期刊文献+
共找到1,265篇文章
< 1 2 64 >
每页显示 20 50 100
Using Data Mining with Time Series Data in Short-Term Stocks Prediction: A Literature Review 被引量:3
1
作者 José Manuel Azevedo Rui Almeida Pedro Almeida 《International Journal of Intelligence Science》 2012年第4期176-180,共5页
Data Mining (DM) methods are being increasingly used in prediction with time series data, in addition to traditional statistical approaches. This paper presents a literature review of the use of DM with time series da... Data Mining (DM) methods are being increasingly used in prediction with time series data, in addition to traditional statistical approaches. This paper presents a literature review of the use of DM with time series data, focusing on shorttime stocks prediction. This is an area that has been attracting a great deal of attention from researchers in the field. The main contribution of this paper is to provide an outline of the use of DM with time series data, using mainly examples related with short-term stocks prediction. This is important to a better understanding of the field. Some of the main trends and open issues will also be introduced. 展开更多
关键词 data MINING Time Series FUNDAMENTAL data data Frequency Application Domain SHORT-term Stocks PREDICTION
暂未订购
Sentiment Analysis on Twitter Data Using Term Frequency-Inverse Document Frequency
2
作者 Akash Addiga Sikha Bagui 《Journal of Computer and Communications》 2022年第8期117-128,共12页
This study is an exploratory analysis of applying natural language processing techniques such as Term Frequency-Inverse Document Frequency and Sentiment Analysis on Twitter data. The uniqueness of this work is establi... This study is an exploratory analysis of applying natural language processing techniques such as Term Frequency-Inverse Document Frequency and Sentiment Analysis on Twitter data. The uniqueness of this work is established by determining the overall sentiment of a politician’s tweets based on TF-IDF values of terms used in their published tweets. By calculating the TF-IDF value of terms from the corpus, this work displays the correlation between TF-IDF score and polarity. The results of this work show that calculating the TF-IDF score of the corpus allows for a more accurate representation of the overall polarity since terms are given a weight based on their uniqueness and relevance rather than just the frequency at which they appear in the corpus. 展开更多
关键词 Sentiment Analysis Twitter data term Frequency Inverse term Frequency term Frequency-Inverse Document Frequency (TF-IDF) Social Media
在线阅读 下载PDF
EXISTENCE OF POSITIVE SOLUTIONS FOR A CLASS OF PARABOLIC EQUATIONS WITH NATURAL GROWTH TERMS AND L^1 DATA
3
作者 Kaouther AMMAR Hicham REDWANE 《Acta Mathematica Scientia》 SCIE CSCD 2014年第4期1127-1144,共18页
We study a class of nonlinear parabolic equations of the type:δb(u)/δt-div(a(x,t,u)△u)+y(u)|△u|^2=f,where the right hand side belongs to L^1(Q), b is a strictly increasing C^1-function and -div(a(x... We study a class of nonlinear parabolic equations of the type:δb(u)/δt-div(a(x,t,u)△u)+y(u)|△u|^2=f,where the right hand side belongs to L^1(Q), b is a strictly increasing C^1-function and -div(a(x, t, u)△u) is a Leray-Lions operator. The function g is just assumed to be continuous on R and to satisfy a sign condition. Without any additional growth assumption on u, we prove the existence of a renormalized solution. 展开更多
关键词 renormalized solutions natural growth terms L^1 data
在线阅读 下载PDF
Design of Low-Power Data Logger of Deep Sea for Long-Term Field Observation 被引量:1
4
作者 赵伟 陈鹰 +2 位作者 杨灿军 曹建伟 顾临怡 《China Ocean Engineering》 SCIE EI 2009年第1期133-144,共12页
This paper describes the implementation of a data logger for the real-time in-situ monitoring of hydrothermal systems. A compact mechanical structure ensures the security and reliability of data logger when used under... This paper describes the implementation of a data logger for the real-time in-situ monitoring of hydrothermal systems. A compact mechanical structure ensures the security and reliability of data logger when used under deep sea. The data logger is a battery powered instrument, which can connect chemical sensors (pH electrode, H2S electrode, H2 electrode) and temperature sensors. In order to achieve major energy savings, dynamic power management is implemented in hardware design and software design. The working current of the data logger in idle mode and active mode is 15 μA and 1.44 mA respectively, which greatly extends the working time of battery. The data logger has been successftdly tested in the first Sino-American Cooperative Deep Submergence Project from August 13 to September 3, 2005. 展开更多
关键词 data logger low-power design deep sea long-term monitoring
在线阅读 下载PDF
基于RAG的航空维修Long-Term数据提取技术研究
5
作者 赵华蕾 徐豪 +2 位作者 张国兴 陈巍 陈涤非 《长江信息通信》 2025年第8期5-8,共4页
针对航空领域的维修手册和工作记录多存在于Long-term(大表格或长文本)数据中,提出了一种基于RAG的航空维修Long-term数据提取技术方案,该方案将long-term变成short-term再进行检索,能够实现对复杂维修数据的高效管理和优化处理,保持数... 针对航空领域的维修手册和工作记录多存在于Long-term(大表格或长文本)数据中,提出了一种基于RAG的航空维修Long-term数据提取技术方案,该方案将long-term变成short-term再进行检索,能够实现对复杂维修数据的高效管理和优化处理,保持数据信息的完整性,提升航空维修的效率和准确性。 展开更多
关键词 RAG 航空维修 LONG-term SHORT-term 数据提取
在线阅读 下载PDF
基于数据驱动的路网连续交通流短时预测方法综述
6
作者 刘伟 钟灿 曹文明 《交通运输工程学报》 北大核心 2026年第2期24-43,共20页
为掌握数据驱动下的路网连续交通流短时预测技术发展最新动态,基于人工智能计算和实时交通数据采集技术快速发展的背景,对短时交通流深度学习预测模型、数据处理技术和预测效果进行了综述与总结。该研究梳理了交通流预测的经典统计模型... 为掌握数据驱动下的路网连续交通流短时预测技术发展最新动态,基于人工智能计算和实时交通数据采集技术快速发展的背景,对短时交通流深度学习预测模型、数据处理技术和预测效果进行了综述与总结。该研究梳理了交通流预测的经典统计模型、机器学习模型及深度学习模型的演变历程,重点分析了各类模型的优势与局限性;归纳了2024年至今的短时交通流预测方法研究进展,详细对比研究了循环神经网络、图卷积网络、多头注意力机制与Transformer架构、神经微分方程、超图理论及轻量化架构等短时交通流预测模型,以及联邦学习、迁移学习、生成对抗网络和多源数据融合等短时交通流预测数据处理技术;基于对均方根误差、平均绝对误差和平均绝对百分比误差三大核心指标的对比,总结了主流模型在标准化数据集PEMS上的性能,评估了代表性模型的泛化能力与稳定性。结果表明:深度学习方法相对于传统模型在短时交通流预测的精度、泛化能力及稳定性上具有明显优势;具备动态时空关系建模、多尺度周期数据结构、计算效率改进方法及增强鲁棒性机制等特征的短时交通流预测模型有更优异的性能;数据处理技术可有效改善数据隐私、跨区域差异、数据稀缺与异常缺失等实际问题,提升短时交通流预测模型的工程应用性能与可扩展性。未来可从时空特征挖掘、数据融合、模型轻量化、知识迁移以及模型工程应用等方面深化研究。 展开更多
关键词 交通工程 交通流 综述 短时预测方法 数据驱动 深度学习算法 数据处理技术
原文传递
数字政府建设的稳就业效应——来自大数据机构设立的证据 被引量:1
7
作者 赵彦锋 朱鹏丽 《企业经济》 北大核心 2026年第1期118-129,共12页
大数据管理机构改革是我国数字政府建设的重要举措,但目前对其如何影响就业的研究尚不足。本文以2009—2023年我国沪深A股非金融类上市公司为对象,利用地方大数据管理机构设立的准自然实验检验数字政府建设对企业劳动力雇佣的影响及作... 大数据管理机构改革是我国数字政府建设的重要举措,但目前对其如何影响就业的研究尚不足。本文以2009—2023年我国沪深A股非金融类上市公司为对象,利用地方大数据管理机构设立的准自然实验检验数字政府建设对企业劳动力雇佣的影响及作用机制。研究显示:数字政府建设具有“稳就业”效应,即大数据管理机构设立能促进当地企业增加劳动力雇佣,一系列内生性与稳健性检验支持该结论;促进数字化转型、缓解融资约束以及引导企业长期发展是数字政府提升劳动力雇佣水平的主要机制;从异质性来看,在财政透明度高的地区、市场化程度低的地区、资本密集型企业、制造业企业以及成熟期企业,数字政府的稳就业效应更显著。因此,提出以下建议:高质量建设大数据管理机构、提升劳动者岗位适配度并推动企业结合自身特点提高劳动者雇佣质效。 展开更多
关键词 数字政府 大数据管理机构改革 劳动力雇佣 数字化转型 融资约束 长期投资导向
在线阅读 下载PDF
基于CAWR-LSTM-TRF模型的超短期风电功率预测
8
作者 潘鹏程 张帅 +1 位作者 刘晖 陈子介 《太阳能学报》 北大核心 2026年第3期452-461,共10页
为提高风电超短期预测精度,提出一种长短期记忆神经网络(LSTM)算法与Transformer(TRF)模型相结合的超短期风电功率组合预测模型。为避免预测模型陷入局部最优解,引入余弦退火热重启(CAWR)策略对模型进行优化。首先,利用噪声密度聚类(DBS... 为提高风电超短期预测精度,提出一种长短期记忆神经网络(LSTM)算法与Transformer(TRF)模型相结合的超短期风电功率组合预测模型。为避免预测模型陷入局部最优解,引入余弦退火热重启(CAWR)策略对模型进行优化。首先,利用噪声密度聚类(DBSCAN)和随机森林(RF)进行异常数据清洗与填补。其次,采用CAWR-LSTM-TRF组合模型提取风电功率特征。最后,进行超短期风电功率预测。研究结果表明:与LSTM-TRF模型相比,经CAWR优化的LSTM-TRF组合预测模型的对称平均绝对百分比误差平均降低了0.46个百分点。因此,所提模型具有较高预测精度和较好预测性能。 展开更多
关键词 风电功率 长短期记忆神经网络 Transformer 数据清洗 余弦退火热重启 超短期预测
原文传递
我国数据跨境流动的制度型开放路径选择:基于贸易条件与韧性视角的研究
9
作者 陈刚 张磊 谈晓文 《经济理论与经济管理》 北大核心 2026年第1期79-100,共22页
本文将全球196个贸易伙伴国(或地区)依据数据跨境流动规则划分为三类模板:欧式、美式与发展中国家模板,对它们分别施加1%的贸易需求冲击后发现:发展中国家模板的负面反应最小、美式模板最强、欧式模板居中,反映出我国与发展中国家模板... 本文将全球196个贸易伙伴国(或地区)依据数据跨境流动规则划分为三类模板:欧式、美式与发展中国家模板,对它们分别施加1%的贸易需求冲击后发现:发展中国家模板的负面反应最小、美式模板最强、欧式模板居中,反映出我国与发展中国家模板之间的贸易韧性最强,且向不同模板靠拢的贸易条件改善排序与该韧性排序一致:向发展中国家模板靠拢的改善幅度最大,欧式模板次之,美式模板最小。此外,当模拟10%的贸易摩擦冲击时,我国社会总福利下降8.52%,表明在推进制度型改革的过程中,短期内可能对社会总福利造成负向影响。鉴于发展中国家模板仍较为分散,建议我国引领构建符合共同利益的“中式模板”。同时,考虑到现实中发展中国家需求难以调和,所以相较于美式模板,向欧式模板靠拢更契合经济利益且更具现实可行性。 展开更多
关键词 数据跨境流动规则 贸易需求冲击 贸易条件
在线阅读 下载PDF
光存储技术及未来发展
10
作者 张勇 罗嗣力 +3 位作者 刘震 王婷 葛君廷 张继军 《计算机工程与设计》 北大核心 2026年第3期631-637,共7页
存储市场对高性能、低成本、可长期保存的介质及设备需求日益增长,光存储在长期数据保存等多方面具有显著优势,但仍需加速研究更高密度光存储技术,持续降低单位存储成本。通过前期发展脉络分析未来光存储发展趋势,从技术和产业配套成熟... 存储市场对高性能、低成本、可长期保存的介质及设备需求日益增长,光存储在长期数据保存等多方面具有显著优势,但仍需加速研究更高密度光存储技术,持续降低单位存储成本。通过前期发展脉络分析未来光存储发展趋势,从技术和产业配套成熟度方面提出解决深度方向三维读写技术的优势和必要性,推动光存储市场在短期内快速增长,进而形成对产业生态的支撑作用。 展开更多
关键词 长期数据保存 单位存储成本 光存储发展趋势 产业配套成熟度 三维读写技术 光存储市场 产业生态
在线阅读 下载PDF
大数据长期低成本高效存储及检索
11
作者 鄢久越 张宇博 +4 位作者 周婉婷 詹晔康 姚杰 周游 曹强 《计算机工程与设计》 北大核心 2026年第3期638-648,共11页
本文针对海量数据长期高效低成本存储与利用问题,从存储介质、成本模型、存储节点、系统架构及元数据检索5个方面进行综述与研究。调研了新型高密度光存储技术并建立数据长期保存成本模型。提出磁光电融合的混合存储架构ROS,将光盘长寿... 本文针对海量数据长期高效低成本存储与利用问题,从存储介质、成本模型、存储节点、系统架构及元数据检索5个方面进行综述与研究。调研了新型高密度光存储技术并建立数据长期保存成本模型。提出磁光电融合的混合存储架构ROS,将光盘长寿命与磁盘高性能结合,实测读写带宽分别达323.6 MB/s和236.1 MB/s,延迟仅60 ms,实现了数据的在线访问。介绍了面向ZB级累积冷数据的存储系统架构及存取过程。提出动态多阶段键值索引架构FluidKV,实验结果表明该架构在维持高读写性能的同时节约了90%的DRAM空间,有效解决了海量元数据的高效检索难题。 展开更多
关键词 长期数据存储 高密度光存储 混合存储 冷数据存储系统 总体拥有成本 文件系统 键值对存储
在线阅读 下载PDF
基于GWO-LSTM-MLP组合神经网络的干热岩裂隙渗流出口温度预测研究
12
作者 刘先珊 于明智 +5 位作者 白冰 潘玉华 郑志伟 孙梦 杨文远 刘洋 《应用基础与工程科学学报》 北大核心 2026年第1期223-235,共13页
在干热岩研究与开发利用过程中,岩体裂隙中的水-岩换热行为是地热工程设计中的核心问题,实现渗流出口水温的准确预测,可大量减少工程成本和能源损耗.使用多场三轴实验系统对U50mm×100mm的花岗岩裂隙试样开展不同环境温度、体积流... 在干热岩研究与开发利用过程中,岩体裂隙中的水-岩换热行为是地热工程设计中的核心问题,实现渗流出口水温的准确预测,可大量减少工程成本和能源损耗.使用多场三轴实验系统对U50mm×100mm的花岗岩裂隙试样开展不同环境温度、体积流速下的对流换热实验,建立渗流传热实验数据集,使用灰狼优化算法(Grey Wolf Optimization,GWO)对LSTM-MLP组合神经网络进行参数优选.长短期记忆神经网络(Long Short-Term Memory,LSTM)用于捕捉渗流传热过程中的时间依赖性,多层感知机(Multi-Layer Perceptron,MLP)则用于提取非线性特征,二者结合可实现特征数据处理的优势互补.GWO以其出色的全局搜索能力有效避免陷入局部最优,确保模型参数的最优配置.考虑环境温度、入口温度、体积流速和裂隙开度4个输入参数预测渗流出口水温,引入3种常见的统计学指标评价模型性能,并对渗流传热过程中的时间相关性问题进行了预测.研究结果表明:对比近5年用于地热生产预测的机器学习模型,GWO-LSTM-MLP模型的预测结果最准确(R^(2)=0.989,RMSE=1.238,MAE=0.922),且GWO能够显著提高LSTM-MLP模型的预测效果,GWO参数优选后R^(2)值提高5.3%,RMSE值降低54.37%,MAE值降低60.53%.模型能准确预测渗流出口的稳态温度,其中最大绝对误差为0.8912℃,百分比误差为1.338%. 展开更多
关键词 增强型地热系统 对流换热实验 深度学习 长短期记忆网络 灰狼算法 时间序列数据
原文传递
基于CGAN-Attention-BiLSTM的风电功率预测
13
作者 张晓菲 陈秋莲 《广西大学学报(自然科学版)》 北大核心 2026年第1期115-127,共13页
针对风电功率预测中数据不足及时间序列复杂性问题,提出融合条件生成对抗增强与注意力双向长短期记忆网络的风电功率深度预测模型(CGAN-Attention-BiLSTM)。首先,构建条件生成对抗网络(CGAN)并引入气象因素、时间信息等条件生成更贴合... 针对风电功率预测中数据不足及时间序列复杂性问题,提出融合条件生成对抗增强与注意力双向长短期记忆网络的风电功率深度预测模型(CGAN-Attention-BiLSTM)。首先,构建条件生成对抗网络(CGAN)并引入气象因素、时间信息等条件生成更贴合实际场景的风电功率数据来扩充训练数据集,增强模型泛化能力;其次,采用双向LSTM网络对风电功率时间序列数据进行处理同时捕捉数据的前后依赖关系,在此基础上引入注意力机制自动分配不同时间步的权重,聚焦关键信息,提升模型对复杂模式的学习能力;最后,将CGAN增强后的数据输入带注意力机制的双向LSTM模型进行训练和预测。实际风电数据的实验结果表明,相比于现有模型,CGAN-Attention-BiLSTM具有更高的风电功率预测准确性和可靠性,可更好支撑电网实时调度与稳定性管理。 展开更多
关键词 条件生成对抗网络 注意力机制 双向长短期记忆网络 数据增强 风电功率预测
在线阅读 下载PDF
长短期记忆网络和生成对抗网络混合驱动的牵引供电系统关键运行数据增强方法
14
作者 葛磊蛟 林可愿 任丽苗 《电工技术学报》 北大核心 2026年第2期607-621,共15页
电压和电流等关键运行参数的高精度获取是实现牵引供电系统高效运行与精准控制的重要基础。然而,现有数据采集频率与处理算法精度仅仅达s级,难以满足牵引供电状态感知实时监测以及突发事件应急处理的需求。为此,该文提出一种基于长短期... 电压和电流等关键运行参数的高精度获取是实现牵引供电系统高效运行与精准控制的重要基础。然而,现有数据采集频率与处理算法精度仅仅达s级,难以满足牵引供电状态感知实时监测以及突发事件应急处理的需求。为此,该文提出一种基于长短期记忆网络(LSTM)和生成对抗网络(GAN)混合驱动的牵引供电系统关键运行数据增强方法。针对传统方法难以捕捉多变量复杂相关性的难题,该文结合主成分分析和灰色关联度分析,构建量测增强矩阵作为模型输入,以深入挖掘变量相关性,同时提升数据趋势变化的研判能力。进一步针对现有数据增强方法无法有效捕捉时间序列长短期依赖关系的问题,构建LSTM-GAN模型,精准捕捉量测数据的时间动态变化和深层次依赖结构,实现高精度时序数据增强。经过中国北方某高速铁路段车载监测系统的实测数据验证,该方法在提升数据精度和增强变量相关性分析方面具有显著优势,相较于其他数据增强算法,该模型的电流和电压绝对误差平均降低0.013 A和0.025 3 kV,数据生成频率提升至ms级。 展开更多
关键词 牵引供电系统 数据增强 LSTM-GAN模型 主成分分析 灰色关联度分析
在线阅读 下载PDF
基于大数据分析的沥青路面长期性能预测模型构建
15
作者 严江红 严江云 《智能建筑与智慧城市》 2026年第3期197-199,共3页
文章针对沥青路面长期性能预测精度不足、影响因素覆盖不全的问题,结合大数据分析海量数据处理与多维度特征挖掘的优势,分析性能影响因素与数据特性,详解数据预处理、特征工程、模型构建与验证全流程,构建多源数据驱动的预测模型,旨在... 文章针对沥青路面长期性能预测精度不足、影响因素覆盖不全的问题,结合大数据分析海量数据处理与多维度特征挖掘的优势,分析性能影响因素与数据特性,详解数据预处理、特征工程、模型构建与验证全流程,构建多源数据驱动的预测模型,旨在提升长期性能预测精准度,为公路养护决策与寿命管控提供技术支撑。 展开更多
关键词 大数据分析 沥青路面 长期性能 预测模型 多源数据
在线阅读 下载PDF
基于自适应分解与时序特征融合的大坝变形智能预测模型
16
作者 蔡桉 郑东健 《南水北调与水利科技(中英文)》 北大核心 2026年第1期261-272,共12页
为确保大坝安全稳定运行,提高大坝位移预测精度并降低运算成本,针对大坝监测数据波动性、噪声显著且单一模型处理能力不足等问题,提出一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with ada... 为确保大坝安全稳定运行,提高大坝位移预测精度并降低运算成本,针对大坝监测数据波动性、噪声显著且单一模型处理能力不足等问题,提出一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)、双向长短期记忆神经网络(bi-directional long-short term memory,BiLSTM)以及Transformer编码器的组合模型。该模型通过CEEMDAN分解有效缓解数据噪声干扰,利用Transformer捕捉全局时序依赖关系,并结合BiLSTM提取双向长短期特征,显著提升了复杂位移数据的预测能力。以某混凝土双曲拱坝的PL_(11-1)、PL_(11-2)、PL_(13-1)和PL_(13-2)测点水平位移数据为例进行验证,结果表明:CEEMDAN-Transformer-BiLSTM模型的预测性能优于LSTM、Transformer及Transformer-BiLSTM模型,其相关系数R^(2)分别达0.994、0.992、0.994和0.995,E_(MS)、E_(RMS)和E_(MA)均显著低于对比模型。该模型通过多尺度特征融合有效削弱了噪声干扰,且在捕捉长周期趋势与短期波动的协同建模中表现优异,为大坝安全监测提供了高精度、高可靠性的技术支撑。 展开更多
关键词 深度学习 大坝位移预测 数据分解 双向长短时记忆神经网络 Transformer编码器
在线阅读 下载PDF
不同干燥条件的稻谷特性及水分预测模型的建立
17
作者 吴兰 刘欢 尚庆松 《现代食品科技》 北大核心 2026年第1期234-245,共12页
为提升稻谷干燥过程中的品质,并准确预测干燥过程中稻谷的水分变化,该研究以粳稻为研究对象,通过爆腰增率和干燥时间作为评价指标,结合单因素与正交试验分析,对干燥工艺进行优化。该文探讨了不同干燥温度、风速及初始含水率条件下,稻谷... 为提升稻谷干燥过程中的品质,并准确预测干燥过程中稻谷的水分变化,该研究以粳稻为研究对象,通过爆腰增率和干燥时间作为评价指标,结合单因素与正交试验分析,对干燥工艺进行优化。该文探讨了不同干燥温度、风速及初始含水率条件下,稻谷水分含量及品质的变化规律;提出了一种融合自适应变异和精英策略优化(Adaptive Mutation and Elite Strategy Optimization,AEO)的遗传长短期记忆神经网络模型(AEO-GA-LSTM),用于稻谷干燥过程中的水分预测。结果显示,干燥温度和风速对稻谷的爆腰增率和干燥时间均具有显著影响(P<0.01),各因素的影响顺序为:干燥温度>干燥风速>初始水分,随着温度和风速的升高,干燥速率加快(P<0.01),稻谷的爆腰增率也显著增加;构建并对比BP、LSTM、GA-LSTM和AEO-GA-LSTM模型在不同干燥条件下的时序数据预测效果,结果显示,改进的AEO-GA-LSTM模型综合拟合系数R^(2)为0.9970,均方根误差为0.08,优于BP、LSTM和GA-LSTM模型的误差值0.22、0.19和0.14,显示了更强的适应性和可靠性,且相较于BP和GA-LSTM展现出较好的时效性,分别提升了48.82%和13.33%。因此,AEOGA-LSTM水分预测模型为热风干燥条件下稻谷的水分预测提供了一种新的思路与方法参考,有助于提升稻谷干燥工艺的自动化水平和品质控制能力。 展开更多
关键词 稻谷干燥 含水率预测模型 时间序列数据预测 长短期记忆网络 自适应变异调整
在线阅读 下载PDF
基于SAA-CNN-BiLSTM网络的多特征融合语音情感识别方法
18
作者 昝志辉 王雅静 +2 位作者 李珂 杨智翔 杨光宇 《计算机应用》 北大核心 2026年第1期69-76,共8页
针对单一语音情感特征对语音信息表征不全面及模型对语音特征利用率低的问题,提出一种基于SAACNN-BiLSTM网络的多特征融合语音情感识别方法。该方法引入噪声、音量和音速增强器对数据进行增强,以使模型学习到多样化数据特征,并将基频、... 针对单一语音情感特征对语音信息表征不全面及模型对语音特征利用率低的问题,提出一种基于SAACNN-BiLSTM网络的多特征融合语音情感识别方法。该方法引入噪声、音量和音速增强器对数据进行增强,以使模型学习到多样化数据特征,并将基频、时域以及频域特征进行多特征融合,从不同角度全面表达情感信息。此外,在双向长短时记忆(BiLSTM)网络的基础上引入卷积神经网络(CNN)捕获输入数据的空间相关性,并提取更具代表性的特征。同时,构建简化加性注意力(SAA)机制,简化显式查询键和查询向量,使注意力权重计算不依赖于特定查询信息,而不同维度的特征能基于注意力权重进行相互关联和影响,特征之间的信息得以交互和融合,从而提高特征的有效利用率。实验结果表明,该方法在EMO-DB、CASIA和SAVEE数据集上分别达到了87.02%、82.59%和73.13%的加权精度,相较于增量卷积(IncConv)、异构并行卷积双向长短期记忆(NHPC-BiLSTM)和动态卷积递归神经网络(DCRNN)等基线方法,分别提升了0.52~9.80、2.92~23.09和3.13~16.63个百分点。 展开更多
关键词 语音情感识别 深度学习 多特征融合 数据增强 长短时记忆网络 简化加性注意力机制
在线阅读 下载PDF
基于深度学习算法的数据关联关系智能识别
19
作者 陈为宋 许静云 +2 位作者 郑开宪 林盛开 吴宜灿 《微型电脑应用》 2026年第2期168-171,178,共5页
从海量数据中获取有用信息较为困难,存在获取识别率较低等问题,为此,提出一种基于深度学习算法的数据关联关系智能识别方法。所提出的方法采用卷积神经网络(CNN)作为特征提取器,能够有效地捕捉数据中的关联信息。同时,利用长短期记忆(LS... 从海量数据中获取有用信息较为困难,存在获取识别率较低等问题,为此,提出一种基于深度学习算法的数据关联关系智能识别方法。所提出的方法采用卷积神经网络(CNN)作为特征提取器,能够有效地捕捉数据中的关联信息。同时,利用长短期记忆(LSTM)网络建模和预测数据序列中的时间关联关系,提高对序列数据的识别性能。结合这2种算法,不仅能在数据中发现更深层次的关联性,还能有效地提升数据识别的准确性和效率。实验结果表明,所提出的方法在对图像数据进行识别分类时,准确率高达99.37%,在对数据进行时序信息识别时,准确率高达93.6%。证明所构建的模型在多项数据集上具有显著的准确性和鲁棒性,可广泛应用于各种数据关联场景,具有较大的应用前景和潜在价值。 展开更多
关键词 卷积神经网络 长短期记忆网络 数据关联 智能识别
在线阅读 下载PDF
有源无源数据协同的目标识别算法
20
作者 吴云松 曹伟 +3 位作者 潘继飞 许金鑫 张志强 籍林峰 《现代防御技术》 北大核心 2026年第1期111-118,共8页
针对有源无源数据协同识别中数据特征提取困难而导致协同识别准确率低的问题,提出一种基于双通道卷积和注意力机制的有源无源数据协同识别算法。将有源无源数据关联融合,然后采用双通道卷积网络提取数据的特征,在一条通道上,使用2个较... 针对有源无源数据协同识别中数据特征提取困难而导致协同识别准确率低的问题,提出一种基于双通道卷积和注意力机制的有源无源数据协同识别算法。将有源无源数据关联融合,然后采用双通道卷积网络提取数据的特征,在一条通道上,使用2个较大的卷积核来学习低频特征,较大的卷积核可以增强对噪声的鲁棒性;在另一条通道上,采用小卷积核来加强神经网络对细节特征的提取能力。同时采用注意力机制加强网络对关键特征的提取能力,并加入了双向LSTM网络提取复杂的时序特征。实验结果表明,所提方法能够有效提高识别准确率,并且具有较好的应用效果。 展开更多
关键词 协同识别 深度学习 双路卷积神经网络 注意力机制 数据关联 双向长短期记忆网络
在线阅读 下载PDF
上一页 1 2 64 下一页 到第
使用帮助 返回顶部