收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度学习的目标时序信息分析方法研究

曾庆宇  
【摘要】:时间序列广泛存在于金融、电力、天文、军事等领域,包括对时序模型的分析、周期性等问题的研究,以期对未来的状况做出一定的预测和估计。深度学习方法可以自动提取数据中的特征,对数据建立起抽象模型,具有强大的特征表达能力,通用性强,在语音、视频、文本等数据分析中表现优秀,本文正是采用深度学习的模型进行时序数据的分析研究,实现对目标时序信息的有效利用,达成分析预测的目的。本文以舰船在海上发出的辐射噪声为音频时序数据,以Penn Tree Bank(PTB)数据集为文本时序数据进行研究。提出了相邻时间片信息融合和动态反馈的方式改进了长短期记忆网络。信息融合方法通过对相邻时间片数据的处理,使长短期记忆网络模型不局限于逐一迭代的时序关系,可以增强了时序关系的多样性,提高模型对于时序数据中的时序关系的表达能力。动态反馈方法采用动态参数的方式调节dropout正则化方法,调整的依据为相邻时序输入的相似度,对于时序上发生突变或复杂场景等问题具有更好的抗性,可以提高模型整体的健壮性,减少过度学习的倾向。在此改进的长短期记忆网络模型基础之上,本文又提出了一种划分频段的权重特征提取方法,主要针对舰船噪声偏于低频的特点。对原始音频转换为谱图后,采用二维小波变换的方式对谱图进行高低频段上的分解,得到四组划分频段的谱图。然后构建了四组反卷积网络分别进行无监督训练,还原输入的特征图,使其卷积核具有提取特定频段上特征的能力。在此之后对四组网络中的卷积核按比例抽取组建新的卷积神经网络对测试的原始谱图进行特征提取,抽取的比例体现了特征提取中的频段倾向,故称为权重特征提取方法。本文对分别采用了PTB文本数据集和舰船噪声数据集进行实验。实验表明,相邻时间片信息融合和动态反馈的方法使得LSTM模型的精准度得到提升。针对舰船噪声数据,采用分频段特征提取比未采用此方法的模型具有更好的航态预测准确率。综上所述,本文所构建的深度学习模型对于文本和音频的数据集具有较高的时序信息分析处理能力。


知网文化
【相似文献】
中国期刊全文数据库 前19条
1 陈辉;;浅议车牌识别中字符的特征提取方法[J];科技传播;2009年05期
2 徐德友,胡寿松;利用粗集上近似处理特征提取中的噪声问题[J];南京理工大学学报(自然科学版);2002年S1期
3 佟德纯;王永兴;;一种新的齿轮状态的分类识别方法—CEP-AR特征提取与分类[J];振动与冲击;1988年03期
4 罗斌;黄端旭;;皮肤癌表面图象特征提取[J];安徽大学学报(自然科学版);1989年03期
5 王仁华;宋原章;;汉语孤立音节的分段研究[J];信号处理;1989年02期
6 杨小军;;图片特征提取[J];中小企业管理与科技(中旬刊);2017年03期
7 武弘;;六种常用的网络流量特征提取工具[J];计算机与网络;2017年06期
8 李晋徽;杨俊安;王一;;一种新的基于瓶颈深度信念网络的特征提取方法及其在语种识别中的应用[J];计算机科学;2014年03期
9 唐朝霞;;一种基于特征提取的简答题阅卷算法[J];湖南工程学院学报(自然科学版);2010年01期
10 曹国辉;;车辆特征提取方法综述[J];中国水运(理论版);2006年03期
11 江涛,朱运海,董凤宝;小波变换在遥感影像道路特征提取中的应用[J];测绘工程;2004年02期
12 王华,李介谷;人脸斜视图象的特征提取与恢复[J];上海交通大学学报;1997年01期
13 张剑清,J.A.R.Blais;运用信息论进行特征提取[J];测绘学报;1990年03期
14 薛亚平;;多传感器数据融合在船舶特征提取中的应用[J];舰船科学技术;2016年18期
15 白玛玉珍;;几种藏文字特征提取方法比较研究[J];信息与电脑(理论版);2014年04期
16 李华平;;基于多特征提取的识别算法数学建模优化研究[J];哈尔滨师范大学自然科学学报;2013年04期
17 郑小东;王晓洁;;基于图像处理的植物叶特征提取研究现状[J];农机化研究;2007年08期
18 周生祥,冯培恩,潘双夏;材焊接结构加工特征提取方法[J];浙江大学学报(自然科学版);1997年04期
19 鲁刚;郭荣华;周颖;王军;;恶意流量特征提取综述[J];信息网络安全;2018年09期
中国重要会议论文全文数据库 前10条
1 王纪凯;王鹏;张启彬;陈宗海;;激光数据特征提取与学习方法[A];第17届中国系统仿真技术及其应用学术年会论文集(17th CCSSTA 2016)[C];2016年
2 薛燕;李建良;朱学芳;;人脸识别中特征提取的一种改进方法[A];第十三届全国图象图形学学术会议论文集[C];2006年
3 黄先锋;韩传久;陈旭;周剑军;;运动目标的分割与特征提取[A];全国第二届信号处理与应用学术会议专刊[C];2008年
4 路文焕;曲悦欣;杨亚龙;王建荣;党建武;;用于无声语音接口的超声图像的混合特征提取[A];第十三届全国人机语音通讯学术会议(NCMMSC2015)论文集[C];2015年
5 徐继伟;李建中;柳勃;杨昆;;使用支持向量机和改进特征提取方法的蛋白质分类[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
6 刘德刚;邵国凡;;高维遥感数据分析的特征提取方法[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年
7 姜成柱;刘志成;何其芳;卞荣;席闻;;基于信号分解与稀疏恢复的空间群目标微动特征提取[A];第八届中国航空学会青年科技论坛论文集[C];2018年
8 许强;杨佳;;基于线性加权的免疫克隆算法的手指静脉特征提取[A];中国自动化学会控制理论专业委员会B卷[C];2011年
9 高学;金连文;尹俊勋;;基于笔划密度的弹性网格特征提取方法[A];2001年中国智能自动化会议论文集(上册)[C];2001年
10 白真龙;霍强;;在联机手写中文识别中一种针对8方向特征提取的改进算法[A];中文信息处理前沿进展——中国中文信息学会二十五周年学术会议论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 宋洪超;基于微波的乳腺癌检测算法研究[D];北京邮电大学;2018年
2 苏雷曼 施查布(SOULEYMAN CHAIB);面向高分辨率图像场景分类的特征提取与选择研究[D];哈尔滨工业大学;2018年
3 温柳英;多模态数据特征提取的粒计算方法研究与应用[D];西南石油大学;2017年
4 李文娟;基于局部特征提取的人脸识别方法研究[D];天津大学;2017年
5 王振宇;面向人脸识别的特征提取技术应用研究[D];东南大学;2016年
6 马丽红;复杂背景下人脸的定位和特征提取[D];华南理工大学;1999年
7 谢平;故障诊断中信息熵特征提取及融合方法研究[D];燕山大学;2006年
8 张绍武;基于支持向量机的蛋白质分类研究[D];西北工业大学;2004年
9 李建生;图像元数据特征提取及其在检索中的应用[D];南京师范大学;2006年
10 刘靖;基于视觉特征提取和核判决分析方法的人脸识别[D];四川大学;2006年
中国硕士学位论文全文数据库 前10条
1 赵夕朦;基于人性化智能感知的生物特征提取和身份判断[D];浙江大学;2019年
2 谢欣;基于特征提取和支持向量机的门级网表硬件木马检测技术研究[D];浙江大学;2019年
3 周箫;基于话题检测的网络安全威胁发现与跟踪技术研究[D];北京邮电大学;2019年
4 张丽;比特流协议特征提取与识别方法研究[D];西安理工大学;2019年
5 方格格;基于时空轨迹表征的小簇人群提取模型研究[D];浙江大学;2019年
6 熊玲;基于KCF的独居老人室内跟踪与行为检测研究[D];重庆师范大学;2019年
7 张雪会;病态嗓音特征提取及识别研究[D];广西师范大学;2019年
8 曾庆宇;基于深度学习的目标时序信息分析方法研究[D];哈尔滨工程大学;2019年
9 孙泽金;转子故障信号的敏感特征提取方法研究[D];兰州理工大学;2019年
10 白雪;图像二值特征提取[D];北京邮电大学;2019年
中国重要报纸全文数据库 前3条
1 宇航智控;预测与健康管理(PHM)技术[N];中国航空报;2018年
2 记者 贾玎玎;北京纺控主营业务收入增长11.39%[N];首都建设报;2015年
3 中国信息通信研究院泰尔终端实验室 曾晨曦 段虎才;深度学习框架的前世今生[N];人民邮电;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978