期刊导航
期刊开放获取
vip
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
2
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
基于PCMCI算法与Tsfresh工具的网管指标异常检测方法
1
作者
黄继宁
刘洋
+1 位作者
麦锦恩
林彬
《电信工程技术与标准化》
2024年第10期1-7,共7页
网络异常会降低用户体验,而有效的异常识别和故障的根因定位,对于快速恢复服务并减轻损失来说至关重要,因此在智能运维领域,对网络异常识别方法的研究和应用将持续成为智能运维领域的热点和重点方向。本文针对无线网络网管指标量大、关...
网络异常会降低用户体验,而有效的异常识别和故障的根因定位,对于快速恢复服务并减轻损失来说至关重要,因此在智能运维领域,对网络异常识别方法的研究和应用将持续成为智能运维领域的热点和重点方向。本文针对无线网络网管指标量大、关联繁杂以及监控资源消耗高等问题,结合PCMCI算法和Tsfresh工具,找出网管指标之间的因果关联关系,并通过对网管指标时序数据的特征检测,识别出网络的异常,实现了无线网络优化平台的网管指标检测自动化、智能化,提升了异常识别的准确率和无线网络优化的响应效率,在识别网络异常情况和智能运维领域有着积极的影响。
展开更多
关键词
时序数据
PCMCI
tsfresh
无线网络优化
在线阅读
下载PDF
职称材料
基于TsFresh-Stacking的毫米波雷达人体跌倒检测方法
2
作者
李牧
王昭
骆宇
《网络安全与数据治理》
2023年第6期71-78,共8页
针对雷达频谱图空间信息较少,且通过单一机器学习算法进行毫米波雷达人体跌倒行为识别精度低、稳定性差的问题,使用人体空间雷达点云时序数据,提出了融合TsFresh特征提取和Stacking堆叠集成学习的跌倒识别方法。首先,采用TI-IWR6843毫...
针对雷达频谱图空间信息较少,且通过单一机器学习算法进行毫米波雷达人体跌倒行为识别精度低、稳定性差的问题,使用人体空间雷达点云时序数据,提出了融合TsFresh特征提取和Stacking堆叠集成学习的跌倒识别方法。首先,采用TI-IWR6843毫米波雷达采集人体动作对应的人体运动跟踪时序数据,构建包含不同年龄、身高、体重信息、跌倒方式的数据集。其次,结合TsFresh时序特征提取工具和基于随机森林模型的特征重要性提取人体跌倒关键时序特征。最后,提出了融合随机森林、支持向量机、K-最邻近算法、XGBoost和CatBoost 5种单元机器学习模型的Stacking堆叠式集成学习方法。结果表明,与典型单一机器学习算法相比,Stacking集成学习算法具有明显的性能提升,能够有效提升人体跌倒行为识别准确性和泛化性。
展开更多
关键词
毫米波雷达
机器学习
人体跌倒
tsfresh
集成学习算法
在线阅读
下载PDF
职称材料
题名
基于PCMCI算法与Tsfresh工具的网管指标异常检测方法
1
作者
黄继宁
刘洋
麦锦恩
林彬
机构
中国移动通信集团广东有限公司
中国移动通信集团设计院有限公司广东分公司
出处
《电信工程技术与标准化》
2024年第10期1-7,共7页
文摘
网络异常会降低用户体验,而有效的异常识别和故障的根因定位,对于快速恢复服务并减轻损失来说至关重要,因此在智能运维领域,对网络异常识别方法的研究和应用将持续成为智能运维领域的热点和重点方向。本文针对无线网络网管指标量大、关联繁杂以及监控资源消耗高等问题,结合PCMCI算法和Tsfresh工具,找出网管指标之间的因果关联关系,并通过对网管指标时序数据的特征检测,识别出网络的异常,实现了无线网络优化平台的网管指标检测自动化、智能化,提升了异常识别的准确率和无线网络优化的响应效率,在识别网络异常情况和智能运维领域有着积极的影响。
关键词
时序数据
PCMCI
tsfresh
无线网络优化
Keywords
time series data
PCMCI
tsfresh
wireless network optimization
分类号
TN929.5 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于TsFresh-Stacking的毫米波雷达人体跌倒检测方法
2
作者
李牧
王昭
骆宇
机构
西安理工大学自动化与信息工程学院
出处
《网络安全与数据治理》
2023年第6期71-78,共8页
基金
陕西省教育厅科研计划项目(18JK0341)
西安市科技计划项目(2020KJRC0083)。
文摘
针对雷达频谱图空间信息较少,且通过单一机器学习算法进行毫米波雷达人体跌倒行为识别精度低、稳定性差的问题,使用人体空间雷达点云时序数据,提出了融合TsFresh特征提取和Stacking堆叠集成学习的跌倒识别方法。首先,采用TI-IWR6843毫米波雷达采集人体动作对应的人体运动跟踪时序数据,构建包含不同年龄、身高、体重信息、跌倒方式的数据集。其次,结合TsFresh时序特征提取工具和基于随机森林模型的特征重要性提取人体跌倒关键时序特征。最后,提出了融合随机森林、支持向量机、K-最邻近算法、XGBoost和CatBoost 5种单元机器学习模型的Stacking堆叠式集成学习方法。结果表明,与典型单一机器学习算法相比,Stacking集成学习算法具有明显的性能提升,能够有效提升人体跌倒行为识别准确性和泛化性。
关键词
毫米波雷达
机器学习
人体跌倒
tsfresh
集成学习算法
Keywords
mmWave radar
machine learning
human fall
tsfresh
ensemble learning algorithm
分类号
TN957. [电子电信—信号与信息处理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PCMCI算法与Tsfresh工具的网管指标异常检测方法
黄继宁
刘洋
麦锦恩
林彬
《电信工程技术与标准化》
2024
0
在线阅读
下载PDF
职称材料
2
基于TsFresh-Stacking的毫米波雷达人体跌倒检测方法
李牧
王昭
骆宇
《网络安全与数据治理》
2023
0
在线阅读
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