【摘 要】
:
传感器技术是当代信息产业的重要支柱之一,随着物联网技术的不断发展,传感器越来越多地应用到了人们生产生活的各个领域,与之如何有效分析这些数据,充分挖掘传感数据所隐含信息是一个重要的研究课题。基于机器学习和深度学习的时序传感数据分类算法已经得到广泛应用,相比传统方法能更好地提取数据深层次的特征,可以达到更好的识别效果。然而,此类方法往往依赖于大量有标签的训练样本,而这在许多实际情况下是难以获得的。迁移
论文部分内容阅读
传感器技术是当代信息产业的重要支柱之一,随着物联网技术的不断发展,传感器越来越多地应用到了人们生产生活的各个领域,与之如何有效分析这些数据,充分挖掘传感数据所隐含信息是一个重要的研究课题。基于机器学习和深度学习的时序传感数据分类算法已经得到广泛应用,相比传统方法能更好地提取数据深层次的特征,可以达到更好的识别效果。然而,此类方法往往依赖于大量有标签的训练样本,而这在许多实际情况下是难以获得的。迁移学习是机器学习的重要分支,其可借助与目标域相似的源域数据进行知识迁移,因此,将迁移学习应用于传感数据识别中,将有助于缓解单个观测对象数据不足的问题,改善少样本条件下的模型训练效果。此外,许多实际应用对于传感数据识别的实时性与功耗具有较高要求,因此要求尽可能地减小算法的复杂度。基于此,本文提出了一种基于迁移学习的少样本传感数据分类识别方法。该方法在所需识别的目标域传感数据之外,引入数据充足的源域数据进行训练。其模型架构参考联合自适应网络,通过在训练损失函数中加入JMMD损失,并在卷积层后增加自适应批量归一化层,与单纯的参数微调相比,有效降低了源域与目标域之间特征分布的差异,可以获得更好的迁移效果。在此基础上,考虑到实际应用中传感器收集到的数据在大部分时候为无需详细分析的正常数据,本文提出了基于按需识别的效率优化方法,它首先利用基于特征降维的轻量级分类器对数据进行初步检测,只有当检测结果大于设定的阈值时才会调用复杂度较高的识别算法,从而极大降低了运算开销,使算法更适合部署为边缘计算任务,提高了算法的实时性。本文提出的方法在ASCE结构、SMC桥梁和轴承故障三个数据集上进行了实验,在实验中通过人为舍弃数据来模拟少样本情景,实验结果表明所用的迁移学习模型能够获得比仅用目标域数据更高的精度,按需识别策略能够在不明显影响精度的前提下显著减少运行时间,方法的可行性与有效性得到了很好的验证。
其他文献
随着近年来无人机的自主性和灵活性得到了很大程度的提高,无人机已经是一种重要的飞行设备并被广泛的研究和应用。然而由于无人机执行飞行任务时输入的地图不够精确所带来的环境不确定性,以及外界环境的干扰或是自身模型的不确定性带来的控制扰动,使得对无人机自主飞行能力提出了更高的要求。强化学习作为当今热门的一种机器学习的研究领域,为无人机的在具有环境不确定性和干扰的情况下进行路径规划和控制提供了新的解决方案。本
目标跟踪研究作为计算机视觉领域的重要分支在现实中的应用十分广泛,伴随着应用需求的增广,目标跟踪技术也从单模态拓展至多模态,即利用多传感器协同跟踪目标。热红外模态凭借其稳定、应用广的特点成为多模态跟踪的热门选择,RGB-T跟踪是利用可见光(RGB模态)和热红外(T模态)成像的独特优势,在面对光照影响、天气干扰、成像能力限制等问题时进行鲁棒的目标跟踪。目前成对的多模态数据规模有限,且跟踪场景具有一定的
管道运输是天然气运输的主要方式。天然气管道在运输过程中,因管道腐蚀老化、第三方损害等引起管道泄漏将导致巨大的人员伤亡和经济损失。为更好地监测天然气管道运行状态,充分利用SCADA(Supervisory Control And Data Acquisition,数据采集与监视控制)系统中蕴含的大量管道运行状态数据,对天然气管道运行过程中泄漏状态进行检测,能够更好的辅助工程人员综合全面地了解管道的运
随着物联网技术的持续发展,卷积神经网络的边缘端部署逐渐成为了新的技术发展趋势。如何在存算资源受限的边端实现高效的神经网络部署,也成为了目前学术界与工业界研究的热点。深度可分离卷积技术能在保证计算精确度的同时,有效降低网络模型复杂度,能满足边端网络部署轻量化和准确率的需求。研究面向深度可分离卷积神经网络(Depthwise Separable Convolutional Neural Network
由于互联网的快速普及,越来越多的网络用户在互联网上发表自己的观点评论,这些观点评论中包含了大量的情感信息,利用这些情感信息可以有效的促进社会的经济发展,维护社会的稳定。因此,文本的细粒度情感分析逐渐成为自然语言处理的热点问题。本文主要针对基于方面类别的情感分析任务(ACSA)展开研究,提出了基于多示例学习的方面情感联合分析模型(ACSA-MIJLN)和基于双注意力的联合方面情感分类模型(AS-DA
近来,目标跟踪技术应用愈发广泛,尤其是在许多工业应用中起着不可替代的作用。为了适应复杂多变的跟踪环境,热红外摄像机也被运用到视频图像采集中。热红外图像可以补充解决可见光下的光照条件敏感问题,可见光图像又可以助力解决热红外图像中的热交叉问题。可见光摄像机采集RGB数据,热红外摄像机采集T数据,这两种模态数据提供了强大的互补信息,将“RGB+T”数据联合完成跟踪,从数据的角度来说也被称为RGB-T跟踪
随着科学技术的发展,互联网的崛起为人们带来了方便快捷的实时通讯,非结构化形式的网络文本数据呈指数级别增长。信息来源不同、用户用语习惯不同导致文本数据多变且无特定规则,这阻碍了计算机理解文本含义以及分析出精准有效的信息。实体链接就是解决这一问题的关键任务。作为自然语言处理领域的基础性工作,实体链接旨在将文本中有歧义的实体指称项映射到给定的大型知识库中从而消除实体指称项的歧义。本文通过调研实体链接国内
在日常生活中,优化问题无处不在。科学技术的迅速发展逐步加剧了生活中实际面临优化问题的复杂度。对于求解复杂的优化问题,群智能优化算法有着效率高、适应性广的优势。粒子群优化(Particle swarm optimization,PSO)算法是一种常用的智能优化算法,它具有参数少、收敛速度快、易于编程等优点,将PSO算法应用在实际问题中,能够获得良好的性能。但由于存在过早收敛和全局搜索能力的薄弱的缺点
现代化发展中城市的扩张与人口的增长使得相关的交通问题愈发严重,尤其是道路利用率低下和交通堵塞的问题。交通流预测旨在根据城市交通网络中的路网结构和历史交通流数据等信息对未来时刻的交通状态进行预测,有利于广大用户提前做好出行规划和政府合理规划城市交通,是目前解决上述交通问题的重要手段之一。然而,交通信息中存在由复杂的道路网络和动态的交通条件所带来的复杂时空依赖性,且时空特征之间相互关联和相互影响。因此
随着移动互联网技术的发展,社交网络已成为人们日常生活的重要组成部分。大量有价值的信息在社交网络中传播,这些信息的分享为人们生活提供便利的同时也给用户带来了极大的隐私威胁。社交网络合成图作为一种既能表示原始社交网络属性又不泄露真实数据的生成图数据,可以供数据收集者分析出准确的网络属性特征。本文以差分隐私模型为基础,研究如何将本地化隐私保护的数据收集机制和社交网络图合成机制有效地结合,从而保护社交网络