基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在大规模监测系统中,监测点失效会导致数据缺失,从而影响数据分析结果的准确性.为此,提出一种对抗自编码的水利数据补全方法.利用自编码器构造生成网络,并提取监测点的数据特征,将其与训练好的判别网络进行对抗,最终补全待修复的监测数据.实验结果表明,与基于图正则化局部子表示方法相比,该方法具有较高的补全精确度,且均方误差较小,能够有效地重构监测数据.
推荐文章
基于自编码器的深度对抗哈希方法在覆冰电网图像检索中的应用
覆冰图像
图像检索
哈希编码
生成对抗网络
长尾柯西分布
基于SSIM稀疏自编码网络的异常事件检测
结构相似性
稀疏自编码
马氏距离
反向传播
基于深度自编码的局部增强属性网络表示学习
网络表示
深度自编码器
属性网络
局部增强网络表示
基于深度卷积稀疏自编码分层网络的人脸识别技术
人脸识别
特征提取
稀疏自编码
卷积神经网络
SVM分类器
深度网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于对抗自编码网络的水利数据补全方法
来源期刊 计算机工程 学科 工学
关键词 水利监测数据 数据缺失与补全 对抗自编码网络 对抗正则化 重构误差
年,卷(期) 2019,(4) 所属期刊栏目 开发研究与工程应用
研究方向 页码范围 307-310
页数 4页 分类号 TP399
字数 2598字 语种 中文
DOI 10.19678/j.issn.1000-3428.0052193
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吕鑫 河海大学计算机与信息学院 26 82 4.0 8.0
2 陶飞飞 河海大学计算机与信息学院 15 110 6.0 10.0
3 曾涛 河海大学计算机与信息学院 8 82 3.0 8.0
4 季琳雅 河海大学计算机与信息学院 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (33)
共引文献  (27)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(4)
  • 参考文献(0)
  • 二级参考文献(4)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(5)
  • 参考文献(2)
  • 二级参考文献(3)
2016(3)
  • 参考文献(1)
  • 二级参考文献(2)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
水利监测数据
数据缺失与补全
对抗自编码网络
对抗正则化
重构误差
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
论文1v1指导