最大均值差异相关论文
基于距离的装配体相似性度量方法由于忽略了对距离分布的分析，在其案例初筛过程中，采用该方法时易导致丢失部分相似的案例。针对这一......
缺失值插补（missing value imputation,MVI）作为数据挖掘领域的重要研究分支,旨在为机器学习算法的训练提供高质量的数据支持。不同......
精准的容量估计对锂离子电池健康管理和预测性维护具有重要意义。近年来，数据驱动的方法被广泛应用于锂离子电池容量估计，然而现有的......
针对因源域和目标域数据存在分布差异及故障样本缺乏影响故障分类准确度的问题，本文构建了基于无监督迁移成分分析-支持向量机（unsup......
在训练集和测试集满足独立同分布的假设条件下,经典的机器学习算法在我们的日常生活中得到了大量成功的应用。令人遗憾的是,当训练......
在现代量化金融领域,金融时间序列数据的价值无庸置疑,然而由于受到环境、成本和算法等因素限制,研究者经常会遇到数据稀缺不足的......
随着现代化选矿工业流程生产水平的不断提高以及自动控制技术的不断进步,磨矿分级生产过程正朝着自动化和智能化方向发展。为了保......
在金属加工过程中,刀具磨损不仅影响工件的加工精度和表面质量,甚至会引起工件报废和机床损伤。因此,利用刀具磨损在线预测技术,准......
针对生产实际中滚动轴承故障数据不足导致故障识别率低的问题,提出了基于深度迁移学习的滚动轴承故障诊断方法。首先,在大量正常数......
敏捷化智能运维(AIOps)框架将模型构建提前至测试阶段,利用该阶段产生的监控数据代替线上采集的数据以训练AIOps模型,进而实现智能......
针对如何提高含有不同特征的电力数据挖掘效率问题,提出了基于门控循环单元(GRU)-最大均值差异(MMD)的电力数据挖掘方法.采用GRU方......
针对传统的机器学习算法在变工况条件下的轴承故障分类中诊断率低的问题,提出了基于联合分布适应(JDA)算法与K-最近邻(KNN)分类算......
随着互联网的快速发展,以社交网站、微博、博客、论坛为代表的网络媒体成为互联网世界中最大的信息产生与交换渠道,同时也为谣言的......
随着数据规模的快速增长,利用机器学习对数据进行分析与运用获得了巨大的成功。然而,在计算机视觉、模式识别和自然语言处理等应用......
随着现代社会的发展,行人重识别在智能监控系统、预防犯罪、刑侦取证、机场安保、国防安全、边境管制等安全领域有着广泛应用。在......
心电信号(Electrocardiogram,ECG)是心脏生物电活动的记录,是一种非平稳、非线性、随机性强的弱生理信号。以深度学习技术为代表的......
软测量建模对于保障流程工业的高效稳定运行以及提高产品质量具有重要作用。但受限于过程机理、生产原料和运行环境的变化,极易导......
针对实际工业运行过程中因工况突变导致模型失准的问题,提出一种多源域的域适应随机权神经网络参数迁移软测量的方法。首先,利用最......
会议
壁画是人类历史上最重要的文化遗存之一。这些壁画真实反映了宗教、文化、艺术、人文、社会生活、自然形态等多方面的重要信息,具......
传统基于指纹库构建的无线地图没有考虑室内环境中指纹会随着接收信号强度的变化而变化这一因素,所以系统鲁棒性较差。为了解决这......
鉴于迁移成分分析(TCA)忽略了样本间的局部信息差异性,提出一种基于样本局部判别权重的加权迁移成分分析.首先,通过对局部近邻圆内......
为了更好地揭示多模态过程的运行状态和数据分布变化规律,提高后续建模精度,提出基于最大均值差异(MMD)的多模态过程的过渡模态识......
为了提高基于深度学习的服装图像识别网络的泛化性能,文章提出了一种迁移学习方法,即从一个服装识别任务中提取知识并将其迁移到另......
针对零样本图像分类过程中对于已知类别样本获得代价高、领域漂移等问题,提出了一种利用最大均值差异改进变分自编码器的零样本图......
数据分布一致性的度量是大数据随机样本划分生成过程中的一个关键问题,如何针对混合属性的数据集进行合理有效的分布一致性度量是......
无监督域适应(Unsupervised Domain Adaptation,UDA)是一类新兴的机器学习范式,其通过对源域知识在无标记目标域上的迁移利用,来促......
针对多工况条件下球磨机关键负荷参数测量面临的复杂性问题,提出基于流形正则化域适应(domainadaptationwithmanifoldregularizati......
窃电行为不仅会增加电网的非正常线损,损害电力企业的经济效益,还会破坏正常的供电秩序。对窃电用户的识别、取证和窃电量的估算是......
随着物联网和图像技术的急速发展,信息表示的方式多样化,尤其是以图像表达出来的方式,有着直观,容易理解等优点,比如现在各大新闻......
深度域适应作为迁移学习最常见的问题之一,已经在许多机器学习应用中获得了优异的性能。然而,现有的深度域适应方法在减小域偏差时......
在域间分布适配的过程中,容易丢失一些重要的域自身信息,在源域上难以训练获得一个有效的分类器,影响其在目标域上的泛化与标注性......
传统的无监督领域自适应算法在对齐总体分布时存在分类信息流失问题,难以保证迁移学习效果。针对这个问题,提出了一种基于类内最大......
在基于模型参数的迁移学习研究中,两域样本的分布差异、源模型卷积层之间的互适应性都是影响模型迁移性能的重要因素。针对上述问......
针对流程工业中湿式球磨机工况变化后,数据分布差异导致的原测量模型失准问题,引入集成最大均值差异、正则约束的迁移子空间(the t......
针对含风电光伏电力系统网损率计算的问题，提出一种基于深度迁移学习（Transfer-Deep Boltzmann Network-Deep Neural Network，TDBN-DN......
随着大数据时代的来临,人类的各种活动产生了大量的数据。这很大程度归功于入网设备和网络社交的普及。由于数据处理往往滞后于数......
随着人工智能的快速发展,语音作为人类传达情感的重要方式之一,占据着越来越重要的位置。传统的语音情感识别技术都基于一个共同的......
航空发动机是航空器的核心部分,其正常稳定运转直接关系到航空器的飞行安全。由于其结构复杂,特别是其中的转子系统长期工作在高温......
随着软件应用的普及和深化,其多样性和复杂度都不断提高,相应的,对软件质量保障技术也提出了更高的要求。在软件生命周期中,软件缺......
随着大数据时代的来临,每个人每天都要浏览不同种类的大量信息,而图像这种标新立异的信息表达方式,由于它的直观性和容易理解等优......
随着科学技术的进步,人们的生活变得更加便利,以前必须通过人人交互才能获得的信息与服务,逐渐地发展为通过各种智能终端进行人机......
针对多标记迁移学习中源领域与目标领域的特征分布差异会导致源领域数据无法被目标领域利用的问题,提出了一种基于最大均值差异的......
近年来,针对实际应用场景中可匹配的训练数据不足的问题,科研人员发展出了迁移学习的概念,希望通过提取源域数据的特征信息进行迁......
目的多模态信息交叉检索的根本问题是多模态数据的特征表示。稀疏编码是一种有效的数据特征表示方法,但是当查询数据和被检索数据......
图像表示是图像处理和图像理解研究中的关键问题之一.在图像的低层表示上有很多重要的研究工作,例如HOG,SIFT等.然而在图像的低层......
针对湿式球磨机工况改变时,实时数据与建模数据分布不一致,不满足数据同分布的假设,传统软测量模型难以适应数据分布变化,造成模型......
