检索结果-内蒙古大学图书馆

计算机工程与设计 2023年第4期44卷 1081-1087页

作者：李强李实东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

针对目前文档级别关系抽取主要关注实体间的逻辑推理,未充分利用实体间的层次语义信息问题,提出一种基于实体层次结构的文档级别关系抽取模型。考虑多句文本中实体间的交互,将实体构建为文档图并使用图卷积神经进行信息传播;通过实体间... 详细信息

针对目前文档级别关系抽取主要关注实体间的逻辑推理,未充分利用实体间的层次语义信息问题,提出一种基于实体层次结构的文档级别关系抽取模型。考虑多句文本中实体间的交互,将实体构建为文档图并使用图卷积神经进行信息传播;通过实体间的上下位关联构建实体层次树,使用注意力机制将层次语义信息融入实体;为降低模型对实体表面信息的关注,使用实体类型对实体词进行替换。实验结果表明,在大规模文档级别关系抽取数据集上实体语义信息增强的方案能够有效提高文档级别关系抽取的效果。

关键词：文档级别关系抽取实体层次结构逻辑推理注意力机制文档图信息融合

来源：评论

学校读者我要写书评

暂无评论

改进轻量卷积网络在葡萄病害叶片的分类方法

引用

哈尔滨理工大学学报 2023年第3期28卷 1-9页

作者：黄英来李宁刘镇波张彦华东北林业大学信息与计算机工程学院哈尔滨150040 东北林业大学材料科学与工程学院哈尔滨150040

针对传统人工检测葡萄叶片病害种类准确率不高、效率低的问题,提出了一种改进轻量卷积网络模型的葡萄叶片病害图像分类方法。选择对小规模数据分类效果好的Xception网络作为基础模型,对其进行创新性改进,首先,将原始网络中的ReLU激活函... 详细信息

针对传统人工检测葡萄叶片病害种类准确率不高、效率低的问题,提出了一种改进轻量卷积网络模型的葡萄叶片病害图像分类方法。选择对小规模数据分类效果好的Xception网络作为基础模型,对其进行创新性改进,首先,将原始网络中的ReLU激活函数替换为ELU激活函数;其次,设计全新的全连接层,使用全局最大池化层替换原来的全局平均池化层,并对输出层进行改进;再次,在网络中嵌入通道注意力机制。对数据进行预处理,将数据按4∶1的比例划分训练集和测试集。为模拟现实拍摄情况,在训练时采用数据增强方法,对数据进行扩容,然后将在ImageNet上预训练好的权重参数迁移到改进的模型中。实验结果表明,改进的葡萄叶片病害分类模型(Grape-Xception)的准确率相较于原始模型提高了2.95个百分点达到99.57%,研究模型的规模为81.38MB。与其他网络模型相比,准确率大幅提高,为葡萄叶片病害的快速诊断和及时防控提供了一种准确高效的方法。

关键词：葡萄病害图像分类深度学习轻量卷积网络 Xception

来源：评论

学校读者我要写书评

暂无评论

改进模糊推理分类器进行木材树种近红外光谱开集分类识别研究

引用

光谱学与光谱分析 2024年第7期44卷 1868-1876页

作者：李振宇赵鹏王承琨东北林业大学计算机与控制工程学院黑龙江哈尔滨150040 广西科技大学计算机科学与技术学院(软件学院) 广西柳州545006 黑龙江科技大学电子与信息工程学院黑龙江哈尔滨150022

开集分类识别是近10多年来模式识别领域研究的热点,它能够识别训练集中已知类别的测试样本,同时还能够有效“拒识”未知类别的测试样本;这些未知类别样本不包含在训练集中。现有的开集分类识别算法主要是基于Support Vector Machine(SVM... 详细信息

开集分类识别是近10多年来模式识别领域研究的热点,它能够识别训练集中已知类别的测试样本,同时还能够有效“拒识”未知类别的测试样本;这些未知类别样本不包含在训练集中。现有的开集分类识别算法主要是基于Support Vector Machine(SVM)和深度学习网络框架进行改进,并且主要应用在自然景物图像领域中;在光谱分析领域中还鲜有报道。将传统的闭集框架下的模糊推理分类器进行模型改进,提出了开集框架下的改进模糊推理分类器,并将其应用到木材树种近红外光谱分类识别中。首先,使用Flame-NIR近红外微型光谱仪采集木材样本横切面的近红外光谱曲线,采用Metric Learning算法进行光谱向量维度约简降维至4维(4D)。其次,改进闭集框架下的模糊推理分类器,根据模糊规则置信度和各维度隶属度概率的乘积构建Generalized Basic Probability Assignment(GBPA),再根据GBPA进行分类处理。在20个树种的具有不同的Openness指标下的近红外光谱数据集的分类识别对比实验表明,改进的开集模糊推理分类器(fuzzy reasoning classifier in an open set,FRCOS)优于现有的基于机器学习和深度学习的开集分类识别主流算法,具有较好的评价指标F-Score,Kappa系数及总体识别率。

关键词：开集分类识别木材树种识别模糊推理分类器近红外光谱分析

来源：评论

学校读者我要写书评

暂无评论

基于改进的DeepLabV3+模型结合无人机遥感的水稻倒伏识别方法

引用

中国农业大学学报 2022年第2期27卷 143-154页

作者：慕涛阳赵伟胡晓宇李丹东北林业大学信息与计算机工程学院哈尔滨150040

针对传统水稻倒伏监测方法以人工进行现场测量耗时耗力且受主观影响较大的问题,利用无人机成本低廉、操作简单以及分辨率高的优势,以黑龙江省佳木斯市七星农场水稻种植基地的水稻倒伏区域为研究对象,对无人机遥感图像结合改进DeepLabV3... 详细信息

针对传统水稻倒伏监测方法以人工进行现场测量耗时耗力且受主观影响较大的问题,利用无人机成本低廉、操作简单以及分辨率高的优势,以黑龙江省佳木斯市七星农场水稻种植基地的水稻倒伏区域为研究对象,对无人机遥感图像结合改进DeepLabV3+模型的水稻倒伏识别方法进行研究。结果表明:1)与其他方法相比,改进DeepLabV3+网络模型取得了更高的准确率和更快的识别速度;2)改进DeepLabV3+网络模型对水稻倒伏图像测试集的准确率为0.99,Kappa系数为0.98,像素准确率0.99;召回率0.99;平衡F分数为0.99;水稻完全倒伏状态识别的交并比为0.96,3种水稻不同倒伏状态识别的平均交并比为0.97。无人机搭载RGB相机载荷平台拍摄遥感图像结合改进DeepLabV3+深度学习模型可以精确地对水稻倒伏进行识别,为大面积、高效率、低成本水稻倒伏监测识别研究提供了一种方法。

关键词：水稻倒伏无人机遥感深度学习

来源：评论

学校读者我要写书评

暂无评论

文本立场检测综述

引用

计算机研究与发展 2021年第11期58卷 2538-2557页

作者：李洋孙宇晴景维鹏东北林业大学信息与计算机工程学院哈尔滨150040

文本立场检测是文本意见挖掘领域的基础性研究,旨在分析文本中对特定目标所表现的立场倾向.随着互联网的飞速发展,用户对于公共事件、消费产品等的讨论文本呈指数级增长,文本立场检测研究对产品营销、舆情决策等具有重要意义.从目标类... 详细信息

文本立场检测是文本意见挖掘领域的基础性研究,旨在分析文本中对特定目标所表现的立场倾向.随着互联网的飞速发展,用户对于公共事件、消费产品等的讨论文本呈指数级增长,文本立场检测研究对产品营销、舆情决策等具有重要意义.从目标类型、文本粒度以及研究方法3个角度对文本立场检测研究工作展开综述.首先,从目标类型角度,围绕单目标、多目标以及跨目标立场检测3个方面梳理了文本立场检测的不同研究任务;从文本粒度角度,对比了句子级、篇章级以及辩论文本立场检测的不同研究场景和方法;从研究方法角度,介绍了基于传统机器学习、主题模型、深度学习以及“2阶段”的方法,并指出各种方法的可取与不足之处.接着,对文本立场检测评测任务以及公开数据资源进行了归纳.最后,立足当前研究形势,总结了文本立场检测研究的应用领域,展望了未来发展趋势以及面临的挑战.

关键词：文本意见挖掘立场检测目标立场

来源：评论

学校读者我要写书评

暂无评论

基于AttentionSBGMC模型的引文情感和引文目的自动分类研究

引用

数据分析与知识发现 2021年第12期5卷 48-59页

作者：周文远王名扬井钰东北林业大学信息与计算机工程学院哈尔滨150040

【目的】提出AttentionSBGMC深度学习模型,以提升引文情感和引文目的分类的性能。【方法】采用SciBERT预训练模型得到语料集中句子的语义表示向量,根据文本特点,依次通过BiGRU神经网络和多尺度卷积神经网络(Multi-CNN)提取句子中的时序... 详细信息

【目的】提出AttentionSBGMC深度学习模型,以提升引文情感和引文目的分类的性能。【方法】采用SciBERT预训练模型得到语料集中句子的语义表示向量,根据文本特点,依次通过BiGRU神经网络和多尺度卷积神经网络(Multi-CNN)提取句子中的时序全局特征和局部关键特征,引入注意力机制对提取出的特征重新分配权重,达到突出关键特征的目的,最后通过线性层实现引文情感和引文目的自动分类。【结果】在Abu-Jbara数据集上,引文情感主客观、引文情感正负面、引文目的三项分类任务的F1值分别为86.74%、91.14%和84.92%;在Athar数据集上,引文情感主客观、引文情感正负面两项分类任务的F1值分别为88.50%和86.59%。【局限】鉴于公开的引文数据集的有限性,该模型仅在两个英文数据集上进行验证,在其他数据集上的泛化性能有待进一步验证。【结论】所提AttentionSBGMC深度学习模型能全面、有效地提取出语料文本中的重要特征,可以更为准确地实现引文情感和引文目的自动分类。

关键词：引用情感分类 SciBERT 注意力机制 BiGRU Multi-CNN

来源：评论

学校读者我要写书评

暂无评论

数据拟合算法在受电弓检测误差补偿中的应用

引用

传感器与微系统 2023年第2期42卷 157-160页

作者：殷家伟姜宗梁徐凯宏东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

由于生产环境、机械结构阻力、传感器的动态误差等因素,使得受电弓检测装置中的传感器在检测受电弓时精确度不高,仍有进一步优化的空间。为了克服传感器在检测时存在误差的问题,提出一种分段拟合方法。首先,根据数据的局部特性进行分段... 详细信息

由于生产环境、机械结构阻力、传感器的动态误差等因素,使得受电弓检测装置中的传感器在检测受电弓时精确度不高,仍有进一步优化的空间。为了克服传感器在检测时存在误差的问题,提出一种分段拟合方法。首先,根据数据的局部特性进行分段,在段内结合多项式拟合、指数拟合、傅里叶拟合、高斯拟合等拟合方式对区间内数据进行拟合;然后,以和方差作为模型评估指标,得到最优拟合函数,将各分段合并得到分段拟合函数。使用在机务段实际测量的数据,对本文提出的分段拟合方法进行实验和误差分析。实验结果表明:传感器的平均测量误差由6.32 N修正到0.12 N,说明本文提出的分段拟合方法是减少传感器误差的一种可行的方法。

关键词：受电弓检测最小二乘法分段拟合误差补偿

来源：评论

学校读者我要写书评

暂无评论

基于语义分割的高分辨率场景解析网络

引用

液晶与显示 2022年第12期37卷 1598-1606页

作者：史健锋相宁王阿川东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

为了高效地对城市景观等复杂场景进行分割解析,本文结合高分辨率网络(HRNet),通过金字塔池化模块(Pyramid pooling module,PPM)补充全局上下文信息,提出了一个高分辨率场景解析网络。首先,以HRNet为基干特征提取网络,并利用空洞可分离... 详细信息

为了高效地对城市景观等复杂场景进行分割解析,本文结合高分辨率网络(HRNet),通过金字塔池化模块(Pyramid pooling module,PPM)补充全局上下文信息,提出了一个高分辨率场景解析网络。首先,以HRNet为基干特征提取网络,并利用空洞可分离卷积改进其大量使用的残差模块,在减少参数量的同时提高了对于多尺度目标的分割能力;其次,利用混合空洞卷积框架设计了多级空洞率,在稠密感受野的同时减小了网格问题的影响;然后,设计了多阶段的连续上采样结构以改进HRNetV2简单的后融合机制;最后,使用改进的可适应不同图像分辨率的金字塔池化模块聚合不同区域的上下文信息获得高质量的分割图。在城市景观数据集(CityScapes)上仅以16.4 Mbit的参数数量实现了83.3%MIOU的精度,在Camvid数据集也取得了良好的效果,实现了更加可靠、准确、低计算量的基于语义分割的场景解析方法。

关键词：深度学习神经网络语义分割高分辨率网络空洞卷积

来源：评论

学校读者我要写书评

暂无评论

基于代价敏感正则化和EfficientNet的糖尿病视网膜病变分类方法

引用

液晶与显示 2022年第12期37卷 1626-1635页

作者：王明智马志强赵锋锋王永杰郭继峰东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

糖尿病视网膜病变(DR)是糖尿病的常见并发症,是目前世界范围内导致失明的主要疾病之一。临床的早期阶段很难检测到DR。本文提出一种基于卷积神经网络的计算机辅助诊断方法,根据眼底的图像自动分类DR的严重程度。采用多种预处理方法提高... 详细信息

糖尿病视网膜病变(DR)是糖尿病的常见并发症,是目前世界范围内导致失明的主要疾病之一。临床的早期阶段很难检测到DR。本文提出一种基于卷积神经网络的计算机辅助诊断方法,根据眼底的图像自动分类DR的严重程度。采用多种预处理方法提高输入图像的质量,并且采用多种数据增强的方法来提高数据集的均衡性。使用代价敏感正则化扩展标准分类损失函数,根据预测等级和真实等级相差程度的不同,对其施加不同的惩罚。在ImageNet数据集上进行预训练,从而引入迁移学习,并且使用Softmax激活函数的全连接层使模型获得更好的性能。基于两个数据集的实验结果表明,相较于近期学者的研究结果,该模型能够实现二次加权kappa分数约5%的改善,AUC约3%的改善。将代价敏感正则化引入到EfficientNet网络模型可以提高糖尿病视网膜病变分类任务的准确率,能够得到很好的模型性能。

关键词：糖尿病视网膜病变深度学习代价敏感正则化卷积神经网络图像分类

来源：评论

学校读者我要写书评

暂无评论

基于特征选择和TrAdaBoost的跨项目缺陷预测方法

引用

计算机应用 2022年第5期42卷 1554-1562页

作者：李莉石可欣任振康东北林业大学信息与计算机工程学院哈尔滨150040

跨项目软件缺陷预测可以解决预测项目中训练数据较少的问题,然而源项目和目标项目通常会有较大的数据分布差异,这降低了预测性能。针对该问题,提出了一种基于特征选择和TrAdaBoost的跨项目缺陷预测方法(CPDP-FSTr)。首先,在特征选择阶段... 详细信息

跨项目软件缺陷预测可以解决预测项目中训练数据较少的问题,然而源项目和目标项目通常会有较大的数据分布差异,这降低了预测性能。针对该问题,提出了一种基于特征选择和TrAdaBoost的跨项目缺陷预测方法(CPDP-FSTr)。首先,在特征选择阶段,采用核主成分分析法(KPCA)删除源项目中的冗余数据;然后,根据源项目和目标项目的属性特征分布,按距离选出与目标项目分布最接近的候选源项目数据;最后,在实例迁移阶段,通过采用评估因子改进的TrAdaBoost方法,在源项目中找出与目标项目中少量有标签实例分布相近的实例,并建立缺陷预测模型。以F1作为评价指标,与基于特征聚类和TrAdaBoost的跨项目软件缺陷预测(FeCTrA)方法以及基于多核集成学习的跨项目软件缺陷预测(CMKEL)方法相比,CPDP-FSTr的预测性能在AEEEM数据集上分别提高了5.84%、105.42%,在NASA数据集上分别提高了5.25%、85.97%,且其两过程特征选择优于单一特征选择过程。实验结果表明,当源项目特征选择比例和目标项目有类标实例比例分别为60%、20%时,所提CPDP-FSTr能取得较好的预测性能。

关键词：跨项目缺陷预测特征选择核主成分分析实例迁移 TrAdaBoost

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：