检索结果-内蒙古大学图书馆

模式识别与人工智能 2012年第5期25卷 745-754页

作者：高灿苗夺谦张志飞刘财辉同济大学电子与信息工程学院计算机科学与技术系上海201804 同济大学嵌入式系统与服务计算教育部重点实验室上海201804

粗糙集理论是一种有监督学习模型,一般需要适量有标记的数据来训练分类器.但现实一些问题往往存在大量无标记的数据,而有标记数据由于标记代价过大较为稀少.文中结合主动学习和协同训练理论,提出一种可有效利用无标记数据提升分类性能... 详细信息

粗糙集理论是一种有监督学习模型,一般需要适量有标记的数据来训练分类器.但现实一些问题往往存在大量无标记的数据,而有标记数据由于标记代价过大较为稀少.文中结合主动学习和协同训练理论,提出一种可有效利用无标记数据提升分类性能的半监督粗糙集模型.该模型利用半监督属性约简算法提取两个差异性较大的约简构造基分类器,然后基于主动学习思想在无标记数据中选择两分类器分歧较大的样本进行人工标注,并将更新后的分类器交互协同学习.UCI数据集实验对比分析表明,该模型能明显提高分类学习性能,甚至能达到数据集的最优值.

关键词：粗糙集,差别矩阵,半监督约简,主动学习,协同训练

来源：评论

学校读者我要写书评

暂无评论

本体概念分类的遗传算法

引用

高技术通讯 2008年第3期18卷 265-270页

作者：王俊丽丁志军蒋昌俊孙萍同济大学嵌入式系统与服务计算教育部重点实验室上海201804 山东科技大学信息科学与工程学院青岛266510

提出了一种基于遗传算法的本体概念分类规则学习方法(GAOCL)。该方法从已有的本体库或知识库中获取实例作为训练样本,通过遗传算法获取相关的概念分类规则,实现概念实例的有效分类,以达到扩充和丰富本体的目的。首先,在编码过程中采用... 详细信息

提出了一种基于遗传算法的本体概念分类规则学习方法(GAOCL)。该方法从已有的本体库或知识库中获取实例作为训练样本,通过遗传算法获取相关的概念分类规则,实现概念实例的有效分类,以达到扩充和丰富本体的目的。首先,在编码过程中采用了可变长度的规则集合作为个体,以满足不同概念对分类规则数目的不同要求。其次,定义了规则集相对覆盖率,并以此作为适应值函数,评估个体对概念实例的分类效果,实现优化迭代。最后,给出了基于遗传算法的本体分类规则学习算法。利用一组标准样本集对该算法与同类算法进行了比较,实验结果表明该算法具有很好的收敛性,并且能获得较好的分类效果。

关键词：本体学习遗传算法概念分类规则收敛性

来源：评论

学校读者我要写书评

暂无评论

基于自编码网络的空气污染物浓度预测

引用

同济大学学报（自然科学版） 2019年第5期47卷 681-687页

作者：秦东明丁志军金玉鹏赵勤同济大学嵌入式系统与服务计算教育部重点实验室上海200092 上海师范大学信息与机电工程学院上海200234

深度学习为城市空气污染物浓度预测提供了更为强大的数据拟合能力,为空气污染预测提供全新的智能计算方法.为此,提出了一个基于自编码神经网络的污染物浓度预测模型AEPP(auto-encoder-based pollutant prediction).该模型包括编码器和... 详细信息

深度学习为城市空气污染物浓度预测提供了更为强大的数据拟合能力,为空气污染预测提供全新的智能计算方法.为此,提出了一个基于自编码神经网络的污染物浓度预测模型AEPP(auto-encoder-based pollutant prediction).该模型包括编码器和解码器两个部分.其中,编码器用于提取出时间序列污染物浓度数据分布特征,即语境向量;解码器利用提取的特征预测未知时间内污染物浓度数据.模型中编码器和解码器采用多层LSTM(long short-term memory)模型结构,实现长时间依赖预测目标.实验表明,提出的模型可以提高对污染物浓度的预测水平.

关键词：空气污染预测自编码模型深度学习数值分析

来源：评论

学校读者我要写书评

暂无评论

LBSNs中的群体行程推荐方法

引用

计算机科学 2017年第6期44卷 199-205页

作者：李效伦丁志军同济大学嵌入式系统与服务计算教育部重点实验室上海201804

随着GPS设备(如智能手机、GPS导航仪、GPS记录仪等)的广泛应用,其产生的位置信息也越来越多。基于位置的社交网络(Location-Based Social Networks,LBSNs)推荐系统受到了更多的关注。旅游行程推荐是LBSNs中非常热门的研究课题之一,但是... 详细信息

随着GPS设备(如智能手机、GPS导航仪、GPS记录仪等)的广泛应用,其产生的位置信息也越来越多。基于位置的社交网络(Location-Based Social Networks,LBSNs)推荐系统受到了更多的关注。旅游行程推荐是LBSNs中非常热门的研究课题之一,但是现有研究主要侧重向单个用户推荐旅游行程,缺乏向群体推荐行程的工作。因此提出了一种LBSNs中的群体行程推荐方法。该方法首先根据用户的签到记录,使用K-means和谱聚类方法挖掘用户群体及其偏好;然后综合考虑群体对行程的时间和价格的约束,设计了行程推荐算法向群体用户推荐符合其偏好的旅游行程;最后,使用新浪微博用户的真实签到记录进行实验分析,结果表明所提出的群体行程推荐方法具有良好效果。

关键词：群体旅游行程 LBSNs 谱聚类 K-means 推荐系统

来源：评论

学校读者我要写书评

暂无评论

基于多粒度空间混乱的细粒度图像分类算法

引用

智能系统学报 2022年第1期17卷 144-150页

作者：宋思雨苗夺谦同济大学电子与信息工程学院上海201804 同济大学嵌入式系统与服务计算教育部重点实验室上海201804

细粒度图像分类是计算机视觉领域一个具有挑战性的任务,在实际场景中具有很高的应用价值。其中不同子类别的物体整体轮廓差异较小,微小的判别性局部区域是分类的关键。然而,这些重要的局部区域的尺度可能不同,不能用单一的标准去衡量它... 详细信息

细粒度图像分类是计算机视觉领域一个具有挑战性的任务,在实际场景中具有很高的应用价值。其中不同子类别的物体整体轮廓差异较小,微小的判别性局部区域是分类的关键。然而,这些重要的局部区域的尺度可能不同,不能用单一的标准去衡量它们。为了解决这个问题,本文提出了多粒度空间混乱模块来帮助神经网络学习如何寻找到不同尺度的判别性细节。该模块首先将图片划分为不同粒度的局部区域,然后随机打乱并重组构成新的输入图片。经过处理的图片具有区域无关性,从而迫使网络更好地在不同粒度层次下寻找有判别力的局部区域并从中学习特征。在3个广泛使用的细粒度图像分类数据集上的实验证明本文提出的模块可以有效地帮助网络寻找判别性局部区域从而提升了准确率并且网络不需要图片的任何部位标注信息。

关键词：细粒度图像分类空间混乱多粒度深度学习数据增强卷积神经网络弱监督学习局部区域

来源：评论

学校读者我要写书评

暂无评论

车载无线自组网络连通性分析

引用

系统仿真学报 2009年第3期21卷 888-893,899页

作者：李舒张栋良蒋昌俊同济大学计算机科学与工程系上海201804 同济大学嵌入式系统与服务计算教育部重点实验室上海201804

在智能交通系统中,车辆上常常安装无线ad hoc节点,车辆间通过Ad hoc方式进行点对点通信,针对这种车载无线自组网络在实际道路上的网络拓扑特点,抽象出合理的网络模型,利用渗流理论讨论该网络的连通性问题。首先证明了1维动态无线自组网... 详细信息

在智能交通系统中,车辆上常常安装无线ad hoc节点,车辆间通过Ad hoc方式进行点对点通信,针对这种车载无线自组网络在实际道路上的网络拓扑特点,抽象出合理的网络模型,利用渗流理论讨论该网络的连通性问题。首先证明了1维动态无线自组网络的"无渗流"特点,并通过仿真实验探讨实际交通网络中车载无线ad hoc节点的合理传输半径,提出通过合理部署静态节点的方法提高1维动态网络的连通性。针对2维车载无线自组网络的交通特性,提出适合车辆交通网的无线节点连通性策略——基于定点覆盖的策略,从理论上给出了2维网络被定点覆盖的条件,之后通过仿真实验分析2维车载无线自组网在真实道路系统上的连通特点,并针对定点——五角场中心进行定点覆盖实验。

关键词：车载无线自组网络渗流理论智能交通系统车辆网仿真

来源：评论

学校读者我要写书评

暂无评论

基于图卷积神经网络的文本分类方法研究综述

引用

计算机科学 2022年第8期49卷 205-216页

作者：檀莹莹王俊丽张超波嵌入式系统与服务计算教育部重点实验室(同济大学) 上海201804

文本分类是自然语言处理领域中常见的任务,机器学习和深度学习在该任务中已有较多研究并取得了很大进展,然而,这些传统方法只能处理欧氏空间的数据,不能完全有效地表达出文本的语义信息。为了打破传统的学习模式,诸多研究开始尝试用图... 详细信息

文本分类是自然语言处理领域中常见的任务,机器学习和深度学习在该任务中已有较多研究并取得了很大进展,然而,这些传统方法只能处理欧氏空间的数据,不能完全有效地表达出文本的语义信息。为了打破传统的学习模式,诸多研究开始尝试用图表示文本中各实体间的丰富关系,并利用图卷积神经网络学习文本表示。文中对基于图卷积神经网络的文本分类方法进行了综述,首先概述了图卷积神经网络的背景与原理;其次,利用不同类型的图网络详细阐述了基于图卷积神经网络的文本分类方法,同时分析了图卷积神经网络在网络深度上的局限性,并介绍了深层网络在文本分类任务上的最新进展;最后,通过实验比较了各模型的分类性能,并探讨了该领域的难点与未来的发展方向。

关键词：文本分类图卷积神经网络图注意力网络过平滑非欧空间

来源：评论

学校读者我要写书评

暂无评论

基于自适应和神经动力学的轮式移动机器人路径跟踪控制(英文)

引用

控制理论与应用 2010年第12期27卷 1717-1723页

作者：曹政才赵应涛吴启迪北京化工大学信息科学与技术学院北京100029 同济大学嵌入式系统与服务计算教育部重点实验室上海201804

本文提出一种自适应和神经动力学相结合的轮式移动机器人路径跟踪控制方法.首先,设计运动学控制器用来获得机器人期望速度;其次,考虑机器人动力学模型参数的不确定性,利用模型参考自适应方法来设计动力学控制规律,使得机器人实际速度渐... 详细信息

本文提出一种自适应和神经动力学相结合的轮式移动机器人路径跟踪控制方法.首先,设计运动学控制器用来获得机器人期望速度;其次,考虑机器人动力学模型参数的不确定性,利用模型参考自适应方法来设计动力学控制规律,使得机器人实际速度渐近逼近期望值;再次,为克服速度和力矩的跳变,加入神经动力学模型对控制器进行优化,并且通过Lypunov理论来证明整个控制系统的稳定性;最后仿真结果表明该控制方法的有效性.

关键词：轮式移动机器人路径跟踪模型参考自适应神经动力学

来源：评论

学校读者我要写书评

暂无评论

BLDCM两相短路的四步换相容错运行方法

引用

电工技术学报 2019年第7期34卷 1413-1422页

作者：周奇勋王坤刘娜张玉峰西安科技大学电气与控制工程学院西安710054 同济大学嵌入式系统与服务计算教育部重点实验室上海200092

无刷直流电机运行过程中发生相短路,易引起二次故障,造成电机控制系统的功能丧失。针对无刷直流电机绕组两相短路故障情况,提出一种四步换相容错控制策略,确保电机故障后系统继续运行。通过在电机绕组设置电流检测元件,对三相电流进行检... 详细信息

无刷直流电机运行过程中发生相短路,易引起二次故障,造成电机控制系统的功能丧失。针对无刷直流电机绕组两相短路故障情况,提出一种四步换相容错控制策略,确保电机故障后系统继续运行。通过在电机绕组设置电流检测元件,对三相电流进行检测,将连续两次检测值的差值作为特征量进行故障定位;根据定位结果,改变逆变桥功率管导通次序、导通时间,实现对电机两相短路情况下的容错控制,同时实现故障隔离。针对电机容错运行时转矩脉动较大的问题,采用H_PWM-L_ON调制方式并在换相时刻优化占空比,进行转矩脉动抑制。详细阐述电机两相短路容错控制策略的工作机理与换相过程,并对提出的四步换相容错控制策略进行仿真和实验,结果表明,电机容错运行时非故障相相电流峰值接近电机正常运行时的1.5倍,故障相相电流峰值接近电机正常运行时的1.25倍,转矩脉动增加20%,转速波动在5%以内。

关键词：无刷直流电机两相短路故障定位四步换相容错运行

来源：评论

学校读者我要写书评

暂无评论

医疗信息系统的集中式整合模式及其建模分析

引用

系统仿真学报 2013年第7期25卷 1435-1441页

作者：闫春钢汪明新刘关俊吴岩同济大学计算机科学与工程系上海201804 同济大学嵌入式系统与服务计算教育部重点实验室上海201804

优化医疗信息系统的整合问题是医疗信息化建设迫切需要解决的问题。目前医院中医疗信息系统大多是由各个子系统以互连方式整合而成。这些系统存在系统的可扩展性差、对系统的维护不方便、对系统的分析困难等问题。提出了基于IHE(Integra... 详细信息

优化医疗信息系统的整合问题是医疗信息化建设迫切需要解决的问题。目前医院中医疗信息系统大多是由各个子系统以互连方式整合而成。这些系统存在系统的可扩展性差、对系统的维护不方便、对系统的分析困难等问题。提出了基于IHE(Integrating the Healthcare Enterprise)技术框架的医疗信息系统的集中式整合模式,克服了现有的互连式整合模式的若干不足。运用对象Petri网对集中式整合模式进行建模。首先对各个子系统进行建模,然后根据各子系统之间的关系建立系统的整合模型,并对整合后的医疗信息系统的合理性进行了分析,给出了在IHE框架下针对复杂系统建立工作流模型的过程及其分析方法。该模型为整合医疗信息系统的实现提供了理论基础和依据。

关键词： IHE技术框架颜色Petri网集中式整合对象Petri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：