检索结果-内蒙古大学图书馆

计算机辅助设计与图形学学报 2025年

作者：马天翟洁晨魏晓媛冷應庆李远成西安科技大学计算机科学与技术学院

针对基于深度学习的牙颌分割方法泛化能力欠佳，且难以分割各种极端畸形牙颌等问题，提出一种基于半监督学习的双流多层次畸形牙颌模型语义分割方法.首先针对畸形牙颌在牙龈区域的大量褶皱，改进网格谱聚类算法，通过凝聚网格层次聚类... 详细信息

针对基于深度学习的牙颌分割方法泛化能力欠佳，且难以分割各种极端畸形牙颌等问题，提出一种基于半监督学习的双流多层次畸形牙颌模型语义分割方法.首先针对畸形牙颌在牙龈区域的大量褶皱，改进网格谱聚类算法，通过凝聚网格层次聚类算法生成自监督信号;然后提取邻域特征增强牙颌关键信息，通过多层次残差块设计局部特征处理流，以细化牙颌局部边界，并联结多尺度偏置注意力形成全局特征提取流，以识别畸形牙齿语义信息;最后融合双流特征进行牙颌分割.实验结果表明，在40%标注数据的前提下，所提方法较代表性的半监督方法在准确率上提升了9.29个百分点在计算量上降低了91.49%，接近性能较优的全监督方法的分割精度和效率，可更好地满足虚拟正畸系统的智能化发展需求.

关键词：虚拟正畸牙颌模型分割自监督信号半监督学习

来源：评论

学校读者我要写书评

暂无评论

几何迭代逼近算法的权重选取方法

引用

计算机辅助设计与图形学学报 2025年

作者：宋秋阳孟文龙伯彭波哈尔滨工业大学(威海)计算机科学与技术学院

几何迭代法通过构造数据点到逼近曲线（曲面）上对应点的误差向量迭代修正曲线（曲面）实现对数据点的逼近.针对几何迭代法中影响收敛性和收敛速率的误差向量的权重选取问题，以局部逼近几何迭代法为例，提出渐进迭代过程中权重的3类... 详细信息

几何迭代法通过构造数据点到逼近曲线（曲面）上对应点的误差向量迭代修正曲线（曲面）实现对数据点的逼近.针对几何迭代法中影响收敛性和收敛速率的误差向量的权重选取问题，以局部逼近几何迭代法为例，提出渐进迭代过程中权重的3类选取方法. 首先分析满足算法收敛条件的权重取值范围，然后根据理论最快下降速率、矩阵特征值的范数不等式和自由变形（free-form deformation， FFD）方法提出了不同的权重计算策略. 此外，为提升计算效率，提出利用初始化配置矩阵固定权重的方法. 最后，通过含不同数量数据点和控制点的曲线及曲面逼近实例，评估权重策略的性能. 实验结果表明，在相同迭代次数下，曲线逼近中理论最快下降速率和L1范数/ L∞范数下的权重平均误差更小，曲面逼近中FFD方法下的权重平均误差更小，均表现出更快的收敛速率; 在相同误差下，固定权重耗时更少，计算效率显著提高.

关键词：几何迭代法曲线和曲面逼近渐进迭代逼近加权算法

来源：评论

学校读者我要写书评

暂无评论

图联邦学习:问题、方法与挑战

引用

计算机科学 2025年第1期52卷 362-373页

作者：王鑫熊书博孙凌云浙江工业大学计算机科学与技术学院杭州310023 浙江大学计算机科学与技术学院杭州310058

图作为一种高效、灵活、通用的数据结构,在多个学科领域得到了广泛应用。近年来,基于图的深度学习算法不断涌现,并在社交网络、生物信息学、推荐系统等领域取得显著成效。尽管公开的图数据量在增加,但高质量的数据往往分散在不同的数据... 详细信息

图作为一种高效、灵活、通用的数据结构,在多个学科领域得到了广泛应用。近年来,基于图的深度学习算法不断涌现,并在社交网络、生物信息学、推荐系统等领域取得显著成效。尽管公开的图数据量在增加,但高质量的数据往往分散在不同的数据所有者手中。随着社会对数据隐私保护要求的提高,现有的图学习算法面临着许多挑战。图联邦学习作为一种有效的解决方案应运而生。文中系统回顾了图联邦学习领域近五年的研究进展,将该领域的核心问题划分为3个部分,并在结构上进行了垂直整合,在关系上进行了递进阐述,包括:1)原始图数据差异导致的结构异构性;2)图联邦特性导致的模型聚合问题;3)模型整体调优方面的挑战。针对每个问题,详细分析了代表性工作及其优缺点,并总结了图联邦学习领域的典型应用和未来挑战。

关键词：联邦学习图神经网络图联邦学习隐私计算

来源：评论

学校读者我要写书评

暂无评论

开放词汇目标检测方法综述

引用

山东大学学报(工学版) 2025年第1期55卷 1-14页

作者：聂秀山赵润虎宁阳刘新锋山东建筑大学计算机科学与技术学院山东济南250101

目标检测方法针对特定场景进行训练,需要识别的物体都要人工标注,检测器只能识别被标注的物体。随着目标检测应用场景逐渐增加,特定场景下训练的目标检测器不能满足多样化场景需求,目标检测方法的泛化性能成为研究者关注热点。不同场景... 详细信息

目标检测方法针对特定场景进行训练,需要识别的物体都要人工标注,检测器只能识别被标注的物体。随着目标检测应用场景逐渐增加,特定场景下训练的目标检测器不能满足多样化场景需求,目标检测方法的泛化性能成为研究者关注热点。不同场景中存在同一物体标签不一致,不同物体特征差异较大等问题,导致在特定场景下训练目标检测器无法泛化到其他场景。针对上述挑战,研究者提出面向开放词汇目标检测方法,利用大量图像-词汇知识将目标检测器从特定场景扩展到开放场景。检测器扩展到开放场景通常有两种方式,即基于大规模图像标题数据方法和基于预训练视觉语言模型方法。基于图像标题数据方法通常需要从大量数据中提取与物体相对应的词汇知识注入检测器,基于视觉语言模型方法则直接利用预训练的知识扩展检测器。开放词汇目标检测模型无需重新训练即可应用在不同场景,更加实用有效。

关键词：开放词汇开放世界零样本学习开放场景目标检测视觉语言模型

来源：评论

学校读者我要写书评

暂无评论

基于变分量子电路的量子机器学习算法综述

引用

计算机研究与发展 2025年第4期62卷 821-851页

作者：于瑞祺张鑫云任爽北京交通大学计算机科学与技术学院北京100044

随着数据规模的增加,机器学习的重要性与影响力随之增大.借助量子力学的原理能够实现量子计算,结合量子计算和机器学习形成的量子机器学习算法对经典机器学习算法理论上能够产生指数级的加速优势.部分经典算法的量子版本已经被提出,有... 详细信息

随着数据规模的增加,机器学习的重要性与影响力随之增大.借助量子力学的原理能够实现量子计算,结合量子计算和机器学习形成的量子机器学习算法对经典机器学习算法理论上能够产生指数级的加速优势.部分经典算法的量子版本已经被提出,有望解决使用经典计算机难以解决的问题.当前受量子计算硬件所限,可操控的量子比特数目和噪声等因素制约着量子计算机的发展.短期内量子计算硬件难以达到通用量子计算机需要的程度,当前研究重点是获得能够在中等规模含噪声量子(noisy intermediatescale quantum,NISQ)计算设备上运行的算法.变分量子算法是一种混合量子-经典算法,适合应用于当前量子计算设备,是量子机器学习领域的研究热点之一.变分量子电路是一种参数化量子电路,变分量子算法利用其完成量子机器学习任务.变分量子电路也被称为拟设或量子神经网络.变分量子算法框架主要由5个步骤组成:1)根据任务设计损失函数和量子电路结构;2)将经典数据预处理后编码到量子态上,量子数据可以省略编码;3)计算损失函数;4)测量和后处理;5)优化器优化参数.在此背景下,综述了量子计算基础理论与变分量子算法的基础框架,详细介绍了变分量子算法在量子机器学习领域的应用及进展,分别对量子有监督学习、量子无监督学习、量子半监督学习、量子强化学习以及量子电路结构搜索相关模型进行了介绍与对比,对相关数据集及相关模拟平台进行了简要介绍和汇总,最后提出了基于变分量子电路量子机器学习算法所面临的挑战及今后的研究趋势.

关键词：量子计算量子机器学习变分量子算法量子神经网络量子深度学习量子强化学习

来源：评论

学校读者我要写书评

暂无评论

基座模型技术背景下的具身智能体综述

引用

浙江大学学报(工学版) 2025年第2期59卷 213-226,268页

作者：李颂元朱祥维李玺中山大学电子与通信工程学院广东深圳518107 浙江大学计算机科学与技术学院浙江杭州310058

近年来,虽然自然语言处理、计算机视觉、多模态学习等领域的基座模型取得了突破性的进展,展现出了通用人工智能的潜力,但它们在因果推理和物理常识理解方面的表现远不及人类或动物.这是因为这些模型主要依赖于大量的数据和计算能力,缺... 详细信息

近年来,虽然自然语言处理、计算机视觉、多模态学习等领域的基座模型取得了突破性的进展,展现出了通用人工智能的潜力,但它们在因果推理和物理常识理解方面的表现远不及人类或动物.这是因为这些模型主要依赖于大量的数据和计算能力,缺乏与现实世界的直接互动和经验积累.许多研究者开始质疑,单纯通过增加模型规模是否足以克服这些根本性的问题.这促使学界重新审视智能的本质,认为智能不仅是计算能力的提升,更是源于与环境的互动.具身智能正逐渐受到人工智能领域的关注,因为它强调智能体通过与物理世界的直接互动,学习和适应环境,展现出更接近生物智能的特性.结合基座模型的技术背景,对具身人工智能进行全面的调研.讨论当前具身智能体背后的技术思想、测试基准及应用.对未来具身人工智能的趋势和挑战进行前瞻性的分析.

关键词：具身智能多模态学习基座模型强化学习

来源：评论

学校读者我要写书评

暂无评论

基于双端联合学习的多视图聚类

引用

计算机研究与发展 2025年

作者：杜亮李晓东陈艳周芃钱宇华山西大学计算机与信息技术学院太原理工大学计算机科学与技术学院安徽大学计算机科学与技术学院山西大学大数据科学与产业研究院

多锚点图作为解决大规模多视图聚类问题的关键方法受到了广泛关注.然而，现有的多锚点图聚类方法在应对这一挑战时都面临多个问题.其中，一致性锚点图学习方法难以处理锚点图不对齐问题，并且过度依赖一致性图，限制了其聚类结果的准确... 详细信息

多锚点图作为解决大规模多视图聚类问题的关键方法受到了广泛关注.然而，现有的多锚点图聚类方法在应对这一挑战时都面临多个问题.其中，一致性锚点图学习方法难以处理锚点图不对齐问题，并且过度依赖一致性图，限制了其聚类结果的准确性和可靠性；锚点图集成聚类方法则是在基聚类器的生成与融合过程中割裂了不同锚点图之间的联系，影响了其聚类效果的有效性和稳定性.为解决这些问题，提出了一种基于双端联合学习的新型多视图聚类方法.该方法充分考虑了多锚点图信息和锚点端聚类对样本端聚类的联合作用，实现了锚点端聚类和样本端聚类同步进行，并通过对多锚点图信息的综合实现了样本端聚类与多个锚点端聚类的集成对齐.与现有方法不同，该方法无需直接学习一致性锚点图，可以处理任意类型的锚点不对齐问题，并且规避了图学习与图划分分步处理对聚类性能的不利影响.此外，其在一个完整的优化框架中同时利用多个锚点图进行锚点端聚类和样本端聚类，有效解决了基聚类器生成阶段无法利用除自身外的其他锚点图和集成阶段无法充分利用所有锚点图的问题.实验结果表明，所提出的方法在聚类性能和时间消耗方面均优于多个对比方法，有效增强了多视图数据的聚类性能.所提出方法以及所采用对比方法的相关代码附在：http://***/lxd1204/DLMC.

关键词：多视图聚类锚点端样本端对齐集成

来源：评论

学校读者我要写书评

暂无评论

基于图卷积自编码器的多视图属性网络异常检测算法

引用

中国科学:信息科学 2025年第2期55卷 269-283页

作者：李贺彭以冲张万园马小科崔江涛黄健斌西安电子科技大学计算机科学与技术学院西安710126

属性网络上的异常检测已经在垃圾邮件检测、金融欺诈检测和网络安全中的入侵检测等领域得到了广泛应用.然而,现有的研究大多将属性网络中不同类别的数据等同对待,无法精准检测出多类别的节点异常.为了解决这个问题,本文提出了一个基于... 详细信息

属性网络上的异常检测已经在垃圾邮件检测、金融欺诈检测和网络安全中的入侵检测等领域得到了广泛应用.然而,现有的研究大多将属性网络中不同类别的数据等同对待,无法精准检测出多类别的节点异常.为了解决这个问题,本文提出了一个基于图卷积自编码器的多视图属性网络异常检测框架AMEAN(anomaly detection on multi-view attribute networks).具体来说,AMEAN首先根据节点分类拆分多视图,再利用属性网络中丰富的语义信息,使用图卷积网络对每个视图进行处理.由于图卷积运算的低通特性过滤了大部分异常信号(高频信号),AMEAN还引入了自编码器模块.异常程度越大的节点,经过图卷积自编码器的重构误差越大.通过图卷积和自编码器的这种协同作用,AMEAN可以从结构和属性两个角度来衡量不同类别节点的异常程度.在合成数据集和真实世界数据集上的实验结果表明,AMEAN优于现有的模型,能精准检测出属性网络中的多类别异常节点.

关键词：多视图属性网络异常检测图卷积网络自编码器

来源：评论

学校读者我要写书评

暂无评论

OpenPerf:面向开源生态可持续发展的数据科学基准测试体系

引用

计算机学报 2025年第3期48卷 632-649页

作者：韩凡宇毕枫林张琰彬李晖游兰王伟钱卫宁周傲英华东师范大学数据科学与工程学院上海200062 贵州大学计算机科学与技术学院贵阳550025 湖北大学计算机与信息工程学院武汉430062

基准测试是指通过设计科学的测试方法、测试工具和测试系统,实现对一类测试对象的某项性能指标进行定量的和可对比的测试。随着人工智能时代的到来,诸如ImageNet、DataPerf等这类新型的AI基准测试数据集逐步成为学术界和工业界的共识性... 详细信息

基准测试是指通过设计科学的测试方法、测试工具和测试系统,实现对一类测试对象的某项性能指标进行定量的和可对比的测试。随着人工智能时代的到来,诸如ImageNet、DataPerf等这类新型的AI基准测试数据集逐步成为学术界和工业界的共识性标准。当前,关于开源生态的研究大多基于某一项具体的研究点展开分析而缺少对开源生态基准体系的构建,一个开源项目处于怎样的发展位置、企业开源程序办公能力处于行业什么位置、开发者活跃度、项目影响力等基础数据与评价,都是数据使用方迫切需要的开源领域知识。为了解决开源领域“有数据无基准”的局面,本文提出一种面向开源生态可持续发展的数据科学基准测试体系(OpenPerf)。该体系自下而上主要包含数据科学任务类基准、指数类基准以及标杆类基准,旨在为学术界、工业界提供不同的基准参考。本文定义了9个数据科学任务类基准,给出了3项典型的数据科学任务类基准测试结果、2项指数类基准以及1项标杆类基准,其中2项指数类基准被中国电子技术标准化研究院作为开源社区治理的评估标准。数据科学任务类基准主要应用于学术界,为不同研究方向的研究者提供自己擅长的研究领域的基准。指数类基准主要面向企业界,企业界可以通过影响力和活跃度等基准数据了解当前企业开源程序办公能力所处的行业位置以及旗下开源项目所处的发展位置。标杆类基准是一种可测量的业界最佳水平的成绩,用来比较参考尺度。最后,通过3个应用在阿里、蚂蚁以及华东师范大学等国内知名公司和高校的实际案例验证了OpenPerf在推动开源生态可持续发展中所起到的关键作用。

关键词：基准测试开源生态可持续发展基准任务应用案例

来源：评论

学校读者我要写书评

暂无评论

面向大规模图像检索的哈希学习综述

引用

软件学报 2025年第1期36卷 79-106页

作者：张雪凝刘兴波宋井宽聂秀山王少华尹义龙山东大学软件学院山东济南250101 山东建筑大学计算机科学与技术学院山东济南250101 电子科技大学计算机科学与工程学院四川成都611731

随着互联网空间中图像数据的爆发式增长和图像应用领域的拓宽,大规模图像检索的需求与日俱增.哈希学习为大规模图像检索提供显著的存储与检索效率,并成为近年来一个研究热点.现有哈希学习综述存在着时效性弱与技术路线不清晰的问题,即... 详细信息

随着互联网空间中图像数据的爆发式增长和图像应用领域的拓宽,大规模图像检索的需求与日俱增.哈希学习为大规模图像检索提供显著的存储与检索效率,并成为近年来一个研究热点.现有哈希学习综述存在着时效性弱与技术路线不清晰的问题,即多总结5–10年前的研究成果,且较少总结哈希学习算法各组成部分间的关联关系.鉴于此,通过总结近20年公开发表的哈希学习文献,对面向大规模图像检索的哈希学习进行系统的综述性研究.首先,介绍哈希学习的技术路线和哈希学习算法的主要组成部分,包括损失函数、优化策略及样本外扩展映射.其次,将面向图像检索的哈希学习算法分为无监督哈希方法和监督哈希方法两类,并分别梳理每类方法的研究现状和演化过程.然后,介绍哈希学习算法评估通用的图像数据集与评估指标,并通过对比实验分析部分经典算法的性能.最后,结合哈希学习的局限性与新挑战对其发展前景进行阶段性总结与展望.

关键词：图像检索大规模数据近似最近邻检索哈希学习相似性保持

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：