分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2022-06-06 合作期刊: 《计算机应用研究》
摘要: 针对现有交通流量预测算法大多仅考虑常态下的预测,而未考虑天气属性、周围地理属性对预测结果的影响,提出一种融合外部属性的组合预测模型(A-STIGCN)。首先,将外部属性作为路网中路段的属性,同时对路段的属性和交通特征进行建模,得到增强的特征向量。其次,采用图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,并借助门控循环单元(GRU)对时间信息的长时记忆能力以提取其时间特性,最后,通过注意力机制来捕获时空动态变化性进行交通流预测。采用深圳出租车轨迹数据、对应天气数据以及POI数据进行预测,研究结果表明:A-STIGCN组合模型预测效果优于传统线性模型及变体模型,与未引入注意力机制的ASTGCN模型相比,MAE降低了约0.131,精度提高了0.068,与及未引入外部因素的TGCN模型对比分析,MAPE降低了约0.637%,精度提高了0.079,从而更好地为交通管理提供指导意见。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2019-01-28 合作期刊: 《计算机应用研究》
摘要: 针对现有卷积神经网络图像超分辨率复原算法中的映射函数容易出现过学习、损失函数的收敛性不足等问题,通过结合现有的视觉识别算法和深度学习理论对其提出改进。首先将原有SRCNN网络层数从3层提高到13层,并提出一种自门控激活函数形式Swish,代替以往网络模型常用的Sigmoid、ReLU等激活函数,充分利用Swish函数的优势,有效避免了过拟合问题,更好的去学习利用低分辨率到高分辨率图像之间的映射关系指导图像重建。然后在传统的网络损失函数中引入Newton-Raphson迭代法的理论,进一步加快了收敛速度。最后通过实验证明了改进的卷积神经网络模型能够有效改善图像的清晰度,并在主观的视觉效果和客观的参数评价指标上有了进一步提高。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-12-13 合作期刊: 《计算机应用研究》
摘要: 针对传统来波方向(direction-of-arrival,DOA)估计在信号相干、低信噪比与噪声非均匀环境下性能差的问题,基于修正后的矩阵分解,提出一种利用凸优化的协方差矩阵最优DOA估计方法。修正后的矩阵分解方法,解相干的同时克服了孔径损失;然后,利用凸优化,重构出无噪声的协方差矩阵;最后,利用最小化搜索计算出DOA。仿真结果表明,所提算法与矩阵分解(matrix decomposition,MD)算法、基于L1范数的奇异值分解(L1-norm singular vector decomposition,L1-SVD)算法以及基于空间平滑的协方差秩最小化估计(spatial smoothing based covariance rank minimization,SS-CRM)算法比较,能更好地抑制非均匀噪声,且在低信噪比条件下,依然性能良好。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-11-29 合作期刊: 《计算机应用研究》
摘要: 推荐系统(recommender systems,RS)帮助用户在海量的数据资源中找到感兴趣的信息,提供准确的个性化推荐。而基于信息核的推荐算法能在较大程度上降低推荐过程中的时间花费。针对协同过滤推荐算法中存在的可扩展性问题,在原有基于频率(frequency-based,FB)和排名(rank-based,RB)的信息核提取方法的基础上,提出了改进的提取信息核方法IFB(IFrequency-based)和IRB(IRank-based,IRB),在寻找最相似邻居环节中提出了一个优化集的概念,在优化集上为每个用户寻找最相似的邻居。从实验结果看出,通过所提方法能够得到更加准确的推荐结果,有效降低了绝对平均误差(MAE),同时具有更高的准确率和召回率,推荐效果更优。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-05-20 合作期刊: 《计算机应用研究》
摘要: 为了提高复杂网络社区结构挖掘的精度,结合基因遗传和贪婪搜索提出一种面向模块度优化的布谷鸟社区检测算法(GGCSCA)。布谷鸟种群在有序邻居表上逐维随机游走,并采用优质基因遗传策略,使得种群高效优化,同时应用局部模块度增量最大化的贪婪偏好搜索算法快速提升种群质量,以取得好的社区划分结果。GGCSCA在基准网络和经典网络上进行了实验,并与一些典型算法进行对比,结果说明了本社区发现算法的有效性、准确性和快速收敛性,具有较强的社区识别能力,能够精细地检测出网络社区结构。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-05-18 合作期刊: 《计算机应用研究》
摘要: 针对模糊C-均值聚类(fuzzy C-means clustering,FCM)算法在欠定混合矩阵估计中精度低、鲁棒性差的缺点,提出一种基于遗传模拟退火优化FCM(GASA-FCM)混合聚类和霍夫变换的欠定混合矩阵估计算法。该算法首先结合了模拟退火算法(simulated annealing algorithm,SA)全局搜索、高精度的优点和遗传算法(genetic algorithm,GA)强大的空间搜索能力,将经遗传模拟退火算法得到的聚类中心点赋给FCM,避免了初值选择的随机性。再利用霍夫变换对聚类得到的每一类数据的中心进行修正,提高混合矩阵的估计精度。实验结果表明,提出的算法明显改善了算法的稳定性和混合矩阵估计精度,具有一定的有效性和可行性。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-05-02 合作期刊: 《计算机应用研究》
摘要: 针对现有交通流预测方法忽视对交通流数据自身特征的有效利用以及不能模拟更复杂的数学运算,提出了一种改进深度置信网络(deep belief network,DBN)的交通流预测方法。该方法结合深度置信网络模型与Softmax回归作为预测模型,利用连续受限玻尔兹曼机(continuous restricted Boltzmann machines,CRBM)处理输入特征向量,利用自适应学习步长(adaptive learning step,ALS)减少RBM训练网络模型时重建误差所需的时间,用改进的深度置信网络模型进行交通流特征学习,在网络顶层连接Softmax回归模型进行流量预测。实验结果表明,在实际的交通流数据预测中,改进的DBN模型的预测准确率以及时间复杂度相比传统预测模型都得到了较好的改善。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-04-24 合作期刊: 《计算机应用研究》
摘要: 通信技术的发展,使多种接入技术并存的异构网络成为未来通信网络的发展趋势,随着用户业务QoS需求的提高和传输带宽的增加,现有的网络选择算法已经不能满足用户高质量的通信需求。针对异构无线网络频谱资源日益紧缺的问题,提出了由用户端和网络端共同参与的两级动态网络选择方案。该方案包括灰度关联分析法和二分图联合优化匹配算法,通过用户端和网络端的共同决策,算法在有效满足移动用户业务服务质量需求的前提下,优化了系统吞吐量,均衡了网络负载。仿真实验表明,相对传统算法,该方案极大地提高了异构网络频谱资源利用率并降低了用户在无线网络间的切换概率,实现了用户需求和网络资源的合理配置。