基于主题模型的多标签文本分类和流文本数据建模若干问题研究

李熙铭, 吉林大学 发表时间:2015-06-01 博士

...具有重要的意义。主题模型是现今最有效的文本分析算法族之一,本文基于主题模型,研究两个亟待解决的文本分析问题:多标签文本分类问题和流文本数据建模问题。多标签文本分类:本文针对现存有监督主题模型存在模型可扩展性较差,没有考虑标签相关性,标签出现频率和词项的标签频率等问题,提出一些改进算法,包括SL-LDA模型,LSTM算法,FLDA模型,DFLDA模型和CPTM算法。实验结果表明,相比常用的经典分类算法,所提出算法的多标签分类性能更优;特别地,所提出算法对于偏斜文本集的分类性能...


基于机器学习算法的研究热点趋势预测模型对比与分析——BP神经网络、支持向量机与LSTM模型

李静; 徐路路, 现代情报 发表时间:2019-03-28 期刊

...度分析学科领域热点主题发展脉络并对利用机器学习算法对未来发展趋势进行准确预测研究。[方法/过程]提出一种基于机器学习算法的研究热点趋势预测方法与分析框架,以基因工程领域为例利用主题概率模型识别WOS核心集中论文摘要数据研究热点主题并进行主题演化关联构建,然后选取BP神经网络、支持向量机及LSTM模型等3种典型机器学习算法进行预测分析,最后利用RE指标和精准度指标评价机器学习算法预测...


基于多源遥感数据融合和LSTM算法的作物分类研究

解毅; 张永清; 荀兰; 柴旭荣, 农业工程学报 发表时间:2019-08-08 期刊

...long short-term memory,LSTM)算法在基于时序遥感数据进行作物分类中的优势,该文以临汾盆地为研究区域,利用Savitzky-Golay滤波对MODIS NDVI进行平滑处理,并采用ESTARFM(enhanced spatial and temporal adaptive reflectance fusion model)算法对滤波后的MODIS NDVI和Landsat NDVI进行融合,生成空间分辨率为30 m、时间分辨率为8天的时序NDVI。基...


基于LSTM模型的汽车配件安全库存量预测研究

刘庆, 西南交通大学 发表时间:2018-05-09 硕士

...Long-Short Term Memory,LSTM)的递归神经网络模型来解决汽车配件安全库存量预测问题。本文以三种配件的安全库存数据和UCI网站上下载的数据集作为本文的实验数据,通过在Anconda3软件上进行模型仿真实验。首先,建立了安全库存预测的LSTM模型结构,通过实验选择了该模型合适的输入输出、激活函数、循环体层数以及优化函数等。同时由于LSTM的网络结构、初始连接权值和阈值的选择对网络性能的影响较大,却又无法准确获得。针对这个问题本文采用蝙蝠算法(Bat Al...


利用并联CNN-LSTM的调制样式识别算法

翁建新; 赵知劲; 占锦敏, 信号处理 发表时间:2019-05-25 期刊

为了提高基于卷积神经网络的调制样式识别算法性能,利用CNN的空间特征提取能力和LSTM时序特征提取能力,设计了CNN-LSTM并联网络,上支路由一层卷积层和一层池化层组成,下支路使用单层LSTM网络。直接将同向分量和正交分量作为输入数据,上下支路提取信号的空间和时间特征,提高特征表达能力。对BPSK、QPSK、8PSK、16QAM、32QAM、16APSK、32APSK等7种信号的调制样式识别仿真实验结果表明:算法无需人为设计特征参数,减少人为因素影响,同时该算法在低信噪比...


基于LSTM算法在新闻分类中的应用

朱肖颖; 赖绍辉; 陆科达, 梧州学院学报 发表时间:2018-12-15 期刊

针对传统的RNN算法存在梯度消失的缺陷,在面对海量新闻数据,规模大且分类属性多的情况下存在效率低的问题,该文应用了传统的RNN模型改进后的LSTM神经网络算法,加入了预训练的word2vec模型。首先对新闻数据进行去除停用词及标点、格式转化、分词等预处理;其次进行特征提取、分类模型构造;最后进行了分类模型训练与测试。测试数据表明,在大数据量的情况下,使用LSTM算法具有较高的模型准确度和良好的扩展性。...


基于TensorFlow的LSTM循环神经网络短期电力负荷预测

李松岭, 上海节能 发表时间:2018-12-31 期刊

...展,如何对电力领域的负荷进行更高精度的预测已成为电力从业者们特别关注与研究的问题。基于TensorFlow智能学习系统的深度学习LSTM循环神经网络算法的短期电力负荷预测算法,结合某地区发电厂负荷数据设计实验,通过多次数据迭代、参数更新,进行模型训练与预测,最终的实验证明:基于TensorFlow的LSTM循环神经网络算法预测效果明显好于传统机器学习算法。随着数据量的增大,模型更显示出其良好的鲁棒性。...


基于Tensorflow的循环神经网络模型在上海市空气质量预测中的应用

刘蕾, 上海师范大学 发表时间:2019-06-05 硕士

...元(longshort-termmemory,LSTM)的循环神经网络建立动态预测模型,同时采用基于时序的反向传播(BPTT)算法逐步更新网络权值进行网络训练,期望能够建立影响空气质量指标的2,2,3,10,2.5,CO这6种污染物的小时均值级别的空气污染物浓度预测模型。本文的主要工作及贡献如下:利用灰色关联分析法与主成分分析法分别对大气污染物浓度预测模型中的输入变量进行筛选,筛选出对预测监测因子浓度影响较大的污染物并建立相关的预测模型。然后基于测试数据,...


一种基于深度学习的快速DGA域名分类算法

刘洋; 赵科军; 葛连升; 刘恒, 山东大学学报(理学版) 发表时间:2019-06-13 17:09 期刊

提出了一种基于深度学习的CNN-LSTM-Concat快速DGA域名分类算法,使用多层一维卷积网络对域名字符进行序列化处理,LSTM网络层用于强化获取字符间长距离依赖关系。通过将LSTM的多序列输入转化为单向量输入,在保证检测性能的前提下,能够大幅提高训练和检测速度。实验证明,我们的方法对DGA域名分类的准率在公开数据集上达到98.32%。同时,在准确率相比主流的LSTM方法更高的情况下,检测时间比LSTM方法快6.41倍。...


基于LSTM算法的严寒地区办公建筑过渡季室内温度预测模型构建

殷青; 张岩; 韩昀松, 低温建筑技术 发表时间:2019-03-28 期刊

...之一,其关键是室内温度预测模型的建立。由于寒地过渡季建筑的室内温度受室外温度影响较大,本文引入了长短时记忆网络(LSTM)这一算法,该算法能学习室内温度和室外温度的内在联系,预测室内温度在室外温度影响下的变化,同时可以有效处理具有滞后性、时序性的物理量关系。通过在哈尔滨某高校教学楼办公室的实测数据,建立LSTM室内温度预测模型,训练并对预测结果进行评估。结果表明,该算法具有较高的准确度,拟合优度达到了98.7%。...


基于LSTM的移动对象位置预测算法

高雅; 江国华; 秦小麟; 王钟毓, 计算机科学与探索 发表时间:2018-05-21 09:55 期刊

...位置服务的重要组成部分。现有的移动对象位置预测算法有基于马尔可夫链的算法、基于隐马尔可夫模型的算法、基于神经网络的算法等,然而这些算法都无法解决移动对象轨迹数据中位置过多带来的维数灾难问题。为了解决这一问题,提出了位置分布式表示模型(location distributed representation model,LDRM)。该模型将难以处理的表示位置的高维one-hot向量降维成包含移动对象运动模式的低维位置嵌入向量。随后,将该模型与基于长短期记忆网络(long sho...


基于改进的LSTM化肥价格预测

周杨, 中国科学技术大学 发表时间:2019-05-01 硕士

...题,通过对比传统的线性预测方法、经典的神经网络算法和支持向量机算法三种常用的价格预测方法,从而提出基于长短时记忆(LSTM)单元的递归神经网络(RNN)模型,该模型能有效利用序列数据长距离依赖信息的能力,充分挖掘序列数据背后隐藏的规律,进行短期价格时间序列预测。进一步在此基础上对长短期记忆神经网络算法利用拟牛顿法进行效率上的改进。其次在实验仿真阶段,以江苏省近十年来尿素化肥价格数据为实验对象,对实验数据进行数据清洗,并将时间序列问题转化为有监督问题。接着建立了基于改进的长短...


基于改进的LSTM算法结合公共领域事件的双向决策支持系统

宋伯男, 北京邮电大学 发表时间:2018-03-20 硕士

...评级,确定其权重系数。并在文中改进了 RNN-LSTM(recurrent neural network-long short time memory)的序列生成算法。提出了 LSTM动态预测先验序列生成模型,解决时序预测模型的问题,并结合公共事件数据源作为模型的先验事件的信息,采用序列生成的方法建立模型。将公共先验信息化成权重向量,以动态拼接的方式与前次的计算结果形成新的输入元组,改变了传统序列生成模型的连续预测过程,在预测的时间步中动态添加了新信息。本文在通信领域专业数...


基于机器学习的蜂窝网络基站流量分析与预测研究

蒋品, 北京邮电大学 发表时间:2019-06-03 硕士

...类基站的流量变化特性;在此基础上,利用神经网络算法进行基站流量预测研究。主要工作内容如下:1)本论文综述了蜂窝网络数据挖掘相关研究,总结了蜂窝网络数据的特征及相关研究方向,梳理了数据挖掘常用方法以及数据挖掘方法应用于蜂窝网络流量分析与预测领域的相关研究现状。2)针对不同基站的流量序列之间具有时空相关性的特征,本论文利用聚类算法对基站进行聚类分析。将基站流量序列包含的趋势信息融入到聚类算法的距离度量中,得到新的距离度量TBD(Trend-Based Distance)。由于距...


LSTM和蚁群算法在智能电厂调度中的应用

梁肖; 胡逸飞; 黄太贵; 李端超; 高卫恒; 孙仪, 自动化仪表 发表时间:2018-05-18 期刊

...效率较低的问题,提出了一种基于长短时记忆网络(LSTM)和蚁群算法的智能调度算法。基于LSTM深度学习算法,通过对电力公司历史数据进行建模,LSTM算法可以有效提取出有效特征,实现预测一定条件下机组的耗煤量。同时,利用蚁群算法(ACO)设计了一种智能电力调度算法,从而在满足在完成实时发电任务的情况下,尽可能地节能减排。试验表明,采用LSTM算法,相比较线性回归、随机森林等算法,预测耗煤量的均方误差更小;采用ACO算法,相比较等微增率法、动态规划法以及遗传算法,可以更加快速、...


基于Bi-LSTM-CRF算法的气象预警信息质控系统的实现

张淑静; 苗开超; 张亚力; 杨彬; 李腾; 刘宜轩; 汪翔, 计算机与现代化 发表时间:2019-06-14 期刊

本文采用双向长短期记忆网络条件随机场(Bi-LSTM-CRF)算法,通过双向循环神经网络(Bi-LSTM)对已有的合法预警信息文本数据集和开放域中文分析公开数据集进行训练;采用CRF序列标注法有效地结合了预警前后的标签信息对分词进行序列标注;使用该算法建立的气象预警信息质控系统已应用在安徽省突发事件预警信息发布系统,在实际应用的过程中充分证明基于神经网络的气象预警信息质控系统能直接有效地对新的预警信息中可能含有的敏感字(词)、错别字等进行智能监测,以帮助监测人员进行气象预警...


基于Bi-LSTM算法的非侵入式负荷监测模型

何恒靖; 王灏; 肖勇; 张恒; 赵云; 周东国, 南方电网技术 发表时间:2019-02-20 期刊

...学习技术的发展,基于深度学习的非侵入式负荷辨识算法成为了研究热点。本文首次将双向长短期记忆网络(bilateral long-term and short-term memory network,Bi-LSTM)用于负荷辨识,提出了基于Bi-LSTM的非侵入式负荷辨识算法,通过定位负荷事件发生时刻,将负荷运行状态始末的稳态信息(有功功率、无功功率和15次奇偶电流谐波)进行组合作为训练后Bi-LSTM的输入,并使用精确度、召回率、准确率和F1值作为评价指标,实验结果显示该方法...


基于Attention-Based LSTM模型的文本分类技术的研究

张冲, 南京大学 发表时间:2016-05-01 硕士

...在研究分析和总结文本向量表示技术和深度学习模型LSTM原理的基础上,对运用深度学习模型解决文本分类问题做了深入的研究。本文的主要研究工作如下:(1)针对文本分类中数据表示的高维度难以训练和向量表示特征无关的问题,采用了Word Embedding机制,将文本数据映射到一个低维度的实数向量,避免了高维度的输入导致LSTM模型产生维度灾难的问题。同时Word Embedding机制训练出的词向量具有同义词向量相似的特征,作为LSTM模型的输入,提高了分类器的性能。(2)针对文本...


EMD-LSTM算法在短期电力负荷预测中的应用

任成国; 肖儿良; 简献忠; 王如志, 电力科学与工程 发表时间:2019-08-28 期刊

...于经验模态分解(EMD)和长短期记忆神经网络(LSTM)相结合的负荷预测模型。该模型首先利用EMD算法将时间序列信号分解为数个本征模函数(IMF)分量和趋势分量。然后利用LSTM存储单元能够长期学习历史负荷数据中的有用信息并且去除无用信息的特性,对每个提取的IMF和趋势项分别建立LSTM模型进行预测,最后将所有分量的预测值累加得到最终的预测结果。实验结果表明,BP模型的平均绝对百分误差为3. 47%,LSTM模型的平均绝对百分误差为2. 63%,EMD-LSTM模型的平均绝...


基于Bi-LSTM-Attention模型的人体行为识别算法

朱铭康; 卢先领, 激光与光电子学进展 发表时间:2019-03-19 09:09 期刊

针对长短时记忆网络(LSTM)不能有效地提取动作前后之间相互关联的信息导致行为识别率偏低的问题,提出了一种基于Bi-LSTM-Attention模型的人体行为识别算法。该算法首先从每个视频中提取20帧图像,通过Inceptionv3模型提取图像中的深层特征,然后构建向前和向后的Bi-LSTM神经网络学习特征向量中的时序信息,接着利用注意力机制自适应地感知对识别结果有较大影响的网络权重,使模型能够根据行为的前后关系实现更精确的识别,最后通过一层全连接层连接Softmax分类器...


相关搜索
 找到 537 条结果 
123456789下一页
关于iData
iData是第三方交流学术成果的公益互联网项目,旨在促进知识的传播和最新学术科技的共享,所有信息均来自公开、透明的互联网查询网站,iData重新对这些信息进行整合和优化,从而高效地输出有用信息,提高人与知识的连接效率。iData从创建之初便提供免费的学术文献浏览和下载。