.png){kind=icon}
返回
Vortex Feature Positioning: Bridging tabular IIoT data and image-based deep learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.iot.2025.101533.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
来自IIoT设备的表格数据通常使用基于决策树的机器学习技术进行分析，这些技术难以处理高维数据和数字数据。为了克服这些限制，已经开发了将表格数据转换为图像的技术，利用基于图像的深度学习方法 (如卷积神经网络) 的优势。这些方法将相似的特征聚类到具有固定大小的不同图像区域中，而与特征的数量无关，类似于实际照片。然而，这增加了过度拟合的可能性，因为当在表格格式中仔细选择类似的特征时，通常被丢弃以防止该问题。另外，固定的图像大小可导致浪费具有较少特征的像素，从而导致计算效率低下。我们引入Vortex特征定位 (VFP) 来解决这些问题。VFP根据特征的相关性排列特征，将类似的特征与图像中心隔开，并以涡旋图案隔开，图像大小由属性计数确定。在具有不同实值属性的七个数据集的测试中，VFP优于传统的机器学习方法和现有的转换技术。
Keyword:
IIoT tabular data
Data augmentation
Convolutional neural networks
期刊
IF:
7.6
论文数:
2.0K
被引数:
6.9K
机构
查看更多机构
引用论文
Highly efficient electrocatalytic hydrogen production by nickel promoted molybdenum sulfide microspheres catalysts镍促进硫化钼微球催化剂的高效电催化制氢.png)
RSC Advances
RSC AdvancesIF0
PREAI
分享收藏Large-dimensionality small-instance set feature selection: A hybrid bio-inspired heuristic approach
OAAI
OAAI分享收藏分享收藏Representation of features as images with neighborhood dependencies for compatibility with convolutional neural networksNATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏A Study of Effects of Design Parameters on Transient Response and Injection Rate Shaping for a Common Rail Injector System设计参数对共轨喷油器系统瞬态响应和喷油率整形影响的研究
PREAI
分享收藏Design and Development of an In-Hub Motors Hybrid Vehicle for Military Applications用于军事应用的轮毂电机混合动力汽车的设计和开发
PREAI
分享收藏 没有更多内容