重构误差
重构误差的相关文献在2006年到2022年内共计125篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、机械、仪表工业
等领域,其中期刊论文84篇、会议论文4篇、专利文献34802篇;相关期刊63种,包括激光与红外、计算机工程、计算机工程与设计等;
相关会议4种,包括2009年全国开放式分布与并行计算学术年会、2006全国光电子与光电信息技术学术研讨会、2016年第27届中国过程控制会议 等;重构误差的相关文献由374位作者贡献,包括张强、克里斯托弗·安德鲁·塞格尔、吴强等。
重构误差—发文量
专利文献>
论文:34802篇
占比:99.75%
总计:34890篇
重构误差
-研究学者
- 张强
- 克里斯托弗·安德鲁·塞格尔
- 吴强
- 基兰·穆克什·米斯拉
- 孙亮
- 弗兰克·博森
- 张建龙
- 杨小兵
- 王强
- 王斌
- 王鹏飞
- 荆晓华
- 陈雪盈
- 万毅
- 乔俊飞
- 于宏亮
- 何晓飞
- 余正旭
- 侯相琛
- 冯坤
- 刘化果
- 刘记平
- 刘钊
- 华先胜
- 吴松
- 吴禄慎
- 周平
- 周志成
- 周昌军
- 唐国安
- 唐小聪
- 孟凡文
- 孟庆金
- 张化祥
- 张荣丰
- 张超
- 徐永向
- 徐长福
- 徐骏凯
- 景绍洪
- 曹丽萍
- 李周正
- 李新凯
- 李静
- 柴天佑
- 梁梦圆
- 江志农
- 潘望白
- 焦义文
- 王冠平
-
-
孙晓宁;
胡长岭;
侯森垚
-
-
摘要:
传统动态场景去模糊的方法都基于相邻帧之间的位移比较小,适用于处理平滑变化的模糊核,但难以处理包含多个运动物体的动态场景中经常出现的模糊核突变情况,而且对噪声很敏感。对于监控场景来说,摄像头的运动、环境光照等因素的变化相对可控,而物体的剧烈运动是引起模糊核突变的主要原因。当模糊图像的部分模糊核发生突变,在向更低金字塔层传播时会产生重构误差。
-
-
杨晓城;
杨真乙;
阎敬业;
武林;
蒋明峰
-
-
摘要:
成像反演是综合孔径辐射计的一项关键内容.然而,综合孔径辐射计成像反演是病态的反问题.虽然传统的正则化方法能有效克服其病态性,但依然存在较大的重构误差.为了进一步降低重构误差,提出一种基于拉普拉斯算子的综合孔径辐射计成像算法.与传统的单参数正则化不同,该算法通过引入拉普拉斯算子项,对差分亮温构造拉普拉斯混合正则化,并利用多维扩展的广义交叉验证准则选取2个正则化参数.基于L波段的FPIR样机进行了仿真分析,仿真结果表明:与改进的最小范数正则化和带限正则化相比,该算法均方根误差平均降低了30%,峰值信噪比平均提高了3 dB,证明了其有效性.
-
-
王雷;
孙习习
-
-
摘要:
由于轴承原始振动数据标签信息不足,难以对其进行建模分析,针对这一问题,以美国辛辛那提大学IMS数据集为研究对象,提出了一种基于时序分解与一维深度卷积自编码网络(STL-1DDCAE)的无监督轴承故障诊断方法。首先,通过一维深度卷积自编码网络对轴承正常运行数据的非线性特征进行了挖掘,得到了健康样本的重构误差;然后,采用概率分布的方式拟合了健康样本重构误差信号,并计算了其正太分布参数;最后,利用时间序列分解(STL)方法分析了轴承的重构误差曲线,利用趋势项分量确定了轴承故障的发生时间。研究结果表明:该方法能够充分提取轴承故障特征,自适应地确定样本临界阈值,避免轴承异常状态的高误判率,准确识别3个轴承异常信号发生的时间戳为760、1780、1700,并能够根据异常检测时间点分别给轴承数据添加健康状态、内圈故障、外圈故障及滚动体故障的标签,实现数据标签化处理。
-
-
蒋光峰;
胡鹏程;
叶桦;
仰燕兰
-
-
摘要:
目前深度学习方法应用于图分类模型的重点集中在将卷积神经网络迁移到图数据领域,包括重定义卷积层和池化层。卷积操作泛化到图数据上是有效的方法,但无论是卷积还是池化都存在较大的改进空间,尤其是在提取网络拓扑结构信息方面。提出一种基于重构误差的同构图分类模型,一方面利用改进的同构图卷积网络WaveGIC增强提取拓扑结构信息能力;另一方面利用多重注意力机制表征全图,使得模型能够关注关键节点信息。由于网络加深过程,局部拓扑结构的特征表达越来越不明显。在分类损失基础上添加重构误差损失,使分类器同时考虑图的节点特征和拓扑结构。在基准数据集上的实验结果表明,提出的方法具有较高的图分类准确度。
-
-
张如雪;
缪祥华
-
-
摘要:
为了在入侵检测时得到更高的精确率,使用极限梯度提升决策树XGBoost和梯度提升决策树GBDT构成集成学习的深度提升模型。利用CICIDS2017数据集对该模型进行实验,结果表明:与传统的5种方法相比,该方法在二分类和多分类任务上都表现出良好的检测效果。
-
-
高宇;
李卫民;
赵旭东;
江国海;
丛伟
-
-
摘要:
针对逆向工程技术中的模型重构的主要方法进行了分析,并对模型逆向重构过程中使用的主要软件及其适用性进行了总结.随后,对模型重构过程中的误差来源进行了研究.最后,就这一技术的国内外应用现状进行了3个层次上的分类,并对这一技术的未来发展方向进行了展望.
-
-
孙泽宇;
董汉磊;
苏艳超;
徐琛;
聂雅琳;
李传锋
-
-
摘要:
为了更好地抵制网络能量快速消耗和降低不可靠链路对无线传感器网络系统数据收集的影响以提高数据重构精度,提出了一种基于能量有效的多参数数据重构方法(Multi-parameter Data Reconstruction Method based on Energy Efficient,MDR).利用移动智能计算给出传感器节点之间多跳函数关系以确定传感器节点之间比例关系;通过稀疏矩阵设计一种低相干性的观测矩阵,抑制数据丢包率对整个传感网系统的影响,提高汇聚节点数据重构精度;通过基于数据转发策略确认机制实现簇间数据传输的高可靠性,完成了节点间多路径路由数据的可靠交付.仿真实验表明,在数据丢包率为40%的情况下,MDR的数据重构精度误差仍小于5%;在与其他算法比对时,其数据转发次数降低了10.36%,平均网络能耗降低了13.29%,从而验证了该算法的有效性和实效性.
-
-
林昕玥;
于炯;
杜旭升;
理姗姗;
杨少智;
高杰
-
-
摘要:
针对基于栈式自编码器的离群点(SAE)检测算法和基于密度的离群点(LOF)检测算法检测精度不高的问题,提出了将SAE算法和LOF算法相结合的SAE-LOF算法.该算法的核心是对单独的SAE算法和LOF算法加入“投票”思想,通过神经网络训练权重,计算SAE算法和LOF算法加权投票结果,进而检测离群点.首先,训练并测试SAE,得到SAE的重构误差;其次,通过LOF算法得到局部离群因子;再次,将SAE算法的重构误差和LOF算法的局部离群因子作为新的特征输入到神经网络,进行有监督的训练;最后,将测试集分别经过SAE算法和LOF算法,再输入到神经网络,输出值最高的若干样本被预测为离群点.将SAE-LOF算法与SAE算法、LOF算法、KNN算法、孤立森林算法进行了比较,结果表明:SAE-LOF算法的预测结果具有更高的精度、更低的错误率以及更高的AUC值.该算法显著提高了分类器的性能.
-
-
郑鹏根;
赵慧民;
詹瑾;
黄智慧;
利华康
-
-
摘要:
针对视频目标跟踪过程中,目标被遮挡或背景杂乱时,基于全局字典表示的跟踪方法易出现非最优稀疏特征选择的问题,提出一种对目标外观进行加权局部表示并增量更新字典的视觉跟踪方法.先将第一帧目标分割为多个局部表示,为每个局部块构建相应的稀疏子字典;在后续帧中,使用局部字典计算搜索样本的各局部块稀疏特征,再使用稀疏特征系数中的非目标成分计算样本各局部块的扰动量和权重,通过最小化局部权重和局部重构误差的线性和获取最佳候选样本.此外,可根据扰动量检测目标干扰信息,用以调节字典更新频率,实现周期性且自适应的增量字典更新方法.在OTB100数据集上采用中心位置误差、重叠率、精度图等方法对同类方法进行定量对比分析,结果说明采用局部加权目标表示方法能更灵活地表示目标变换,特别是在有背景干扰、遮挡和目标形变的场景下具有较好的跟踪鲁棒性.
-
-
-
WANG-Gongming;
王功明;
LI-Wenjing;
李文静;
QIAO-Junfei;
乔俊飞
- 《2016年第27届中国过程控制会议》
| 2016年
-
摘要:
针对连续型深度信念网(Continuous Deep Belief Network,CDBN)隐含层层数难以确定的问题,提出一种基于重构误差的CDBN网络深度确定方法.多个连续型受限玻尔兹曼机(Continuous Restricted BoltzmannMachine,CRBM)叠加构成CDBN,通过分析CRBM的重构误差与CDBN网络能量的相关性,设定重构误差阈值并设计网络深度决策机制,实现对CDBN隐含层层数进行自组织调整.仿真实验验证,基于重构误差的CDBN网络深度确定方法能够对CDBN的最优隐含层层数进行确定,有效提高了网络深度决策的效率.
-
-
-
赵德群;
李梦醒
- 《2009年全国开放式分布与并行计算学术年会》
| 2009年
-
摘要:
针对传统ANMM算法计算率低的问题,提出一种基于改进ANMM及Trace Ratio的人脸识别算法.在近邻保持投影的基础上,算法减少了同类数据间由干线性投影而带来的重构误差,同时,保留了类内相似度图的拉普拉斯矩阵的完整性.另一方面,通过构造一个与类内相似度图对应的类外代价图,算法还可以最大化两者间的边界.
-