检索结果-内蒙古大学图书馆

电子学报 2014年第9期42卷 1863-1867页

作者：赵宏伟李清亮刘萍萍吉林大学计算机科学与技术学院吉林长春130012 符号计算与知识工程教育部重点实验室吉林长春130012

传统的Bag of Words模型检索方法并不具备局部特征间的空间关系,因此影响检索性能.本文提出了基于分级显著信息的空间编码方法.通过分层次的提取显著区域并对每个显著区域内的特征点进行空间编码.目的是探索特征间的空间关系,并根据分... 详细信息

传统的Bag of Words模型检索方法并不具备局部特征间的空间关系,因此影响检索性能.本文提出了基于分级显著信息的空间编码方法.通过分层次的提取显著区域并对每个显著区域内的特征点进行空间编码.目的是探索特征间的空间关系,并根据分级显著信息提高特征间的相关性.在几何验证过程中,本文通过任意三点间的角度编码和位移编码构成的空间编码方法完成图像对之间的空间关系匹配,同时根据图像各个区域间的显著程度赋予该区域空间关系匹配得分相应权重,得到最终的几何得分,重新排列检索结果.实验结果表明本文提出的方法既改善了最终检索结果的精确度又降低了几何验证阶段的计算时间.

关键词：图像检索 Bag of Words模型分级显著性信息几何角度编码几何位移编码

来源：评论

学校读者我要写书评

暂无评论

一种新的基于值函数迁移的快速Sarsa算法

引用

电子学报 2014年第11期42卷 2157-2161页

作者：傅启明刘全尤树华黄蔚章晓芳苏州大学计算机科学与技术学院江苏苏州215006 吉林大学符号计算与知识工程教育部重点实验室吉林长春130012

知识迁移是当前机器学习领域的一个新的研究热点.其基本思想是通过将经验知识从历史任务到目标任务的迁移,达到提高算法收敛速度和收敛精度的目的.针对当前强化学习领域中经典算法收敛速度慢的问题,提出在学习过程中通过迁移值函数信息... 详细信息

知识迁移是当前机器学习领域的一个新的研究热点.其基本思想是通过将经验知识从历史任务到目标任务的迁移,达到提高算法收敛速度和收敛精度的目的.针对当前强化学习领域中经典算法收敛速度慢的问题,提出在学习过程中通过迁移值函数信息,减少算法收敛所需要的样本数量,加快算法的收敛速度.基于强化学习中经典的在策略Sarsa算法的学习框架,结合值函数迁移方法,优化算法初始值函数的设置,提出一种新的基于值函数迁移的快速Sarsa算法——VFT-Sarsa.该算法在执行前期,通过引入自模拟度量方法,在状态空间以及动作空间一致的情况下,对目标任务中的状态与历史任务中的状态之间的距离进行度量,对其中相似并满足一定条件的状态进行值函数迁移,而后再通过学习算法进行学习.将VTF-Sarsa算法用于Random Walk问题,并与经典的Sarsa算法、Q学习算法以及具有较好收敛速度的QV算法进行比较,实验结果表明,该算法在保证收敛精度的基础上,具有更快的收敛速度.

关键词：强化学习 VFT-Sarsa算法自模拟度量值函数迁移

来源：评论

学校读者我要写书评

暂无评论

考虑层数信息的XML文档聚类方法

引用

吉林大学学报（工学版） 2014年第1期44卷 124-128页

作者：刘兆军赵浩宇王婧李雄飞李巍符号计算与知识工程教育部重点实验室长春130012 吉林大学计算机科学与技术学院长春130012 吉林大学软件学院长春130012

提出了一种层数敏感的XML文档数据集聚类方法CXLI。首先提出结构表概念,消除XML文档的重复和嵌套结构。然后提出考虑层数信息的XML文档基本编辑操作约束。进一步给出考虑层数信息的XML文档间相似性度量方法。最后使用凝聚型层次聚类方法... 详细信息

提出了一种层数敏感的XML文档数据集聚类方法CXLI。首先提出结构表概念,消除XML文档的重复和嵌套结构。然后提出考虑层数信息的XML文档基本编辑操作约束。进一步给出考虑层数信息的XML文档间相似性度量方法。最后使用凝聚型层次聚类方法对XML文档数据集进行聚类。在ACM SIGMOD数据集和人工生成的数据集上进行了实验验证,结果表明:在计算时间基本相同的情况下,CXLI方法具有更好的精确度。

关键词：人工智能数据挖掘可扩展标记语言相似性度量聚类层数

来源：评论

学校读者我要写书评

暂无评论

融合图像质量评价指标的相关性分析及性能评估

引用

自动化学报 2014年第2期40卷 306-315页

作者：张小利李雄飞李军吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 长春理工大学应用数学系长春130022

图像融合质量评价指标研究旨在提供一种高效、准确的方法,为融合模型选择、参数优化等问题提供支持.本文通过对现有指标的机理分析、指标性能检验与指标间相关性分析,提出一种客观评价指标集的遴选策略.本文首先将现有客观评价指标归为... 详细信息

图像融合质量评价指标研究旨在提供一种高效、准确的方法,为融合模型选择、参数优化等问题提供支持.本文通过对现有指标的机理分析、指标性能检验与指标间相关性分析,提出一种客观评价指标集的遴选策略.本文首先将现有客观评价指标归为三类:基于统计的、基于信息的和基于人类视觉系统的;之后列举了类别内经典指标和最新指标;并在标准数据集上,使用正确排序指标对各图像融合客观评价指标的性能进行验证.结果表明,基于视觉系统类的指标性能普遍优于前两类.最后,利用Spearman相关系数挖掘各指标间的相关程度.实验表明,通过指标性能和相关系数可以选取合适的客观评价指标集.

关键词：图像融合客观指标性能分析相关性分析

来源：评论

学校读者我要写书评

暂无评论

三个简单区域间的拓扑关系的推理及应用模型

引用

电子学报 2014年第1期42卷 125-129页

作者：李健欧阳继红廖梦兰吉林农业大学信息技术学院吉林长春130118 吉林大学计算科学与技术学院吉林长春130012 吉林大学教育部符号计算与知识工程重点实验室吉林长春130012

本文通过将经典4-交集模型扩展得到8-交集体模型,对三个简单区域间的关系进行表示,并具体得到了三个简单区域间实际存在的109种拓扑关系图.通过对三个简单区域间的109种拓扑关系进行研究,建立了拓扑关系的推理系统,给出了拓扑关系复合表... 详细信息

本文通过将经典4-交集模型扩展得到8-交集体模型,对三个简单区域间的关系进行表示,并具体得到了三个简单区域间实际存在的109种拓扑关系图.通过对三个简单区域间的109种拓扑关系进行研究,建立了拓扑关系的推理系统,给出了拓扑关系复合表,进而给出了109种拓扑关系的概念邻域图.本文所建立的拓扑关系模型,可用于对机器人与两个指定障碍物间的拓扑关系进行定性模拟,对制定机器人的避障机制具有一定的指导意义.

关键词：定性空间推理三个简单区域机器人避障

来源：评论

学校读者我要写书评

暂无评论

基于视觉词典法的母牛产前行为识别

引用

农业机械学报 2014年第1期45卷 266-274页

作者：温长吉王生生赵昕王忞马丽刘依婷吉林农业大学信息技术学院长春130118 吉林大学符号计算与知识工程教育部重点实验室长春130012 陶森大学计算机与信息科学系马里兰21252

母牛活动方式及规律的信息获取是特定阶段进行必要人工干预的重要判据之一,针对已有通过外置传感器获取信息手段的局限性,提出一种改进时空局部二值模式用于特征描述,构建视觉词典实现对视频中母牛基本行为的识别,并最终通过统计产前特... 详细信息

母牛活动方式及规律的信息获取是特定阶段进行必要人工干预的重要判据之一,针对已有通过外置传感器获取信息手段的局限性,提出一种改进时空局部二值模式用于特征描述,构建视觉词典实现对视频中母牛基本行为的识别,并最终通过统计产前特定基本行为发生频次来揭示临产期规律。试验表明所提方法对90组规定视角下母牛产前行走、侧卧和回望等典型行为的平均正确识别率约为94.6%;对30组水平随机视角下拍摄的上述3种行为平均正确识别率约为88.3%。通过采集母牛临产期分娩前后约13 h的视频,提出的算法识别母牛平均执行回望和侧卧的频次依次为30次和21.2次,行为发生频次体现为前低后高,在分娩前回望频次达到峰值8.8次,侧卧频次明显减低为2.2次。试验结果证明,视觉词典法能实现对母牛产期行为的识别与规律的量化描述。

关键词：母牛产前行为视觉词典法改进局部二值模式时空兴趣点

来源：评论

学校读者我要写书评

暂无评论

基于具有自适应与自学习能力的粒子群优化算法的车间调度算法

引用

吉林大学学报（理学版） 2014年第1期52卷 93-97页

作者：叶寒锋李占山陈超吉林大学符号计算与知识工程教育部重点实验室计算机科学与技术学院长春130012

针对车间调度问题,提出一种新的基于粒子群优化和模拟退火的混合算法.该算法将问题规模作为启发式信息,通过对模拟退火算法引入新的邻域搜索机制——多粒度搜索,并加入选择优化和淘汰更新机制,提高了算法的自适应性和自学习能力,降低了... 详细信息

针对车间调度问题,提出一种新的基于粒子群优化和模拟退火的混合算法.该算法将问题规模作为启发式信息,通过对模拟退火算法引入新的邻域搜索机制——多粒度搜索,并加入选择优化和淘汰更新机制,提高了算法的自适应性和自学习能力,降低了粒子群算法陷入局部最优的可能性.实验结果表明,该算法在最优解的求解能力上优于其他算法.

关键词：车间调度粒子群优化自适应自学习

来源：评论

学校读者我要写书评

暂无评论

Distant Supervision方法中对齐数据的聚类去噪

引用

吉林大学学报（理学版） 2014年第2期52卷 280-284页

作者：朱兆龙欧阳丹彤叶育鑫吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室长春130012

基于聚类和寻找表达语义关系的句子模式,提出一种基于聚类去噪的distant supervision方法,解决了传统distant supervision方法在知识库和文本集对齐阶段会引入噪声数据的问题,得到了一种改进的distant supervision方法.实验结果表明,该... 详细信息

基于聚类和寻找表达语义关系的句子模式,提出一种基于聚类去噪的distant supervision方法,解决了传统distant supervision方法在知识库和文本集对齐阶段会引入噪声数据的问题,得到了一种改进的distant supervision方法.实验结果表明,该方法可有效提高关系抽取任务的准确率.

关键词：关系抽取聚类 distant supervision方法去噪

来源：评论

学校读者我要写书评

暂无评论

关系抽取中基于本体的远监督样本扩充

引用

软件学报 2014年第9期25卷 2088-2101页

作者：欧阳丹彤瞿剑峰叶育鑫吉林大学计算机科学与技术学院吉林长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012 吉林大学国家地球物理探测仪器工程技术研究中心吉林长春130026

远监督学习是适合大数据下关系抽取任务的一种学习算法.它通过对齐知识库中的关系实例和文本集中的自然语句,为学习算法提供大规模样本数据.利用本体进行关系实例的自动扩充,用于解决基于远监督学习的关系抽取任务中部分待抽取关系的实... 详细信息

远监督学习是适合大数据下关系抽取任务的一种学习算法.它通过对齐知识库中的关系实例和文本集中的自然语句,为学习算法提供大规模样本数据.利用本体进行关系实例的自动扩充,用于解决基于远监督学习的关系抽取任务中部分待抽取关系的实例匮乏问题.该方法首先通过定义关系覆盖率和公理容积率,来寻找与关系抽取任务关联性大的本体;然后,借助本体推理中的实例查询增加待抽取关系下的关系实例;最后,通过对齐新增关系实例和文本集中的自然语句,达到扩充样本的效果.实验结果表明:基于本体的远监督学习样本扩充方法能够有效完成样本匮乏的关系抽取任务,进一步提升远监督学习方法在大数据环境下的关系抽取能力.

关键词：远监督关系抽取本体

来源：评论

学校读者我要写书评

暂无评论

基于模型诊断的本体调试局部定位

引用

吉林大学学报（工学版） 2014年第6期44卷 1757-1763页

作者：欧阳丹彤苏静叶育鑫崔仙姬吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学国家地球物理探测仪器工程技术研究中心长春130026

将模型诊断引入到本体调试的局部定位,在定义公理的部件术语集的基础上给出不可满足概念的MUCS,实现在本体术语集的局部调试。利用MUCS将不可满足概念的逻辑错误定位至公理内部,MUCS调试与现有的本体调试是相互独立的。调用外部DL推理... 详细信息

将模型诊断引入到本体调试的局部定位,在定义公理的部件术语集的基础上给出不可满足概念的MUCS,实现在本体术语集的局部调试。利用MUCS将不可满足概念的逻辑错误定位至公理内部,MUCS调试与现有的本体调试是相互独立的。调用外部DL推理机计算不可满足概念的一个MUCS,并结合宽度优先原则和Reiter碰集树算法得到所有MUCS。最后利用现实本体对本文算法进行测试,实验结果表明:与传统的MUPS本体调试方法相比,MUCS调试方法能够将逻辑冲突定位到局部位置,准确有效地完成本体调试任务。

关键词：本体调试定位最小不可满足保持子术语集极小不一致保持子集

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：