【摘 要】
：
针对在特殊领域中小样本数据难以通过训练被分类管理的问题,提出一种基于循环编码生成对抗网络的小样本辨识方法.首先,对小样本进行混叠循环编码,建构包含小样本深层信息的隐
【机 构】
：
福建江夏学院工程学院,福建福州350108;中国电力科学研究院有限公司电力自动化研究所,北京100192;福州大学机械工程及自动化学院,福建福州350116
论文部分内容阅读
针对在特殊领域中小样本数据难以通过训练被分类管理的问题,提出一种基于循环编码生成对抗网络的小样本辨识方法.首先,对小样本进行混叠循环编码,建构包含小样本深层信息的隐向量;然后,搭建一种循环生成对抗网络模型,对小样本生成扩充并通过极限学习机网络进行训练辨识;最后,结合算例,与传统生成对抗网络、深度信念网络及合成少数类过采样技术进行对比性实验分析,结果表明所提出的循环编码生成对抗网络模型有更好的准确性和鲁棒性,可以更加有效地完成小样本辨识.
其他文献
现有的人群聚集区域识别算法主要集中于室外空间,与室外空间相比,室内三维空间结构复杂,室内人群聚集更易导致安全事故的产生。提出了一种室内人群聚集区域识别方法——室内简化重构聚集方法(indoor simplification reconstruction cluster,IndoorSRC)。首先,设计了一种新型的室内时空凝聚层次聚类算法(indoor spatial-temporal agglom
为对老化SBS (styrene-butadiene-styrene)改性沥青混合料进行再生,完善旧料(reclaimed asphalt pavement,RAP)再生工艺、实现变废为宝,选取4种再生方式进行对比研究.通过沥
城市交通热点是居民出行活动的体现,通过出租车的移动轨迹可以分析城市交通运行状况。目前,相关研究主要集中于GPS采样数据的起讫点(origin destination,OD)估计模型以及轨迹流的提取分析算法,而对交通热点的交互作用和时空模式的研究还很少。以中国江苏省南京市的出租车GPS数据为研究对象,通过轨迹流提取和地图匹配,基于宏观基本图模型构建交通运行状况指标,利用数据挖掘技术分析交通热点时空模