检索结果-内蒙古大学图书馆

智能系统学报 2017年第6期12卷 799-805页

作者：刘璐贾彩燕北京交通大学交通数据分析与挖掘北京市重点实验室北京100044 北京交通大学计算机与信息技术学院北京100044

随着视频分享网站的兴起和快速发展,互联网上的视频数量呈爆炸式增长,对视频的组织及分类成为视频有效使用的基础。视频聚类技术由于只需要考虑视频数据内在的簇结构、不需要人工干预,越来越受到人们的青睐。现有的视频聚类方法有基于... 详细信息

随着视频分享网站的兴起和快速发展,互联网上的视频数量呈爆炸式增长,对视频的组织及分类成为视频有效使用的基础。视频聚类技术由于只需要考虑视频数据内在的簇结构、不需要人工干预,越来越受到人们的青睐。现有的视频聚类方法有基于视频关键帧视觉相似性的方法、基于视频标题文本聚类的方法、文本和视觉多模态融合的方法。基于视频标题文本聚类的视频聚类方法由于其简便性与高效性而被企业界广泛使用,但视频标题由于其短文本的语义稀疏特性,聚类效果欠佳。为此,本文面向社会媒体视频,提出了一种社会媒体平台上视频相关多源文本融合的视频聚类方法,以克服由于视频标题的短文本带来的语义稀疏问题。不同文本聚类算法上的实验结果证明了多源文本数据融合方法的有效性。

关键词：网络视频聚类共点击视频相关查询词文本聚类

来源：评论

学校读者我要写书评

暂无评论

一种鲁棒的Multi-Egocentric视频中的多目标检测及匹配算法

引用

智能系统学报 2016年第5期11卷 619-626页

作者：李龙尹辉许宏丽欧伟奇北京交通大学计算机与信息技术学院北京100044 北京交通大学交通数据分析与挖掘北京市重点实验室北京100044

针对视频中的背景变化剧烈、目标尺度差异明显和视角时变性强的特点,提出一种鲁棒的针对multi-egocentric视频的多目标检测及匹配算法。首先,构建基于boosting方法的多目标检测模型对各视频序列中的显著目标进行粗检测,并提出一种基于... 详细信息

针对视频中的背景变化剧烈、目标尺度差异明显和视角时变性强的特点,提出一种鲁棒的针对multi-egocentric视频的多目标检测及匹配算法。首先,构建基于boosting方法的多目标检测模型对各视频序列中的显著目标进行粗检测,并提出一种基于局部相似度的区域优化算法对粗检测显著目标的轮廓进行优化,提高Egocentric视频中显著目标轮廓检测和定位的准确性。在显著目标检测基础上,对不同视角中的显著目标构建基于HOG特征的SVM分类器,实现多视角的多目标匹配。在Party Scene数据集上的实验验证了本文算法的有效性。

关键词： Multi-Egocentric视频多目标检测多目标匹配

来源：评论

学校读者我要写书评

暂无评论

深度强化学习中状态注意力机制的研究

引用

智能系统学报 2020年第2期15卷 317-322页

作者：申翔翔侯新文尹传环北京交通大学交通数据分析与挖掘北京市重点实验室北京100044 中国科学院自动化研究所智能系统与工程研究中心北京110016

虽然在深度学习与强化学习结合后,人工智能在棋类游戏和视频游戏等领域取得了超越人类水平的重大成就,但是实时策略性游戏星际争霸由于其巨大的状态空间和动作空间,对于人工智能研究者来说是一个巨大的挑战平台,针对Deepmind在星际争霸... 详细信息

虽然在深度学习与强化学习结合后,人工智能在棋类游戏和视频游戏等领域取得了超越人类水平的重大成就,但是实时策略性游戏星际争霸由于其巨大的状态空间和动作空间,对于人工智能研究者来说是一个巨大的挑战平台,针对Deepmind在星际争霸Ⅱ迷你游戏中利用经典的深度强化学习算法A3C训练出来的基线智能体的水平和普通业余玩家的水平相比还存在较大的差距的问题。通过采用更简化的网络结构以及把注意力机制与强化学习中的奖励结合起来的方法,提出基于状态注意力的A3C算法,所训练出来的智能体在个别星际迷你游戏中利用更少的特征图层取得的成绩最高,高于Deepmind的基线智能体71分。

关键词：深度学习强化学习注意力机制 A3C算法星际争霸Ⅱ迷你游戏智能体微型操作

来源：评论

学校读者我要写书评

暂无评论

嵌入典型时间序列特征的随机Shapelet森林算法

引用

计算机科学 2022年第7期49卷 40-49页

作者：高振卓王志海刘海洋北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室北京100044

近年来,时间序列分类问题的研究受到了广泛关注。先进的时间序列分类方法通常建立在良好的特征表示的基础之上。Shapelet是时间序列中具备鉴别性的子序列,可有效表达时间序列的局部形状特征。然而,高昂的计算成本大大限制了基于Shapele... 详细信息

近年来,时间序列分类问题的研究受到了广泛关注。先进的时间序列分类方法通常建立在良好的特征表示的基础之上。Shapelet是时间序列中具备鉴别性的子序列,可有效表达时间序列的局部形状特征。然而,高昂的计算成本大大限制了基于Shapelet的时间序列分类方法的实用性。除此之外,传统的Shapelet仅能描述欧氏距离度量下子序列的形状特征,因此极易受到噪声干扰并难以挖掘子序列中蕴含的其他类型的鉴别性信息。为应对上述问题,提出了一种新的时间序列分类算法——嵌入典型时间序列特征的随机Shapelet森林。该算法基于以下3个关键策略:1)随机选取Shapelet并限制Shapelet的作用范围以提高效率;2)在Shapelet中嵌入多个典型时间序列特征以提高算法对不同分类问题的适应性,并弥补随机选取Shapelet带来的精度损失;3)在新的特征表示的基础上构建随机森林分类器以确保算法的泛化能力。112个UCR时间序列数据集上的实验结果表明,本文算法的准确性超越了基于Shapelet精确搜索和Shapelet转换技术的STC算法,以及多个其他类型的先进时间序列分类算法。此外,广泛的实验对比验证了本文算法在效率上的显著优势。

关键词：时间序列分类 Shapelet 典型时间序列特征随机森林

来源：评论

学校读者我要写书评

暂无评论

一种基于数据流模式表示的半懒惰式分类算法

引用

计算机科学 2017年第7期44卷 167-174,202页

作者：江晶晶王志海原继东北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室北京100044

依据从大规模数据中抽取的模式来建立分类模型是模式挖掘的重要研究问题之一。一种可行的方法是根据模式集合建立贝叶斯分类模型。然而,目前基于模式的贝叶斯分类模型大多是针对静态数据集合的,通常不能适应于高速动态变化与无限的数据... 详细信息

依据从大规模数据中抽取的模式来建立分类模型是模式挖掘的重要研究问题之一。一种可行的方法是根据模式集合建立贝叶斯分类模型。然而,目前基于模式的贝叶斯分类模型大多是针对静态数据集合的,通常不能适应于高速动态变化与无限的数据流环境。对此,提出一种数据流环境下基于模式发现的贝叶斯分类学习模型,其采用半懒惰式学习策略,针对分类实例在不断更新的频繁项集合上建立局部的分类模型;为加快流数据处理的速度,提出了结构更为简单的混合树结构,同时提出了给定项限制的模式抽取机制以减少候选项集的生成;对数据流中模式抽取不完全的情况,使用平滑技术处理未被抽取的项。大量实验分析证明,相较于其他数据流分类器,所提模型具有更高的分类正确率。

关键词：数据流频繁模式贝叶斯半懒惰式学习

来源：评论

学校读者我要写书评

暂无评论

基于图像语义分割的半监督裂纹检测方法

引用

激光与光电子学进展 2021年第6期58卷 309-320页

作者：刘培黄雅平北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室北京100044 北京交通大学计算机与信息技术学院北京100044

基于深度学习的裂纹检测方法严重依赖大量的像素级标注信息,为此提出一种基于半监督学习的裂纹检测方法。该方法将多尺度模块引入到裂纹检测的网络模型中,仅利用小部分的像素级标注数据进行全监督训练。对于无标签数据,融合多种显著性... 详细信息

基于深度学习的裂纹检测方法严重依赖大量的像素级标注信息,为此提出一种基于半监督学习的裂纹检测方法。该方法将多尺度模块引入到裂纹检测的网络模型中,仅利用小部分的像素级标注数据进行全监督训练。对于无标签数据,融合多种显著性区域检测方法生成伪标签,可以减少对像素级标注信息的依赖。在裂纹数据集上对改进网络进行实验验证,并与常用语义分割网络和弱监督实验基准从主观评价、精度、召回率和F1-score的角度进行比较。实验结果表明,改进网络可以有效提升裂纹的识别准确率,提出的半监督训练策略在仅需6.25%像素级标注信息的情况下,能够取得与全监督方法相当的识别精度和召回率。

关键词：机器视觉裂纹检测语义分割多尺度模块半监督

来源：评论

学校读者我要写书评

暂无评论

大数据分析专刊前言

引用

软件学报 2014年第9期25卷 1887-1888页

作者：陈恩红于剑中国科学技术大学计算机学院安徽合肥230027 交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京100044

自2008年《Nature》杂志发表大数据专辑以来，大数据得到越来越多的关注.2012年，美国和中国分别将大数据提升到国家战略高度.大数据技术是一个典型的跨领域研究方向，在数据的采集、存储、传输、管理、安全和分析等诸多方面均面临着挑... 详细信息

自2008年《Nature》杂志发表大数据专辑以来，大数据得到越来越多的关注.2012年，美国和中国分别将大数据提升到国家战略高度.大数据技术是一个典型的跨领域研究方向，在数据的采集、存储、传输、管理、安全和分析等诸多方面均面临着挑战.在大数据分析方面，我国已经有国家自然科学基金重点项目、国家重点基础研究发展计划（973）在内的多个立项支持，并在学术界和工业界取得了一些有影响的研究与应用成果.然而，作为一个新兴的研究方向，大数据分析依然面临诸多挑战.本专刊收录的21篇论文反映了我国学者在大数据分析领域的部分近期研究成果。

关键词：数据分析《Nature》国家自然科学基金数据技术国家战略基础研究研究成果工业界

来源：评论

学校读者我要写书评

暂无评论

多约束条件下多无人机协同任务规划问题分析及求解方法综述

引用

计算机科学 2023年第7期50卷 176-193页

作者：胡嘉薇贾泽群孙延涛刘强北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室北京100044

多无人机协同任务规划是现阶段无人机集群智能化发展的关键技术,其中任务分配与航迹规划是无人机任务规划技术的核心部分。鉴于规划要素众多且相互耦合的研究现状,寻找降低问题耦合度和复杂度的求解策略至关重要。首先,文中从问题建模出... 详细信息

多无人机协同任务规划是现阶段无人机集群智能化发展的关键技术,其中任务分配与航迹规划是无人机任务规划技术的核心部分。鉴于规划要素众多且相互耦合的研究现状,寻找降低问题耦合度和复杂度的求解策略至关重要。首先,文中从问题建模出发,建立了任务规划问题通用模型,总结归纳出常见约束条件和评价指标,并着重分析问题求解框架;其次,从集中式和分布式角度详细阐述了任务分配问题的常见模型与求解算法;再次,论述了单机路径规划和路径平滑方法,并针对多机时空协同约束归纳了多机间协同方法;此外,从约束耦合、子问题耦合、分层结构耦合角度整理归纳了求解过程中存在的复杂耦合因素,并重点探讨了解耦策略;最后,讨论了未来多无人机协同任务规划问题的发展趋势。

关键词：协同任务规划任务分配航迹规划耦合分析解耦合

来源：评论

学校读者我要写书评

暂无评论

时间序列的表示与分类算法综述

引用

计算机科学 2015年第3期42卷 1-7页

作者：原继东王志海北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室北京100044

时间序列是按照时间排序的一组随机变量,它通常是在相等间隔的时间段内,依照给定的采样率,对某种潜在过程进行观测的结果。时间序列数据广泛地存在于商业、农业、气象、生物科学以及生态学等诸多领域,从时间序列中发现有用的知识已成为... 详细信息

时间序列是按照时间排序的一组随机变量,它通常是在相等间隔的时间段内,依照给定的采样率,对某种潜在过程进行观测的结果。时间序列数据广泛地存在于商业、农业、气象、生物科学以及生态学等诸多领域,从时间序列中发现有用的知识已成为数据挖掘领域的研究热点之一。在时间序列表示方面,主要介绍了非数据适应性表示方法、数据适应性表示方法和基于模型的表示方法;针对时间序列的分类方法,着重介绍了基于时域相似性、形状相似性和变化相似性的分类算法,并对未来的研究方向进行了进一步的展望。

关键词：时间序列时间序列分类时间序列表示

来源：评论

学校读者我要写书评

暂无评论

面向快递员揽收到达时间预测的多任务深度时空网络

引用

计算机工程与科学 2023年第1期45卷 136-144页

作者：王晨宇温浩珉郭晟楠林友芳万怀宇北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室北京100044

快递员揽件到达时间预测,即预测用户下单后快递员的上门揽收时间,一直都是物流企业所关心的重要问题。准确的揽件到达时间预测可以优化揽件效率,提升用户体验。该问题主要存在以下挑战:(1)快递员揽件到达时间受到多种复杂时空因素的影响... 详细信息

快递员揽件到达时间预测,即预测用户下单后快递员的上门揽收时间,一直都是物流企业所关心的重要问题。准确的揽件到达时间预测可以优化揽件效率,提升用户体验。该问题主要存在以下挑战:(1)快递员揽件到达时间受到多种复杂时空因素的影响,包括待预测订单自身的时空特征,以及与其他待揽收订单之间的相互影响;(2)快递员在执行揽件任务期间,会不断接收到系统分配的新订单,造成揽收路线的动态变化,从而给揽件到达时间预测带来了更大的不确定性。针对以上挑战,提出了一种面向揽件到达时间预测的多任务深度时空网络MSTN4PAT模型,从海量的揽件历史数据中学习快递员揽件到达时间的复杂时空模式。MSTN4PAT充分挖掘待预测订单始发地与目的地之间的内在关联,使用多任务学习来建模订单之间的相互影响,并从特征宽度和特征深度2个角度高效融合各种特征,实现准确的揽件到达时间预测。在真实的揽件数据集上的实验结果表明,MSTN4PAT的预测效果明显优于对比模型。

关键词：快递揽收预计到达时间多任务学习时空数据挖掘时空相关性

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：