基于胶囊网络的群智感知数据分类模型
发布时间:2022-02-04 20:37
近年来,群智感知成为计算领域的前沿研究问题,群智感知通过参与者所携带的智能手机和智能手机所独有的计算和感知能力进行采集感知数据。应用到周围环境的监控、道路路况的监控和智能交通等相关领域。通过移动用户所携带的移动设备,对范围较大的感知任务的感知数据进行采集,相对于其他技术这样可以达到高效率的完成感知任务。参与者完成感知任务的同时,感知任务的下发和感知信息的上传在群智感知网络中是被广泛的研究和关注,感知数据的分类能够更加精准的为数据需求者提供数据是尤为重要的,因为目前的研究中感知数据分类很少,不能更加精准的为数据需求者提供相应数据,对感知数据的分类就需要研究人员进一步研究。感知数据的分类问题已经被广泛的研究与关注,本文提出了一种基于胶囊网络的群智感知数据分类模型。首先,对群智感知国内外现状进行分析,对群智感知面临的问题、主要特征以及数据分类等相关内容进行详细的介绍。对群智感知系统模型的群智感知平台、移动用户、数据分类模型、感知任务、数据请求者以及群智感知任务的定义进行详细描述,为之后建立群智感知系统模型奠定理论基础,然后,群智感知平台感知数据类型搭建胶囊网络的结构,构建了感知数据分类模型的...
【文章来源】:哈尔滨师范大学黑龙江省
【文章页数】:49 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文的研究内容和组织结构
1.4 本章小结
第2章 相关理论基础
2.1 群智感知网络概述
2.2 群智感知网络的特征
2.3 群智感知面临的问题
2.3.1 保护用户的个人隐私信息
2.3.2 用户的激励机制设计
2.3.3 数据感知质量管理
2.4 数据分类概述
2.4.1 数据预处理
2.4.2 数据特征选择
2.5 本章小结
第3章 群智感知系统模型
3.1 问题描述
3.2 群智感知任务定义
3.3 群智感知系统模型
3.4 本章小结
第4章 基于胶囊网络的数据分类模型
4.1 胶囊网络
4.1.1 胶囊网络发展史
4.1.2 胶囊网络特征
4.2 基于胶囊网络的数据分类模型
4.3 训练过程
4.4 胶囊网络动态路由算法
4.5 损失函数
4.6 本章小结
第5章 仿真试验与结果分析
5.1 试验环境
5.2 试验数据集说明
5.3 试验结果及分析
5.3.1 模型参数分析
5.3.2 模型优化器分析
5.3.3 模型准确度与误差分析
5.4 本章小结
总结与展望
参考文献
攻读硕士学位期间所发表的学术论文
致谢
【参考文献】:
期刊论文
[1]基于胶囊网络的群智感知数据分类模型[J]. 刘莹,廖祎玮,赵国生,王健,谢宝文. 传感技术学报. 2020(09)
[2]一种基于混合词向量的胶囊网络文本分类方法[J]. 王弘中,刘漳辉,郭昆. 小型微型计算机系统. 2020(01)
[3]基于胶囊网络的跨领域情感分类方法[J]. 林悦,钱铁云. 南京信息工程大学学报(自然科学版). 2019(03)
本文编号:3613900
【文章来源】:哈尔滨师范大学黑龙江省
【文章页数】:49 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文的研究内容和组织结构
1.4 本章小结
第2章 相关理论基础
2.1 群智感知网络概述
2.2 群智感知网络的特征
2.3 群智感知面临的问题
2.3.1 保护用户的个人隐私信息
2.3.2 用户的激励机制设计
2.3.3 数据感知质量管理
2.4 数据分类概述
2.4.1 数据预处理
2.4.2 数据特征选择
2.5 本章小结
第3章 群智感知系统模型
3.1 问题描述
3.2 群智感知任务定义
3.3 群智感知系统模型
3.4 本章小结
第4章 基于胶囊网络的数据分类模型
4.1 胶囊网络
4.1.1 胶囊网络发展史
4.1.2 胶囊网络特征
4.2 基于胶囊网络的数据分类模型
4.3 训练过程
4.4 胶囊网络动态路由算法
4.5 损失函数
4.6 本章小结
第5章 仿真试验与结果分析
5.1 试验环境
5.2 试验数据集说明
5.3 试验结果及分析
5.3.1 模型参数分析
5.3.2 模型优化器分析
5.3.3 模型准确度与误差分析
5.4 本章小结
总结与展望
参考文献
攻读硕士学位期间所发表的学术论文
致谢
【参考文献】:
期刊论文
[1]基于胶囊网络的群智感知数据分类模型[J]. 刘莹,廖祎玮,赵国生,王健,谢宝文. 传感技术学报. 2020(09)
[2]一种基于混合词向量的胶囊网络文本分类方法[J]. 王弘中,刘漳辉,郭昆. 小型微型计算机系统. 2020(01)
[3]基于胶囊网络的跨领域情感分类方法[J]. 林悦,钱铁云. 南京信息工程大学学报(自然科学版). 2019(03)
本文编号:3613900
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3613900.html