检索结果-内蒙古大学图书馆

小型微型计算机系统 2020年第11期41卷 2256-2259页

作者：杨春霞李锐秦家鹏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

中文新闻文本主题分类任务中通常只考虑字符粒度或者词粒度中一种粒度的Embedding,这往往会使得在特征提取过程中丧失了另一种粒度的特性.本文针对中文新闻文本主题分类任务,提出了一种基于字符粒度与词粒度融合的分类模型.通过中文文... 详细信息

中文新闻文本主题分类任务中通常只考虑字符粒度或者词粒度中一种粒度的Embedding,这往往会使得在特征提取过程中丧失了另一种粒度的特性.本文针对中文新闻文本主题分类任务,提出了一种基于字符粒度与词粒度融合的分类模型.通过中文文本特有的字、词、句的句法关系与字-词包含关系,对字、词进行嵌入,构成字向量、词向量并进行粒度融合.选择卷积神经网络提取新闻文本语义、上下文特征,对中文新闻文本进行主题分类.在THUCNews、搜新闻数据两个公开数据集上进行模型性能测试,该模型的分类准确率分别为97.48%、97.64%,结果表明本文提出的模型性能显著提高.

关键词：自然语言处理新闻文本文本分类粒度融合卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

一种增强型基于失败者淘汰的多模态烟花算法

引用

系统仿真学报 2020年第1期32卷 9-19页

作者：申晓宁王谦黄遥游璇南京信息工程大学自动化学院南京210044 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南京210044

提出一种增强型基于失败者淘汰制的多模态烟花算法。该算法采用一种新型的考虑位置特征的映射规则,把超出爆炸空间上边界的爆炸火花映射到爆炸空间上边界附近的区域、把低于爆炸空间下边界的爆炸火花映射到爆炸空间下边界附近的区域。... 详细信息

提出一种增强型基于失败者淘汰制的多模态烟花算法。该算法采用一种新型的考虑位置特征的映射规则,把超出爆炸空间上边界的爆炸火花映射到爆炸空间上边界附近的区域、把低于爆炸空间下边界的爆炸火花映射到爆炸空间下边界附近的区域。所提算法引入了自适应调整爆炸火花数量参数的策略,以更好地平衡算法的全局和局部搜索能力。选取CEC2013标准测试函数集中的28个函数进行测试,实验结果表明所提算法具有更优的搜索性能。

关键词：映射规则自适应爆炸火花数量爆炸幅度

来源：评论

学校读者我要写书评

暂无评论

地形遮蔽下雷达网的融合探测包络计算

引用

计算机仿真 2021年第9期38卷 14-18页

作者：丁宇冉华明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 南京信息工程大学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 中国电子科技集团公司第十研究所四川成都610036

为了计算在地形遮蔽条件下的雷达网融合探测包络,提出了一种基于分弧段连接矩阵方法,确定雷达网整体探测威力边界。首先对单雷达地形遮蔽下的探测能力进行分析,接着通过判断雷达网中各雷达之间的关系,计算相交雷达的边界交点信息。在各... 详细信息

为了计算在地形遮蔽条件下的雷达网融合探测包络,提出了一种基于分弧段连接矩阵方法,确定雷达网整体探测威力边界。首先对单雷达地形遮蔽下的探测能力进行分析,接着通过判断雷达网中各雷达之间的关系,计算相交雷达的边界交点信息。在各雷达边界交点的基础上,将雷达边界分成若干分弧段,筛选出组成雷达网探测区域边界的分弧段,建立分弧段连接矩阵,基于该矩阵计算雷达网探测边界,分析雷达网探测能力。实验结果表明,依据提出的算法快速有效地计算出雷达网的探测威力范围,可为雷达网布站提供有效地理论依据。

关键词：雷达网地形遮蔽融合包络探测区域

来源：评论

学校读者我要写书评

暂无评论

基于部件检测与检索的行人精细化分割

引用

电子学报 2019年第2期47卷 502-508页

作者：王枫厉智刘青山孙玉宝南京信息工程大学信息与控制学院江苏省大数据分析技术实验室江苏南京210044

针对行人图像外观的多样性以及结构、姿态、场景的复杂性,提出一种有效的精细化行人部件分割方法.该方法实现把一幅行人图像分割成不同的语义区域,主要包含三个阶段,前两个阶段单独训练两个Fast R-CNN(Fast Region-based Convolutional ... 详细信息

针对行人图像外观的多样性以及结构、姿态、场景的复杂性,提出一种有效的精细化行人部件分割方法.该方法实现把一幅行人图像分割成不同的语义区域,主要包含三个阶段,前两个阶段单独训练两个Fast R-CNN(Fast Region-based Convolutional Neural Network,快速区域卷积神经网络)模型,分别用来检测整个人体以及各个部件以获得各类别部件的大体位置;第三个阶段使用基于检索过分割图像的方法来对检测到的各个部件进行分割,最后把各部件分割结果还原到原图坐标上以得到最终的分割结果.实验表明所提方法在三个公开的数据库上,与其他算法相比,分割准确率更高,边缘效果更好.

关键词：行人分割快速区域卷积神经网络过分割部件检索

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

基于多层特征增强的实时视觉跟踪

引用

计算机应用 2020年第11期40卷 3300-3305页

作者：费大胜宋慧慧张开华江苏省大数据分析技术重点实验室(南京信息工程大学) 南京210044 江苏省大气环境与装备技术协同创新中心(南京信息工程大学) 南京210044

为了解决全卷积孪生视觉跟踪网络(SiamFC)出现相似语义信息干扰物使得跟踪目标发生漂移,导致跟踪失败的问题,设计出一种基于多层特征增强的实时视觉跟踪网络(MFESiam),分别去增强高层和浅层的特征表示能力,从而提升算法的鲁棒性。首先,... 详细信息

为了解决全卷积孪生视觉跟踪网络(SiamFC)出现相似语义信息干扰物使得跟踪目标发生漂移,导致跟踪失败的问题,设计出一种基于多层特征增强的实时视觉跟踪网络(MFESiam),分别去增强高层和浅层的特征表示能力,从而提升算法的鲁棒性。首先,对于浅层特征,利用一个轻量并且有效的特征融合策略,通过一种数据增强技术模拟一些在复杂场景中的变化,例如遮挡、相似物干扰、快速运动等来增强浅层特征的纹理特性;其次,对于高层特征,提出一个像素感知的全局上下文注意力机制模块(PCAM)来提高目标的长时定位能力;最后,在三个具有挑战性的跟踪基准库OTB2015、GOT-10K和2018年视觉目标跟踪库(VOT2018)上进行大量实验。实验结果表明,所提算法在OTB2015和GOT-10K上的成功率指标比基准SiamFC分别高出6.3个百分点和4.1个百分点,并且以每秒45帧的速度运行达到实时跟踪。在VOT2018实时挑战上,所提算法的平均期望重叠率指标超过2018年的冠军,即高性能的候选区域孪生视觉跟踪器(SiamRPN),验证了所提算法的有效性。

关键词：视觉跟踪数据增强注意力机制全局上下文长时定位

来源：评论

学校读者我要写书评

暂无评论

混合阶通道注意力网络的单图像超分辨率重建

引用

计算机应用 2020年第10期40卷 3048-3053页

作者：姚鲁宋慧慧张开华江苏省大数据分析技术重点实验室(南京信息工程大学) 南京210044 南京信息工程大学大气环境与装备技术协同创新中心南京210044

目前用于图像超分辨率重建的通道注意力机制存在注意力预测破坏每个通道和其权重的直接对应关系以及仅仅只考虑一阶或二阶通道注意力而没有综合考虑优势互补的问题,因此提出一种混合阶通道注意力网络的单图像超分辨率重建算法。首先,该... 详细信息

目前用于图像超分辨率重建的通道注意力机制存在注意力预测破坏每个通道和其权重的直接对应关系以及仅仅只考虑一阶或二阶通道注意力而没有综合考虑优势互补的问题,因此提出一种混合阶通道注意力网络的单图像超分辨率重建算法。首先,该网络框架利用局部跨通道相互作用策略将之前一、二阶通道注意力模型采用的升降维改为核为k的一维卷积。这样不仅使得通道注意力预测更直接准确,而且得到的模型相比之前的通道注意力模型更简单;同时,采用改进一、二阶通道注意力模型以综合利用不同阶通道注意力的优势,提高网络判别能力。在基准数据集上的实验结果表明,和现有的超分辨率算法相比,所提算法重建图像的纹理细节和高频信息能得到更好的恢复,且在Set5和BSD100数据集上感知指数(PI)分别平均提高0.3和0.1。这表明此网络能更准确地预测通道注意力并综合利用了不同阶通道注意力,一定程度上提升了性能。

关键词：通道注意力机制生成对抗网络图像超分辨率重建卷积神经网络深度学习

来源：评论

学校读者我要写书评

暂无评论

融合实体信息的循环神经网络文本分类模型

引用

小型微型计算机系统 2020年第12期41卷 2516-2521页

作者：杨春霞吴佳君李欣栩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

基于机器学习的文本分类方法通常忽略了文本上下文内容的语义特征,基于深度学习的文本分类方法虽考虑了上下文内容的语义特征,但弱化了实体信息在文本分类中的作用,无法丰富文本语义表示,突出文本内容特征.本文融合实体信息,提出一种循... 详细信息

基于机器学习的文本分类方法通常忽略了文本上下文内容的语义特征,基于深度学习的文本分类方法虽考虑了上下文内容的语义特征,但弱化了实体信息在文本分类中的作用,无法丰富文本语义表示,突出文本内容特征.本文融合实体信息,提出一种循环神经网络与实体表示相结合的分类模型.该模型通过循环神经网络和Attention机制对文本进行建模表示,充分挖掘文本上下文内容的语义特征;同时,将实体表示与文本表示做注意力计算,进一步丰富文本语义与内容特征.在20NG、R8、IMDB、AG News四个数据集上进行实验,实验结果显示,该模型与其他主流基线方法相比,在准确率(Accuracy)上取得显著提高.

关键词：文本分类实体信息循环神经网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

智能水产养殖无人船系统的设计与实现

引用

计算机工程与设计 2020年第8期41卷 2352-2359页

作者：申晓宁游璇黄遥华昭杰蒋星宇南京信息工程大学自动化学院江苏省大气环境与装备技术协同创新中心江苏省大数据分析技术重点实验室江苏南京210044

为改善传统水产养殖系统的不足,促进水产养殖科学化、信息化和现代化发展,提出一种模块化的智能水产养殖无人船系统,搭载定位器、传感器、图像采集装置、采样与投放装置,结合4G通信、云计算等技术,完成巡航和避障、水质检测、水面异物... 详细信息

为改善传统水产养殖系统的不足,促进水产养殖科学化、信息化和现代化发展,提出一种模块化的智能水产养殖无人船系统,搭载定位器、传感器、图像采集装置、采样与投放装置,结合4G通信、云计算等技术,完成巡航和避障、水质检测、水面异物检测、远程控制水样采集和物料投放等任务,设计客户端软件显示无人船路线、水质检测实时数据和水面图像,通过云端保存数据。以基于最近邻策略的改进禁忌搜索算法和Mask R-CNN网络为核心实现无人船的路径规划和自主巡航,提高航行效率和精度。实验结果表明,该无人船能精准航行,对养殖环境进行实时监控,有效地收集并保存数据,为生产和科研提供了有价值的信息。

关键词：水产养殖无人船水质监测路径规划图像采集云服务器采样与投放

来源：评论

学校读者我要写书评

暂无评论

基于深度BLSTM和分类元数据的自定义情感分类

引用

小型微型计算机系统 2020年第9期41卷 1853-1857页

作者：杨春霞李欣栩瞿涛秦家鹏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

在传统的情感分类任务中,存在无法有效捕捉文本深层特征的问题,同时也存在不考虑如用户信息和产品信息等分类元数据而直接进行粗糙建模的问题.针对第一个问题,本文首先通过深度BLSTM(DBLSTM)来识别上下文词义联系和获取文本深层特征;其... 详细信息

在传统的情感分类任务中,存在无法有效捕捉文本深层特征的问题,同时也存在不考虑如用户信息和产品信息等分类元数据而直接进行粗糙建模的问题.针对第一个问题,本文首先通过深度BLSTM(DBLSTM)来识别上下文词义联系和获取文本深层特征;其次利用自注意力机制网络层捕获文本中重要的特征.针对第二个问题,本文融合分类元数据自定义分类器,该分类器利用上下文感知注意力为分类元数据配制特定参数,这使得分类器可以参考文本中存在的不同分类元数据来对网络层提取到的特征做出综合评价分类.在Yelp2013、Yelp2014、IMDB等三个数据集上测试,实验结果显示,本文构建的模型与现有的多个基线情感分类模型相比效果均有一定的提高.

关键词：情感分类文本特征提取注意力机制分类元数据深度BLSTM

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：