基于形状特征的贝叶斯判别稀疏编码水分解方法
机器学习
2018-08-29 v1 人工智能
机器学习
摘要
随着淡水短缺问题日益加剧，采取有效节水措施至关重要。先前研究表明，设备级用水消耗可带来显著的淡水节约。现有水分解方法侧重于学习电器的特征签名；然而，它们缺乏准确判别并行电器消耗的机制。本文提出一种使用拉普拉斯先验的贝叶斯判别稀疏编码模型（BDSC-LP），以广泛提升分解性能。为导出判别性基函数，我们提出形状特征来描述低采样率用水消耗模式。设计了一种基于吉布斯采样的推断方法，以扩展分解字典的判别能力。我们使用真实世界和合成数据集进行了大量实验，以验证所提模型的有效性。
引用
@article{arxiv.1808.08951,
title = {Water Disaggregation via Shape Features based Bayesian Discriminative Sparse Coding},
author = {Bingsheng Wang and Xuchao Zhang and Chang-Tien Lu and Feng Chen},
journal= {arXiv preprint arXiv:1808.08951},
year = {2018}
}
备注
20 pages