检索结果-内蒙古大学图书馆

北京工业大学学报 2010年第1期36卷 124-130页

作者：王亚敏冀俊忠潘全科北京工业大学多媒体与智能软件技术北京市重点实验室北京100124 聊城大学计算机学院山东聊城252059

针对零空闲流水线调度问题,提出了一种新的离散化蛙跳求解算法.该算法借助蛙跳算法优化机理,采用基于工件序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型,并结合简化邻域搜索算法给出了3种改进策略.仿真实验表明了所提... 详细信息

针对零空闲流水线调度问题,提出了一种新的离散化蛙跳求解算法.该算法借助蛙跳算法优化机理,采用基于工件序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型,并结合简化邻域搜索算法给出了3种改进策略.仿真实验表明了所提算法及策略的有效性.

关键词：零空闲流水线调度离散蛙跳算法邻域搜索

来源：评论

学校读者我要写书评

暂无评论

基于多标签传播机制的蛋白质相互作用网络功能模块检测

引用

模式识别与人工智能 2016年第6期29卷 548-557页

作者：韩跃冀俊忠杨翠翠北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室北京100124

鉴于多标签传播算法在发现社会网络的社区结构研究上具有快速、高效的求解能力,提出融合多源蛋白质生物学知识的基于多标签传播机制的蛋白质相互作用(PPI)网络功能模块检测算法.首先,结合PPI网络功能信息和结构信息初始化节点的标签.然... 详细信息

鉴于多标签传播算法在发现社会网络的社区结构研究上具有快速、高效的求解能力,提出融合多源蛋白质生物学知识的基于多标签传播机制的蛋白质相互作用(PPI)网络功能模块检测算法.首先,结合PPI网络功能信息和结构信息初始化节点的标签.然后,利用基因表达数据描述蛋白质间的共表达性,依据共表达性构建标签集合,从中选择标签以实现标签在节点间真实可靠的传播.最后,将具有相同标识符的节点划分到同一功能模块中,获得最终结果.实验表明文中算法不仅具有良好的时间性能,而且在检测精度上也具有一定的竞争性.

关键词：蛋白质相互作用(PPI)网络功能模块检测多标签传播生物学知识

来源：评论

学校读者我要写书评

暂无评论

基于双分支多头注意力的场景图生成方法

引用

北京工业大学学报 2024年第10期50卷 1198-1205页

作者：王立春付芳玉徐凯徐洪波尹宝才北京工业大学信息学部北京100124 北京工业大学多媒体与智能软件技术北京市重点实验室北京100124

针对已有场景图生成模型获取上下文信息有限的问题,提出一种有效的上下文融合模块,即双分支多头注意力(dual-stream multi-head attention, DMA)模块,并将DMA分别用于物体分类阶段和关系分类阶段,基于此提出基于双分支多头注意力的场景... 详细信息

针对已有场景图生成模型获取上下文信息有限的问题,提出一种有效的上下文融合模块,即双分支多头注意力(dual-stream multi-head attention, DMA)模块,并将DMA分别用于物体分类阶段和关系分类阶段,基于此提出基于双分支多头注意力的场景图生成网络(dual-stream multi-head attention-based scene graph generation network, DMA-Net)。该网络由目标检测、物体语义解析和关系语义解析3个模块组成。首先,通过目标检测模块定位图像中的物体并提取物体特征;其次,使用物体语义解析模块中的节点双分支多头注意力(object dual-stream multi-head attention, O-DMA)获取融合了节点上下文的特征,该特征经过物体语义解码器获得物体类别标签;最后,通过关系语义解析模块中的边双分支多头注意力(relationship dual-stream multi-head attention, R-DMA)输出融合了边上下文的特征,该特征经过关系语义解码器输出关系类别标签。在公开的视觉基因组(visual genome, VG)数据集上分别计算了DMA-Net针对场景图检测、场景图分类和谓词分类3个子任务的图约束召回率和无图约束召回率,并与主流的场景图生成方法进行比较。实验结果表明,所提出的方法能够充分挖掘场景中的上下文信息,基于上下文增强的特征表示有效提升了场景图生成任务的精度。

关键词：场景图生成上下文融合双分支多头注意力(dual-stream multi-head attention,DMA) 目标检测物体分类关系分类

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的fMRI数据分类方法

引用

模式识别与人工智能 2017年第6期30卷 549-558页

作者：张兆晨冀俊忠北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室北京100124

功能性磁共振成像(fMRI)数据分类方法无法有效提取fMRI数据的局部特征,影响分类准确性.因此文中提出基于卷积神经网络的fMRI数据分类方法.首先设计卷积神经网络结构,并根据卷积神经网络的卷积核尺寸构建受限玻尔兹曼机模型.然后使用fMR... 详细信息

功能性磁共振成像(fMRI)数据分类方法无法有效提取fMRI数据的局部特征,影响分类准确性.因此文中提出基于卷积神经网络的fMRI数据分类方法.首先设计卷积神经网络结构,并根据卷积神经网络的卷积核尺寸构建受限玻尔兹曼机模型.然后使用fMRI数据感兴趣区域体素构造数据,对受限玻尔兹曼机进行预训练,并将训练得到的权重矩阵进行相对变换,用于初始化卷积神经网络的卷积核参数.最后训练初始化好的整个模型,得到最终的分类模型.在Haxby和LPD数据集上的实验表明,文中方法可以有效提升fMRI数据的分类准确率.

关键词：功能性磁共振成像(fMRI)数据分类卷积神经网络受限玻尔兹曼机

来源：评论

学校读者我要写书评

暂无评论

网格参数化与几何图像

引用

系统仿真学报 2012年第9期24卷 1780-1784,1800页

作者：薛娟张勇孔德慧尹宝才北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室北京100124

将三角网格模型进行参数化并重采样生成几何图像,借助当前成熟、高效的图像处理技术,利用图像代替复杂三角网格进行数据处理,可以有效地解决三维几何数据压缩、传输、渐进表示等问题。作者引入了不同的参数化方法生成三维模型的几何图像... 详细信息

将三角网格模型进行参数化并重采样生成几何图像,借助当前成熟、高效的图像处理技术,利用图像代替复杂三角网格进行数据处理,可以有效地解决三维几何数据压缩、传输、渐进表示等问题。作者引入了不同的参数化方法生成三维模型的几何图像,并分析了Tutte重心映射法、离散保角映射法、离散保积参数化方法、Floater均值坐标法和几何拉伸参数化方法五种参数化方法在几何图像方法中对三维模型重构的影响。实验结果表明,采用几何拉伸方法所生成的几何图像具有最好的PSNR值和主观的重构质量。

关键词：几何图像网格参数化重新网格化数据压缩

来源：评论

学校读者我要写书评

暂无评论

基于免疫克隆选择算法搜索GMM的脑岛功能划分

引用

浙江大学学报（工学版） 2017年第12期51卷 2320-2331页

作者：赵学武冀俊忠姚垚北京工业大学信息学部多媒体与智能软件技术北京市重点实验室北京100124 南阳师范学院软件学院河南南阳473061

为了得到更好的脑岛功能划分结构,加深人们对其功能组织性的理解,提出一种基于免疫克隆选择(ICS)算法搜索高斯混合模型(GMM)的脑岛功能划分方法(NICS-GMM).该方法基于功能磁共振成像(fMRI)数据,将GMM映射到抗体上;利用ICS算法搜索能够... 详细信息

为了得到更好的脑岛功能划分结构,加深人们对其功能组织性的理解,提出一种基于免疫克隆选择(ICS)算法搜索高斯混合模型(GMM)的脑岛功能划分方法(NICS-GMM).该方法基于功能磁共振成像(fMRI)数据,将GMM映射到抗体上;利用ICS算法搜索能够反映脑岛功能分布的GMM,并在搜索过程中融入具有抗噪能力的动态邻域信息,以提高其搜索质量;利用最优的GMM实现对脑岛的功能划分.在划分数为2~12的脑岛功能划分上,新方法搜得的GMM具有最高的似然分数,而且相应划分结果的轮廓系数也达到了最大值.真实脑岛fMRI数据上的实验结果表明,该方法不仅具有更强的全局搜索能力,还可以得到具有较高功能一致性与更强区域连续性的脑岛功能划分结构.

关键词：脑岛功能划分高斯混合模型(GMM) 免疫克隆选择(ICS)算法动态邻域信息混合变异策略

来源：评论

学校读者我要写书评

暂无评论

基于多通道图卷积网络的节点聚类

引用

北京工业大学学报 2023年第3期49卷 355-362页

作者：孙艳丰杜鹏飞北京工业大学信息学部北京100124 北京工业大学多媒体与智能软件技术北京市重点实验室北京100124

针对在深度聚类中大部分基于图卷积网络(graph convolutional network,GCN)的方法仅使用拓扑图而忽略了特征空间中存在的结构信息的问题,提出一种通过引入特征图更充分地利用特征空间中存在的结构信息的节点聚类方法.首先,该方法使用自... 详细信息

针对在深度聚类中大部分基于图卷积网络(graph convolutional network,GCN)的方法仅使用拓扑图而忽略了特征空间中存在的结构信息的问题,提出一种通过引入特征图更充分地利用特征空间中存在的结构信息的节点聚类方法.首先,该方法使用自动编码器(auto-encoder,AE)来学习节点特征的潜在表示,同时在特征图、拓扑图及节点属性3个层面获得节点嵌入;然后,使用融合机制对学习到的节点嵌入进行融合;最后,通过自监督的方式训练网络实现节点聚类.在6个基准数据集上的大量实验表明,该方法明显提高了聚类精度.

关键词：节点聚类图卷积网络(graph convolutional network GCN) 注意力机制自动编码器(auto-encoder AE) 特征融合图结构

来源：评论

学校读者我要写书评

暂无评论

基于邻域决策粗糙集的脑功能连接生物标记物识别

引用

控制与决策 2023年第4期38卷 1092-1100页

作者：冀俊忠龙腾杨翠翠北京工业大学信息学部北京100124 多媒体与智能软件技术北京市重点实验室北京100124 北京人工智能研究院北京100124

脑功能连接判别特征可以作为神经精神类疾病诊断的一种生物标记物,利用机器学习方法对其进行识别是脑科学研究中的一项重要课题.已有脑功能连接生物标记物的识别方法大都忽视了脑功能连接数据高维、连续、多噪声的特性对识别性能的影响... 详细信息

脑功能连接判别特征可以作为神经精神类疾病诊断的一种生物标记物,利用机器学习方法对其进行识别是脑科学研究中的一项重要课题.已有脑功能连接生物标记物的识别方法大都忽视了脑功能连接数据高维、连续、多噪声的特性对识别性能的影响,导致所得到的生物标记物的分类能力不强.对此,提出一种基于邻域决策粗糙集的脑功能连接生物标记物识别方法.首先,针对脑功能连接数据连续性和高噪声的特点,引入能有效处理连续和高噪声数据的邻域决策粗糙集来识别分类能力更强的脑功能连接判别特征作为生物标记物;其次,针对脑功能连接数据的高维特点,通过快速生成邻域和缩小特征搜索空间来保证邻域决策粗糙集识别脑功能连接生物标记物的效率.在ABIDE I和ADNI数据集上的实验结果表明,所提出方法能够准确快速地获得分类能力更强的脑功能连接判别特征,有望为神经精神类疾病的诊断提供更准确的生物标记物.

关键词：脑功能连接邻域决策粗糙集特征约简特征可分性度量哈希映射生物标记物

来源：评论

学校读者我要写书评

暂无评论

基于谱域超图卷积网络的交通流预测模型

引用

北京工业大学学报 2024年第2期50卷 152-164页

作者：尹宝才王竟成张勇胡永利孙艳丰北京工业大学信息学部北京100124 北京工业大学多媒体与智能软件技术北京市重点实验室北京100124

针对传统图结构难以对节点间的隐含复杂关联关系建模的问题,利用超图对交通流数据进行高阶表示,提出基于谱域超图卷积网络的交通流预测方法。首先,通过动态超边刻画数据特征层面的关系,利用谱域超图卷积,包括基于傅里叶和图小波的超图... 详细信息

针对传统图结构难以对节点间的隐含复杂关联关系建模的问题,利用超图对交通流数据进行高阶表示,提出基于谱域超图卷积网络的交通流预测方法。首先,通过动态超边刻画数据特征层面的关系,利用谱域超图卷积,包括基于傅里叶和图小波的超图卷积及门控时序卷积,在多尺度上提取交通流的时空特征,实现端到端的节点级交通流预测。然后,采用北京市以及美国加利福尼亚州真实历史数据集进行预测实验。消融实验通过孤立和重构网络模型验证了所提方法的有效性。全时段和早高峰交通流预测的实验结果表明,该方法预测准确率高于目前主流交通流预测模型。

关键词：图神经网络超图理论多元时序预测深度学习大数据分析智慧交通

来源：评论

学校读者我要写书评

暂无评论

基于原型学习与深度特征融合的脑功能连接分类方法研究

引用

自动化学报 2022年第2期48卷 504-514页

作者：梁玉泽冀俊忠北京工业大学信息学部北京100124 多媒体与智能软件技术北京市重点实验室北京100124 北京人工智能研究院北京100124

近年来,基于深度学习的脑功能连接分类方法已成为一个研究热点.为了进一步提高脑功能连接的分类准确率,获得与疾病相关的鉴别性特征,本文提出了一种基于原型学习与深度特征融合的脑功能连接分类方法.该方法首先使用栈式自编码器从脑功... 详细信息

近年来,基于深度学习的脑功能连接分类方法已成为一个研究热点.为了进一步提高脑功能连接的分类准确率,获得与疾病相关的鉴别性特征,本文提出了一种基于原型学习与深度特征融合的脑功能连接分类方法.该方法首先使用栈式自编码器从脑功能连接中提取从低层次到高层次的深度特征;然后利用原型学习在自编码器的各隐层中提取表示样本类别信息的距离特征;最后采用深度特征融合策略将这些距离特征融合,并将该融合特征用于脑功能连接的类别标签预测.在ABIDE数据集上的实验结果表明,与其他同类方法相比,该方法不仅具有较高的分类准确率,而且能够更加准确地定位与疾病相关的脑区.

关键词：脑功能连接分类栈式自编码器原型学习特征融合

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：