检索结果-内蒙古大学图书馆

小型微型计算机系统 2023年第6期44卷 1192-1197页

作者：冯勇刘洋王嵘冰徐红艳张永刚辽宁大学信息学院沈阳110036 吉林大学符号计算与知识工程教育部重点实验室长春130012

目前电商平台大多注重商品推荐的准确性而忽略了多样性,存在推荐结果高冗余、用户满意度低等问题.考虑用户需求从而实现多样性推荐可以提升商品购买率和用户满意度,为此本文提出了一种面向用户需求的生成对抗网络多样性推荐方法.该方法... 详细信息

目前电商平台大多注重商品推荐的准确性而忽略了多样性,存在推荐结果高冗余、用户满意度低等问题.考虑用户需求从而实现多样性推荐可以提升商品购买率和用户满意度,为此本文提出了一种面向用户需求的生成对抗网络多样性推荐方法.该方法由生成模型和判别模型组成,其中,生成模型由四层结构组成,结合用户需求生成多样性商品表示.判别模型判定生成商品是否为真实商品,反馈给生成模型.最后,计算各商品与多样性商品表示的相似度,产生推荐列表.对比实验表明本文所提方法切实能够提高商品推荐的多样性,而且能够带来准确性的提升.

关键词：个性化推荐多样性生成对抗网络商品属性用户需求

来源：评论

学校读者我要写书评

暂无评论

融合结构和特征的图层次化池化模型

引用

计算机科学与探索 2023年第1期17卷 179-186页

作者：马涪元王英李丽娜汪洪吉吉林大学计算机科学与技术学院长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 吉林大学人工智能学院长春130012

作为深度神经网络向非欧式数据上的扩展,图神经网络(GNN)已经在图节点分类任务、链接预测任务和图分类任务中取得了显著成就。在图分类任务上,当前方法一般通过层次化的池化过程同时考虑图的局部和全局结构信息以学习高层次的图表示。... 详细信息

作为深度神经网络向非欧式数据上的扩展,图神经网络(GNN)已经在图节点分类任务、链接预测任务和图分类任务中取得了显著成就。在图分类任务上,当前方法一般通过层次化的池化过程同时考虑图的局部和全局结构信息以学习高层次的图表示。在对当前的图分类模型进行对比分析后,考虑当前方法的不足,结合不同方法的优势,提出结构和特征融合池化模型(SAFPool)。SAFPool模型在池化时使用了两个聚类分配矩阵生成模块,分别是基于结构的聚类学习和基于特征的聚类学习模块,基于结构的聚类学习根据图结构信息对结构相似的节点聚类,基于特征的聚类学习则根据图节点特征对特征相似的节点聚类。二者的聚类结果加权聚合后便能获取实现聚类策略的聚类分配矩阵以同时利用图结构和节点特征信息。最后,在多个图分类数据集上通过对比实验和可视化说明了同时显式地利用图节点特征信息和图结构信息实现聚类策略的有效性。

关键词：图神经网络图分类图池化聚类分配矩阵层次化模型

来源：评论

学校读者我要写书评

暂无评论

基于置信学习和协同训练的医学图像分割方法

引用

吉林大学学报(工学版) 2023年

作者：赵宏伟周明珠刘萍萍周求湛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吉林大学通信工程学院

在医学图像低质量标注数据的训练中，置信学习发挥了重要的作用，但目前置信学习的应用均基于平均教师模型，并未探讨在其它网络上的可能性。针对这个问题，提出了基于置信学习和协同训练的分割模型。该模型使用两个不同的网络，鼓励两... 详细信息

在医学图像低质量标注数据的训练中，置信学习发挥了重要的作用，但目前置信学习的应用均基于平均教师模型，并未探讨在其它网络上的可能性。针对这个问题，提出了基于置信学习和协同训练的分割模型。该模型使用两个不同的网络，鼓励两网络的输出结果一致，接着将其中一网络的输出利用置信学习同原低质量标注进行对比，修正低质量标注数据从而使其提供有效训练参考。将提出模型在三个不同模态的医学图像数据集上进行对比，实验结果表明，提出模型的分割效果均优于已有的置信学习模型。

关键词：计算机应用医学图像分割置信学习协同训练

来源：评论

学校读者我要写书评

暂无评论

用于特征选择的乌鸦搜索算法的研究与改进

引用

软件学报 2022年第11期33卷 3903-3916页

作者：廉杰姚鑫李占山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

特征选择是机器学习领域的热点问题.元启发式算法作为特征选择的重要方法之一,其性能会对问题求解产生直接影响.乌鸦搜索算法(CSA)是受乌鸦智能群体行为启发提出的一种元启发式算法,由于其具有简单、高效的特点,广大学者将其用来解决特... 详细信息

特征选择是机器学习领域的热点问题.元启发式算法作为特征选择的重要方法之一,其性能会对问题求解产生直接影响.乌鸦搜索算法(CSA)是受乌鸦智能群体行为启发提出的一种元启发式算法,由于其具有简单、高效的特点,广大学者将其用来解决特征选择问题.然而,CSA易陷入局部最优解且收敛速度较慢,严重限制了算法求解能力.针对这一问题,采用logistic混沌映射、反向学习方法和差分进化这3种算子,结合乌鸦搜索算法,提出一种特征选择算法BICSA来选取最优特征子集.实验阶段,使用UCI数据库中的16个数据集来测试BICSA的性能.实验结果表明,与其他特征选择算法相比,BICSA求得的特征子集具有更高的分类准确率和较高的维度压缩能力,这说明BICSA在处理特征选择问题上具有很强的竞争力与足够的优越性.

关键词：乌鸦搜索算法混沌映射反向学习差分进化特征选择

来源：评论

学校读者我要写书评

暂无评论

显著性引导及不确定性监督的深度编解码网络

引用

软件学报 2022年第9期33卷 3165-3179页

作者：王雪李占山陈海鹏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

基于U-Net的编码-解码网络及其变体网络在医学图像语义分割任务中取得了卓越的分割性能.然而,网络在特征提取过程中丢失了部分空间细节信息,影响了分割精度.另一方面,在多模态的医学图像语义分割任务中,这些模型的泛化能力和鲁棒性不理... 详细信息

基于U-Net的编码-解码网络及其变体网络在医学图像语义分割任务中取得了卓越的分割性能.然而,网络在特征提取过程中丢失了部分空间细节信息,影响了分割精度.另一方面,在多模态的医学图像语义分割任务中,这些模型的泛化能力和鲁棒性不理想.针对以上问题,提出一种显著性引导及不确定性监督的深度卷积编解码网络,以解决多模态医学图像语义分割问题.该算法将初始生成的显著图和不确定概率图作为监督信息来优化语义分割网络的参数.首先,通过显著性检测网络生成显著图,初步定位图像中的目标区域;然后,根据显著图计算不确定分类的像素点集合,生成不确定概率图;最后,将显著图和不确定概率图与原图像一同送入多尺度特征融合网络,引导网络关注目标区域特征的学习,同时增强网络对不确定分类区域和复杂边界的表征能力,以提升网络的分割性能.实验结果表明,所提算法能够捕获更多的语义信息,在多模态医学图像语义分割任务中优于其他的语义分割算法,并具有较好的泛化能力和鲁棒性.

关键词：编码-解码网络显著图不确定概率图医学图像语义分割多模态

来源：评论

学校读者我要写书评

暂无评论

混合exactly-one约束的模型计数研究

引用

东北大学学报（自然科学版） 2022年第4期43卷 463-469页

作者：韩淑婷赖永刘杰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

模型计数是求给定命题公式的模型数,是人工智能领域的一个基本问题.在贝叶斯网络、有界模型检测、精确集合覆盖等众多实际问题中,存在许多exactly-one约束.常见的处理方法是将exactly-one约束编码为CNF公式,再调用模型计数器求解.这种... 详细信息

模型计数是求给定命题公式的模型数,是人工智能领域的一个基本问题.在贝叶斯网络、有界模型检测、精确集合覆盖等众多实际问题中,存在许多exactly-one约束.常见的处理方法是将exactly-one约束编码为CNF公式,再调用模型计数器求解.这种方法扩大了命题公式的规模,容易导致求解时间过长.本文分别提出从CNF公式中还原exactly-one约束的ECR算法和处理exactly-one约束的ECP算法.ECR算法能明显提高C2D编译器的求解效率.基于最新的模型计数器ExactMC,本文改进了能识别和单独处理exactly-one约束的模型计数器ECMC.实验结果表明,ECMC的时间效率相比ExactMC有显著提高.

关键词： exactly-one约束模型计数二元约束传播合取范式 C2D

来源：评论

学校读者我要写书评

暂无评论

预训练驱动的多模态边界感知视觉Transformer

引用

软件学报 2023年第5期34卷 2051-2067页

作者：石泽男陈海鹏张冬申铉京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 香港科技大学计算机科学与工程系中国香港999077

卷积神经网络(convolutional neural network,CNN)在图像篡改检测任务中不断取得性能突破,但在面向真实场景下篡改手段未知的情况时,现有方法仍然无法有效地捕获输入图像的长远依赖关系以缓解识别偏差问题,从而影响检测精度.此外,由于... 详细信息

卷积神经网络(convolutional neural network,CNN)在图像篡改检测任务中不断取得性能突破,但在面向真实场景下篡改手段未知的情况时,现有方法仍然无法有效地捕获输入图像的长远依赖关系以缓解识别偏差问题,从而影响检测精度.此外,由于标注困难,图像篡改检测任务通常缺乏精准的像素级图像标注信息.针对以上问题,提出一种预训练驱动的多模态边界感知视觉Transformer.首先,为捕获在RGB域中不可见的细微伪造痕迹,引入图像的频域模态并将其与RGB空间域结合作为多模态嵌入形式.其次利用ImageNet对主干网络的编码器进行训练以缓解当前训练样本不足的问题.然后,Transformer模块被整合到该编码器的尾部,以达到同时捕获低级空间细节信息和全局上下文的目的,从而提升模型的整体表征能力.最后,为有效地缓解因伪造区域边界模糊导致的定位难问题,构建边界感知模块,其可以通过Scharr卷积层获得的噪声分布以更多地关注噪声信息而不是语义内容,并利用边界残差块锐化边界信息,从而提升模型的边界分割性能.大量实验结果表明,所提方法在识别精度上优于现有的图像篡改检测方法,并对不同的篡改手段具有较好的泛化性和鲁棒性.

关键词：模型预训练多模态视觉Transformer 边界感知图像篡改检测

来源：评论

学校读者我要写书评

暂无评论

聚合全局交互与局部交互的知识图谱补全

引用

计算机科学与探索 2024年

作者：冯勇栾超杰王嵘冰徐红艳张永刚辽宁大学信息学院辽宁大学信息化中心辽宁大学网络与信息安全学院吉林大学符号计算与知识工程教育部重点实验室

知识图谱的不完整性严重影响了下游任务的应用与发展，因此，有必要对其进行改进以补充缺失值，即知识图谱补全。现有的知识图谱补全模型大多重组实体关系嵌入表示以捕获局部交互。但这种方法破坏了三元组的原有结构，只能利用单一的局... 详细信息

知识图谱的不完整性严重影响了下游任务的应用与发展，因此，有必要对其进行改进以补充缺失值，即知识图谱补全。现有的知识图谱补全模型大多重组实体关系嵌入表示以捕获局部交互。但这种方法破坏了三元组的原有结构，只能利用单一的局部交互而忽略了实体关系间全局交互的影响。为此，提出一种聚合全局交互与局部交互的知识图谱补全方法AGILI。该方法首先引入自注意力机制获取头实体和关系间的信息关联程度，生成融入全局交互信息的嵌入表示，再采用卷积神经网络从新嵌入表示中提取局部交互信息，除此之外设计基于关系权重的可学习交互聚合器，在将全局交互与局部交互进行特征融合时，可以根据关系类别自适应地调整两种交互的重要程度，提高方法在多关系知识图谱上的表达能力。在公开数据集FB15k-237、WN18RR和Kinship上通过链接预测任务进行实验验证，实验结果表明，与最新的基于卷积神经网络的模型ConvD相比，所提出的方法在FB15K-237数据集上Hits@1、Hits@3指标分别提高了6.9%、5.3%，证明了所提出方法的优越性。

关键词：知识图谱知识图谱补全链接预测自注意力机制卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于模板融合的超声医学影像全景拼接方法

引用

吉林大学学报（工学版） 2022年第4期52卷 916-924页

作者：贾海洋夏睿吕安祺管噌璇陈娟王雷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 吉林大学白求恩第一医院长春130012

采用全景拼接技术将基于超声探测装置获得的局部图像通过拼接融合获得观察视野更大的医学影像,为临床诊断和医患交流提供更直观、全面的信息,但受成像条件影响,获得的局部超声医学图像精度不高、噪声多,传统全景拼接方法处理效果不理想... 详细信息

采用全景拼接技术将基于超声探测装置获得的局部图像通过拼接融合获得观察视野更大的医学影像,为临床诊断和医患交流提供更直观、全面的信息,但受成像条件影响,获得的局部超声医学图像精度不高、噪声多,传统全景拼接方法处理效果不理想。针对上述问题,本文提出基于改进的k-MEANS聚类算法的模板融合拼接方法进行超声医学影像拼接。与传统的模板拼接类算法相比,该方法将特征点密集区域自组织成尺寸灵活可变的模板,能够利用启发式窗口算法提高相邻图片匹配的速度。对比实验结果表明,该方法的模板探测速率、平均模板密度得到了提高,图像配准精度提高,具有较高的鲁棒性和实时性。

关键词：超声影像融合拼接图像处理模板匹配

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征和注意力机制的轻量级虹膜分割模型

引用

吉林大学学报（工学版） 2023年第9期53卷 2591-2600页

作者：霍光林大为刘元宁朱晓冬袁梦盖迪东北电力大学计算机学院吉林省吉林市132012 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 南昌大学软件学院南昌330047

针对基于深度学习的虹膜分割模型存在参数量大、计算量大、占用空间大的问题,提出了一种轻量级的虹膜分割模型。首先,将Linknet中特征提取网络替换为改进的轻量级网络MobileNetv3。这种设计在保持准确性的同时显著地提高了模型效率。其... 详细信息

针对基于深度学习的虹膜分割模型存在参数量大、计算量大、占用空间大的问题,提出了一种轻量级的虹膜分割模型。首先,将Linknet中特征提取网络替换为改进的轻量级网络MobileNetv3。这种设计在保持准确性的同时显著地提高了模型效率。其次,为了减少虹膜特征信息丢失,设计了一个多尺度特征提取模块。再次,引入了通道注意力机制,抑制无关噪声,加大虹膜区域的权重。最后,在3个虹膜数据库上将本文模型与其他虹膜分割模型进行比较,结果表明,本文模型在虹膜分割准确率和效率之间取得了更好的平衡。

关键词：计算机应用虹膜分割深度学习轻量级网络注意力机制多尺度特征

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：