效的。但是,大多数方法都局限于知识图谱中的结构化数据,这阻碍了实体语义信息的全面表达。因此,要优化嵌入,重要的是考虑更广泛的信息来源,例如文本、图像等。通过获取每个实体的相关文本文档,根据关系生成文本表示,与此同时生成结构表示,将两种表示联合学习。通过链接预测任务评估模型效果,与单独的平移距离模型相比,这种方法有更好的性能。
针对大中型企业在发展过程中对企业网络的大带宽、低时延、高安全性等方面的智能工业应用需求,规划并设计了一套适用于大中型企业的网络架构,分别从整体规划、无线网设计、核心网设计、传输网设计四个方面做了详细描述。
摘 要：利用2010—2017年常規气象观测资料，分析了重庆永川大风时空分布规律、极端性特征及其天气学背景，为大风预报提供参考。结果表明：（1）永川出现了58次大风过程，风向以NNW或N为主，集中在中部地区和河谷地带。（2）四季皆有大风出现，4月、5月、8月大风较为频繁，主要出现在凌晨前后、傍晚前后。（3）非单站型较单站型大风偏多近40%，非单站型在午后到夜间易发生，影响全区大部地区;单站型02—
医疗信息物理系统是集成了医院物理、通信和计算组件的系统,旨在为患者提供高质量的医疗保健,然而医疗信息物理系统也带来新的安全风险。针对此问题,研究了一种基于LS-CNN模型的入侵检测方案,该方案采用轻量高效的拉普拉斯分值法进行特征选择,利用卷积神经网络学习特征以及分类样本。使用UNSW-NB15作为研究数据集,实验结果表明,该模型相比于其他机器学习算法具有更高的准确率,并且拉普拉斯分值法能在保证分类性能的同时降低61%的训练时间。
针对大多数关系抽取模型在小样本数据量的情况下无法高效地对单个语句的语义关系进行抽取的现象,提出了基于密集连接思想的小样本关系抽取框架。在时间卷积神经网络中借鉴DenseNet的密集连接思想,使用密集连接代替残差处理,能够减少特征损失,抑制过拟合现象,提取出小样本量文本序列数据中的更多语义信息,提高小样本关系抽取的准确度,取得了相对有竞争力的F1值。
数据预处理在深度学习中越来越重要,而对于处理高维数据,降维成了数据预处理过程中必不可少的一部分。低方差滤波算法是一种常用的降维算法,但降维前的归一化操作处理时间消耗一定的时间和计算资源。所以,本文提出了一种基于低方差滤波算法的改进降维算法,通过对方差取算数平方根再除以均值的方法,省去了在降维前的归一化操作,从而减少了数据预处理的计算时间,提高了算法的效率,节省了计算资源。