检索结果-内蒙古大学图书馆

计算机与数字工程 2024年第11期52卷 3291-3296页

作者：钟承鹏宋慧慧南京信息工程大学江苏省大数据分析技术重点实验室大气环境与装备技术协同创新中心南京210044

目前主流的三维单目标跟踪方法是通过匹配模板与搜索区域的特征来跟踪目标,因而,模板和搜索区域的特征提取与匹配十分重要。但是,当前主流方法提取到的点云特征具有方向敏感性,会对后续的特征匹配以及检测产生不良影响。为了缓解上述问... 详细信息

目前主流的三维单目标跟踪方法是通过匹配模板与搜索区域的特征来跟踪目标,因而,模板和搜索区域的特征提取与匹配十分重要。但是,当前主流方法提取到的点云特征具有方向敏感性,会对后续的特征匹配以及检测产生不良影响。为了缓解上述问题,论文提出了基于极坐标表示与前景注意力机制的三维单目标跟踪网络。该模型通过极坐标空间变换帮助网络学习具有旋转不变性的点云特征。此外,前景点数量稀少会导致跟踪模型无法充分关注前景目标。为此,论文提出了前景权重增强模块,使得三维跟踪模型能更好地跟踪前景物体。论文在KITTI以及NuScenes数据集上进行的大量实验的结果表明,论文方法在汽车类别上,比基准方法分别提升了3.9%、7.6%与2.5%、8.0%的准确率与成功率。

关键词：三维单目标跟踪极坐标特征表示前景注意力深度学习

来源：评论

学校读者我要写书评

暂无评论

多尺度特征融合与交互的伪装目标检测网络

引用

计算机系统应用 2024年第8期33卷 90-97页

作者：张成刘研宋慧慧南京信息工程大学江苏省大数据分析技术重点实验室南京210044 江苏省大气环境与装备技术协同创新中心南京210044

伪装目标检测是一项在复杂场景中定位和识别伪装目标的任务.目前基于深度神经网络的方法已初步运用,但在复杂场景下遇到干扰时,许多方法无法充分利用目标的多级特征来提取丰富的语义信息,仅依靠固定尺寸特征识别伪装目标.为解决这一问题... 详细信息

伪装目标检测是一项在复杂场景中定位和识别伪装目标的任务.目前基于深度神经网络的方法已初步运用,但在复杂场景下遇到干扰时,许多方法无法充分利用目标的多级特征来提取丰富的语义信息,仅依靠固定尺寸特征识别伪装目标.为解决这一问题,本文提出了一种基于多尺度特征融合交互的伪装目标检测网络.该网络包含两个创新设计:多尺度特征感知模块和双阶段邻级交互模块.前者旨在通过结合多尺度特征的方式充分捕获复杂场景中丰富的局部-全局场景对比信息.后者则是整合来自相邻层的特征以利用跨层相关性将有价值的上下文信息从编码器传输到解码器网络.本文在CHAMELEON、CAMO-Test、COD10K-Test这3个公共数据集上对提出的方法进行了评测并与当前的主流方法对比.实验结果表明,本文方法的性能超越了当前的主流方法,在各项指标上达到了优异的性能水平.

关键词：伪装目标检测多尺度特征提取跨级特征融合深度学习

来源：评论

学校读者我要写书评

暂无评论

大数据下属性约简算法研究进展

引用

数码设计 2016年第3期 8-14页

作者：钱进江苏省大数据分析技术重点实验室南京信息工程大学江苏理工学院计算机工程学院

属性约简是粗糙集理论重要研究内容之一。分析了影响传统属性约简算法效率的关键因素,设计了大数据下属性约简算法的数据和任务并行性,提出了一种并行属性约简算法框架,最后指出大数据时代属性约简算法有待进一步研究的问题和发展趋势。

关键词：粗糙集理论属性约简大数据 Map Reduce

来源：评论

学校读者我要写书评

暂无评论

基于注意力交互机制的层次网络情感分类

引用

计算机工程与应用 2021年第9期57卷 134-139页

作者：杨春霞李欣栩吴佳君刘天宇南京信息工程大学自动化学院南京210044 江苏省大数据分析技术重点实验室南京210044 江苏省大气环境与装备技术协同创新中心南京210044 佳木斯市汤原县气象局黑龙江佳木斯154000

目前关于商品评论的深度网络模型难以有效利用评论中的用户信息和产品信息。提出一种基于注意力交互机制的层次网络(HNAIM)模型。该模型利用层次网络对不同粒度语义信息进行提取,并通过注意力交互机制在层次网络中通过捕捉用户、产品中... 详细信息

目前关于商品评论的深度网络模型难以有效利用评论中的用户信息和产品信息。提出一种基于注意力交互机制的层次网络(HNAIM)模型。该模型利用层次网络对不同粒度语义信息进行提取,并通过注意力交互机制在层次网络中通过捕捉用户、产品中的重要特征来帮助提取文本特征。最终将用户视角下的损失值和产品视角下的损失值作为辅助分类信息,并利用层次网络输出的针对用户或产品的关键文本特征进行训练和分类。三个公开数据集上对比结果表明,该模型较相关模型而言效果均有提升。

关键词：情感分类粒度双向长短期记忆网络注意力交互机制

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的大规模敏捷软件项目调度

引用

郑州大学学报（工学版） 2023年第5期44卷 17-23页

作者：申晓宁毛鸣健沈如一宋丽妍南京信息工程大学自动化学院江苏南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心江苏南京210044 南京信息工程大学江苏省大数据分析技术重点实验室江苏南京210044 江苏省气象能源利用与控制工程技术研究中心江苏南京210044 南方科技大学广东省类脑智能计算重点实验室广东深圳518055

为解决大规模敏捷软件项目调度问题,首先,将其分解为故事选择、故事分配和任务分配3个强耦合子问题,并引入用户故事的新增与删除、每个冲刺阶段中员工工作时长的变化等动态事件,考虑团队开发速度、任务时长和技能等约束,以最大化项目所... 详细信息

为解决大规模敏捷软件项目调度问题,首先,将其分解为故事选择、故事分配和任务分配3个强耦合子问题,并引入用户故事的新增与删除、每个冲刺阶段中员工工作时长的变化等动态事件,考虑团队开发速度、任务时长和技能等约束,以最大化项目所完成用户故事总价值为目标建立大规模敏捷软件项目调度数学模型;其次,根据问题特征设计了马尔可夫决策过程,采用10个状态特征描述每个冲刺阶段开始时的敏捷调度环境,12个复合调度规则作为智能体的候选动作,并按照调度模型的目标函数定义奖励;最后,提出一种基于复合调度规则的优先经验回放双重深度Q网络算法来求解所建模型,引入双重深度Q网络(DDQN)策略和优先经验回放策略,避免深度Q网络的过估计问题,并提高经验回放池中轨迹信息的利用效率。为了验证所提算法的有效性,在6个大规模敏捷软件项目调度算例中进行了实验,分析了所提算法的收敛性。根据算法性能测度,与已有代表性算法DQN、双重深度Q网络以及仅使用单一复合调度规则的方法进行对比。结果表明:所提算法在6个不同算例中均获得了最高的平均累计奖励值。

关键词：强化学习大规模敏捷软件项目调度深度Q网络复合调度规则优先经验回放强耦合

来源：评论

学校读者我要写书评

暂无评论

多媒体内容的多维度相似性计算与搜索专题前言

引用

软件学报 2020年第7期31卷 1931-1932页

作者：蒋树强刘青山孙立峰李波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 江苏省大数据分析技术重点实验室(南京信息工程大学自动化学院) 江苏南京210044 清华大学计算机科学与技术系北京100084 北京航空航天大学计算机学院北京100191

图像、视音频等多媒体数据包含的信息量非常丰富.近年来,随着研究的不断深入,根据不同应用需求,多媒体搜索可以从不同维度展开,包括从底层特征到高层语义的表示维度、从实例到类别的物体维度、从单个概念到多个概念直至语言的描述维度... 详细信息

图像、视音频等多媒体数据包含的信息量非常丰富.近年来,随着研究的不断深入,根据不同应用需求,多媒体搜索可以从不同维度展开,包括从底层特征到高层语义的表示维度、从实例到类别的物体维度、从单个概念到多个概念直至语言的描述维度、从全局内容到局部区域的尺度维度等,并且这些维度之间也相互关联与交叉.多维度的多媒体相似性计算与搜索研究可以深入挖掘多媒体内容的相似性,建立更加全面的多媒体内容搜索方案.

关键词：相似性计算多媒体内容底层特征多维度搜索方案视音频不同维度

来源：评论

学校读者我要写书评

暂无评论

多媒体数据的知识关联与理解专题前言

引用

软件学报 2019年第4期30卷 865-866页

近年来,不同来源的多媒体数据产生量剧增,成为用户信息获取、信息交换与信息消费的主要对象,多媒体数据具有广泛的应用需求和重大的应用价值.相对于其他数据类型,图像、视频等多媒体数据具有关系繁杂、冗余性强、信息隐藏深、全面理解... 详细信息

近年来,不同来源的多媒体数据产生量剧增,成为用户信息获取、信息交换与信息消费的主要对象,多媒体数据具有广泛的应用需求和重大的应用价值.相对于其他数据类型,图像、视频等多媒体数据具有关系繁杂、冗余性强、信息隐藏深、全面理解困难等特点,因此,全面和准确地分析和理解多媒体内容是一个非常重要和具有挑战性的问题.最近,基于知识关联与理解的多媒体计算正逐渐得到研究者的关注,呈现出新的发展动态,这项研究可以使得多媒体内容的分析与理解更加深入,建立从多媒体内容感知到全面认知理解的桥梁.

关键词：多媒体数据知识多媒体内容多媒体计算信息获取信息消费信息交换数据类型

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的智能问答系统综述

引用

计算机系统应用 2023年第4期32卷 1-15页

作者：姚元杰龚毅光刘佳徐闯朱栋梁南京信息工程大学自动化学院江苏省大数据分析技术重点实验室南京210044 江苏省大气环境与装备技术协同创新中心南京210044

在科技发达和信息爆炸的时代,如何从海量数据中准确地提取所需信息已成为人们研究的目标.问答系统作为解决此问题的重要途径之一,其主要通过对已有数据信息进行检索和分析,并最终返回问题答案或其他相关信息.近年来,深度学习的革命性发... 详细信息

在科技发达和信息爆炸的时代,如何从海量数据中准确地提取所需信息已成为人们研究的目标.问答系统作为解决此问题的重要途径之一,其主要通过对已有数据信息进行检索和分析,并最终返回问题答案或其他相关信息.近年来,深度学习的革命性发展给问答系统带来了长足的进步,序列到序列的模型,端到端的模型以及最近流行的预训练,都给问答系统留下无限的发展空间,但其仍面临许多挑战.本文首先对问答系统的发展进行简要介绍,接着将问答系统按照3个不同角度进行分类,并对相关数据集、评测指标和各类问答系统的主流技术进行阐述,最后对问答系统面临的问题和未来的发展趋势进行讨论.

关键词：问答系统智能问答自然语言处理深度学习

来源：评论

学校读者我要写书评

暂无评论

基于周期性截断灰色系统的电力负荷预测

引用

计算机测量与控制 2017年第12期25卷 271-274页

作者：张海宁王松郑征夏旻国网河南省电力公司经济技术研究院郑州450052 南京信息工程大学江苏省大数据分析技术重点实验室南京210044

电力负荷预测是电力系统调度和电力生产计划制定的重要依据;电力负荷时间序列有着明显的周期性特征;传统的电力负荷预测主要侧重于预测方法的研究,而忽略了电力负荷数据周期性特性的分析,影响了预测的准确性;针对电力负荷时间序列的周... 详细信息

电力负荷预测是电力系统调度和电力生产计划制定的重要依据;电力负荷时间序列有着明显的周期性特征;传统的电力负荷预测主要侧重于预测方法的研究,而忽略了电力负荷数据周期性特性的分析,影响了预测的准确性;针对电力负荷时间序列的周期性特征,提出了一种基于周期性截断的灰色系统模型来进行电力负荷预测;该模型利用周期性截断来反映负荷数据的周期性特征,提高了预测的精度;仿真采用EUNITE Network的公开负荷数据进行算法性能的测试,并与一些主流的电力负荷预测算法:BP神经网络、极限学习机、自回归模型以及传统的灰色系统模型做比较;仿真结果表明,周期性截断的灰色系统负荷预测的归一化均方误差和绝对平均误差是最小的;周期性截断的灰色系统为电力系统负荷预测提供了一种新的有效方法。

关键词：电力负荷预测分析灰色系统周期性分析周期性截断

来源：评论

学校读者我要写书评

暂无评论

基于联合稀疏表示的复Contourlet域SAR图像与红外图像融合（英文）

引用

雷达学报（中英文） 2017年第4期6卷 349-358页

作者：吴一全王志来南京航空航天大学电子信息工程学院南京211106 南京信息工程大学江苏省大数据分析技术重点实验室南京210044 浙江工业大学浙江省信号处理重点实验室杭州310023 广西师范大学广西多源信息挖掘与安全重点实验室桂林541004 成都理工大学国土资源部地学空间信息技术重点实验室成都610059 中国地质科学院矿产资源研究所国土资源部成矿作用与资源评价重点实验室北京100037

针对红外图像与SAR图像的灰度差异性大、两者融合图像不太符合人类视觉认知的问题,提出了一种基于联合稀疏表示的复Contourlet域红外图像与SAR图像融合方法。首先对红外图像与SAR图像分别进行复Contourlet分解。然后利用K-奇异值分解(K-... 详细信息

针对红外图像与SAR图像的灰度差异性大、两者融合图像不太符合人类视觉认知的问题,提出了一种基于联合稀疏表示的复Contourlet域红外图像与SAR图像融合方法。首先对红外图像与SAR图像分别进行复Contourlet分解。然后利用K-奇异值分解(K-Singular Value Decomposition,K-SVD)方法获得两幅源图像低频分量的过完备字典,并根据联合稀疏表示模型生成联合字典,通过正交匹配追踪(Orthogonal Matching Pursuit,OMP)方法求出源图像低频分量在联合字典下的稀疏表示系数,接着采用选择最大化策略对两个低频分量的稀疏表示系数进行选取,随后进行稀疏表示重构获得融合的低频分量;对高频分量结合视觉敏感度系数和能量匹配度两个活跃度准则进行融合,以捕获源图像丰富的细节信息。最后经复Contourlet逆变换获得融合图像。与3种经典融合方法及近年来提出的基于非下采样Contourlet变换(Non-Subsampled Contourlet Transform,NSCT)、基于稀疏表示的融合方法相比,该方法能够有效突出源图像的显著特征,最大程度地继承源图像的信息。

关键词：图像融合 SAR图像红外图像复Contourlet变换联合稀疏表示

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：