检索结果-内蒙古大学图书馆

智能系统学报 2017年第5期12卷 745-751页

作者：吴钟强张耀文商琳南京大学计算机软件新技术国家重点实验室江苏南京210046 南京大学计算机科学与技术系江苏南京210046

情感分析也称为意见挖掘,是对文本中所包含的情感倾向进行分析的技术。目前很多情感分析工作都是基于纯文本的。而在微博上,除了文本,大量的图片信息也蕴含了丰富的情感信息。本文提出了一种基于文本和图像的多模态分类算法,通过使用潜... 详细信息

情感分析也称为意见挖掘,是对文本中所包含的情感倾向进行分析的技术。目前很多情感分析工作都是基于纯文本的。而在微博上,除了文本,大量的图片信息也蕴含了丰富的情感信息。本文提出了一种基于文本和图像的多模态分类算法,通过使用潜在语义分析,将文本特征和图像特征分别映射到同维度下的语义空间,得到各自的语义特征,并用SVM-2K进行分类。利用新浪微博热门微博栏目下爬取的文字和配图的微博数据进行了实验。实验结果表明,通过融合文本和图像的语义特征,情感分类的效果好于单独使用文本特征或者图像特征。

关键词：情感分析文本挖掘潜在语义分析多模态语义特征特征融合特征提取

来源：评论

学校读者我要写书评

暂无评论

测试代价敏感的粗糙集方法

引用

系统工程理论与实践 2017年第1期37卷 228-240页

作者：鞠恒荣周献中杨佩李华雄杨习贝南京大学工程管理学院南京210093 江苏科技大学计算机科学与工程学院镇江212003 南京大学智能装备新技术研究中心南京210093 南京大学软件新技术国家重点实验室南京210023

在粗糙集模型中,α量化不可分辨关系是强与弱不可分辨关系的推广形式.然而值得注意的是,基于这三种不可分辨关系的粗糙集并未考虑数据中属性的测试代价.为解决这一问题,提出了测试代价敏感的α量化粗糙集模型,从二元关系的角度使得粗糙... 详细信息

在粗糙集模型中,α量化不可分辨关系是强与弱不可分辨关系的推广形式.然而值得注意的是,基于这三种不可分辨关系的粗糙集并未考虑数据中属性的测试代价.为解决这一问题,提出了测试代价敏感的α量化粗糙集模型,从二元关系的角度使得粗糙集模型代价敏感,并将新模型与基于强不可分辨、弱不可分辨以及传统α量化不可分辨关系的粗糙集模型进行了对比分析.进一步地,通过分析传统启发式算法在求解约简的过程中未考虑降低代价这一不足之处,提出一种新的属性适应性函数,并将其应用于基于遗传算法的约简求解中.实验结果表明该方法不仅可以降低由边界域所带来的不确定性而且同时降低了约简后的测试代价.

关键词：粗糙集 α量化不可分辨关系测试代价敏感属性约简

来源：评论

学校读者我要写书评

暂无评论

基于协作相容性的工作流任务分配优化方法

引用

计算机研究与发展 2017年第4期54卷 872-885页

作者：胡海洋姬朝配胡华葛季栋杭州电子科技大学计算机学院杭州310018 复杂系统建模与仿真教育部重点实验室(杭州电子科技大学) 杭州310018 计算机软件新技术国家重点实验室(南京大学) 南京210046

工作流系统中任务分配策略将对其系统运行性能有很大的影响,在分配任务时不仅需要考虑执行者对相应任务的熟悉度,还需分析执行者之间配合协作的默契程度.传统研究工作在进行工作流任务分配时缺乏对执行者工作负载、执行者之间协作相容... 详细信息

工作流系统中任务分配策略将对其系统运行性能有很大的影响,在分配任务时不仅需要考虑执行者对相应任务的熟悉度,还需分析执行者之间配合协作的默契程度.传统研究工作在进行工作流任务分配时缺乏对执行者工作负载、执行者之间协作相容性的综合考虑.为了实现有效的任务分配,首先通过分析历史日志的信息,对执行者间的协作相容性进行分析计算,在此基础上综合考虑执行者当前的任务负载,提出了基于协作相容性的、负载均衡式任务分配模型,并给出了多目标联合优化的任务分配方法,可提高整个流程实例的执行效率,并保持执行者间的负载均衡.提出4种相应的算法,并分析了算法的时间复杂度,进行了系统性的对比实验,评估了所提出方法的正确性和有效性.

关键词：工作流#壬务分配协作相容性负载均衡任务交互

来源：评论

学校读者我要写书评

暂无评论

基于聚类和核密度估计假设检验的异常值检测方法

引用

数据采集与处理 2017年第5期32卷 997-1004页

作者：周春蕾田品卓杨晨琛王皓南京大学计算机软件新技术国家重点实验室南京210023 江苏方天电力技术有限公司南京211102

异常值检测是数据挖掘领域中的核心问题,在工业生产中也有着广泛的应用。准确高效的异常值检测方法能够及时反映出工业系统运行状态,为相关人员提供参考,而传统的异常值检测方法无法很好地检测出变化模式复杂、变化范围小、具有流数据... 详细信息

异常值检测是数据挖掘领域中的核心问题,在工业生产中也有着广泛的应用。准确高效的异常值检测方法能够及时反映出工业系统运行状态,为相关人员提供参考,而传统的异常值检测方法无法很好地检测出变化模式复杂、变化范围小、具有流数据特性的数据中的异常值。因此,本文提出了一种新的针对该类型数据的异常值检测方法:首先通过对数据进行聚类划分,将相似的数据进行归类,从而将原本复杂的数据分布拆解成为每个聚类下简单数据分布的叠加;然后使用核密度估计假设检验的方法对待检测数据进行异常值检测。在标准数据集和真实数据上的实验结果表明,该方法相比于传统的异常值检测方法在检测精度上有一定的提升。

关键词：异常值检测聚类假设检验核密度估计

来源：评论

学校读者我要写书评

暂无评论

一种基于决策粗糙集的模糊C均值聚类数的确定方法

引用

计算机科学 2017年第9期44卷 45-48,66页

作者：石文峰商琳南京大学计算机科学与技术系南京210023 计算机软件新技术国家重点实验室(南京大学) 南京210023

Fuzzy C-Means(FCM)是模糊聚类中聚类效果较好且应用较为广泛的聚类算法,但是其对初始聚类数的敏感性导致如何选择一个较好的C值变得十分重要。因此,确定FCM的聚类数是使用FCM进行聚类分析时的一个至关重要的步骤。通过扩展决策粗糙集... 详细信息

Fuzzy C-Means(FCM)是模糊聚类中聚类效果较好且应用较为广泛的聚类算法,但是其对初始聚类数的敏感性导致如何选择一个较好的C值变得十分重要。因此,确定FCM的聚类数是使用FCM进行聚类分析时的一个至关重要的步骤。通过扩展决策粗糙集模型进行聚类的有效性分析,并进一步确定FCM的聚类数,从而避免了使用FCM时不好的初始化所带来的影响。文中提出了一种基于扩展粗糙集模型的模糊C均值聚类数的确定方法,并通过图像分割实验来验证聚类的效果。实验通过比对不同聚类数下分类结果的代价获得了一个较好的分割结果,并将结果与***等人于2015年提出的蚁群模糊C均值混合算法(AFHA)以及提高的AFHA算法(IAFHA)进行对比,结果表明所提方法的聚类结果较好,图像分割效果较明显,Bezdek分割系数比AFHA和IAFHA算法的更高,且在Xie-Beni系数上也有较大优势。

关键词：模糊C均值决策粗糙集图像分割

来源：评论

学校读者我要写书评

暂无评论

一种面向功能类似程序的高效克隆检测技术

引用

计算机科学 2017年第4期44卷 12-15页

作者：董加星许畅南京大学计算机软件新技术国家重点实验室南京210023 南京大学计算机科学与技术系南京210023

程序克隆检测被普遍应用于检测软件市场中是否有被恶意修改后重新发布的软件,或是应用于识别与重构克隆代码。但是其应用领域不仅限于此,面向功能类似程序的克隆检测有着独有的特点,同时也有着很大的应用前景。功能类似程序之间的克隆... 详细信息

程序克隆检测被普遍应用于检测软件市场中是否有被恶意修改后重新发布的软件,或是应用于识别与重构克隆代码。但是其应用领域不仅限于此,面向功能类似程序的克隆检测有着独有的特点,同时也有着很大的应用前景。功能类似程序之间的克隆检测比一般的克隆检测稍复杂,它是在一些具有相似框架代码、实现功能类似的程序中寻找克隆程序对。现有的克隆检测技术在检测功能类似的程序时很难控制误报率。文中提出了一种改进的克隆检测方法,即通过分析功能类似程序克隆检测的特点,从中获取有用的信息,最终改进克隆检测技术并将其应用于实践。实验结果表明,该克隆检测技术可以有效地进行克隆检测,结合功能类似程序克隆检测的特点可以很好地控制误报率。

关键词：程序分析克隆检测技术移植

来源：评论

学校读者我要写书评

暂无评论

基于奇异值分解的专利术语层次关系解析研究

引用

情报学报 2017年第5期36卷 473-483页

作者：吴志祥王昊王雪颖祁磊苏新宁南京大学信息管理学院南京大学江苏省数据工程与知识服务重点实验室南京大学计算机软件新技术国家重点实验室

奇异值分解是矩阵分析中常用的分解技术,在高维数据的降维、去噪方面有着广泛的应用。本文将矩阵的奇异值分解技术应用到领域专利术语的层次关系解析中,其核心思想是术语语义空间的深度转换,旨在用某种潜在特征代替文档作为属性来表示... 详细信息

奇异值分解是矩阵分析中常用的分解技术,在高维数据的降维、去噪方面有着广泛的应用。本文将矩阵的奇异值分解技术应用到领域专利术语的层次关系解析中,其核心思想是术语语义空间的深度转换,旨在用某种潜在特征代替文档作为属性来表示术语。具体研究包括,基于位置加权的原始术语-文档语义空间的构建方法、基于奇异值分解的术语特征抽取方法、基于术语-特征语义空间的术语层次关系解析方法。本文对论述的理论方法进行了实证研究,证实了该方法的可行性和有效性,并在此基础上实现较大规模的钢铁冶金领域专利术语层次关系解析,将解析结果纳入到本体学习理论体系中,实现该领域专利术语的知识本体化与可视化。

关键词：术语语义空间转换矩阵奇异值分解术语特征抽取术语层次关系本体学习

来源：评论

学校读者我要写书评

暂无评论

一种基于贝叶斯后验的异常值在线检测及置信度评估算法

引用

中国科学技术大学学报 2017年第8期47卷 644-652页

作者：孙栓柱宋蓓李春岩王皓江苏方天电力技术有限公司江苏南京211102 南京大学计算机软件新技术国家重点实验室江苏南京210023

为识别一类更新速度快、变化趋势平缓、缺少人工类标的大数据量工业时间序列中所存在的异常值,提出了一种以贝叶斯后验为基础的异常值在线检测及置信度评估算法.算法将预测检测和假设检验相结合,首先建立时间序列自回归模型,然后对预测... 详细信息

为识别一类更新速度快、变化趋势平缓、缺少人工类标的大数据量工业时间序列中所存在的异常值,提出了一种以贝叶斯后验为基础的异常值在线检测及置信度评估算法.算法将预测检测和假设检验相结合,首先建立时间序列自回归模型,然后对预测残差作基于贝叶斯原理的后验检验,用后验概率对数比确定序列中的异常值.为减少识别过程中的误判,在检测完成后,利用自组织映射神经网络计算状态转移概率,进一步对已标记的异常值进行置信度评估.通过定期更新模型,算法各参数能动态保持与数据变化规律同步,提高了检测的准确率.实验结果表明,该算法能够对时间序列异常值准确快速地进行在线检测,同时给出可靠的置信度评估,具有较高的实用价值.

关键词：时间序列异常检测贝叶斯后验置信度评估

来源：评论

学校读者我要写书评

暂无评论

众包众筹视角下的高等工程教育产教融合模式研究

引用

吉林工程技术师范学院学报 2018年第9期34卷 59-61页

作者：乔大雷鲍建成戴立坤江苏海事学院信息工程学院江苏南京211170 南京大学计算机软件新技术国家重点实验室江苏南京210023

产教融合是高等工程教育的本质特色,也是当前国家产业转型升级背景下工程教育发展的必由之路。本文基于众包、众筹技术,以全新的视角探索现代工程教育中产教融合模式构建及创新实践,调动行业产业、教师、学生三方主体参与产教融合的积极... 详细信息

产教融合是高等工程教育的本质特色,也是当前国家产业转型升级背景下工程教育发展的必由之路。本文基于众包、众筹技术,以全新的视角探索现代工程教育中产教融合模式构建及创新实践,调动行业产业、教师、学生三方主体参与产教融合的积极性;实现产教融合机制创新,共建学生能力培养、教师成长以及企业发展的校企共赢式发展平台;落脚于学生能力的培养,使学生不出校门就能接触到真实的产业技术,实现学校培养与产业需求的"零距离"。

关键词：众包众筹高等工程教育产教融合协同育人

来源：评论

学校读者我要写书评

暂无评论

基于单深度帧内模式的3D-HEVC深度视频信息隐藏算法

引用

光电子．激光 2017年第8期28卷 893-901页

作者：王静郁梅蒋刚毅骆挺高巍宁波大学信息科学与工程学院浙江宁波315211 南京大学计算机软件新技术国家重点实验室江苏南京210093

针对三维(3D)视频系统中深度视频的安全问题,利用一种全新的信息嵌入载体,提出一种基于单深度帧内模式(single depth intra mode)的3D高效视频编码(3D-HEVC)深度视频信息隐藏算法。首先,对采用单深度帧内模式编码的编码单元(CU)根据相... 详细信息

针对三维(3D)视频系统中深度视频的安全问题,利用一种全新的信息嵌入载体,提出一种基于单深度帧内模式(single depth intra mode)的3D高效视频编码(3D-HEVC)深度视频信息隐藏算法。首先,对采用单深度帧内模式编码的编码单元(CU)根据相邻块重建像素构建像素候选列表,并比较候选列表中的两个像素值;然后,为增加算法的安全性、保证视频的质量,在像素值相等和不相等的情况下分别根据密钥和后续块的预测模式范围选择嵌入块;最后,根据隐秘信息对嵌入块候选列表所选像素的索引值进行LSB调制。实验结果表明,本文算法平均每帧嵌入容量为244bit,编码重建深度视频绘制视点质量的峰值信噪比(PSNR)值和结构相似度(SSIM)值仅分别平均下降1.41×10-3 dB和6×10-6,码率平均增长0.12%,可见本文算法对3D视频的主观感知质量及码率影响很小。

关键词：信息隐藏深度视频编码三维高效视频编码(3D-HEVC) 单深度帧内模式

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：