【摘 要】
：
针对探索时间序列之间随时间变化的因果关系问题,在每个窗口进行Granger因果检测的滑动时间窗口方法是求解该问题的常用方法,但其性能对窗宽敏感,不合适的窗宽很可能导致低性能。该文提出一种差异区域平衡方法,首先计算当前滑动窗口W内序列的波动程度Sw并作为波动界,计算窗口W的前向相邻区域U内序列的波动程度Su。然后,实施前向探索策略:若Su未超过Sw,则实施不同长度区域的平衡检测方案,即对窗口W、对窗
【机 构】
：
福建师范大学数学与信息学院,福建师范大学数字福建环境监测物联网实验室
【基金项目】
：
国家自然科学基金(61672157),福建省自然科学基金(2018J01778)。
论文部分内容阅读
针对探索时间序列之间随时间变化的因果关系问题,在每个窗口进行Granger因果检测的滑动时间窗口方法是求解该问题的常用方法,但其性能对窗宽敏感,不合适的窗宽很可能导致低性能。该文提出一种差异区域平衡方法,首先计算当前滑动窗口W内序列的波动程度Sw并作为波动界,计算窗口W的前向相邻区域U内序列的波动程度Su。然后,实施前向探索策略:若Su未超过Sw,则实施不同长度区域的平衡检测方案,即对窗口W、对窗口W与U的合并区域、对窗口W与后向相邻区域V的合并区域这3种不同长度的差异区域,分别进行时间序列之间因果
其他文献
R波作为确定心电信号各波段的重要参考,是心电自动分析的前提。针对大多数R波识别算法的预处理过程影响识别准确度和耗时问题,该文提出一种基于集合经验模态分解(EEMD)和信号结构分析的算法对带噪心电信号(ECG)的R波直接进行识别。首先通过EEMD将带噪声的心电信号分解成一系列本征模态分量,然后对分解后的各模态分量作独立成分分析以提取出R波特征最明显的成分,对该成分进行结构分析,从而实现对R波的准确定
针对空间金字塔词袋模型中空间特征分布信息利用效率低,各类特征融合不充分的问题,该文提出空间金字塔与局部感受野相结合的相关熵极限学习机(SR-CELM)。在特征提取部分,利用多尺度局部感受野对生成的多层级的字典特征分布图进行卷积,并引入局部位置特征和全局轮廓特征。在特征分类部分,提出一种新的网络以融合各部分特征。同时在传统极限学习机训练方法的基础上利用相关熵准则构建判别性约束,推导出权重更新公式以求
截集式可能性C-均值(C-PCM)聚类算法将截集概念引入可能性C-均值(PCM)聚类算法中,明显改善了PCM的聚类中心重合问题,并能够对噪声和奇异点的数据进行有效聚类,但该聚类算法对小目标数据聚类时仍然存在聚类中心偏移的问题。针对此问题,该文将半监督学习机制引入C-PCM的目标函数中,通过部分先验信息来指导聚类过程,提出半监督截集式可能性C-均值(SS-C-PCM)聚类算法。为了提高彩色图像的分割
为提高图像转换模型生成图像的质量,该文针对转换模型中的生成器进行改进,同时探究多样化的图像转换,拓展转换模型的生成能力。在生成器的改进方面,利用选择性(卷积)核模块(SKBlock)的动态感受野机制获取和融合生成器中每个上采样特征的多尺度信息,借助特征的多尺度信息和动态感受野构造选择性(卷积)核的生成式对抗网络(SK-GAN)。与传统生成器相比,SK-GAN以动态感受野获取多尺度信息的生成结构提高
DNA链置换技术广泛用于生物计算中,在计算能力和信息处理方面表现出色。但是,在信号的放大、恢复与比较等一些计算中使用DNA链置换技术,不仅增加DNA链的数量,还会带来额外的计算成本。因此,为了减少DNA链的使用数量,该文构建了一个基于DNA链置换实现的赢家通吃(WTA)神经网络。首先,通过神经元实现逻辑运算AND, NAND和OR,将其级联成WTA神经网络解决了线性不可分问题。通过与别人结果的比较
超快超声平面波成像技术实现了超声的高帧频大视野同步采集,捕捉到更多有效原始信息,而传统滤波器在处理这种大视野数据方面有诸多不足。该文基于Casorati奇异值分解(Casorati-SVD)技术提出一种改进的自适应杂波抑制算法:首先,选取一个区域的原始平面波数据构建Casorati数据矩阵并进行奇异值分解;其次,根据分解后分量的多普勒频率和能量自适应匹配合适的滤波截止参数,抑制组织杂波和噪声并提取
生成对抗网络(GAN)用于低剂量CT(LDCT)图像降噪具有一定的性能优势,成为近年CT图像降噪领域新的研究热点。不同剂量的LDCT图像中噪声和伪影分布的强度发生变化时,GAN网络降噪性能不稳定,网络泛化能力较差。为了克服这一缺陷,该文首先设计了一个编解码结构的噪声水平估计子网,用于生成不同剂量LDCT图像对应的噪声图,并用原始输入图像与之相减来初步抑制噪声;其次,在主干降噪网络中,采用GAN框架
针对协同过滤推荐算法中数据稀疏、冷启动与噪声用户对推荐质量的严重影响,该文将用户-项目评分数据与用户信任关系数据相结合;提出一种融合偏置的动态专家信任推荐算法(BDETA),首先根据用户信任关系数据进行社区划分,获取用户间显式信任值;其次从社区中用户-项目评分数据获取可信度、隐式信任值;通过结合用户间可信度、显式信任值、隐式信任值动态确定专家信任因子,根据用户的推荐能力为每个社区确定专家数据集;最
文本分类任务中,不同领域的文本很多表达相似,具有相关性的特点,可以解决有标签训练数据不足的问题。采用多任务学习的方法联合学习能够将不同领域的文本利用起来,提升模型的训练准确率和速度。该文提出循环卷积多任务学习(MTL-RC)模型用于文本多分类,将多个任务的文本共同建模,分别利用多任务学习、循环神经网络(RNN)和卷积神经网络(CNN)模型的优势获取多领域文本间的相关性、文本长期依赖关系、提取文本的
随着移动健康医疗应用的快速发展,压缩感知(CS)已用于PPG信号处理。信号恢复过程是基于CS的PPG信号处理中重要的步骤,文中对用于PPG信号处理的4种典型压缩感知恢复算法即正交匹配追踪(OMP)算法、压缩采样匹配追踪(CoSaMP)算法、基追踪(BP)算法和块稀疏贝叶斯学习(BSBL)算法进行综合性能分析,总结出算法在PPG信号处理上的优缺点,为实际应用提供研究参考。结果表明,BSBL的性能优于其他算法,其抗干扰性最强、信号恢复质量最好,OMP算法性能在不同压缩比下最稳定。BSBL算法的信噪比能达到OM