检索结果-内蒙古大学图书馆

计算机研究与发展 2017年第3期54卷 514-528页

作者：李哲李占山李颖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

弧相容算法是约束满足问题的基本压缩求解空间算法之一,很多优秀的高级算法都以高性能的弧相容算法作为核心.近年来,以GPU为计算工具加速并行计算被用来尝试解决许多问题.基于GPU和基本的并行算法,提出一种适合GPU运算的约束网络表示模... 详细信息

弧相容算法是约束满足问题的基本压缩求解空间算法之一,很多优秀的高级算法都以高性能的弧相容算法作为核心.近年来,以GPU为计算工具加速并行计算被用来尝试解决许多问题.基于GPU和基本的并行算法,提出一种适合GPU运算的约束网络表示模型N-E,给出其生成算法BuildNE.结合细粒度的弧相容算法——AC4,基于N-E模型提出AC4的并行化算法AC4^(GPU)与改进算法AC4^(GPU)+,使弧相容算法得以扩展到GPU上执行.实验结果验证了该算法的可行性,与AC4算法的比较,其在一些规模较小的问题上取得了10%~50%的加速,在一些规模较大的问题上则加速1~2个数量级.为今后进一步在GPU上以并行形式解决其他约束满足问题提供了一种核心算法方案.

关键词：人工智能约束满足问题弧相容图形处理器计算统一设备架构

来源：评论

学校读者我要写书评

暂无评论

基于聚类和决策树的链路预测方法

引用

计算机研究与发展 2017年第8期54卷 1795-1803页

作者：杨妮亚彭涛刘露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

链路预测是数据挖掘研究的主要问题之一.由于网络的复杂性、数据的多样性,根据网络结构及已有信息对异质网络中的不同类型的数据进行链路预测的问题也变得更加复杂.针对双类型异质信息网络,提出了一种基于聚类和决策树的链路预测方法 CD... 详细信息

链路预测是数据挖掘研究的主要问题之一.由于网络的复杂性、数据的多样性,根据网络结构及已有信息对异质网络中的不同类型的数据进行链路预测的问题也变得更加复杂.针对双类型异质信息网络,提出了一种基于聚类和决策树的链路预测方法 CDTLinks.通过将网络中2种类型对象互为特征的方法得到对象的特征表示,并分别进行聚类.对于双类型异质网络提出了3种启发式规则来构建决策树,根据信息增益来选择树中不同分支.最后,根据聚簇分布结果以及决策树模型来判断任意2个不同类型节点之间是否存在链接.另外,定义了潜在链接节点并引入层数的概念,在降低算法运行时间的同时提高了准确率.在DBLP和AMiner数据集上验证了提出的CDTlinks方法,结果表明:在双类型异质网络中,CDTlinks模型能够有效地进行链路预测.

关键词：链路预测聚类决策树异质信息网络启发式规则

来源：评论

学校读者我要写书评

暂无评论

结合部件动态变化度求解最小碰集的GRASP算法

引用

吉林大学学报（工学版） 2017年第3期47卷 930-936页

作者：王艺源欧阳丹彤张立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

针对最小碰集求解问题,提出一种改进的GRASP算法。在算法构造解阶段,提出一种结合部件动态变化度d-covered的打分机制,用来选择可能是最小碰集的部件,避免非最小碰集部件的加入,并能较早地得到最小碰集;在算法局部搜索阶段,结合部件动... 详细信息

针对最小碰集求解问题,提出一种改进的GRASP算法。在算法构造解阶段,提出一种结合部件动态变化度d-covered的打分机制,用来选择可能是最小碰集的部件,避免非最小碰集部件的加入,并能较早地得到最小碰集;在算法局部搜索阶段,结合部件动态变化度drcovered给出锦标赛策略,进而从当前解对应的冗余部件中删除较可能是非最小碰集的部件。此外,还给出了完备算法和不完备算法的时间复杂度分析。实验结果表明:与现有完备算法相比,本文算法能够在较短的时间内找到最优解;与现有不完备算法相比,本文算法可以找到更短长度的最小碰集。

关键词：人工智能模型诊断最小碰集贪心随机自适应搜索算法部件动态变化度

来源：评论

学校读者我要写书评

暂无评论

基于多阈值Otsu准则的阈值分割快速计算

引用

电子与信息学报 2017年第1期39卷 144-149页

作者：申铉京刘翔陈海鹏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

针对传统多阈值Otsu方法在寻找最佳阈值过程中穷举计算效率低的问题,该文分析了多阈值Otsu的阈值性质,证明了使用Otsu方法找到的一组最佳阈值与分割出的各类均值之间的数学对应关系。根据多阈值Otsu的阈值性质,该文提出一个新算法用来... 详细信息

针对传统多阈值Otsu方法在寻找最佳阈值过程中穷举计算效率低的问题,该文分析了多阈值Otsu的阈值性质,证明了使用Otsu方法找到的一组最佳阈值与分割出的各类均值之间的数学对应关系。根据多阈值Otsu的阈值性质,该文提出一个新算法用来快速计算所需最佳阈值,建立了一种新的阈值搜索模型。该算法搜寻满足Otsu多阈值与以此阈值分割出的各类均值之间关系的一组最优阈值,从而确定符合Otsu准则的最佳阈值。该算法有效减少了阈值搜索范围,并且在均值、方差等计算上引入了查找表,优化了底层运算。实验结果表明,与传统多阈值Otsu方法相比,该算法的分割速度大幅度提高,相比于其他多阈值Otsu快速算法,不仅在计算速度上有所提升,而且得到的最佳阈值克服了随机性和偶然性的缺点,是严格符合Otsu原则的。

关键词：图像分割多阈值Otsu准则阈值选取快速计算

来源：评论

学校读者我要写书评

暂无评论

基于密度峰值的重叠社区发现算法

引用

吉林大学学报（工学版） 2017年第1期47卷 242-248页

作者：时小虎冯国香李牧李瑛吴春国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 吉林大学珠海学院计算机科学与技术系广东珠海519041 吉林大学珠海学院符号计算与知识工程教育部重点实验室珠海分实验室广东珠海519041

根据基于快速搜索和发现密度峰值的聚类方法的思想,提出了基于密度峰值的重叠社区发现算法。首先定义新的距离矩阵算法,克服了邻接矩阵元素为整数的缺陷。然后用概率形式刻画每个节点属于不同类别的可能性,从而实现了重叠社区的划分。... 详细信息

根据基于快速搜索和发现密度峰值的聚类方法的思想,提出了基于密度峰值的重叠社区发现算法。首先定义新的距离矩阵算法,克服了邻接矩阵元素为整数的缺陷。然后用概率形式刻画每个节点属于不同类别的可能性,从而实现了重叠社区的划分。基于真实网络的实验结果验证了本文算法的可行性和有效性。

关键词：计算机应用复杂网络社区发现重叠社区小世界特性模块度

来源：评论

学校读者我要写书评

暂无评论

基于彩色LBP的隐蔽性复制-粘贴篡改盲鉴别算法

引用

自动化学报 2017年第3期43卷 390-397页

作者：朱叶申铉京陈海鹏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

现有的复制–粘贴盲鉴别算法大多忽略图像彩色信息,导致对隐蔽性篡改方式的检测率较低,基于此,本文提出一种基于彩色局部二值模式(Color local binary patterns,Co LBP)的隐蔽性复制–粘贴盲鉴别算法.算法首先对彩色图像进行预处理,即... 详细信息

现有的复制–粘贴盲鉴别算法大多忽略图像彩色信息,导致对隐蔽性篡改方式的检测率较低,基于此,本文提出一种基于彩色局部二值模式(Color local binary patterns,Co LBP)的隐蔽性复制–粘贴盲鉴别算法.算法首先对彩色图像进行预处理,即建立彩色LBP纹理图像,从而实现彩色信息与LBP纹理特征的融合;其次重叠分块并提取灰度共生矩阵(Gray level co-occurrence matrix,GLCM)特征;最后,提出改进的kd树和超平面划分标记split搜索方法,快速匹配图像块,并应用形态学操作去除误匹配,精确定位复制–粘贴区域.实验结果表明,本算法对隐蔽性复制–粘贴篡改定位准确,并对模糊、噪声、JPEG重压缩后处理操作有很好的鲁棒性.

关键词：图像盲鉴别复制–粘贴篡改彩色局部二值模式灰度共生矩阵 kd树

来源：评论

学校读者我要写书评

暂无评论

基于谱分解的不确定数据聚类方法

引用

吉林大学学报（工学版） 2017年第5期47卷 1604-1611页

作者：李嘉菲孙小玉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

提出了一种基于谱分解的不确定数据聚类方法,利用数据本身的潜在关联,探寻不确定表象下底层数据记录的真实协方差结构。根据协方差结构,使用基于谱分解的数据分析方法,获取锐化降噪后的数据,再将此数据进行聚类分析。对比实验结果表明:... 详细信息

提出了一种基于谱分解的不确定数据聚类方法,利用数据本身的潜在关联,探寻不确定表象下底层数据记录的真实协方差结构。根据协方差结构,使用基于谱分解的数据分析方法,获取锐化降噪后的数据,再将此数据进行聚类分析。对比实验结果表明:本方法得到的聚类质量显著提高,RMS均方根误差以及CH指标结果均优于传统方法。

关键词：人工智能不确定数据谱分解聚类数据降噪协方差结构

来源：评论

学校读者我要写书评

暂无评论

改进的自适应遗传算法在函数优化中的应用

引用

计算机应用研究 2018年第4期35卷 1042-1045页

作者：杨从锐钱谦王锋孙铭会昆明理工大学云南省计算机技术应用重点实验室昆明650500 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

针对传统遗传算法在复杂函数优化的寻优搜索中容易陷入局部极值、搜索效率低、不稳定等缺点,提出一种改进的自适应遗传算法。该算法的思想是根据进化中种群适应度的集中分散的程度非线性地自适应调节遗传进化的运算流程和交叉概率Pc、... 详细信息

针对传统遗传算法在复杂函数优化的寻优搜索中容易陷入局部极值、搜索效率低、不稳定等缺点,提出一种改进的自适应遗传算法。该算法的思想是根据进化中种群适应度的集中分散的程度非线性地自适应调节遗传进化的运算流程和交叉概率Pc、变异概率Pm的值,从而能更好地产生新的个体摆脱局部极值搜索到全局最优解,并采取最优保存策略来保证改进的自适应遗传算法的收敛性。仿真实验结果表明,与现存其他算法相比,改进的自适应遗传算法在全局寻优的收敛速度、最优解、求解精度和稳定性等方面都有了较大的改进和提高。

关键词：自适应遗传算法函数优化求解精度种群适应度

来源：评论

学校读者我要写书评

暂无评论

基于新高考“6选3”的选课排班系统算法探究

引用

教育 2018年第26期 67-68页

作者：穆东良姜东平虞强源北京新基础生涯教育研究院吉林大学符号计算与知识工程教育部重点实验室

随着新高考"6选3"政策的推广,排班排课成为高中学校最为关注的内容。本文以优质的课表和教学管理秩序为目标,探究各种走班模式下的排班、排课算法。

关键词：新高考排班排课 “6选3”

来源：评论

学校读者我要写书评

暂无评论

基于深度残差双单向DLSTM的时空一致视频事件识别

引用

计算机学报 2018年第12期41卷 2852-2866页

作者：李永刚王朝晖万晓依董虎胜龚声蓉刘纯平季怡朱蓉苏州大学计算机科学与技术学院江苏苏州215006 嘉兴学院数理与信息工程学院浙江嘉兴314001 常熟理工学院计算机科学与工程学院江苏常熟215500 北京交通大学计算机与信息技术学院北京100044 吉林大学符号计算与知识工程教育部重点实验室长春130012

监控视频下的事件识别是近期计算机视觉领域的研究热点之一.然而,自然场景下监控视频往往具有背景复杂、事件区域内对象遮挡严重等特点,使得事件类内差异大、类间差异小,给识别带来了很大的困难.为解决复杂背景下事件识别问题,提出了一... 详细信息

监控视频下的事件识别是近期计算机视觉领域的研究热点之一.然而,自然场景下监控视频往往具有背景复杂、事件区域内对象遮挡严重等特点,使得事件类内差异大、类间差异小,给识别带来了很大的困难.为解决复杂背景下事件识别问题,提出了一种基于深度残差双单向DLSTM(DRDU-DLSTM)的时空一致视频事件识别方法.该方法首先从训练好的时间CNN网络和空间CNN网络获取视频的时空深度特征,经LSTM同步解析后形成时空特征数据联接单元DLSTM,并作为残差网络的输入.双单向传递的DLSTM联接后构成DU-DLSTM层;多个DU-DLSTM层再加一个恒等映射形成残差模块;在此基础上,多层的残差模块堆叠构成了深度残差网络架构.为了进一步优化识别结果,设计了基于双中心Loss的2C-softmax目标函数,在最大化类间距离的同时最小化类内间隔距离.在监控视频数据集VIRAT 1.0和VIRAT 2.0上的实验表明,该文提出的事件识别方法有很好的性能表现和稳定性,识别准确率分别提高了5.1%和7.3%.

关键词：事件识别时空一致残差网络 LSTM 双单向 DLSTM 深度特征监控视频

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：