-
题名广义RBF神经网络在煤矿冲击地压预测上的应用
被引量：4
- 1
-
-
作者
李焱
马尽文
-
机构
北京大学数学科学学院信息科学系和数学及其应用教育部重点实验室
黑龙江科技大学理学院
-
出处
《信号处理》
CSCD
北大核心
2013年第12期1689-1695,共7页
-
基金
教育部博士点基金项目20100001110006的资助
-
文摘
本文将广义径向基函数(RBF)神经网络应用于华丰煤矿实测的煤矿中冲击地压数据的建模和短期预报。在网络设计上,本文采用了贝叶斯阴阳(BYY)和谐学习算法进行网络隐单元个数的确定和参数初始值的选取,而在参数学习上,本文则采用了同步LMS学习算法。实验结果表明,这种基于广义RBF神经网络的预测方法在精度和速度上有了显著的优势,能够满足在工程应用中的实际要求。
-
关键词
RBF神经网络
贝叶斯阴阳和谐学习
矿山冲击地压
预测
-
Keywords
RBF neural network
BYY harmony learning
mine rockburst
prediction
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名对角型广义RBF神经网络与非线性时间序列预测
被引量：6
- 2
-
-
作者
马尽文
青慈阳
-
机构
北京大学数学科学学院信息科学系和数学及其应用教育部重点实验室
-
出处
《信号处理》
CSCD
北大核心
2013年第12期1609-1614,共6页
-
基金
教育部博士点基金项目20100001110006的资助
-
文摘
径向基函数(RBF)神经网络在非线性时间序列预测方面发挥着重要作用。本文提出了对角型广义RBF神经网络模型,并利用贝叶斯阴阳(BYY)和谐学习算法进行隐层单元个数的确定和参数初始值的选取,并且建立了同步LMS算法进行参数学习。进一步,将对角型广义RBF神经网络应用于非线性时间序列预测,得到了预测准确率高和速度快的效果。
-
关键词
RBF神经网络
贝叶斯阴阳和谐学习
非线性时间序列
预测
-
Keywords
RBF neural network
BYY harmony learning
nonlinear time series
prediction
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于特征提取和机器学习的文档区块图像分类算法
被引量：17
- 3
-
-
作者
李翌昕
邹亚君
马尽文
-
机构
北京大学数学科学学院信息科学系和数学及其应用教育部重点实验室
-
出处
《信号处理》
CSCD
北大核心
2019年第5期747-757,共11页
-
基金
国家自然科学基金(U1604153)资助
-
文摘
文档区块图像分类对于文档版面图像的理解和分析至关重要。在传统机器学习分类模型中,直接使用图像作为输入会导致学习模型参数量过大而无法进行有效的训练。为了克服这个困难,我们针对文档区块图像设计了一组有效的特征,并提出了基于这些特征和机器学习的文档区块分类算法。在特征设计上,我们提取了几何、灰度、区域、纹理和内容五方面在内的32种特征,以增强特征针对区块类别的分辨能力。在分类器方面,我们在所提出的特征上对传统机器学习分类模型、自动机器学习方法以及深度学习均进行了实验。在公开数据集上的实验结果表明,我们提出的文档版面区块分类算法具有很高的分类准确率,并且效率很高。另外,我们实现了一个简单的分步文档版面分析算法,以展示所提出的区块分类算法的推广能力。
-
关键词
文档版面分析
文档区块分类
特征提取
机器学习
图像分类
-
Keywords
page layout analysis
document region classification
feature extraction
machine learning
image classification
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于全卷积网络的遥感图像自动云检测
被引量：8
- 4
-
-
作者
安捷
马尽文
-
机构
北京大学数学科学学院信息科学系和数学及其应用教育部重点实验室
-
出处
《信号处理》
CSCD
北大核心
2019年第4期556-562,共7页
-
基金
国家自然科学基金(U1604153)资助
-
文摘
气象卫星图像云检测是气象预报领域中的一项重要任务。包含降水预测,气象灾害预测在内的若干气象预报任务都依赖精确的云检测结果。依据气象卫星遥感图像数据,本文提出了一种基于全卷积网络模型的遥感图像云分割算法,实现了高分辨率、大尺度、多通道遥感图像的云分割。我们的算法包含:1)图像分块;2)块状图像分割;3)分割图像拼接三个主要步骤,实现了像素级精度的云分割。相比传统算法,我们的算法不依赖人工经验,完全由数据驱动,并在极端数据情形下具有更好的鲁棒性。测试数据结果显示,我们的算法能够满足气象预报的需要,且具有商业应用的潜力。
-
关键词
遥感图像
语义分割
全卷积网络
深度学习
云检测
-
Keywords
remote sensing images
semantic segmentation
FCN
deep learning
cloud detection
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名PCA联合子空间理论的规范化与扩展
被引量：2
- 5
-
-
作者
徐斌
马尽文
-
机构
北京大学数学科学学院信息科学系和数学及其应用教育部重点实验室
-
出处
《信号处理》
CSCD
北大核心
2013年第12期1638-1643,共6页
-
基金
国家自然科学基金项目61171138的资助
-
文摘
对于高维数据的分类,主成分分析(PCA)联合子空间可为每类数据建立更为细致的概率模型,从而可有效地提高贝叶斯分类的准确性。本文首先对PCA联合子空间理论进行了规范化,提出了两个基本假设,并从理论上证明了残差子空间参数"代表特征根"的启发式取值正是其极大似然估计。本文进一步对样本残差的概率模型进行了扩展,提出了扩展型逐类联合子空间算法。最后,本文通过在真实数据上实验结果证明了扩展型逐类联合子空间算法的优越性。
-
关键词
主成分分析(PCA)
贝叶斯分类
联合子空间
-
Keywords
principle component analysis （PCA）
Bayesian classification
joint subspace
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于深度学习的酒标分割研究
被引量：5
- 6
-
-
作者
邹亚君
李翌昕
马尽文
-
机构
北京大学数学科学学院信息科学系和数学及其应用教育部重点实验室
-
出处
《信号处理》
CSCD
北大核心
2019年第4期623-630,共8页
-
基金
国家自然科学基金(U1604153)资助
-
文摘
红酒图像中的酒标区域含有重要的红酒品类信息,而对酒标区域的定位与分割可以有效去除背景区域对图像匹配算法的干扰。传统图像分割算法大多基于局部图像特征和人工设计规则,对噪声较为敏感,并且难以应对大规模数据的处理。针对传统算法的不足,本文首先构造了一个大规模酒标分割数据集,然后提出了一种基于深度学习的酒标分割方法。我们构造了一个基于残差网络的语义分割模型,并且在模型中加入跨层连接,实现低层特征和高层特征的有效融合,使得分割的边缘细节更加清晰和准确。另外,我们采用了带孔卷积金字塔池化结构整合多尺度信息,在增大模型感受野的同时使得模型适应不同尺度的酒标区域。在我们构造的酒标数据集上的实验结果表明,本文提出的酒标分割网络能够进行实时的酒标图像分割,并且达到了相当高的分割准确率。
-
关键词
酒标分割
深度学习
语义分割
特征融合
带孔卷积金字塔池化
-
Keywords
wine label segmentation
deep learning
semantic segmentation
feature fusion
atrous spatial pyramid pooling
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于改进粒子群算法的压缩感知
被引量：4
- 7
-
-
作者
陈江琦
马尽文
-
机构
北京大学数学科学学院信息科学系和数学及其应用教育部重点实验室
-
出处
《信号处理》
CSCD
北大核心
2017年第4期488-495,共8页
-
基金
国家自然科学基金(61171138)资助
-
文摘
在稀疏信号处理中,压缩感知能够用较低的采样频率对稀疏信号进行压缩采样,而信号重建的问题则可归结为一个最优化问题,并可采用粒子群算法进行求解。针对压缩感知问题,本文对传统的粒子群算法进行了深入的分析和改进,得到了粒子数目的下界,并提出了三维环形邻域结构和多群协作机制,依此建立了有效的压缩感知重建方法,且将其应用于二维稀疏信号的重建。最后,本文通过在模拟和真实数据上实验结果验证了这种新型压缩感知方法的有效性和优越性。
-
关键词
信号采样
压缩感知
稀疏信号
粒子群算法
多群协作机制
-
Keywords
signal sampling
compressive sensing
sparse signal
particle swarm optimization
multi-group collaborationlearning mechanism
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于高斯过程混合模型的国债收益率预测
被引量：2
- 8
-
-
作者
曾鑫
赵龙波
马尽文
-
机构
北京大学数学科学学院信息科学系和数学及其应用教育部重点实验室
-
出处
《信号处理》
CSCD
北大核心
2019年第5期831-836,共6页
-
基金
国家自然科学基金(61171138)资助
-
文摘
债券分析的核心问题是发现偿还期限与到期收益率之间的关系,即利率期限结构,而实际上国债利率期限结构是最为重要和基本的模式。目前人们对于利率期限结构的分析主要采用经济理论模型和数量模型进行,但是这两种方法都难于对国债收益率进行有效的预测。基于高斯过程混合模型强大的数据拟合和分析能力,本文将其应用于国债收益率的建模和预测。本文采用国债收益率数据作为输出变量,筛选出对国债收益率影响最强的一组作用因子作为驱动或输入变量,然后利用高斯过程混合模型对数据进行学习和建模,并依此对国债收益率进行建模和分析。实验结果表明高斯过程混合模型能够更好的描述国债利率期限结构。相比于其他机器学习模型和算法,高斯过程混合模型在国债收益率的测试数据上获得了更好准确的预测结果。
-
关键词
高斯过程混合模型
利率期限结构
国债收益率
参数学习
预测
-
Keywords
mixture of Gaussian processes
term structure of interest rate
national bond yield
parameter learning
prection
-
分类号
F812.5
[经济管理—财政学]
-
-
题名GPFR混合模型的动态模型选择算法
被引量：1
- 9
-
-
作者
赵龙波
马尽文
-
机构
北京大学数学科学学院信息科学系和数学及其应用教育部重点实验室
-
出处
《信号处理》
CSCD
北大核心
2019年第5期786-794,共9页
-
基金
国家自然科学基金(61171138)资助
-
文摘
作为一种有效的数据建模和分析工具,高斯过程混合(MGP)模型被广泛地应用于时间序列的分析与预测,并成为一种新的机器学习模型。在传统的MGP模型中,高斯过程(GP)的均值被假设为零,这给其应用带来了很大的局限性,因此人们提出了可进行均值函数学习的高斯过程函数回归(GPFR)模型及其混合模型(MGPFR)进行更为精细的数据建模。与MGP模型一样,MGPFR模型同样存在着模型选择的问题。为了解决MGPFR模型的模型选择问题,本文将同步平衡准则进行了推广,并提出了相应的模型选择和动态模型选择算法,并通过实验发现了惩罚项系数的合理区间。实验表明,这些算法在模型选择和预测上均有很好表现,并且能够有效地应用于曲线聚类。
-
关键词
高斯过程混合模型
高斯过程函数回归混合模型
动态模型选择算法
同步平衡准则
-
Keywords
the mixture of Gaussian processes model
the mixture of Gaussian process functional regressions
dynamic model selection algorithm
synchronous balancing criterion
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
