检索结果-内蒙古大学图书馆

自动化学报 2021年第7期47卷 1679-1688页

作者：何斌刘全张琳琳时圣苗陈红名闫岩苏州大学计算机科学与技术学院苏州215006 苏州大学江苏省计算机信息处理技术重点实验室苏州215006 吉林大学符号计算与知识工程教育部重点实验室长春130012 软件新技术与产业化协同创新中心南京210000

时间差分算法(Temporal difference methods,TD)是一类模型无关的强化学习算法.该算法拥有较低的方差和可以在线(On-line)学习的优点,得到了广泛的应用.但对于一种给定的TD算法,往往只能通过调整步长参数或其他超参数来加速收敛,这也就... 详细信息

时间差分算法(Temporal difference methods,TD)是一类模型无关的强化学习算法.该算法拥有较低的方差和可以在线(On-line)学习的优点,得到了广泛的应用.但对于一种给定的TD算法,往往只能通过调整步长参数或其他超参数来加速收敛,这也就造成了加速TD算法收敛的方法匮乏.针对此问题提出了一种利用蒙特卡洛算法(Monte Carlo methods,MC)来加速TD算法收敛的方法(Accelerate TD by MC,ATDMC).该方法不仅可以适用于绝大部分的TD算法,而且不需要改变在线学习的方式.为了证明方法的有效性,分别在同策略(On-policy)评估、异策略(Off-policy)评估和控制(Control)三个方面进行了实验.实验结果表明ATDMC方法可以有效地加速各类TD算法.

关键词：强化学习时间差分算法蒙特卡罗算法加速收敛

来源：评论

学校读者我要写书评

暂无评论

基于动态图拉普拉斯的多标签特征选择

引用

通信学报 2020年第12期41卷 47-59页

作者：李永豪胡亮张平高万夫吉林大学计算机科学与技术学院吉林长春130012 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 吉林大学化学学院吉林长春130012

针对基于图的多标签特征选择方法忽略图拉普拉斯矩阵的动态变化,且利用逻辑标签来指导特征选择过程而丢失标签信息等问题,提出了一种基于动态图拉普拉斯矩阵和实值标签的多标签特征选择方法。该方法利用特征矩阵的稳健低维空间构造动态... 详细信息

针对基于图的多标签特征选择方法忽略图拉普拉斯矩阵的动态变化,且利用逻辑标签来指导特征选择过程而丢失标签信息等问题,提出了一种基于动态图拉普拉斯矩阵和实值标签的多标签特征选择方法。该方法利用特征矩阵的稳健低维空间构造动态图拉普拉斯矩阵,并利用该稳健低维空间作为实值标签空间,进一步使用流形约束和非负约束将逻辑标签转化为实值标签,以此来解决上述问题。所提方法与3种多标签特征选择方法在9个多标签基准数据集上进行了对比实验,实验结果表明,所提多标签特征选择方法可得到高质量的特征子集,并且能获得很好的分类表现。

关键词：多标签特征选择动态图拉普拉斯矩阵实值标签分类

来源：评论

学校读者我要写书评

暂无评论

一类多元Hermite型插值的离散化问题

引用

吉林大学学报（理学版） 2021年第5期59卷 1117-1123页

作者：姜雪崔凯沈阳师范大学数学与系统科学学院沈阳110034 吉林大学符号计算与知识工程教育部重点实验室长春130012

利用离散逼近算法理论,研究一类特殊的多元Hermite型插值的离散化问题,即将给定的Hermite型插值问题离散为一列Lagrange插值问题的极限.当Hermite型插值问题的插值条件对应一个二阶微分不变子空间时,利用其空间的结构属性,给出该问题在... 详细信息

利用离散逼近算法理论,研究一类特殊的多元Hermite型插值的离散化问题,即将给定的Hermite型插值问题离散为一列Lagrange插值问题的极限.当Hermite型插值问题的插值条件对应一个二阶微分不变子空间时,利用其空间的结构属性,给出该问题在离散逼近算法思想下可被离散的充要条件,该条件对应的非线性方程组规模较小,计算效率较高.

关键词：多元Hermite型插值 Lagrange插值离散化二阶微分不变子空间

来源：评论

学校读者我要写书评

暂无评论

基于高斯混合分布的群体体质评估模型

引用

吉林大学学报（工学版） 2020年第6期50卷 2204-2211页

作者：赵宏伟张宝亮张媛胡黄水臧雪柏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 吉林大学软件学院长春130012 长春工业大学计算机科学与工程学院长春130012

针对群体体质健康评估问题,基于高斯混合分布提出一种群体体质评估模型。首先,应用卷积神经网络无监督地从体育测试集中自动学习特征;然后,基于高斯混合分布建立群体体质三级评估模型;最后,将学到的特征输入评估模型得出群体体质评估结... 详细信息

针对群体体质健康评估问题,基于高斯混合分布提出一种群体体质评估模型。首先,应用卷积神经网络无监督地从体育测试集中自动学习特征;然后,基于高斯混合分布建立群体体质三级评估模型;最后,将学到的特征输入评估模型得出群体体质评估结果。将本文方法应用于某高校学生健康评估中,结果表明,本文方法能够有效提取体育测试集特征并提供群体体质健康状态评估标准,能够针对不同的指标给出量化的评价结果。与传统的对个体体质评估进行简单数理统计方法相比,该群体体质健康状态评估方法不受个体体质评估方法和结果的影响,为体质健康评估提供了新的思路和方法。

关键词：人工智能体质评估群体体质卷积神经网络高斯混合分布

来源：评论

学校读者我要写书评

暂无评论

大规模流数据处理中代价有效的弹性资源分配策略

引用

吉林大学学报（工学版） 2020年第5期50卷 1832-1843页

作者：李丽娜魏晓辉郝琳琳王兴旺王储吉林大学计算机科学与技术学院长春130012 长春大学计算机科学技术学院长春130022 吉林大学符号计算与知识工程教育部重点实验室长春130012

基于资源预留的思想并结合负载预测模型,以最小化应用的重配置代价和最大化资源利用率为目标,分别从启发式和智能化的角度设计主动式的弹性资源分配策略。两种策略均在流水线式处理模式下计算应用的延迟,且概率性地保证应用延迟性能的... 详细信息

基于资源预留的思想并结合负载预测模型,以最小化应用的重配置代价和最大化资源利用率为目标,分别从启发式和智能化的角度设计主动式的弹性资源分配策略。两种策略均在流水线式处理模式下计算应用的延迟,且概率性地保证应用延迟性能的约束。其中,启发式策略采用本地阈值方法进行资源分配;智能化策略基于强化学习技术自适应地分配资源。实验结果表明:与反应式策略相比,本文提出的主动资源分配策略具有较低的重配置代价和较高的资源利用率,且智能化策略的性能更优,尤其在突发负载变化相对稳定的情况下表现更好。

关键词：计算机系统结构流数据处理资源分配弹性调整强化学习

来源：评论

学校读者我要写书评

暂无评论

基于特征点和密度聚类的图像复制-粘贴篡改盲鉴别算法

引用

吉林大学学报（工学版） 2020年第3期50卷 1069-1076页

作者：陈海鹏曲正道杨茜雯张巍吕颖达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 吉林大学软件学院长春130012 吉林大学第二医院长春130022 吉林大学公共计算机教学与研究中心长春130012

针对数字图像复制-粘贴篡改盲鉴别方法存在的时间复杂度高、篡改定位不够精确等问题,提出了一种基于二进制描述符和密度聚类的数字图像复制-粘贴篡改的盲鉴别算法。该方法使用二进制描述符AKAZE提取特征点并描述特征,以降低特征计算的... 详细信息

针对数字图像复制-粘贴篡改盲鉴别方法存在的时间复杂度高、篡改定位不够精确等问题,提出了一种基于二进制描述符和密度聚类的数字图像复制-粘贴篡改的盲鉴别算法。该方法使用二进制描述符AKAZE提取特征点并描述特征,以降低特征计算的时间复杂度;使用基于密度的聚类算法DBSCAN去除错误匹配;最后通过仿射变换整幅图像对篡改区域进行定位。通过不同数据集上的实验结果表明:本文算法准确率最高可达到95%以上,误检率基本在10%以下,有效降低了时间复杂度,在可靠性和篡改定位准确率方面具有更优越的性能。

关键词：信息处理技术数字图像盲取证复制-粘贴篡改检测复制-粘贴篡改定位 AKAZE特征密度聚类

来源：评论

学校读者我要写书评

暂无评论

用于特征选择的改进二进制蝙蝠算法

引用

长春工业大学学报 2022年第2期43卷 128-136页

作者：李占山沈琳睿阮锟杨鑫凯吉林大学软件学院吉林长春130012 吉林大学计算机科学与技术学院吉林长春130012 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

二进制蝙蝠算法(BBA)是模仿蝙蝠狩猎行为的一种启发式特征选择算法,具有收敛快、模型简单、鲁棒性好的特点。但算法容易出现停滞问题,易陷入局部最优。为此,文中提出了改进的二进制蝙蝠算法(ABBA)。利用种群熵进行传递函数的改进,使得... 详细信息

二进制蝙蝠算法(BBA)是模仿蝙蝠狩猎行为的一种启发式特征选择算法,具有收敛快、模型简单、鲁棒性好的特点。但算法容易出现停滞问题,易陷入局部最优。为此,文中提出了改进的二进制蝙蝠算法(ABBA)。利用种群熵进行传递函数的改进,使得传递函数在适应算法收敛过程的同时赋予算法跳出停滞的能力。其次,加入辅助改进,用于保持算法的收敛性,加速收敛。最后,采用K近邻分类器在22个UCI数据集上进行了与6个较新特征选择算法的对比实验,各项实验结果表明,ABBA的分类准确率和可靠性相比,BA算法均有明显提高,并且在大部分数据集上优于6个其他特征选择算法。ABBA是一种有竞争力的特征选择算法,可以作为机器学习、数据挖掘等领域的有效数据预处理手段。

关键词：特征选择进化计算蝙蝠算法改进

来源：评论

学校读者我要写书评

暂无评论

基于GSPN的Ad-hoc网络性能和安全平衡

引用

吉林大学学报（工学版） 2020年第1期50卷 255-261页

作者：邓钧忆刘衍珩冯时赵荣村王健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 百度国际科技(深圳)有限公司广东深圳518000

关于Ad-hoc网络研究中性能与安全的平衡问题有很多优化方案,但一直缺乏统一的量化标准来比较性能和收益,为此,提出了一种可以广泛使用的方法来评估Ad-hoc网络中性能和安全平衡。首先,采用GSPN构建节点内和节点间的数据传输模型;然后,运... 详细信息

关于Ad-hoc网络研究中性能与安全的平衡问题有很多优化方案,但一直缺乏统一的量化标准来比较性能和收益,为此,提出了一种可以广泛使用的方法来评估Ad-hoc网络中性能和安全平衡。首先,采用GSPN构建节点内和节点间的数据传输模型;然后,运用Petri网抽象和精化;最后,结合连续时间马尔可夫链CTMC计算性能、安全和收益。通过这种方式,可将不同策略纳入统一的评估框架中,根据不同环境和需求选择最优均衡解,并在数据加密算法、密钥大小和策略选择上进行了仿真,为该模型利于网络资源的利用提供了理论依据和数据支持。

关键词：计算机应用移动自组网 GSPN模型性能评估性能与安全平衡

来源：评论

学校读者我要写书评

暂无评论

基于加权损失函数的粘连白细胞分割算法

引用

吉林大学学报（理学版） 2021年第1期59卷 85-91页

作者：赵晓晴李慧盈苏安炀张海涛刘景鑫顾桂颖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 吉林大学软件学院长春130012 吉林大学中日联合医院放射科长春130033 吉林大学中日联合医院血液与肿瘤科长春130033

针对粘连白细胞很难精准分割的问题,提出一种基于深度学习的粘连白细胞分割算法.首先,将急性淋巴细胞白血病患者的血液细胞显微图像的色彩空间由RGB转换至HSV,滤除红细胞并提取白细胞;其次,对提取结果中的粘连白细胞,将细胞边界设定为... 详细信息

针对粘连白细胞很难精准分割的问题,提出一种基于深度学习的粘连白细胞分割算法.首先,将急性淋巴细胞白血病患者的血液细胞显微图像的色彩空间由RGB转换至HSV,滤除红细胞并提取白细胞;其次,对提取结果中的粘连白细胞,将细胞边界设定为除前景和背景外的第三类,在深度学习分割模型训练过程中引入基于类别权重的加权交叉熵损失函数,使模型学习到更多的细胞边界特征.实验结果表明,用该方法分割数据集ALL_IDB1中的白细胞,准确率达95.19%.

关键词：粘连白细胞分割色彩空间变换加权损失函数

来源：评论

学校读者我要写书评

暂无评论

车载自组网的自适应证书分发策略

引用

吉林大学学报（工学版） 2020年第3期50卷 1061-1068页

作者：邓钧忆刘衍珩赵荣村王健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 百度国际科技(深圳)有限公司广东深圳518000

提出了一种自适应证书分发策略,能够根据各种环境动态调整分发方式获得最优均衡解。首先,设置一个可以根据交通环境和安全状况自适应调整的阈值,当该阈值小于给定的新车占比时,节点将发送带有证书的数据包;否则,将发送没有证书的包。然... 详细信息

提出了一种自适应证书分发策略,能够根据各种环境动态调整分发方式获得最优均衡解。首先,设置一个可以根据交通环境和安全状况自适应调整的阈值,当该阈值小于给定的新车占比时,节点将发送带有证书的数据包;否则,将发送没有证书的包。然后,提出了一个量化模型来评估车载自组网的收益,包括计算和分析发送/接收节点的开销、安全性和损耗等。仿真结果表明,本文所提出的策略在各种交通条件下都能很好地平衡性能和安全。

关键词：计算机应用车载自组网证书分发策略协同感知信息性能与安全平衡

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：