检索结果-内蒙古大学图书馆

吉林大学学报（工学版） 2021年第2期51卷 650-658页

作者：朱晓冬张齐贤刘元宁吴迪吴祖慷王超群李昕龙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 吉林大学软件学院长春130012

为抑制虹膜图像中的噪声以及有效提取局部纹理的特征,从而提高虹膜识别率,提出了基于多方向局部二值模式与稳定特征的虹膜识别算法。通过多种滤波处理算法,从存在光照及噪声干扰的不稳定状态的虹膜图像中提取足量的虹膜内部特征点作为... 详细信息

为抑制虹膜图像中的噪声以及有效提取局部纹理的特征,从而提高虹膜识别率,提出了基于多方向局部二值模式与稳定特征的虹膜识别算法。通过多种滤波处理算法,从存在光照及噪声干扰的不稳定状态的虹膜图像中提取足量的虹膜内部特征点作为有效虹膜信息,进而形成虹膜的稳定特征图像。然后基于局部二进制模式,提出多方向局部二值模式提取特征向量,该方法不仅能描述虹膜图像的整体空间信息,而且还能降低特征图像的维度。最后用Hamming距离进行虹膜识别。对CASIA、JLU-6.0等虹膜库进行了识别和评价,实验结果表明:该方法不仅可以保证稳定特征的有效性,而且能有效提取局部纹理特征,具有更高的识别率和鲁棒性。

关键词：局部纹理虹膜识别局部二进制模式鲁棒性

来源：评论

学校读者我要写书评

暂无评论

分布式机器学习作业性能干扰分析与预测

引用

计算机应用 2022年第6期42卷 1649-1655页

作者：李洪亮张弄孙婷李想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

通过分析分布式机器学习中作业性能干扰的问题,发现性能干扰是由于内存过载、带宽竞争等GPU资源分配不均导致的,为此设计并实现了快速预测作业间性能干扰的机制,该预测机制能够根据给定的GPU参数和作业类型自适应地预测作业干扰程度。首... 详细信息

通过分析分布式机器学习中作业性能干扰的问题,发现性能干扰是由于内存过载、带宽竞争等GPU资源分配不均导致的,为此设计并实现了快速预测作业间性能干扰的机制,该预测机制能够根据给定的GPU参数和作业类型自适应地预测作业干扰程度。首先,通过实验获取分布式机器学习作业运行时的GPU参数和干扰率,并分析出各类参数对性能干扰的影响;其次,依托多种预测技术建立GPU参数-干扰率模型进行作业干扰率误差分析;最后,建立自适应的作业干扰率预测算法,面向给定的设备环境和作业集合自动选择误差最小的预测模型,快速、准确地预测作业干扰率。选取5种常用的神经网络作业,在两种GPU设备上设计实验并进行结果分析。结果显示,所提出的自适应干扰预测(AIP)机制能够在不提供任何预先假设信息的前提下快速完成预测模型的选择和性能干扰预测,耗时在300 s以内,预测干扰率误差在2%~13%,可应用于作业调度和负载均衡等场景。

关键词：分布式机器学习性能干扰集群调度资源共享干扰预测

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv3改进的用户界面组件检测算法

引用

吉林大学学报（工学版） 2021年第3期51卷 1026-1033页

作者：刘元宁吴迪朱晓冬张齐贤李双双郭书君王超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 吉林大学软件学院长春130012

针对传统方法识别用户界面(UI)组件时,无法进行组件分类的问题,本文提出了基于经典目标检测算法YOLOv3改进的算法用于UI组件检测任务,包括识别和分类。特征提取网络采用DenseNet紧密连接结构使提取到的特征能够充分使用;在特征提取网络... 详细信息

针对传统方法识别用户界面(UI)组件时,无法进行组件分类的问题,本文提出了基于经典目标检测算法YOLOv3改进的算法用于UI组件检测任务,包括识别和分类。特征提取网络采用DenseNet紧密连接结构使提取到的特征能够充分使用;在特征提取网络中加入通道注意力机制和空间注意力机制,使用加权的特征代替原来的特征用于后面的特征融合;构造4个维度的特征金字塔网络完成组件检测任务;使用Focalloss作为分类损失函数。在收集的真实UI数据集上进行实验,实验结果表明:在检测精度上,本文方法的召回率达到了91.97%,平均精度mAP达到了48.21%,相比传统检测方法,本文方法具有更好的性能。

关键词：计算机应用组件检测注意力机制焦损失函数

来源：评论

学校读者我要写书评

暂无评论

故障响应指导下基于测试集的故障诊断方法

引用

吉林大学学报（工学版） 2021年第3期51卷 1017-1025页

作者：欧阳丹彤刘扬刘杰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

通过对电路中故障输出特征进行研究,结合增强故障诊断(ADD)测试候选诊断求解方法,提出了故障响应指导下的候选诊断求解方法ALFDD。依据当前测试激励下实际输出响应与预期输出响应不相同的单故障更可能是故障诊断解的原理,提出了候选单... 详细信息

通过对电路中故障输出特征进行研究,结合增强故障诊断(ADD)测试候选诊断求解方法,提出了故障响应指导下的候选诊断求解方法ALFDD。依据当前测试激励下实际输出响应与预期输出响应不相同的单故障更可能是故障诊断解的原理,提出了候选单故障集合的概念。针对ADD方法中需对电路的所有单故障求解F_(same)的问题,给出仅对候选单故障集合求解F_(same)的方法。该方法一方面避免了对所有单故障都进行对比并求解F_(same)的问题,提高了诊断求解效率;另一方面有效删除了F_(same)中包含的冗余候选诊断解,提高了候选诊断解的分辨率;此外,还增加了候选故障集中所包含的真实诊断解的数量,提高了候选诊断解的准确率。实验结果表明,与ADD方法相比,ALFDD方法候选诊断分辨率和准确率明显提高,求解效率也有较大提高。

关键词：计算机应用模型故障故障诊断候选单故障集合诊断准确性诊断分辨率

来源：评论

学校读者我要写书评

暂无评论

基于邻域信息的网络结构表示学习

引用

吉林大学学报（理学版） 2022年第2期60卷 343-350页

作者：王喆李鑫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

针对传统网络表示学习方法无法学习节点网络结构相关性的问题,提出一种基于邻域信息的网络结构表示学习模型.该模型首先定义基于邻域信息的节点间结构相似度计算方法,对不同邻域范围内节点间结构相似度建模;其次构建深层自编码器,将节... 详细信息

针对传统网络表示学习方法无法学习节点网络结构相关性的问题,提出一种基于邻域信息的网络结构表示学习模型.该模型首先定义基于邻域信息的节点间结构相似度计算方法,对不同邻域范围内节点间结构相似度建模;其次构建深层自编码器,将节点结构相似度作为监督信息优化网络表示,在网络嵌入过程中学习节点结构信息.与node2vec,SDNE,struc2vec三种相关算法进行对比的实验结果表明,该方法有更好的网络结构识别能力,能学习到节点间的结构相关性,所得到的网络表示能适用于角色识别相关任务.此外,跨网络分类实验结果还体现了该方法在迁移学习方面的潜力.

关键词：结构识别网络表示学习网络分析自编码器角色识别

来源：评论

学校读者我要写书评

暂无评论

基于全局有向图的商品会话序列推荐算法

引用

吉林大学学报（理学版） 2022年第2期60卷 361-368页

作者：苗启朋何丽莉姜宇白洪涛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

针对商品会话序列推荐中传统推荐算法过分依赖临近点击状况,在一定程度上丢失整体商品访问趋势的问题,提出一种新的基于全局有向图的商品会话序列推荐算法.首先,构建商品会话序列全局有向图,图中节点为商品,节点间的弧表示点击次序,并... 详细信息

针对商品会话序列推荐中传统推荐算法过分依赖临近点击状况,在一定程度上丢失整体商品访问趋势的问题,提出一种新的基于全局有向图的商品会话序列推荐算法.首先,构建商品会话序列全局有向图,图中节点为商品,节点间的弧表示点击次序,并用图数据库存储该有向图;其次,给出在有向图上的全局偏好传播策略,同时考虑点击时间因素对推荐的重要影响;最后,获得待推荐商品的评分.在Diginetica和Yoochoose标准数据集上,该算法根据P@20标准,比传统Item-KNN方法推荐准确率分别提升了6.12%和30.25%;根据MRR@20标准,则分别提升了15.04%和33.88%.实验结果表明,该全局有向图搜索和评分策略有效.

关键词：推荐系统会话序列图数据库全局有向图全局偏好传播

来源：评论

学校读者我要写书评

暂无评论

基于改进YoloV4网络的虹膜定位算法

引用

吉林大学学报（理学版） 2022年第2期60卷 369-380页

作者：杨亚男朱晓冬刘元宁朱琳董霖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

针对传统虹膜定位算法很难完成准确定位导致识别效果不稳定的问题,提出一种基于改进YoloV4网络的虹膜定位算法.首先利用YoloV4结合MobileNetV3对虹膜内外圆进行粗定位,再利用瞳孔、虹膜和巩膜的灰度差值分别对虹膜内外圆进行精定位.同时... 详细信息

针对传统虹膜定位算法很难完成准确定位导致识别效果不稳定的问题,提出一种基于改进YoloV4网络的虹膜定位算法.首先利用YoloV4结合MobileNetV3对虹膜内外圆进行粗定位,再利用瞳孔、虹膜和巩膜的灰度差值分别对虹膜内外圆进行精定位.同时,使用K-means++聚类算法生成先验框;使用快速soft-DIoU-NMS算法去除预测过程冗余框,提高算法检测率;使用Focal Loss作为类别损失函数.对比实验结果表明,该算法运行速度更快,定位准确率更高,识别算法的效果更明显.

关键词：虹膜定位 YoloV4 快速soft-DIoU-NMS算法 K-means++聚类

来源：评论

学校读者我要写书评

暂无评论

基于轨迹掩膜的在线多目标跟踪方法

引用

山东大学学报（工学版） 2023年第2期53卷 61-69页

作者：余明骏刁红军凌兴宏苏州大学计算机科学与技术学院江苏苏州215006 苏州城市学院计算科学与人工智能学院江苏苏州215104 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

针对现有多目标跟踪方法易受到遮挡、运动模糊等问题干扰的情况,提出基于轨迹掩膜的在线多目标跟踪方法(online multi-object tracking method based on trajectory mask,OMTMTM)。提出轨迹掩膜生成算法,利用前一帧跟踪轨迹结果生成轨... 详细信息

针对现有多目标跟踪方法易受到遮挡、运动模糊等问题干扰的情况,提出基于轨迹掩膜的在线多目标跟踪方法(online multi-object tracking method based on trajectory mask,OMTMTM)。提出轨迹掩膜生成算法,利用前一帧跟踪轨迹结果生成轨迹掩膜,设计轨迹掩膜网络对轨迹掩膜提取多维度特征,包含目标可见区域的估计值、大致位置及形状等信息;将该特征与基础骨干网络提取的原始图像特征融合后进行多目标检测跟踪。OMTMTM的目标跟踪器具备先验判断能力,可实现遮挡情况下的准确跟踪;OMTMTM利用目标跟踪轨迹的时空信息,恢复出部分漏检或低置信待检目标,使轨迹掩膜更加合理,有利于后续跟踪。对OMTMTM的性能进行多维度评估,并结合基线模型进行对比分析。试验结果表明,OMTMTM具有先进的多目标跟踪性能。

关键词：多目标跟踪目标检测轨迹掩膜视频流遮挡

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的猪脸特征点检测方法

引用

吉林大学学报（理学版） 2022年第3期60卷 609-616页

作者：李向宇李慧盈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

针对牲畜面部识别在养殖行业广泛需求的问题,提出一种基于卷积神经网络的猪脸特征点检测方法,解决了猪脸特征点难检测的问题.首先,采集猪面部数据并进行特征点标注,使用新的采集方法以解决猪口部通常不可见的问题;其次,对猪脸数据和人... 详细信息

针对牲畜面部识别在养殖行业广泛需求的问题,提出一种基于卷积神经网络的猪脸特征点检测方法,解决了猪脸特征点难检测的问题.首先,采集猪面部数据并进行特征点标注,使用新的采集方法以解决猪口部通常不可见的问题;其次,对猪脸数据和人脸数据进行结构计算,匹配相似度较高的猪脸和人脸,构建猪脸人脸匹配数据集;再次,利用匹配数据集训练TPS(thin plate spline)形变卷积神经网络,得到形变后的猪脸数据集以适配人脸特征点检测模型;最后,使用形变猪脸数据集对人脸特征点检测神经网络模型进行微调,得到猪脸特征点检测模型.实验结果表明,用该方法进行猪脸特征点检测,错误率仅为5.60%.

关键词：猪脸特征点检测卷积神经网络猪脸特征点数据集深度学习

来源：评论

学校读者我要写书评

暂无评论

基于局部搜索的并行扩展规则推理方法

引用

软件学报 2021年第9期32卷 2744-2754页

作者：李壮刘磊张桐搏周文博吕帅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

扩展规则推理方法在经典的可满足性问题求解中已得到广泛应用,若干个基于扩展规则的推理方法已被提出,皆得到国内外的认可,例如完备的NER,IMOMH_IER,PPSER算法以及基于局部搜索的不完备算法ERACC等,都具有良好的求解效果.其中,ERACC算... 详细信息

扩展规则推理方法在经典的可满足性问题求解中已得到广泛应用,若干个基于扩展规则的推理方法已被提出,皆得到国内外的认可,例如完备的NER,IMOMH_IER,PPSER算法以及基于局部搜索的不完备算法ERACC等,都具有良好的求解效果.其中,ERACC算法是当前扩展规则求解器中求解效率最高、能力最强的算法.但是,串行的ERACC算法在启发式和预处理上仍然具有可提升的空间.基于此,设计了相应的并行框架,提出了PERACC算法.该算法基于格局检测的局部搜索方法,从变量赋初始值、化简解空间和启发式这3个阶段出发,将原极大项空间分解成为若干极大项子空间,并对原子句集进行化简后,并行处理各个子空间.通过实验显示:该算法与原算法相比,不仅在求解效率方面有较大提高,而且可以求解规模更大的测试用例,使扩展规则方法再次突破公式规模的限制.

关键词：自动推理局部搜索扩展规则格局检测并行框架

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：