检索结果-内蒙古大学图书馆

软件学报 2017年第12期28卷 3146-3155页

作者：丁世飞黄华娟中国矿业大学计算机科学与技术学院江苏徐州221116 中国科学院计算技术研究所智能信息处理重点实验室北京100190 广西民族大学信息科学与工程学院广西南宁530006

孪生参数化不敏感支持向量回归机(twin parametric insensitive support vector regression,简称TPISVR)是一种新型机器学习方法.与其他回归方法相比,TPISVR在处理异方差噪声方面具有独特的优势.标准TPISVR的训练算法可以归结为在对偶... 详细信息

孪生参数化不敏感支持向量回归机(twin parametric insensitive support vector regression,简称TPISVR)是一种新型机器学习方法.与其他回归方法相比,TPISVR在处理异方差噪声方面具有独特的优势.标准TPISVR的训练算法可以归结为在对偶空间求解一对具有不等式约束的二次规划问题.然而,这种求解方法的时间消耗比较大.引入最小二乘思想,将TPISVR的两个二次规划问题转化为两个线性方程组,并在原始空间上直接求解,提出了最小二乘孪生参数化不敏感支持向量回归机(least squares TPISVR,简称LSTPISVR).为了解决LSTPISVR的参数选择问题,提出了混沌布谷鸟优化算法,并用其对LSTPISVR的参数进行优化选择.在人工数据集和UCI数据集上的实验结果表明:LSTPISVR在保持精度不下降的情况下,具有更高的运行效率.

关键词：孪生参数化不敏感支持向量回归机异方差性最小二乘混沌布谷鸟优化算法

来源：评论

学校读者我要写书评

暂无评论

智能交互的物体识别增量学习技术综述

引用

智能系统学报 2017年第2期12卷 140-149页

作者：李雪蒋树强山东科技大学计算机科学与工程学院中国科学院计算技术研究所智能信息处理重点实验室

智能交互系统是研究人与计算机之间进行交流与通信,使计算机能够在最大程度上完成交互者的某个指令的一个领域。其发展的目标是实现人机交互的自主性、安全性和友好性。增量学习是实现这个发展目标的一个途径。本文对智能交互系统的任... 详细信息

智能交互系统是研究人与计算机之间进行交流与通信,使计算机能够在最大程度上完成交互者的某个指令的一个领域。其发展的目标是实现人机交互的自主性、安全性和友好性。增量学习是实现这个发展目标的一个途径。本文对智能交互系统的任务、背景和获取信息来源进行简要介绍,主要对增量学习领域的已有工作进行综述。增量学习是指一个学习系统能不断地从新样本中学习新的知识,非常类似于人类自身的学习模式。它使智能交互系统拥有自我学习,提高交互体验的能力。文中对主要的增量学习算法的基本原理和特点进行了阐述,分析各自的优点和不足,并对进一步的研究方向进行展望。

关键词：人工智能人机交互计算机视觉物体识别机器学习多模态机器人交互学习

来源：评论

学校读者我要写书评

暂无评论

基于弱匹配概率典型相关性分析的图像自动标注

引用

软件学报 2017年第2期28卷 292-309页

作者：张博郝杰马刚史忠植中国矿业大学计算机科学与技术学院江苏徐州221116 中国科学院计算技术研究所智能信息处理重点实验室北京100190 中国科学院大学北京100049 徐州医科大学医学信息学院江苏徐州221004

针对弱匹配多模态数据的相关性建模问题,提出了一种弱匹配概率典型相关性分析模型(semi-paired probabilistic CCA,简称Semi PCCA).Semi PCCA模型关注于各模态内部的全局结构,模型参数的估计受到了未匹配样本的影响,而未匹配样本则揭示... 详细信息

针对弱匹配多模态数据的相关性建模问题,提出了一种弱匹配概率典型相关性分析模型(semi-paired probabilistic CCA,简称Semi PCCA).Semi PCCA模型关注于各模态内部的全局结构,模型参数的估计受到了未匹配样本的影响,而未匹配样本则揭示了各模态样本空间的全局结构.在人工弱匹配多模态数据集上的实验结果表明,Semi PCCA可以有效地解决传统CCA(canonical correlation analysis)和PCCA(probabilistic CCA)在匹配样本不足的情况下出现的过拟合问题,取得了较好的效果.提出了一种基于Semi PCCA的图像自动标注方法.该方法基于关联建模的思想,同时使用标注图像及其关键词和未标注图像学习视觉模态和文本模态之间的关联,从而能够更准确地对未知图像进行标注.

关键词：典型相关性分析概率典型相关性分析弱匹配典型相关性分析图像自动标注

来源：评论

学校读者我要写书评

暂无评论

基于双 Kinect 传感器的三维人体姿态跟踪方法

基于双 Kinect 传感器的三维人体姿态跟踪方法

引用

2018第12届全国计算机图形学大会Chinagraph 2018

作者：李琪郝优墨翰林张贺王向东李华中国科学院计算技术研究所智能信息处理重点实验室北京 100190 中国科学院大学北京 100190 国家体育总局体育科学研究所北京 100161

三维人体姿态估计与跟踪是机器视觉中的热点问题，本文基于双视角 Kinect 传感器设计三维人体姿态跟踪方法并实现一个跟踪系统。为了提高人体姿态跟踪的稳定性，本文以人体关节点自由度向量的方法表示人体运动姿态，并使用无迹卡尔曼滤...

三维人体姿态估计与跟踪是机器视觉中的热点问题，本文基于双视角 Kinect 传感器设计三维人体姿态跟踪方法并实现一个跟踪系统。为了提高人体姿态跟踪的稳定性，本文以人体关节点自由度向量的方法表示人体运动姿态，并使用无迹卡尔曼滤波对状态向量进行预测与更新，可以得到相对准确并稳定的人体运动姿态。实验表明，对比于带标记点的人体运动捕捉系统，本文系统可以实现在简单动作情况下准确而稳定的三维人体姿态跟踪，在复杂动作情况下反映运动过程的特殊性质，并用于运动训练的性能评估。本文系统已实现实验室环境下快速的三维人体姿态跟踪，并用于运动生物力学的运动评估。

关键词：

来源：评论

学校读者我要写书评

暂无评论

一种参数化的牙颌有限元自动建模方法

引用

系统仿真学报 2017年第12期29卷 2945-2951,2963页

作者：魏毅朱登明武夷学院数学与计算机学院福建武夷山354300 认知计算与智能信息处理福建省高校重点实验室福建武夷山354300 中国科学院计算技术研究所前瞻研究实验室北京100190

针对现有牙颌有限元建模方法存在低效和缺乏个性化的缺点,提出一种参数化的牙颌有限元自动建模方法。通过实体造型技术对牙颌初始三维几何模型进行处理,生成牙周膜、牙槽的三维几何模型;根据齿列的配置参数和单元参数对牙颌模型进行网... 详细信息

针对现有牙颌有限元建模方法存在低效和缺乏个性化的缺点,提出一种参数化的牙颌有限元自动建模方法。通过实体造型技术对牙颌初始三维几何模型进行处理,生成牙周膜、牙槽的三维几何模型;根据齿列的配置参数和单元参数对牙颌模型进行网格划分;基于Ansys的参数化程序设计语言,开发了面向牙颌的有限元自动建模系统,并在真实的牙颌数据集上进行了建模实验。实验结果表明该系统能自动高效地生成个性化牙颌系统的有限元模型。

关键词：个性化牙颌系统牙颌实体造型自动有限元建模牙颌功能仿真

来源：评论

学校读者我要写书评

暂无评论

利用编码器–解码器学习依存边翻译规则表示

引用

中国科学：信息科学 2017年第8期47卷 1036-1050页

作者：陈宏申刘群中国科学院计算技术研究所智能信息处理重点实验室中国北京100190 中国科学院大学中国北京100190 Dublin City University Dublin 999014Ireland

统计机器翻译模型,特别是基于句法的翻译模型,其翻译单元在保留足够的翻译信息以及翻译单元在翻译新句子时的泛化能力上始终存在着一个平衡.神经网络被成功用于统计机器翻译模型中的调序和端到端机器翻译中.本文提出了一个新颖的基于神... 详细信息

统计机器翻译模型,特别是基于句法的翻译模型,其翻译单元在保留足够的翻译信息以及翻译单元在翻译新句子时的泛化能力上始终存在着一个平衡.神经网络被成功用于统计机器翻译模型中的调序和端到端机器翻译中.本文提出了一个新颖的基于神经网络的句法翻译规则编码解码器,依存边转换翻译规则编码解码器(DETED),它利用一条转换翻译规则的源端以及源端的上下文作为输入,以依存边转换翻译规则的目标端作为输出,学习依存边转换翻译规则的源端依存边到目标端依存边的匹配关系.它不仅保留了依存边——这种最简单的句法翻译规则的灵活性,保证了翻译规则的泛化能力,同时通过上下文信息增强了转换翻译规则的匹配能力.编码器–解码器的结构非常简洁,它将翻译规则的源端作为输入,同时解码翻译规则目标端的对应翻译并判别依存边的位置关系.使用编码解码器对解码时所用到的依存边转换翻译规则打分.在3个NIST测试集上的实验显示,相较于基线系统,平均有1.39个BLEU的提升.

关键词：依存边转换机器翻译神经网络编码器解码器

来源：评论

学校读者我要写书评

暂无评论

基于多层关系图模型的中文评价对象与评价词抽取方法

引用

自动化学报 2017年第3期43卷 462-471页

作者：廖祥文陈兴俊魏晶晶陈国龙程学旗福州大学数学与计算机科学学院福州350116 福建省网络计算与智能信息处理重点实验室(福州大学) 福州350116 福建江夏学院电子信息科学学院福州350108 中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190

中文评价对象与评价词抽取是文本倾向性分析的重要问题.如何利用评价对象与评价词之间的语法、共现等关系设计模型是提高抽取精度的关键.本文提出了一种基于多层关系图模型的中文评价对象与评价词抽取方法.该方法首先利用词对齐模型抽... 详细信息

中文评价对象与评价词抽取是文本倾向性分析的重要问题.如何利用评价对象与评价词之间的语法、共现等关系设计模型是提高抽取精度的关键.本文提出了一种基于多层关系图模型的中文评价对象与评价词抽取方法.该方法首先利用词对齐模型抽取评价对象与评价词搭配;然后,考虑评价对象与评价词的依存句法关系、评价对象内部的共现关系和评价词内部的共现关系,建立多层情感关系图,接着利用随机游走方法计算候选评价对象与评价词的置信度;最后,选取置信度高的候选评价对象与评价词作为输出.实验结果表明,与现有的方法相比,本文所提出的方法不仅对评价对象和评价词的抽取精度均有显著提升,而且具有良好的鲁棒性.

关键词：倾向性分析观点挖掘依存句法分析随机游走

来源：评论

学校读者我要写书评

暂无评论

FMatchNet:快速服装搭配

FMatchNet:快速服装搭配

引用

2018第12届全国计算机图形学大会Chinagraph 2018

作者：刘玉杰冯士贺李宗民李华中国石油大学计算机与通信工程学院山东青岛 266580 中国科学院计算技术研究所智能信息处理重点实验室北京 100190 中国科学院大学北京 100190

目的针对现有的服装搭配框架在时尚服装搭配上，服装图像提取深度特征进行搭配需要较大时间开销的问题，提出了一种新的 FMatchNet 网络提取哈希特征进行服装搭配的方法。方法首先采用Faster-RCNN 方法检测出图像中的服装，用此服...

目的针对现有的服装搭配框架在时尚服装搭配上，服装图像提取深度特征进行搭配需要较大时间开销的问题，提出了一种新的 FMatchNet 网络提取哈希特征进行服装搭配的方法。方法首先采用Faster-RCNN 方法检测出图像中的服装，用此服装进行搭配可以最大限度地保留服装信息，并可以消除背景信息的干扰。然后，通过双路深度卷积神经网络提取服装的深度特征、产生服装的哈希码、采用查询扩展方法完成服装搭配。模型采用 Siamese 网络的训练方法使哈希码尽可能保留服装图像的语义信息。另外，由于目前国际缺少大型时尚服装数据库，本文扩建了一个细粒度标注的时尚服装数据库。结果在 Fclothes数据库上验证本文方法并与目前流行的方法进行对比，本文方法在上、下服装搭配方面的准确度和时间都优于当前前沿的方法。结论针对大规模服装搭配问题，提出一种新的FMatchNet 网络提取特征进行服装快速搭配的方法，提高了服装搭配的精度和速度，适用于日常服装搭配。

关键词：

来源：评论

学校读者我要写书评

暂无评论

基于点云数据的三维目标识别和模型分割方法

基于点云数据的三维目标识别和模型分割方法

引用

2018第12届全国计算机图形学大会Chinagraph 2018

作者：牛辰庚刘玉杰李宗民李华中国石油大学(华东)计算机与通信工程学院山东青岛 266580 中国科学院计算技术研究所智能信息处理重点实验室北京 100190 中国科学院大学北京 100190

来源：评论

学校读者我要写书评

暂无评论

基于点云数据的三维目标识别和三维模型分割方法

基于点云数据的三维目标识别和三维模型分割方法

引用

2018第12届全国计算机图形学大会Chinagraph 2018

三维模型的深度特征表示是三维目标识别和三维模型语义分割的关键和前提，在机器人，自动驾驶，虚拟现实，遥感测绘等领域有着广泛的应用前景。然而传统的卷积神经网络需要以规则化的数据作为输入，对于点云数据需要转换为视图或体素网...

三维模型的深度特征表示是三维目标识别和三维模型语义分割的关键和前提，在机器人，自动驾驶，虚拟现实，遥感测绘等领域有着广泛的应用前景。然而传统的卷积神经网络需要以规则化的数据作为输入，对于点云数据需要转换为视图或体素网格来处理，过程复杂且损失了三维模型的几何结构信息。本文借助已有的可以直接处理点云数据的深度网络进行改进，针对产生的特征缺少局部拓扑信息问题，提出一种利用双对称函数和空间转换网络来获得更鲁棒、鉴别力更强的特征。实验表明，本文方法通过端到端的方式很好地解决了缺少局部信息问题，在三维目标识别，三维场景语义分割任务上取得了更好的实验效果，并且相比于 PointNet++在相同精度的情况下训练时间减少了 20％。

关键词：

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：