检索结果-内蒙古大学图书馆

仪器仪表学报 2010年第8期31卷 1904-1909页

作者：曲良东刘衍珩余雪岗高振博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长春130012

针对车载网关中异构网络及多种类设备间与互联网的通信问题,设计并实现了一种新的基于Linux虚拟设备的车载异构网络互联模型。该模型利用Linux中的模块动态加载特性及虚拟网络设备来实现多种类设备间的统一化和互联通信。逻辑上,在TCP/I... 详细信息

针对车载网关中异构网络及多种类设备间与互联网的通信问题,设计并实现了一种新的基于Linux虚拟设备的车载异构网络互联模型。该模型利用Linux中的模块动态加载特性及虚拟网络设备来实现多种类设备间的统一化和互联通信。逻辑上,在TCP/IP协议栈和实设备驱动层之间设计了一个虚拟网络设备层,所有的数据在系统内核与实设备通信的时候均通过虚拟网络设备层,而虚拟网络设备则提供统一的socket层接口,使得上层应用服务的设计和实现更为简单。实验测试表明,该模型可以完成异构网络间的通信,尤其是与Internet的通信。

关键词：车载网关虚拟设备 Linux系统异构网络

来源：评论

学校读者我要写书评

暂无评论

引入激活扩散的贝叶斯网络分类器

引用

吉林大学学报(信息科学版) 2025年第2期 317-326页

作者：董飒刘杰刘大有李婷婷徐海啸吴旗欧阳若川吉林大学计算机科学与技术学院吉林大学符号计算与知识工程教育部重点实验室吉林大学党委教师工作部

针对网络数据分类的关系分类器都基于同质性假设，而基于一阶马尔可夫假设的简化处理存在一定局限性的问题，在贝叶斯网络分类器中，引入局部图排序激活扩散方法替代原始的直接邻域获取方法。通过设置初始能量值和最小能量阈值，适当扩... 详细信息

针对网络数据分类的关系分类器都基于同质性假设，而基于一阶马尔可夫假设的简化处理存在一定局限性的问题，在贝叶斯网络分类器中，引入局部图排序激活扩散方法替代原始的直接邻域获取方法。通过设置初始能量值和最小能量阈值，适当扩大分类时待分类节点的邻域范围，从而提高了节点的同质性。结合松弛标注的协作推理方法，引入激活扩散的贝叶斯网络分类器ASNBC(Activation Spreading Network Bayes Classifier)在一定程度上提高了网络数据的分类精度。与4个网络分类器的对比实验结果表明，该方法在6个网络数据集上的分类精度都有不同程度的提高。

关键词：人工智能网络数据分类激活扩散贝叶斯网络分类器协作推理

来源：评论

学校读者我要写书评

暂无评论

多社区网络上的命名博弈

引用

计算机研究与发展 2015年第2期52卷 487-498页

作者：郭东伟孟翔燕刘淼侯彩芳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

为了模仿人类对新物体认知和命名的过程,提出了一种新型的命名博弈模型,它通过词汇的权重表示个体的认知程度,低权重词汇被删除模拟个体有限记忆的过程.实验发现,在单社区网络上,所有个体的词汇最终能够统一,通过总词汇数、不同词汇数... 详细信息

为了模仿人类对新物体认知和命名的过程,提出了一种新型的命名博弈模型,它通过词汇的权重表示个体的认知程度,低权重词汇被删除模拟个体有限记忆的过程.实验发现,在单社区网络上,所有个体的词汇最终能够统一,通过总词汇数、不同词汇数和平均协议成功率的分析解释了新个体命名的演化过程.衰减因子和删除阈值的取值对于演化速度影响较大,当它们之间存在线性关系时演化收敛较快.通过将该模型应用到多社区网络模型上,发现收敛词汇数可能不唯一,会与社区数相同,且收敛词汇数的稳定性与网络社区化强度和社区内节点的平均度有关,而与社区内节点数无关.最后,使用微分动力学的方法对这种情况进行了定量分析.

关键词：多社区网络命名博弈词汇权重演化收敛词汇

来源：评论

学校读者我要写书评

暂无评论

XML空间频繁变化结构挖掘方法

引用

计算机学报 2013年第2期36卷 317-326页

作者：李巍李雄飞郭建芳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长春130012

XML数据在实际使用过程中不断发生改变,针对XML数据动态可变的特点,提出一种根据XML数据变化过程挖掘XML空间频繁变化结构SFCS(Spatial Frequently Changing Structure)的方法,首先提出XML子结构空间度量方法,通过结构空间变化度SSCD、... 详细信息

XML数据在实际使用过程中不断发生改变,针对XML数据动态可变的特点,提出一种根据XML数据变化过程挖掘XML空间频繁变化结构SFCS(Spatial Frequently Changing Structure)的方法,首先提出XML子结构空间度量方法,通过结构空间变化度SSCD、版本空间变化度VSCD和空间变化程度SCD这3个度量值衡量XML子结构的空间变化频繁性并提出SFCS定义.进一步,提出一种用于保存XML空间变化信息和发现SFCS的数据模型SC-DOM,论证了XML编辑操作对子结构空间的影响并据此提出SC-DOM状态动态迁移方式,最后提出根据SC-DOM发现SFCS的算法并讨论算法复杂度.实验结果表明SFCS是频繁变化的结构,使用SC-DOM模型进行SFCS挖掘是有效且可扩展的.

关键词：数据挖掘 XML 频繁模式空间频繁变化结构 SC-DOM

来源：评论

学校读者我要写书评

暂无评论

基于现场可编程门电路的人脸检测识别加速平台

引用

吉林大学学报（工学版） 2019年第6期49卷 2051-2057页

作者：周柚杨森李大琳吴春国王岩王康平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

采用现场可编程门电路(FPGA)和中央处理器相结合的异构计算技术,解决人脸检测和识别计算加速问题。基于并发和流水线的方法加速Viola-Jones人脸检测算法,提高了数据吞吐量,增加了级联分类器的并行度;通过并发卷积操作和流水线特征图加... 详细信息

采用现场可编程门电路(FPGA)和中央处理器相结合的异构计算技术,解决人脸检测和识别计算加速问题。基于并发和流水线的方法加速Viola-Jones人脸检测算法,提高了数据吞吐量,增加了级联分类器的并行度;通过并发卷积操作和流水线特征图加速了卷积神经网络计算过程。实验结果表明,硬件平台较软件平台实现了2.9倍的加速比。

关键词：计算机应用人脸检测人脸识别卷积神经网络现场可编程门电路算法算法硬件

来源：评论

学校读者我要写书评

暂无评论

高斯尺度空间下估计背景的自适应阈值分割算法

引用

自动化学报 2014年第8期40卷 1773-1782页

作者：龙建武申铉京臧慧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

为有效分割非均匀光照图像,提出一种在高斯尺度空间下估计背景的自适应阈值分割算法.首先,利用二维高斯函数对待处理图像进行卷积操作来构建一个高斯尺度空间,在此空间下进行背景估计,并采用背景差法来消除非均匀光照干扰,从而提取出目... 详细信息

为有效分割非均匀光照图像,提出一种在高斯尺度空间下估计背景的自适应阈值分割算法.首先,利用二维高斯函数对待处理图像进行卷积操作来构建一个高斯尺度空间,在此空间下进行背景估计,并采用背景差法来消除非均匀光照干扰,从而提取出目标图像;然后,采用γ矫正进行增强处理以突出较暗目标信息;最后,经强调谷底的最大类间方差法进行全局分割得到最终结果.为验证算法的有效性,对非均匀光照条件下文本图像以及非文本图像进行了测试,并与基于偏移场的模糊C均值方法、灰度波动变换自适应阈值分割算法和自适应最小误差阈值分割算法,在错误分割率和运行时间上进行了对比.实验结果表明,对比以上三种方法,该算法的分割结果更为理想.

关键词：图像分割自适应阈值分割高斯尺度空间背景估计背景差

来源：评论

学校读者我要写书评

暂无评论

用于移动路径预测的混合Markov模型

引用

通信学报 2006年第12期27卷 61-69页

作者：余雪岗刘衍珩魏达田明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长春130012

分析了移动路径预测的已有方案,指出了各方案存在的问题。针对预测性能相对较好的K阶Markov预测器存在的状态空间膨胀问题,以2阶Markov预测器为例,提出了2步Markov模型,并验证了其在WLAN上的可行性。在此基础上,提出了一个混合多步Marko... 详细信息

分析了移动路径预测的已有方案,指出了各方案存在的问题。针对预测性能相对较好的K阶Markov预测器存在的状态空间膨胀问题,以2阶Markov预测器为例,提出了2步Markov模型,并验证了其在WLAN上的可行性。在此基础上,提出了一个混合多步Markov模型,并利用EM算法估计多个单步Markov模型的混合系数。该混合模型状态空间的复杂度为O(N),而2阶Markov模型为O(N2),其中,N为WLAN中的AP数目;混合模型的存储空间需求为O(N2),而2阶Markov模型为O(N3)。最后通过基于条件熵与误差向量2阶范数的计算分析以及基于实际数据集的实践分析表明,该混合模型能够以比2阶Markov模型小得多的空间代价获得与2阶Markov模型相似的预测精度和普适性,具有较高的实时在线应用价值。

关键词：路径预测 Markov预测器状态空间膨胀混合 EM算法

来源：评论

学校读者我要写书评

暂无评论

采用词向量注意力机制的双路卷积神经网络句子分类模型

引用

浙江大学学报（工学版） 2018年第9期52卷 1729-1737页

作者：郭宝震左万利王英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长春130012

针对句子中不同的词对分类结果影响不同以及每个词对应的词向量受限于单一词向量训练模型的特点,提出一种基于词向量注意力机制的双路卷积神经网络句子分类模型(AT-DouCNN).该模型将注意力机制和卷积神经网络相结合,以不同训练算法得到... 详细信息

针对句子中不同的词对分类结果影响不同以及每个词对应的词向量受限于单一词向量训练模型的特点,提出一种基于词向量注意力机制的双路卷积神经网络句子分类模型(AT-DouCNN).该模型将注意力机制和卷积神经网络相结合,以不同训练算法得到的词向量同时作为输入,分别进行卷积和池化,并在全连接层进行融合,不仅能够使得具体分类任务下句子中的关键信息更易被提取,还能够有效地利用不同种类的词向量得到更加丰富的句子特征,进而提高分类的准确率.实验结果表明:所提出的模型在3个公开数据集上的分类准确率分别达到50.6%、88.6%和95.4%,具有良好的句子分类效果.

关键词：词向量注意力机制双路卷积神经网络句子分类

来源：评论

学校读者我要写书评

暂无评论

基于传播概率矩阵的异构信息网络表示学习

引用

浙江大学学报（工学版） 2019年第3期53卷 548-554页

作者：赵廷廷王喆卢奕南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长春130012

根据元路径和可交换矩阵,结合节点一阶和二阶相似性得到最后的传播概率矩阵;利用降噪自动编码器对传播概率矩阵进行降维得到异构信息网络的节点表示;将异构信息网络的节点表示用梯度提升树(GBDT)分类,得到不同百分比训练集下的分类准确... 详细信息

根据元路径和可交换矩阵,结合节点一阶和二阶相似性得到最后的传播概率矩阵;利用降噪自动编码器对传播概率矩阵进行降维得到异构信息网络的节点表示;将异构信息网络的节点表示用梯度提升树(GBDT)分类,得到不同百分比训练集下的分类准确率,用聚类指标标准化互信息(NMI)评价聚类效果,用T-SNE展现可视化效果.在数据集DBLP和AMiner上分别进行实验,相比DeepWalk、node2vec和metapath2vec方法,在应用任务节点分类上,所提出的基于传播概率矩阵的异构信息网络表示学习(HINtpm)的准确率与DeepWalk相比最高提升了24%,聚类指标NMI与DeepWalk相比最高提升了13%.

关键词：网络表示学习异构信息网络(HIN) 传播概率矩阵元路径节点相似性自动编码器

来源：评论

学校读者我要写书评

暂无评论

过程挖掘中一种能发现重复任务的扩展α算法

引用

计算机学报 2007年第8期30卷 1436-1445页

作者：李嘉菲刘大有杨博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

基于α-算法,提出了能发现工作流日志中重复任务的过程挖掘算法α**,并给出了正确性证明.该算法先通过机器学习的方法分析重复任务的性质,给出了判定重复任务的定理并证明了其正确性;然后使用这些定理判断并标识出日志中的所有重复任务... 详细信息

基于α-算法,提出了能发现工作流日志中重复任务的过程挖掘算法α**,并给出了正确性证明.该算法先通过机器学习的方法分析重复任务的性质,给出了判定重复任务的定理并证明了其正确性;然后使用这些定理判断并标识出日志中的所有重复任务;最后,采用α-算法从标识后的日志中提取出工作流网,并对其进行调整得到包含重复任务的工作流网模型.通过模拟实验验证了算法的有效性,与现有的重复任务挖掘方法的实验结果相比证实了文中提出的方法具有更高的效率.

关键词：过程挖掘工作流挖掘重复任务 Petri网工作流网

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：