基于GAN的异常检测研究综述

深度学习中生成式对抗网络（GAN）具有强大拟合训练数据分布能力,在应用到异常检测领域时可有效准确识别异常图像．针对异常检测领域中传统有监督学习算法存在大量已知标记样本训练的局限性,以无监督学习GAN的异常检测模型为研究对象,阐明生成对抗网络的基本原理、网络结构及相关理论,详细介绍了近年来十种典型的基于GAN的异常检测模型,经过比较各衍生模型的异同,总结出各自的优势、局限性和应用场景,通过分析GAN在异常检测领域研究中所面临的问题及挑战,展望了未来的研究方向主要是解决模型的稳定性、计算效率、生成样本的精度、异常区域定位、异常评价机制等问题．     

基于注意力机制的人脸漫画生成方法

在漫画生成领域,针对现有的基于生成对抗网络(generative adversarial networks, GAN)的方法无法捕获漫画和人脸之间高级对应关系的问题,提出了一个基于注意力机制的生成对抗网络模型(Attentions-based GAN)。在生成器和多尺度鉴别器上创造性地利用不同的注意力模块以保留重要的通道特征和空间特征,保证了鉴别器更准确地区分真实漫画和生成漫画,并促使生成器学习漫画域的分布。此外,构建了一个高分辨率的人脸漫画数据集,并在其上验证了本文模型的有效性。大量实验表明,本文方法生成的漫画更清晰真实,可以保留人物面部的细节并延续漫画的风格。     

高斯混合模型的矩阵推广

时间序列分析中经常出现的非高斯性质,使得传统的时间序列分析建模方法无法适用,所得到的预测值出现偏差,预测精度受到影响.本文推广了一维时间序列混合模型到多维高斯混合转移分布模型(MGMTD模型),证明了该多维时间序列混合模型下的一阶平稳性条件,并给出了该多维模型下的EM估计算法.本文将MGMTD模型应用于对我国炼焦煤炭和天然原油的价格预测分析中,实证结果显示,MGMTD模型可以得到较好的预测结果.     

一种多尺度卷积自编码网络及其在滚动轴承故障诊断中的应用（英文）

针对旋转机械故障特征需要人工提取导致故障识别困难的问题,在传统卷积自编码网络基础上,提出一种一维多尺度卷积自编码的故障诊断模型.该模型首先使用并行、不同尺度的卷积核和反卷积核对输入信号进行特征提取和重构,然后将多尺度卷积核所提取到的特征图作为分类器的输入,最后用带标签的数据对全模型的参数进行微调.通过一组模拟故障信号数据和2组滚动轴承故障实验数据对一维多尺度卷积自编码模型进行验证,结果显示该模型可分别达到99.75%、99.3%和100%的诊断精度.此外,将一维多尺度卷积自编码模型与传统机器学习、卷积神经网络和卷积自编码网络进行诊断精度和重构误差的比较,最终结果表明所提出模型对于滚动轴承故障数据有更好的识别效果.     

基于GAN的大幅面MODIS浒苔检测实验方案设计

为实现大幅面的浒苔区域检测,设计了一种基于生成对抗网络(GAN)的检测实验方案.为增强浒苔信息和去除陆地干扰,首先,通过使用归一化植被指数(NDVI)和海陆分离来对MODIS浒苔图像进行预处理.其次,通过最小化f散度进行对抗训练GAN中的生成器和判别器.最后,通过对抗训练,实现生成检测图像和解译图像之间的差异最小化,建...     

基于随机游走增强型矩阵分解的混合服务预测

随着Web服务数量的急剧增长,如何在大量功能相似但非功能属性各异的服务中选择满足用户个性化需求的服务是亟需解决的问题。基于QoS（Quality of Service）预测的服务推荐方法成为研究热点。然而, QoS数据的稀疏性和“冷启动”问题阻碍其发展。针对当前主流的QoS预测模型预测精度不高和收敛速度较慢等问题,提出一种基于随机游走模型和矩阵分解技术的混合QoS预测方法。该方法首先基于矩阵分解获得用户及服务的潜因子矩阵,并将用户潜因子矩阵转化为用户相似度矩阵;然后基于用户相似度矩阵并结合Web服务的网络位置信息,使用随机游走模型提高用户相似度矩阵的准确性;最终结合协同过滤方法与矩阵分解模型进行QoS预测。在真实数据集上实验,结果表明,与当前主流的QoS预测方法相比,该方法具有更高的预测精度和效率。     

基于CGAN-LSTM的无监督网络异常流量检测算法

针对现有网络异常流量检测算法鲜少关注网络流量这类时间序列数据在时间上的依赖关系以及没有从时间周期角度对网络异常流量进行检测的问题,提出一种基于CGAN-LSTM的无监督网络异常流量检测算法.首先使用LSTM结构的生成器和判别器学习正常样本的数据分布,其次使用时间周期信息指导生成器G生成样本,最后同时使用生成器的重构误差...     

基于变分自编码器的人脸正面化产生式模型

在人脸识别中，人脸姿态差异处理始终是一个难点。人脸正面化中大体可以分为两类：一是通过图形学方法生成正脸，二是通过产生式模型生成正脸。然而，第一类方法生成的正脸畸变会比较大，第二类方法普遍采用GAN网络，但是训练过程不易收敛。为解决以上问题，设计基于变分自编码器的产生式模型，采用β VAE模型，学习隐空间与真实图片空间关系，提高图片生成质量；使用模拟+无监督（S+U）学习方法，提高模型在训练过程的稳定性。通过在Multi-PIE数据集上进行实验，模型在定量打分中取得了不错效果，能够生成更加真实的图片。实验证明，该模型能够有效解决传统方法中生成图片不真实和训练不稳定的问题。     

基于生成对抗网络的图片风格迁移

图像到图像的翻译工作在现实中有着广泛应用，因此在计算机视觉领域得到高度关注。通过CycleGAN的网络结构进行图像风格迁移实验，将自然得到的图片转换成具有某种风格的图片，同时该方法不需要源图像与风格图像互相匹配，因此扩大了应用范围。在实验中，分别使用WGAN、WANG GP、LSGAN和原始GAN目标函数比较生成样本的质量，尽管生成对抗网络（GANs）拥有强大的建模能力，但难以训练。研究发现，WGAN GP能够稳定训练过程并且生成更真实的图像，WGAN、LSGAN效果次之，GAN经常会出现模型崩塌现象。     

基于生成对抗网络的步态特征提取与识别

提出了一种基于生成对抗网络的步态特征提取与识别算法.以CASIA-B数据集的步态图像为研究对象, 对不同视角、不同衣着或手持物的 GEI 特征进行分析.在54°, 90°, 126° 3种典型角度下对网络模型的性能进行分析, 发现模型的识别性能随着视角跨度增大而逐渐降低, 当视角为90°时网络模型达到最高的识别准确率....     

数据仓库与数据集市

文章主要从数据仓库和数据集市的概念入手,讨论了数据仓库和数据集市的特点、区别和联系,以及它们创建等问题。     

浅谈数据挖掘与数据仓库

数据挖掘和数据仓库,两者是相辅相成,融合与互动发展的。在金融行业引入数据仓库、数据挖掘技术,能使银行的信息技术应用从业务操作层提升到管理决策层,使其内部管理和流程优化。     

数据仓库与数据挖掘技术

较为详细地阐述了数据仓库和数据挖掘的概念 ,同时指出了开发数据仓库的流程和数据挖掘技术的方法     

数据仓库中的数据清理方法研究

阐述了数据清理的概念和意义，介绍了缺失值修补和孤立点识别采用的主要方法，并指出有待进一步研究的问题。     

From Data Collectors to Data Producers: Shifting Students’ Relationship to Data

This paper contributes a theoretical framework informed by historical, philosophical and ethnographic studies of science practice to argue that data should be considered to be actively produced, rather than passively collected. We further argue that traditional school science laboratory investigations misconstrue the nature of data and overly constrain student agency in their production. We use our “Data Production” framework to analyze activity of and interviews with high school students who created data using sensors and software in a ninth-grade integrated science class. To understand the opportunities for students to develop act with and perceive agency in data production, we analyze in detail the case of one student as she came to use unfamiliar technologies to produce data for her own personally relevant purposes. We find that her purposes for producing data emerged as she worked, and that resistances to her purposes were opportunities to act with and perceive her own agency, and to see data in new ways. We discuss implications for designing science learning experiences in which students act as agents in producing and using data.     

数据仓库在材料数据分析中的应用研究

材料数据库建设存在着诸多问题,已不适应材料科学研究的发展需要。采用数据集成技术是解决问题的关键。通过分析数据仓库技术特点,以及材料研究的数据要求和管理特点,提出了采用数据仓库进行材料数据集成和分析的新思路。     

半结构化数据到结构化数据的无损映射

大多数半结构化数据都具有一定的结构规律，将它们转化为基于关系数据库存储的结构化数据，可有效地应用DBMS技术进行处理，部分不便于转化的数据作特殊处理，以保证整个数据的无损映射，本在完成DTD的转换后，从一种最简单的映射方式入手，提出改进方案，利用一种基于数据挖掘的模式抽取方法，对不同类型的元素分别处理，设计了一套有效的溢出数据处理办法，实现了半结构化数据到结构化数据的无损映射。     

基于Schema模式的XML文档和关系数据间转换机制的研究

在介绍XML技术及Schema文档的特点基础上,着重探讨了XML模式与关系模式间数据转换的具体实现.