一种基于迁移学习的时空序列预测方法.pdf
霞英****娘子
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于迁移学习的时空序列预测方法.pdf
本发明公开了一种基于迁移学习的时空序列预测方法,属于时空序列预测领域和迁移预测领域;具体为:首先,收集待预测城市的无线业务流量,作为时空序列源数据,基于时空预测模型的局部卷积网络和残差网络,学习时空特征;同时提取外部信息源数据,基于局部卷积学习外部信息特征;然后,将时空特征输入对抗生成网络,学习得到时空共性特征;通过融合时空特征、时空共性特征和外部信息特征,得到时空预测模型的预测值;并通过最小化预测损失函数,优化预测模型的参数。最后,将该时空预测模型迁移到与源数据具备同时空的共性特征的目标域数据,得到目标
一种基于迁移学习的绘画情感预测方法.pdf
本发明属于图像情感计算技术领域,一种基于迁移学习的绘画情感预测方法,解决绘画情感的自动预测。具体为:将绘画图像由RGB颜色空间转换成HSV模型,保留对绘画情感影响较大的H和S分量作为颜色特征图像。采用局部二值模式提取局部纹理特征。在AlexNet网络上采用迁移学习的方法,保留原始网络中全部卷积、池化和一个全连接的部分,并新增了5个全连接层。在对新模型进行参数微调时,将模型的前5层卷积层和第6层全连接层的网络参数作为目标模型的参数,新增全连接层(7‑11层)的参数采用随机初始化。将颜色分量H、S和LBP纹理
一种基于迁移学习的极化SAR时间序列影像应急水体提取方法.pdf
本发明属于涉及一种基于迁移学习的极化SAR时间序列影像应急水体提取方法,包括以下步骤:对极化SAR时序影像进行滤波处理;然后提取出影像的代表性样本;进行时序影像可迁移性评价,划分源域影像和目标域影像;然后选取源域有标签样本、目标域高信息量样本和目标域无标签样本;利用迁移学习对目标域无标签样本进行标注,并与高信息量样本合并,得到有标签样本集;基于有标签样本集训练随机森林分类器,对影像分类得到水体分布图,最后将所有影像的水体分布图进行组合,得到时序水体分布图。本发明不仅可以获取地表的水体时空分布信息,还能显著
一种基于时空解构的多传感器长时序列预测方法及模型.pdf
本发明提供了一种基于时空解构的多传感器长时序列预测方法及模型,属于深度学习技术领域;解决了多源时间序列的长时间预测准确性的问题;包括如下步骤:输入传感器历史数据;对传感器历史数据的时间序列的时序信息进行捕获:使用基于自相关机制的时序模块处理时间序列,得到时间序列内隐含的时序关系;对传感器历史数据的时间序列的空间信息进行捕获:使用基于卷积和自注意力的空间模块处理消除时序部分后的时间序列,得到多个不同变量之间的隐含关系;聚合得到长时序列预测:将时序部分预测数据和空间部分预测数据进行求和运算,即可得到最终的预测
一种基于时空注意力的城市时空预测方法.pdf
本发明公开了一种基于时空注意力的城市时空预测方法,包括构建并利用基于时空注意力的城市时空预测模型进行城市时空预测;城市时空预测模型包括时空编码器,时空编码器包括语义空间自注意力模块、地理空间自注意力模块、时间自注意力模块和异质注意力融合模块,用于根据高维时空表示向量,得到时空特征向量。本发明公开的城市时空预测方法,可获取历史数据中长距离语义邻域信息和短距离地理邻域信息,以及长距离时间依赖关系,通过模拟历史数据复杂和动态的时空依赖关系,准确进行城市时空预测。