共被期刊论文引用了4次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 网络表示学习显示文摘以Facebook、Twitter、微信和微博为代表的大型在线社会网络不断发展,产生了海量体现网络结构的数据。采用机器学习技术对网络数据进行分析的一个重要问题是如何对数据进行表示。首先介绍了网络表示学习的研究背景和相关定义。然后按照算法类别,介绍了当前5类主要的网络表示学习算法,特别地,对基于深度学习的网络表示学习技术进行了详细的介绍。之后讨论了网络表示学习的评测方法和应用场景。最后,探讨了网络表示学习的研究前景。 | 陈维政 张岩 李晓明 | 2015 | 大数据2015，1，3： | 15 |
| 2 | 基于独立成分分析结合遗传算法的电子鼻蜜源检测特征信号挖掘显示文摘针对交叉敏感性传感器阵列电子鼻图谱含样品信息全、噪声杂、信号冗余等特点,该文根据盲信号处理原理,利用独立成分分析提取油菜蜜、椴树蜜、洋槐蜜电子鼻交叉信号中不同性质分离的独立信号。将各蜜源样本电子鼻信号矩阵延响应时间轴方向展开,统一了各样品间独立成分分解顺序的一致性,并保持了混合信号矩阵中蜂蜜样本的排序。根据不同独立成分数分离信号所带来的蜜源分类效果,8个独立成分为最优成分数。结合遗传算法筛选出各独立成分中代表蜜源样本间差异而无重复信息的特征响应点20个,来富集蜂蜜样本间的整体电子鼻差异信息,并发现大部分集中于信号的吸附阶段,少量出现于解析附阶段。油菜蜜、椴树蜜、洋槐蜜蜜源判别模型采用支持向量机算法建立,通过比较原始信号、电导变化最大值、主成分分析(principal component analysis,PCA)、独立成分分析(independent component analysis,ICA)、独立成分分析结合遗传算法(genetic algorithm,GA)这5种信号处理方式,发现ICA结合GA的特征信号挖掘效果最优,预测集判别率(95.0%)最高,其中油菜蜜、椴树蜜、洋槐蜜的预测集判别力分别为24/25、16/17、36/38;且与训练集判别率(96.3%)最接近,说明模型稳定性高、泛化能力强。结果表明该方法可以准确提取电子鼻信号中能代表蜂蜜蜜源差异信息的特征信号,并在保证蜜源分类效果的前提下,大幅减小电子鼻信号的数据量。该研究为去除电子鼻交叉信号中的冗余成分,并挖掘掩藏其下的差异信息提供了很好的指导意义,同时也拓宽了ICA的应用范围。 | 刘宁晶 史波林 赵镭 庆兆珅 籍保平 周峰 | 2015 | 农业工程学报2015，31，S1： | 6 |
| 3 | 基于EEMD与ICA的油井声波信号去噪方法研究显示文摘针对声波法测油井动液面过程中,声波信号受油套环空中噪声的影响,出现反射声波信号不易辨识的问题。本文提出将总体经验模态分解和独立分量分析相结合的去噪方法,进而分离出反射声波信号和噪声信号。实验表明,该方法在复杂噪声干扰下,有效地分离出反射声波信号,提高目标信号的信噪比,证明该方法在油井声波信号处理中的有效性。 | 张鹏 孙飞 于政委 | 2016 | 自动化与仪器仪表2016，，1： | 3 |
| 4 | 应用盲源分离方法分离岩矿混合像元显示文摘采用盲源分离方法解混岩矿混合像元,获取岩矿组分信息.分析了常用的Fast ICA、Robust ICA方法,从算法稳定性、分离信号质量和迭代计算效率3个方面,比较不同目标函数及寻优过程的优势和不足:Robust ICA在算法稳定性和迭代计算效率上具有较大优势,分离信号质量并不是最佳;Fast ICA对初始值和步长比较敏感,计算可能不收敛,也可能陷于局部最优;峭度为目标函数的Fast ICA有较好的分离信号质量,但算法稳定性不如负熵为目标函数的Fast ICA;用于负熵近似的非二次函数对算法稳定性和迭代计算效率有较大影响,原因是非二次函数影响迭代计算步长,较小的步长算法稳定性较好,但是迭代计算效率降低.实际运用中,应根据岩矿混合像元光谱特点,选择恰当的混合像元分离方法,在不同性能之间达到平衡. | 蒋夕平 于瀚文 吴芳 修连存 | 2015 | 应用基础与工程科学学报2015，23，5： | 3 |
您所在的机构暂未开通此部分的功能，请联系管理员