基于卷积神经网络的时间序列数据融合算法

摘要：

通常的数据融合算法都是对传感器数据在同一时间不同空间的特征进行融合.其中,深度卷积神经网络(DCNN)融合性能突出,通过多个卷积层、池化层、全连接层实现特征提取、信息关联、决策判断一体化.在DCNN的基础上,提出基于卷积神经网络的数据融合算法(DAECNN_attention),引入降噪自编码器,用以实现数据去噪重建;引入自注意力机制模型,用以提高关键信息的提取能力.试验结果表明,与DCNN、BPNN数据融合算法相比,本文算法在UCI数据集上融合性能更优.

关键词：时间序列数据;数据融合;特征提取;一维卷积神经网络

所属期刊栏目：36

分类号：TP183;TP311.1(自动化基础理论)

资助基金：国家自然科学基金No.91338115

在线出版日期：2021-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：136-142