基于自适应谱图小波卷积神经网络的风力机轴承故障诊断

1

作者 徐志成 罗硕 +2 位作者 张闯 金亮 张献 《太阳能学报》 北大核心 2025年第12期564-573,共10页

针对传统智能故障诊断方法在强噪声和复杂工况环境下难以提取可靠特征、诊断准确率低及特征可解释性差的问题,该文提出一种面向航空发电机、风力发电机等大型旋转设备内部轴承的自适应谱图小波卷积神经网络故障诊断方法。该方法考虑多... 针对传统智能故障诊断方法在强噪声和复杂工况环境下难以提取可靠特征、诊断准确率低及特征可解释性差的问题,该文提出一种面向航空发电机、风力发电机等大型旋转设备内部轴承的自适应谱图小波卷积神经网络故障诊断方法。该方法考虑多传感器间的交互作用,振动信号转换成图结构数据,将融合猎豹优化算法的自适应谱图小波与重加权小波系数策略嵌入图卷积层,构建自适应谱图小波卷积神经网络。自适应谱图小波卷积神经网络根据振动信号特性动态调整谱图小波的设计参数和分解层数,实现多尺度特征的高效提取,并将不同尺度特征赋予不同权重,增强信号去噪和弱特征提取能力。该方法实现在高噪声环境下端到端的轴承原位故障诊断,同时为图卷积操作提供高效且可解释的框架。实验结果表明,所提方法在高噪声和复杂工况下均表现出良好的诊断性能及鲁棒性。 展开更多

关键词 风力机组 轴承 故障诊断 谱图网络 图小波

原文传递

基于小波分解的双分支时空交通流预测

2

作者 唐宁 张清勇 +2 位作者 杨治辉 吴细秀 夏慧雯 《武汉理工大学学报》 2025年第7期93-99,共7页

针对交通流预测中时空异质性建模的挑战,提出一种基于小波分解的双分支时空预测模型。传统方法因未显式区分交通流的多尺度频率成分,导致高频噪声干扰与低频趋势建模不足。文中模型通过离散小波变换将原始交通流数据解耦为低频趋势分量... 针对交通流预测中时空异质性建模的挑战,提出一种基于小波分解的双分支时空预测模型。传统方法因未显式区分交通流的多尺度频率成分,导致高频噪声干扰与低频趋势建模不足。文中模型通过离散小波变换将原始交通流数据解耦为低频趋势分量与高频周期分量,再利用双分支专用预测架构和可解释的融合机制重构预测结果。实验结果表明,模型整体预测的绝对误差较小,在高流量时段预测表现良好。此外,选取50号节点可视化预测结果,以验证模型对多尺度时空特征的解耦与建模能力。 展开更多

关键词 交通流预测 小波分解 双分支架构 动态图卷积网络

原文传递

基于时空图注意力网络的云平台负载数据预测方法

3

作者 李英健 王永生 +1 位作者 刘晓君 任渊 《计算机科学》 北大核心 2025年第S1期696-703,共8页

实时预测云平台监控收集的负载数据,有助于云运维中及早获取系统未来的性能趋势。但由于负载数据通常不具备明显的周期性或规律性,存在较多的噪声干扰,现有方法在特征学习规划上存在不足,需要依赖其他负载特征并且难以捕捉负载趋势的动... 实时预测云平台监控收集的负载数据,有助于云运维中及早获取系统未来的性能趋势。但由于负载数据通常不具备明显的周期性或规律性,存在较多的噪声干扰,现有方法在特征学习规划上存在不足,需要依赖其他负载特征并且难以捕捉负载趋势的动量。为实现精准高效的负载数据预测,提出了一种基于时空图注意力网络的云平台负载数据预测方法。首先,运用改进经验小波变换对负载数据做时频域变换,降低噪声干扰并得到有效分解后的模态特征;为了提高模型处理尖峰和非周期性特征的能力,利用金融技术指标设计适合负载数据特性的关键性能因子;然后,将模态特征和关键性能因子与原始序列进行特征重构,构建图学习层;最后,利用图注意力网络动态捕获负载序列和特征之间的关系,并通过双向长短期记忆网络关注时间依赖信息。使用亚马逊和阿里云等负载数据集进行实验验证,结果表明,在4个数据集上,RMSE相比最优对比模型分别降低了13.44%,36.90%,7.41%和14.93%。 展开更多

关键词 云平台 负载预测 经验小波变换 金融技术指标 图注意力网络 双向长短期记忆网络

在线阅读 下载PDF 职称材料

融合时间和知识信息的生成对抗网络序列推荐算法 被引量：2

4

作者 李忠伟 周洁 +2 位作者 刘昕 吴金燠 李可一 《计算机工程》 CAS CSCD 北大核心 2024年第11期70-79,共10页

序列推荐作为一种常用的推荐系统技术,通过对用户的历史交互序列进行建模来预测下一个可能交互的项目。现有的序列推荐方法主要利用用户交互序列和上下文信息进行推荐,忽略了序列中交互项目之间的时间间隔信息,交互项目之间的组合依赖... 序列推荐作为一种常用的推荐系统技术,通过对用户的历史交互序列进行建模来预测下一个可能交互的项目。现有的序列推荐方法主要利用用户交互序列和上下文信息进行推荐,忽略了序列中交互项目之间的时间间隔信息,交互项目之间的组合依赖以及上下文信息中存在噪声的问题,导致推荐结果受限。针对以上问题,提出一种基于生成对抗网络的序列推荐模型TKWGAN,该模型包含一个生成器和一个判别器。生成器结合了用户历史交互序列和各项目之间的时间间隔信息对用户偏好进行建模并生成预测,判别器则引入了知识图谱信息对项目进行语义扩充,从而能更准确地对生成器的预测进行合理性判断。针对用户交互序列和知识图谱信息中可能存在噪声的问题,提出一种基于小波变换的多核卷积神经网络来构造判别器,以更全面、准确地捕获用户的潜在兴趣,提高推荐的准确性。在MovieLens-1M、Amazon Books和Yelp2018这3个公开数据集上的实验结果表明,与8个序列化推荐算法相比,提出的TKWGAN模型在命中率(HR@N)和归一化折损累计增益(NDCG@N)指标上均有显著提升。 展开更多

关键词 推荐算法 序列推荐 生成对抗网络 知识图谱 小波卷积网络

在线阅读 下载PDF 职称材料

基于图小波注意力门控循环神经网络的交通流预测 被引量：1

5

作者 李松江 黄小莉 王鹏 《计算机应用与软件》 北大核心 2022年第12期89-95,共7页

针对现有交通流预测方法无法对局部空间及动态时间建模的问题,提出一种图小波注意力门控循环神经网络模型(GW-AGRU)。将道路网络的空间信息以图的形式表示,运用基于小波变换的图卷积神经网络从图节点中提取邻近特征;在门控循环单元中融... 针对现有交通流预测方法无法对局部空间及动态时间建模的问题,提出一种图小波注意力门控循环神经网络模型(GW-AGRU)。将道路网络的空间信息以图的形式表示,运用基于小波变换的图卷积神经网络从图节点中提取邻近特征;在门控循环单元中融入注意力机制,充分挖掘交通数据的时间相关性;融合时空特征进行回归预测。在真实数据集上的实验结果表明,所提方法的预测性能均优于其他模型,能够有效地预测长期的交通流量。 展开更多

关键词 小波变换 图卷积网络 注意力机制 门控循环单元

在线阅读 下载PDF 职称材料

谱图傅里叶变换与谱图小波变换基分析研究 被引量：3

6

作者 李社蕾 杨博雄 陆娇娇 《计算机技术与发展》 2021年第5期85-89,共5页

卷积神经网络在欧氏数据上取得巨大成功之后,开始在图结构、几何流行等非欧数据上泛化。当前图卷积神经已成为研究热点。在数字图像去噪、压缩、增强、融合以及加密方面傅里叶变换与小波变换是不可或缺的处理手段,在图卷积神经中有卷积... 卷积神经网络在欧氏数据上取得巨大成功之后,开始在图结构、几何流行等非欧数据上泛化。当前图卷积神经已成为研究热点。在数字图像去噪、压缩、增强、融合以及加密方面傅里叶变换与小波变换是不可或缺的处理手段,在图卷积神经中有卷积定理将傅里叶变换用于实现图上的卷积运算,谱图小波变换也只是实现了卷积的快速算法,都是围绕如何在图结构上做卷积而展开的研究,没有真正发挥其作用,大大限制了图卷积神经网络性能的发挥。该文对谱图傅里叶变换与谱图小波变换基进行分析研究,同时研究基与图结构之间的关系。实验表明通过谱图傅里叶变换和谱图小波变换可以获取图结构的特征信息,为谱图小波变换和谱图傅里叶变换更深入地与图卷积神经网络结合提供了参考。 展开更多

关键词 谱图 小波变换 图卷积神经网络 傅里叶变换 卷积定理 本征函数 拉普拉斯算子

在线阅读 下载PDF 职称材料

基于MPGCN-Resnet的滚动轴承故障诊断研究 被引量：1

7

作者 严胜利 付辉 李浩 《计量学报》 CSCD 北大核心 2024年第12期1832-1840,共9页

滚动轴承装设在各类机床等生产机械中,易出现故障并失效,需要持续监测以确保其安全可靠运行。基于此,设计了多路并行图卷积残差网络(MPGCN-Resnet)完成滚动轴承故障诊断。MPGCN-Resnet共包含4个部分:基于Cmor小波的时频图获取部分完成... 滚动轴承装设在各类机床等生产机械中,易出现故障并失效,需要持续监测以确保其安全可靠运行。基于此,设计了多路并行图卷积残差网络(MPGCN-Resnet)完成滚动轴承故障诊断。MPGCN-Resnet共包含4个部分:基于Cmor小波的时频图获取部分完成了各类故障振动信号中重构与拆解的细化处理;基于多路平行网络的特征获取部分可提升泛化性并加快收敛;残差结构图神经网络下的特征学习部分完成了特征学习,并实现了滚动轴承故障特征的深度发掘;GAP-Softmax故障分类部分完成了滚动轴承故障的有效诊断。采用CWRU轴承数据集完成MPGCN-Resnet和IHDSVM-Alexnet、MSATM方法在变工况、变噪声情况下准确度和损失值的对比与分析实验。结果表明,MPGCN-Resnet对滚动轴承的平均故障诊断准确度可达96.4%,在-6 dB的噪声环境中高于91%,在负载突变3×0.75 kW时大于90%。MPGCN-Resnet在各类变工况和变噪声环境中的滚动轴承故障诊断准确率均高于其他两种方法,并能缓解参量增加和过度计算的问题。 展开更多

关键词 滚动轴承 故障诊断 图卷积神经网络 Cmor小波 过度计算

在线阅读 下载PDF 职称材料

一种改进STGCN的深地时空域地震子波提取方法 被引量：1

8

作者 戴永寿 孙家钊 +3 位作者 李泓浩 颜廷尚 孙伟峰 左琳 《石油物探》 CSCD 北大核心 2024年第6期1111-1125,1137,共16页

地震子波的准确提取可有效提高全波形反演和偏移成像等方法的准确性,对储层预测和油气分析具有重要意义。由于深层能量衰减和复杂地质构造,地震子波不仅具有时变特性,同时也具有不可忽略的空变特性。而传统时变子波提取方法仅通过单道... 地震子波的准确提取可有效提高全波形反演和偏移成像等方法的准确性,对储层预测和油气分析具有重要意义。由于深层能量衰减和复杂地质构造,地震子波不仅具有时变特性,同时也具有不可忽略的空变特性。而传统时变子波提取方法仅通过单道地震记录提取时变子波,忽略了多道地震记录之间子波的空间变化。同时,传统时空域子波提取方法,如经验模态分解(EMD)方法,对测井资料等先验信息依赖程度较高,实际应用范围受限。深度学习为时空域子波提取提供了新的思路,针对以上问题,提出了一种改进时空图卷积神经网络(STGCN)的时空域子波提取方法。首先,根据目标区地震数据分布特征与非平稳性质,建立以非平稳地震剖面为输入,时空域子波为标签的合成训练数据,再利用传统EMD时变子波提取方法逐道提取目标区子波,有针对性地构建以目标区地震剖面为输入,目标区时空域子波为标签的实际训练数据。最后,利用两种训练数据对改进后的STGCN进行训练,使其能够融合提取的子波时空特征,从而实现目标区时空域子波的有效提取。合成数据和实际地震数据的处理结果表明,该方法对于深地时空域子波的提取有效且准确,相较于传统方法更具优越性,具有较好的实际应用价值。 展开更多

关键词 深度学习 时空域子波提取 时空图卷积神经网络 时空特征

在线阅读 下载PDF 职称材料

基于图小波网络模型的文本分类研究

9

作者 马诚 贾凯莉 +2 位作者 李云红 高子明 候嘉乐 《电子设计工程》 2022年第11期17-21,共5页

针对文本分类中获取文本复杂特征困难、分类准确率低等问题,建立基于图小波网络文本分类模型。根据语料词库共现信息及词与文档的关系构建文本图,使用改进TF-IDF算法、PMI算法计算词与文档之间和词与词之间文本图的权重;建立基于图小波... 针对文本分类中获取文本复杂特征困难、分类准确率低等问题,建立基于图小波网络文本分类模型。根据语料词库共现信息及词与文档的关系构建文本图,使用改进TF-IDF算法、PMI算法计算词与文档之间和词与词之间文本图的权重;建立基于图小波文本分类模型,将构建的文本图输入到GWNN模型中。经R8、R52及Ohsumed英文语料库测试结果表明,文本分类准确率分别达到98.09%、93.91%及69.3%,验证了基于图小波网络模型的有效性,也为文本分类提供了一种有效的方法。 展开更多

关键词 PMI算法 改进TF-IDF算法 图小波网络 文本分类

在线阅读 下载PDF 职称材料

基于网络通信异常识别的多步攻击检测方法 被引量：20

10

作者 琚安康 郭渊博 +1 位作者 李涛 叶子维 《通信学报》 EI CSCD 北大核心 2019年第7期57-66,共10页

针对企业内部业务逻辑固定、进出网络访问行为受控等特点,首先定义了 2 类共 4 种异常行为,然后提出了基于网络通信异常识别的多步攻击检测方法。针对异常子图和异常通信边 2 类异常,分别采用基于图的异常分析和小波分析方法识别网络通... 针对企业内部业务逻辑固定、进出网络访问行为受控等特点,首先定义了 2 类共 4 种异常行为,然后提出了基于网络通信异常识别的多步攻击检测方法。针对异常子图和异常通信边 2 类异常,分别采用基于图的异常分析和小波分析方法识别网络通信过程中的异常行为,并通过异常关联分析检测多步攻击。分别在 DARPA 2000数据集和 LANL 数据集上进行实验验证,实验结果表明,所提方法可以有效检测并重构出多步攻击场景。所提方法可有效监测包括未知特征攻击类型在内的多步攻击,为检测 APT 等复杂的多步攻击提供了一种可行思路,并且由于网络通信图大大减小了数据规模,因此适用于大规模企业网络环境。 展开更多

关键词 多步攻击 网络异常 通信子图 小波变换

在线阅读 下载PDF 职称材料

基于图卷积网络的迁移学习轴承服役故障诊断 被引量：7

11

作者 彭雪莹 江永全 杨燕 《计算机应用》 CSCD 北大核心 2021年第12期3626-3631,共6页

深度学习方法被广泛应用于轴承故障诊断,但在实际工程应用中,轴承服役期间的真实服役故障数据不易收集,缺乏数据标签,难以进行充分的训练。针对轴承服役故障诊断困难的问题,提出了一种基于图卷积网络(GCN)的迁移学习轴承服役故障诊断模... 深度学习方法被广泛应用于轴承故障诊断,但在实际工程应用中,轴承服役期间的真实服役故障数据不易收集,缺乏数据标签,难以进行充分的训练。针对轴承服役故障诊断困难的问题,提出了一种基于图卷积网络(GCN)的迁移学习轴承服役故障诊断模型。该模型从数据充足的人工模拟损伤故障数据中学习故障知识,并迁移到真实的服役故障上,以提高服役故障的诊断准确率。具体来说,通过将人工模拟损伤故障数据和服役故障数据的原始振动信号由小波变换转换为同时具有时间和频率信息的时频图,并将得到的时频图输入到图卷积层中进行学习,从而有效地提取源域和目标域的故障特征表示;然后计算源域和目标域的数据分布之间的Wasserstein距离来度量两个数据分布之间的差异,通过最小化数据分布差异,构建了一个能诊断轴承服役故障的故障诊断模型。在不同的轴承故障数据集和不同工作条件下设计了多种不同的任务进行实验,实验结果表明,该模型具有诊断轴承服役故障的能力,同时也能从一个工作条件迁移到另一工作条件,在不同组件类型和不同工作条件之间进行故障诊断。 展开更多

关键词 轴承故障诊断 深度学习 迁移学习 图卷积网络 小波变换

在线阅读 下载PDF 职称材料

面向路网交通流态势预测的图神经网络模型 被引量：7

12

作者 姜山 丁治明 +1 位作者 徐馨润 严瑾 《计算机科学与探索》 CSCD 北大核心 2021年第6期1084-1091,共8页

融合了路网结构的交通流态势预测是一个高度非线性化且复杂的时空动态相关性的时序数据预测问题。然而,传统交通流态势预测方法无法建模交通网络中长时间序列数据间的时空相关性。针对交通路网交通流态势预测问题,提出了一种基于图结构... 融合了路网结构的交通流态势预测是一个高度非线性化且复杂的时空动态相关性的时序数据预测问题。然而,传统交通流态势预测方法无法建模交通网络中长时间序列数据间的时空相关性。针对交通路网交通流态势预测问题,提出了一种基于图结构的交通流预测深度学习模型。首先,基于图小波变换定义图小波卷积算子,设计了面向路网交通流态势预测的图小波卷积神经网络模块;其次,结合时空注意机制构建了用于道路网络交通流态势预测的时空动态相关性模型,以捕获交通网络的动态时空相关性;最后,采用叠加多层图小波神经网络模块的策略,构建了一种面向路网交通流态势预测的图小波卷积神经网络模型。实验结果表明,该网络模型在数据集上的性能优于现有的基线模型。通过图小波变换矩阵与傅里叶变换矩阵非零元素统计对比实验,发现基于图小波变换定义的卷积运算更具稀疏性。因此,基于图小波变换定义的卷积运算更有助于提升交通流态势预测模型的计算效率。 展开更多

关键词 交通流态势预测 图卷积 图小波神经网络 交通流

在线阅读 下载PDF 职称材料

基于图小波卷积神经网络的时空图挖掘模型 被引量：2

13

作者 赵世豪 毛国君 +2 位作者 熊保平 黄山 林江宏 《计算机工程》 CAS CSCD 北大核心 2023年第7期85-93,共9页

针对传统时空图网络模型对时空序列数据空间结构刻画和时空特性挖掘不充分的问题,提出一种基于图小波神经网络的时空图挖掘模型(ST-GWNN)。基于图小波神经网络通过学习节点特征的局部化表达来捕捉时空序列数据中的空间拓扑结构,时间门... 针对传统时空图网络模型对时空序列数据空间结构刻画和时空特性挖掘不充分的问题,提出一种基于图小波神经网络的时空图挖掘模型(ST-GWNN)。基于图小波神经网络通过学习节点特征的局部化表达来捕捉时空序列数据中的空间拓扑结构,时间门控卷积层通过门控线性单元所堆叠的因果卷积来提取时间特征信息,并将多个时间步的空间图相融合来学习时间和空间2个维度关联特征的能力,以更好地捕获时空序列中复杂的时空相关性信息。在公共交通数据集PEMS-BAY上的实验结果表明,ST-GWNN模型能够获得较好的预测效果,当预测时长为15 min时,在MAE、RMSE、MAPE 3个评价指标上相较于基准模型取得最小值,且较基准模型最优值分别降低了2.31%、6.96%、5.84%;当预测时长为30 min和60 min时,较基准模型最优的MAPE、RMSE值分别降低了4.9%、3.51%和6.05%、6.68%,可适用于图网络属性的时空关系预测任务。 展开更多

关键词 时空图 图神经网络 时空序列数据 图小波网络 因果卷积

在线阅读 下载PDF 职称材料

面向时空图建模的图小波卷积神经网络模型 被引量：10

14

作者 姜山 丁治明 +2 位作者 朱美玲 严瑾 徐馨润 《软件学报》 EI CSCD 北大核心 2021年第3期726-741,共16页

时空图建模是分析图形结构系统中各要素空间关系与时间趋势的一个基础工作.传统的时空图建模方法主要基于图中节点与节点关系固定的显式结构进行空间关系挖掘,这严重限制了模型的灵活性.此外,未考虑节点间的时空依赖关系的传统建模方法... 时空图建模是分析图形结构系统中各要素空间关系与时间趋势的一个基础工作.传统的时空图建模方法主要基于图中节点与节点关系固定的显式结构进行空间关系挖掘,这严重限制了模型的灵活性.此外,未考虑节点间的时空依赖关系的传统建模方法不能捕获节点间的长时时空趋势.为了克服这些缺陷,研究并提出了一种新的用于时空图建模的图神经网络模型,即面向时空图建模的图小波卷积神经网络模型(graph wavelet convolutional neural network for spatiotemporal graph modeling,简称GWNN-STGM).在GWNN-STGM中设计了一个图小波卷积神经网络层,并在该网络层中设计并引入了自适应邻接矩阵进行节点嵌入学习,使得模型能够在不需要结构先验知识的情况下,从数据集中自动发现隐藏的结构信息.此外,GWNN-STGM还包含了一个堆叠的扩张因果卷积网络层,使模型的感受野能够随着卷积网络层数的增加呈指数增长,从而能够处理长时序列.GWNN-STGM成功将图小波卷积神经网络层和扩张因果卷积网络层两个模块进行有效集成.通过在公共交通网络数据集上实验发现,提出的GWNNSTGM的性能优于其他的基准模型,这表明设计的图小波卷积神经网络模型在从输入数据集中探索时空结构方面具有很大的潜力. 展开更多

关键词 图小波卷积 图卷积神经网络 时空图建模 时空结构 图神经网络

在线阅读 下载PDF 职称材料

基于时空图小波神经网络的手部动作识别方法

15

作者 刘电霆 梁桂宾 周运刚 《电子机械工程》 2022年第3期59-64,共6页

根据车间人员操作监控的需要,文中研究了一种基于深度学习的新方法——时空图小波神经网络(ST-GWNN)。该算法对图小波卷积进行参数化,以降低每层图卷积层的参数复杂度,并采用一阶切比雪夫多项式逼近图小波卷积;分离多项式阶数K与邻接节... 根据车间人员操作监控的需要,文中研究了一种基于深度学习的新方法——时空图小波神经网络(ST-GWNN)。该算法对图小波卷积进行参数化,以降低每层图卷积层的参数复杂度,并采用一阶切比雪夫多项式逼近图小波卷积;分离多项式阶数K与邻接节点阶数之间的关系,固定多项式阶数,通过调整超参数s来改变邻域范围,从而识别更多复杂的手部动作。实验结果表明,文中提出的ST-GWNN在动作识别中的识别率优于目前常用的时空图卷积神经网络,并且能够充分利用动作的时空关联性。 展开更多

关键词 手部动作识别 图卷积神经网络 时空图 小波变换 一阶切比雪夫多项式

在线阅读 下载PDF 职称材料

基于时频图与改进图卷积神经网络的异步电机故障诊断方法 被引量：24

16

作者 陈起磊 蒋亦悦 +2 位作者 唐瑶 张晓飞 王朝红 《振动与冲击》 EI CSCD 北大核心 2022年第24期241-248,共8页

由于传统故障诊断技术依赖于人工提取特征,造成方法的泛化能力及应用受限。针对该问题,提出一种基于时频图与改进图卷积神经网络的异步电机故障诊断方法。首先,通过小波分析方法将电机振动信号转换为时频图,构建不同工况的图像样本;再... 由于传统故障诊断技术依赖于人工提取特征,造成方法的泛化能力及应用受限。针对该问题,提出一种基于时频图与改进图卷积神经网络的异步电机故障诊断方法。首先,通过小波分析方法将电机振动信号转换为时频图,构建不同工况的图像样本;再基于超像素分割法处理图像生成超像素块,将其作为节点,并根据其纹理、颜色、距离特征生成图结构数据;然后将图结构数据输入改进网络,算法可以自适应地提取故障特征、得到诊断结果,其中,网络通过结构学习方法进行改进。该方法通过对节点相似度计算打分,以重构图连接结构,从而克服传统图卷积神经网络在池化操作后存在的图结构完整性缺失问题,实现卷积层和池化层的层层堆叠及图级分类。试验结果表明,所提方法可实现对转子断条故障、轴承故障、单相短路故障的有效诊断,与传统方法相比,具有较高的故障识别准确率。 展开更多

关键词 异步电机 故障诊断 图神经网络 小波变换 振动信号 结构学习

在线阅读 下载PDF 职称材料

MFA-SGWNN:基于多特征聚合谱图小波神经网络的僵尸网络检测

17

作者 吴悔 陈旭 +1 位作者 景永俊 王叔洋 《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第3期403-412,共10页

在僵尸网络攻击中,由于伪装后的僵尸网络流量数据特征与正常流量数据特征过于相似,使得传统的检测方法难以准确地进行区分。为解决这一问题,提出一种基于多特征聚合谱图小波神经网络的方法(Multi-feature Aggregation Spectral Graph Wa... 在僵尸网络攻击中,由于伪装后的僵尸网络流量数据特征与正常流量数据特征过于相似,使得传统的检测方法难以准确地进行区分。为解决这一问题,提出一种基于多特征聚合谱图小波神经网络的方法(Multi-feature Aggregation Spectral Graph Wavelet Neural Network,MFA-SGWNN),将流量的属性特征与空间特征相结合,能有效地捕获隐藏的感染主机流量特征,增强僵尸网络节点的特征表示,同时规避了数据样本不平衡和恶意加密流量对检测的影响。在ISCX2014僵尸网络数据集和CIC-IDS 2017(僵尸网络)数据集上的实验结果表明,MFA-SGWNN检测效果优于现有方法,具有更强的鲁棒性和泛化能力。 展开更多

关键词 僵尸网络 图小波神经网络 网络安全

在线阅读 下载PDF 职称材料

基于DWT-GCN的短时交通流预测 被引量：4

18

作者 王雨松 吴向东 +1 位作者 尤晨欣 廖聪 《计算机系统应用》 2022年第9期306-312,共7页

交通流预测是智慧交通领域的研究热点之一,为了深层次地挖掘交通流序列的时空特征,提高预测精度,提出了一种基于离散小波变换(discrete wavelet transformation, DWT)和图卷积网络(graph convolutional network,GCN)短时交通流预测模型... 交通流预测是智慧交通领域的研究热点之一,为了深层次地挖掘交通流序列的时空特征,提高预测精度,提出了一种基于离散小波变换(discrete wavelet transformation, DWT)和图卷积网络(graph convolutional network,GCN)短时交通流预测模型.首先,利用DWT算法将原始交通序列分解为细节分量与近似分量,降低交通流数据的非平稳性;其次,引入距离因子项优化GCN模型中的邻接矩阵,进一步提取路网的空间特征;最后,将DWT分解的各组分量数据分别作为GCN模型的输入进行预测,并对各组预测结果进行重构,得到最终预测值.利用美国加利福尼亚州交通局PeMS数据库实测交通数据对模型进行测试,结果表明,该模型相比于ARIMA、WNN、GCN,平均绝对误差平均降低57%,平均绝对百分比误差平均降低59%,是一种有效的短时交通流预测方法. 展开更多

关键词 交通流预测 离散小波变换 图卷积神经网络 时空特征

在线阅读 下载PDF 职称材料

融合图小波和注意力机制的交通流预测方法 被引量：4

19

作者 薛延明 李光辉 齐涛 《计算机科学与探索》 CSCD 北大核心 2023年第6期1405-1416,共12页

交通流预测是现代智能交通系统管理和控制的重要环节。然而,交通流复杂多变,一方面城市道路之间联系性强,另一方面道路交通情况还会随着时间呈现动态变化。近年来有许多研究者尝试利用深度学习方法提取交通流中复杂的结构特征,但是局部... 交通流预测是现代智能交通系统管理和控制的重要环节。然而,交通流复杂多变,一方面城市道路之间联系性强,另一方面道路交通情况还会随着时间呈现动态变化。近年来有许多研究者尝试利用深度学习方法提取交通流中复杂的结构特征,但是局部特征提取的过程缺乏灵活性,同时忽略了时空特征的动态变化性以及局部和全局时空特征之间的关联性。因此,提出了一种融合图小波和注意力机制的交通流预测方法。该方法采用小波变换和自适应矩阵分别提取交通流局部和全局空间特征信息,并结合改进的循环神经网络提取局部时间特征信息。同时,该方法通过注意力机制来捕获时空动态变化性,并利用一种时空特征融合机制来融合局部和全局时空特征信息。实验结果表明,该方法能很好地提取真实交通数据集中空间和时间特征,预测效果优于现有的方法。 展开更多

关键词 图卷积网络 智能交通系统 注意力机制 小波变换 时空相关性

在线阅读 下载PDF 职称材料

基于改进深度残差收缩网络的轴承故障诊断 被引量：3

20

作者 李雪松 李劲华 吕智涵 《青岛大学学报（自然科学版）》 CAS 2022年第2期38-43,50,共7页

为解决噪声背景中轴承故障诊断精度不高的问题,提出了一种新的轴承故障诊断方法。利用连续小波变换将采集到的振动信号转换成小波时频图,采用多尺度膨胀卷积对深度残差收缩网络进行改进,扩大卷积核的感受野,并将交叉熵损失函数改进成加... 为解决噪声背景中轴承故障诊断精度不高的问题,提出了一种新的轴承故障诊断方法。利用连续小波变换将采集到的振动信号转换成小波时频图,采用多尺度膨胀卷积对深度残差收缩网络进行改进,扩大卷积核的感受野,并将交叉熵损失函数改进成加权交叉熵损失函数。实验结果表明,与其他深度学习算法相比,本算法故障诊断的准确率较高。 展开更多

关键词 轴承 故障诊断 深度残差收缩网络 小波时频图 多尺度膨胀卷积

在线阅读 下载PDF 职称材料