检索结果-内蒙古大学图书馆

第四届中国Agent理论与应用学术会议

作者：王欣高焕玉张明明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 吉林大学计算机科学与技术学院长春 130012

针对摄像机自标定中Kruppa 方程求解的非线性优化问题和标定结果的欠鲁棒性，提出一种基于Kruppa 方程的分步自标定方法。利用两图像匹配的特征点对采用8 点算法求解相应的基本矩阵，其中待匹配图像选用摄像机对同一场景在不同焦距下拍... 详细信息

针对摄像机自标定中Kruppa 方程求解的非线性优化问题和标定结果的欠鲁棒性，提出一种基于Kruppa 方程的分步自标定方法。利用两图像匹配的特征点对采用8 点算法求解相应的基本矩阵，其中待匹配图像选用摄像机对同一场景在不同焦距下拍摄的两帧图片，对图片的特征匹配点建立约束关系，采用最小二乘法求出摄像机的主点坐标，然后利用遗传算法优化Kruppa 方程的比例因子，最后通过优化后的比例因子完成摄像机的标定。实验表明，该方法可提高标定精度，并通过对特征点坐标加入高斯噪声，验证了算法的鲁棒性。

关键词：摄像机自标定 Kruppa方程遗传算法基本矩阵

来源：评论

学校读者我要写书评

暂无评论

复杂网络社区挖掘综述

复杂网络社区挖掘综述

引用

第四届中国Agent理论与应用学术会议

作者：刘大有金弟何东晓黄晶杨建宁杨博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

复杂网络社区挖掘是近十年来多学科交叉的前沿研究热点之一，其研究不仅有重要的理论意义，而且有广泛的应用前景。本文介绍了社区挖掘及重叠社区挖掘的研究背景和研究意义，分析了研究现状，讨论了该研究所面临的一些主要问题及未来的... 详细信息

复杂网络社区挖掘是近十年来多学科交叉的前沿研究热点之一，其研究不仅有重要的理论意义，而且有广泛的应用前景。本文介绍了社区挖掘及重叠社区挖掘的研究背景和研究意义，分析了研究现状，讨论了该研究所面临的一些主要问题及未来的发展方向。试图为这个新兴研究领域勾画出一个较为全面和清晰的轮廓。

关键词：复杂网络社区结构社区挖掘重叠社区挖掘

来源：评论

学校读者我要写书评

暂无评论

一种基于冲突的离散事件系统诊断方法

一种基于冲突的离散事件系统诊断方法

引用

第四届中国Agent理论与应用学术会议

作者：王晓宇欧阳丹彤赵剑耿雪娜吉林大学计算机科学与技术学院长春 130012 教育部符号计算与知识工程重点实验室长春 130012

提出一种基于冲突的动态模型故障诊断方法。通过在离散事件系统的自动机模型中添加概率，离线计算模型中事件与状态的后验概率，从而处理不完全观测导致的不确定性，增强了离散事件系统处理不确定性问题的能力。在已经建立的离线模型上... 详细信息

提出一种基于冲突的动态模型故障诊断方法。通过在离散事件系统的自动机模型中添加概率，离线计算模型中事件与状态的后验概率，从而处理不完全观测导致的不确定性，增强了离散事件系统处理不确定性问题的能力。在已经建立的离线模型上，在线计算观测与模型的冲突，在模型中提取符合观测的轨迹，推导系统运行状况，判断故障，并给出故障路径。将基于冲突的诊断方法扩展到离散事件系统的诊断上来，避免了对无关事件的搜索及判断，从而降低了诊断搜索空间，计算更大规模的系统模型。

关键词：基于冲突诊断离散事件系统动态诊断

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表示

三个简单区域间的拓扑关系的表示

引用

第四届中国Agent理论与应用学术会议

作者：李健欧阳继红王振鑫吉林大学计算机科学与技术学院长春 130012 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 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

空间拓扑关系的代表模型有区域连接演算RCC 和交集模型。多数研究集中在两个区域间的拓扑关系，而对三个区域间拓扑关系的研究很少。本文通过扩展4-交集矩阵得到8-交集体模型，对三个简单区域间空间关系进行表示，并给出了三个简单区域... 详细信息

空间拓扑关系的代表模型有区域连接演算RCC 和交集模型。多数研究集中在两个区域间的拓扑关系，而对三个区域间拓扑关系的研究很少。本文通过扩展4-交集矩阵得到8-交集体模型，对三个简单区域间空间关系进行表示，并给出了三个简单区域间的109 种拓扑关系图。本文提出的8-交集体模型比4-交集模型新增了56 种三个区域间的基本关系，其表达能力更强。证明了8-交集模型中基本关系的完备性和互斥性，证明了三个简单区域间只有109 种拓扑关系，给出算法并通过程序验证了三个简单区域间至多有109 种可实现的拓扑关系，并验证了这109 种拓扑关系均是可实现的。

关键词：人工智能拓扑关系简单区域 RCC5 8-交集体

来源：评论

学校读者我要写书评

暂无评论

基于环路紧密度的复杂网络社区挖掘方法

基于环路紧密度的复杂网络社区挖掘方法

引用

第四届中国Agent理论与应用学术会议

作者：刘大有杨建宁杨博赵学华金弟吉林大学计算机科学与技术学院长春130012 吉林大学符号与知识工程教育部重点实验室长春130012

复杂网络社区挖掘是复杂网络的研究热点，相关研究成果在交通网络调度、生物网络种群演化研究和供电网络故障预测等领域具有广泛的应用前景。目前已有很多社区挖掘算法，但关于网络中环路与社区结构关系方面的研究工作甚少。本文提出一... 详细信息

复杂网络社区挖掘是复杂网络的研究热点，相关研究成果在交通网络调度、生物网络种群演化研究和供电网络故障预测等领域具有广泛的应用前景。目前已有很多社区挖掘算法，但关于网络中环路与社区结构关系方面的研究工作甚少。本文提出一种基于环路紧密度的复杂网络社区挖掘算法(LTA)：首先提出一种快速发现网络环路和计算其紧密值的算法，其次根据环路紧密值将网络聚类，再次揭示网络环路与社区结构的联系。并使用人工合成网络和真实网络数据集对LTA进行了验证，实验结果证明LTA对复杂网络社区挖掘问题的有效性和高效性。

关键词：数据挖掘复杂网络社区挖掘环路紧密度算法

来源：评论

学校读者我要写书评

暂无评论

基于自主计算的流行病传播网络建模与推断

基于自主计算的流行病传播网络建模与推断

引用

第四届中国Agent理论与应用学术会议

作者：杨博刘际明杨建宁白媛刘大有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 香港浸会大学计算机科学系香港吉林大学计算机科学与技术学院吉林长春 130012

从流行病监控数据中准确推断出描述流行病传播途径和传播方式的流行病传播网络具有重要意义。现有的传播网络结构推断方法大都面向信息传播过程，所能处理的数据与可获得的流行病监控数据形式不同，不适合处理具有粗粒度、时空多尺度和... 详细信息

从流行病监控数据中准确推断出描述流行病传播途径和传播方式的流行病传播网络具有重要意义。现有的传播网络结构推断方法大都面向信息传播过程，所能处理的数据与可获得的流行病监控数据形式不同，不适合处理具有粗粒度、时空多尺度和数据缺失等特性的流行病监控数据。针对该问题，本文提出了基于自主计算的流行病传播网络建模方法和网络结构推断方法。该方法采用多自治体建模传播网络结构和流行病传播过程，采用蒙特卡罗模拟结合群智能优化的反馈过程调节系统参数，以缩小模拟系统涌现行与真实监控数据间差异为目标，改变自治体的行为，促使模拟系统向真实系统逐步演化，以此方式推断出传播网络结构及与流行病相关的主要生物学参数。采用2009 年H1N1 猪流感在香港爆发的真实监控数据分析验证了所提模型与方法的有效性和适用情况，并以香港地区流行病风险评估为例介绍了流行病传播网络推断的一种应用模式。

关键词：流行病传播模型流行病传播网络自主计算多智能体系统网络推断蒙特卡罗模拟时空数据挖掘

来源：评论

学校读者我要写书评

暂无评论

计算机学科研究生科研基础的建立模式

引用

计算机教育 2012年第23期 22-24页

作者：吕帅刘磊张睿郭德贵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 吉林大学数学学院吉林长春130012

以研究生科研基础的建立模式为着眼点,分析多年来试行的培养机制和协作机制,提出研究生科研基础模式建立的方法和几个阶段,以促进对研究生科研潜质的开发。

关键词：研究生科研基础科研能力

来源：评论

学校读者我要写书评

暂无评论

一种二阶TD Error快速Q(λ)算法

一种二阶TD Error快速Q(λ)算法

引用

第四届中国Agent理论与应用学术会议

作者：傅启明刘全孙洪坤高龙李瑾王辉苏州大学计算机科学与技术学院江苏苏州 215006 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长春 130012

Q(λ)学习算法是将值迭代与随机逼近的思想相结合，一种基于模型无关的多步离策略强化学习算法。针对经典的Q(λ)学习算法执行效率低、收敛速度慢的问题，从TD Error 的角度出发，给出n 阶TD Error 的概念，并将n 阶TD Error用于经典的Q... 详细信息

Q(λ)学习算法是将值迭代与随机逼近的思想相结合，一种基于模型无关的多步离策略强化学习算法。针对经典的Q(λ)学习算法执行效率低、收敛速度慢的问题，从TD Error 的角度出发，给出n 阶TD Error 的概念，并将n 阶TD Error用于经典的Q(λ)学习算法，提出一种二阶TD Error 快速Q(λ)学习算法——SOE ？ FQ(λ)。该算法利用二阶TD Error修正Q 值函数，并通过资格迹将TD Error 传播至整个状态动作空间，加快算法的收敛速度。在此基础之上，分析算法的收敛性及收敛效率，在仅考虑一步更新的情况下，算法所要执行的迭代次数T 主要指数依赖于1 11？γ ε 、。将SOE ？ FQ(λ)算法用于Random Walk 和Mountain Car 问题，实验结果表明，算法具有较快的收敛速度和较好的收敛精度。

关键词：强化学习马尔科夫决策过程二阶TD Error 资格迹 Q(λ)算法

来源：评论

学校读者我要写书评

暂无评论

基于多Agent并行采样和学习经验复用的E3算法

基于多Agent并行采样和学习经验复用的E3算法

引用

第四届中国Agent理论与应用学术会议

作者：刘全杨旭东荆玲肖飞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长春 130012 苏州大学计算机科学与技术学院江苏苏州 215006 南京大学计算机科学与技术系南京210093

在强化学习领域,E3 (Explicit Explore or Exploit)算法是第一个获得理论证明的解决一般马尔科夫决策过程(MDP)问题的高效率近似最优算法。针对E3 算法所需的收敛时间界限太大,在实际问题中难以有效应用的问题,提出一种基于多Agent 并... 详细信息

在强化学习领域,E3 (Explicit Explore or Exploit)算法是第一个获得理论证明的解决一般马尔科夫决策过程(MDP)问题的高效率近似最优算法。针对E3 算法所需的收敛时间界限太大,在实际问题中难以有效应用的问题,提出一种基于多Agent 并行采样和学习经验复用的改进算法。该算法在探索阶段,通过多Agent 并行采样,快速收集模型信息,加速了模型构建过程;在利用阶段,通过保留最优值函数的方式复用算法的学习经验,提高了算法迭代计算值函数的效率。仿真实验结果表明,所提方法与原始的E3 算法相比,在收敛速度和精度方面都具有很大的提高,与其他两种并行强化学习方法相比也具有很大的性能优势。

关键词：强化学习 E3 算法多Agent 并行采样学习经验复用

来源：评论

学校读者我要写书评

暂无评论

基于动态极大度的极小碰集求解方法

引用

计算机研究与发展 2011年第2期48卷 209-215页

作者：张立明欧阳丹彤曾海林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)

在计算集合簇的碰集时,结合SE-Tree(set enumeration tree)形式化地表达计算过程,逐步生成所有的极小碰集.并在SE-Tree中添加了终止结点,避免了非极小碰集的产生,并且不会因剪枝而丢失正确的解.提出未扩展元素度的概念和结点度的概念,... 详细信息

在计算集合簇的碰集时,结合SE-Tree(set enumeration tree)形式化地表达计算过程,逐步生成所有的极小碰集.并在SE-Tree中添加了终止结点,避免了非极小碰集的产生,并且不会因剪枝而丢失正确的解.提出未扩展元素度的概念和结点度的概念,进而在扩展SE-Tree结点时按照未扩展元素度由大到小的顺序扩展,极早地生成集合簇的碰集,减少枚举树生成的结点个数,并且直接根据结点度得出结点对应的集合是否为集合簇的碰集,避免计算集合是否为集合簇的碰集.实验结果表明,该算法程序容易编制且效率较好.

关键词：基于模型的诊断极小碰集 SE-Tree 动态极大度向量交集

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：