-
公开(公告)号:CN116304511A
公开(公告)日:2023-06-23
申请号:CN202310237655.X
申请日:2023-03-14
Applicant: 福州大学
Abstract: 本发明提出一种基于图和注意力的时空裂缝数据推断方法,包括以下步骤;步骤S1:获取包含时空裂缝数据的原始稀疏矩阵;步骤S2:移除原始稀疏矩阵中的所有时空裂缝,得到更小尺寸的无裂缝稀疏矩阵;步骤S3:利用矩阵分解技术推断无裂缝稀疏矩阵;步骤S4:将步骤S2移除的时空裂缝重新放回,得到预处理的稀疏矩阵;步骤S5:构建基于图注意力网络的空间块和基于Transformer的时间块,并将它们组合成时空神经网络结构;步骤S6:将预处理的稀疏矩阵输入时空神经网络结构的模型中,得到推断的矩阵并计算损失;步骤S7:重复步骤S6,以训练模型直至收敛;本发明在给定具有稀疏性并可能伴有时空裂缝特征的感知数据的情况下,能有效地推断出比较理想的完整数据。
-
公开(公告)号:CN114912029A
公开(公告)日:2022-08-16
申请号:CN202210675748.6
申请日:2022-06-15
Applicant: 福州大学
IPC: G06F16/9535 , G06F16/9537
Abstract: 本发明涉及一种基于强化学习的稀疏群智感知在线用户招募方法,包括以下步骤:步骤S1:获取历史感知数据;步骤S2:构建用户的历史轨迹数据;步骤S3:构建用户招募模型和预算保留模型;步骤S4:训练用户招募模型和预算保留模型;步骤S5:利用预算保留模型判断是否在当前周期保留预算,若判断为“是”,则等待下一个周期到来再重复步骤S5,否则,跳转至步骤S6;步骤S6:招募贡献最大的一个用户,支付其相应的报酬后回到步骤S5;步骤S7:重复步骤S5和S6,直到预算不足或所有周期结束;步骤S8:结合推断算法推断完整的数据。该方法通过交替执行用户招募决策和预算保留决策,在预算和时间限制下,在线招募一组近似最优的用户完成稀疏群智感知任务。
-
公开(公告)号:CN116205066A
公开(公告)日:2023-06-02
申请号:CN202310176321.6
申请日:2023-02-28
Applicant: 福州大学
IPC: G06F30/20 , G01N33/00 , G06F17/16 , G06F18/214 , G06F111/08
Abstract: 本发明涉及一种基于压缩感知自适应测量矩阵的空气质量主动采样方法,包括以下步骤:将空气质量历史数据进行处理,得到训练压缩矩阵;使用高斯随机矩阵构造初始字典,利用字典学习技术求解得到过完备字典;构造稀疏基,将过完备字典和稀疏基的逆相乘后进行列子集选择操作得到最重要的m个列;利用得到的m个列构造测量矩阵后进行主动采样,得到一条新数据,进而推测出其余未采样点的估计值;将得到的新数据加入训练压缩矩阵,并将其中最旧的训练数据删除,以保证训练集大小固定不变。重复上述步骤以实现多轮主动采样。该方法能够使用压缩感知模型一体化实现采样和推测,并且可以实时更新训练集以适应多次采样。
-
-