检索结果-内蒙古大学图书馆

计算机研究与发展 2025年第2期62卷 314-335页

作者：田萱吴志超北京林业大学信息学院北京100083 国家林业草原林业智能信息处理工程技术研究中心北京100083

知识库问答旨在从知识库中检索相关信息用于模型推理,最终返回准确的答案.近年来随着深度学习和大语言模型的发展,基于信息检索的知识库问答研究成为焦点,涌现出许多新颖方法.从模型方法、数据集等不同方面对基于信息检索的知识库问答... 详细信息

知识库问答旨在从知识库中检索相关信息用于模型推理,最终返回准确的答案.近年来随着深度学习和大语言模型的发展,基于信息检索的知识库问答研究成为焦点,涌现出许多新颖方法.从模型方法、数据集等不同方面对基于信息检索的知识库问答研究进行梳理总结.首先对知识库问答的研究意义和相关定义进行介绍.然后按照模型执行过程从问句解析、信息检索、模型推理、答案生成这4个阶段阐述每个阶段面临的关键问题以及典型解决方法,对每个阶段所使用到的共性网络模块进行总结.其次针对基于信息检索的知识库问答方法的不可解释性进行分析梳理.此外,对不同特点的相关数据集和不同阶段的基线模型进行了分类介绍与总结.最后对基于信息检索的知识库问答每个执行阶段以及该领域整体发展方向进行了总结和展望.

关键词：知识库问答信息检索深度学习大语言模型阶段性问题

来源：评论

学校读者我要写书评

暂无评论

TSIT-PatchTST模型:一种净生态系统交换量(NEE)缺失值插补方法

引用

北京林业大学学报 2025年第2期47卷 105-118页

作者：齐建东石成城吴鹏北京林业大学信息学院北京100083 国家林业和草原局林业智能信息处理工程技术研究中心北京100083

【目的】净生态系统交换量(NEE)是评估陆地生态系统在全球碳循环中作用的重要指标,NEE原始观测数据缺失值的插补精度会直接影响生态系统关键参数的可靠性和精确性。为提高不同植被NEE在长时间连续性数据缺失情景下的插补精度,提出一种... 详细信息

【目的】净生态系统交换量(NEE)是评估陆地生态系统在全球碳循环中作用的重要指标,NEE原始观测数据缺失值的插补精度会直接影响生态系统关键参数的可靠性和精确性。为提高不同植被NEE在长时间连续性数据缺失情景下的插补精度,提出一种融合时间序列表征向量的TSIT-PatchTST深度学习模型。【方法】以全球长期通量观测网络站点的碳通量因子数据为研究对象,通过构造短缺失(1 d)、中缺失(7 d)、长缺失(30 d)3种随机连续数据缺失场景,评估边际分布采样法(MDS)、PatchTST模型、TS2Vec-PatchTST模型和TSIT-PatchTST模型在8种不同植被类型下NEE的插补结果。【结果】在短缺失场景下,4种插补方法都表现出最优的性能。随着连续缺失天数的增多,MDS的插补精度逐渐下降,该方法在长缺失场景下已不能对NEE进行有效插补,而其他3种深度学习模型能够有效地插补NEE缺失数据。综合3种缺失场景,TSIT-PatchTST模型表现出最优的插补性能,尤其在长缺失场景下该模型具有较高的插补精度。长缺失场景下,TSIT-PatchTST模型对31个站点插补结果的平均均方误差(MSE)为0.942μmol/(m2·s),平均绝对误差(MAE)为0.628μmol/(m2·s),平均R2为0.457。与PatchTST模型的插补结果相比,TSIT-PatchTST模型平均MSE下降了53.3%,平均MAE下降了39.7%,平均R2相持平。【结论】综合8种植被类型和3种缺失场景的应用结果,得出TSITPatchTST模型的插补效果最佳,并具有适应性。TSIT-PatchTST模型可应用于时间序列数据缺失场景以提高数据插补精度。

关键词：深度学习模型开发数据插补 TSIT-PatchTST模型碳循环植被类型净生态系统交换量(NEE)

来源：评论

学校读者我要写书评

暂无评论

机器学习在社交媒体用户自杀意念检测中的应用综述

引用

计算机科学与探索 2025年第3期19卷 559-581页

作者：蒙秀扬王世屹李渡渡王春玲北京林业大学信息学院北京100083 国家林业草原林业智能信息处理工程技术研究中心北京100083 中央民族大学信息工程学院北京100081

近年来,社交媒体平台成为人类发布情感甚至是自杀意念、企图和行为的崭新阵地,并且成为自杀意念检测的重要数据平台和关键评估依据。随着人工智能技术的兴起,关于机器学习在社交媒体用户自杀意念检测中的应用研究成为热点。但在国内,该... 详细信息

近年来,社交媒体平台成为人类发布情感甚至是自杀意念、企图和行为的崭新阵地,并且成为自杀意念检测的重要数据平台和关键评估依据。随着人工智能技术的兴起,关于机器学习在社交媒体用户自杀意念检测中的应用研究成为热点。但在国内,该领域相关研究较为匮乏,尚未形成完整体系。为系统梳理其研究现状及发展脉络,对机器学习技术赋能自杀意念检测的研究进行了全面总结。概述了自杀意念检测的定义、流程、常见方法及评价指标,总结了目前自杀意念检测任务中常用的数据集和现有特征工程及其技术。分别从传统的机器学习和深度学习的角度对自杀意念检测进行了系统总结,对比分析了每种方法的关键技术、核心思想及优缺点。归纳了当前该领域中亟待解决的问题及创新解决方法,特别介绍了ChatGPT等大语言模型、多模态模型在该领域的应用。讨论了机器学习在社交媒体自杀意念检测应用研究中的局限性,并提出了未来的研究方向,以期进一步推动形成数据驱动、人机协同、跨学科融合、跨文化畛域的数智化自杀意念检测新范式。

关键词：自杀意念检测社交媒体机器学习深度学习特征提取

来源：评论

学校读者我要写书评

暂无评论

多方引导前景增强的行人重识别方法

引用

浙江大学学报(工学版) 2025年第5期59卷 929-937页

作者：刘俊婧郑宛露郭子强王少荣北京林业大学信息学院北京100083 国家林业草原林业智能信息处理工程技术研究中心北京100083 北京市虚拟仿真与可视化工程技术研究中心北京100871

为了解决行人重识别模型性能对背景环境因素过于依赖的问题,提出多方引导前景增强的行人重识别方法.该方法通过掩码引导增强和自增强策略,提升了模型对行人前景的关注,同时保留一定的背景信息,有效减轻了对背景信息的依赖,增强了模型的... 详细信息

为了解决行人重识别模型性能对背景环境因素过于依赖的问题,提出多方引导前景增强的行人重识别方法.该方法通过掩码引导增强和自增强策略,提升了模型对行人前景的关注,同时保留一定的背景信息,有效减轻了对背景信息的依赖,增强了模型的泛化能力.在骨干网络中引入瓶颈优化模块,利用空洞卷积,在保持原有参数规模的前提下,有效增大了模型的感受野,提升了模型的整体性能.实验结果表明,提出的模型在Market1501和DukeMTMC_reID数据集上分别取得了95%和88.3%的Rank-1准确率.验证了多方引导前景增强的行人重识别方法的有效性,通过前景增强并结合一定的背景信息,有效提升了基线模型的性能.

关键词：行人重识别人体解析背景变化前景增强掩码引导增强

来源：评论

学校读者我要写书评

暂无评论

基于语义分离和特征融合的人脸编辑方法

引用

计算机辅助设计与图形学学报 2025年第3期37卷 414-426页

作者：夏垚铮郝蕾郑宛露潘成伟王少荣北京林业大学信息学院北京100083 北京航空航天大学人工智能学院北京100083 国家林业草原林业智能信息处理工程技术研究中心北京100083

人脸图像编辑模型中的语义属性之间有较强的关联性,编辑其中一种语义可能导致其他语义属性以及非编辑区域的内容改动.为了提升用户的编辑体验,实现对人脸图像细节更为精确的编辑,提出一种在图像域上语义分离和特征融合(ISFL)的人脸图像... 详细信息

人脸图像编辑模型中的语义属性之间有较强的关联性,编辑其中一种语义可能导致其他语义属性以及非编辑区域的内容改动.为了提升用户的编辑体验,实现对人脸图像细节更为精确的编辑,提出一种在图像域上语义分离和特征融合(ISFL)的人脸图像编辑模型.首先使用图像掩模将人脸图像的各个语义分离,并将人脸语义组织成一个层次化的树状结构;然后通过ISFL实现对图像语义的局部分离和全局融合,用户可通过掩模单独编辑图像中不同语义的结构和外观;最后使用基于编码器和基于优化2种方式优化生成图像的细节部分.在CelebAMask-HQ数据集上的实验结果表明,所提出的图像编辑方法可以得到更加真实、细节更加丰富的图像.

关键词：生成对抗网络人脸图像编辑条件生成模型属性解耦特征合成

来源：评论

学校读者我要写书评

暂无评论

Elasticsearch在林业数据领域的应用

引用

世界林业研究 2025年第1期 60-66页

作者：范晓磊陈钊高金萍北京林业大学信息学院国家林业和草原局林业智能信息处理工程技术研究中心国家林业和草原局林草调查规划院

大数据技术的快速发展，为存储和处理海量林业数据带来了新机遇。Elasticsearch是一个分布式、高扩展和高实时性的搜索与数据分析引擎，在处理海量林业数据方面具有诸多优势。文中聚焦Elasticsearch的应用，从林业数据的存储与管理、统... 详细信息

大数据技术的快速发展，为存储和处理海量林业数据带来了新机遇。Elasticsearch是一个分布式、高扩展和高实时性的搜索与数据分析引擎，在处理海量林业数据方面具有诸多优势。文中聚焦Elasticsearch的应用，从林业数据的存储与管理、统计与分析及可视化3个角度进行综述。在存储管理方面，Elasticsearch以分布式架构和副本分片机制实现同时处理海量的林业结构化数据和非结构化数据，实现多源异构数据的统一存储；在统计分析方面，Elasticsearch借助Aggregation框架和Refresh机制对林业实时数据和历史数据进行统计与分析，为林业资源管理、生态环境监测和灾害预警与防控等提供决策依据；在可视化方面，Elasticsearch结合Kibana可通过静态数据的历史沉淀和动态数据的实时更新实现对林业数据的多维展示，能够直观展示林业资源的现状、变化趋势及各要素间的关系。最后，结合深度学习、地理信息系统、区块链等技术展望了Elasticsearch在林业图像处理与分析、空间数据深度分析以及数据安全与共享方面的应用前景。

关键词： Elasticsearch搜索引擎林业数据数据管理大数据

来源：评论

学校读者我要写书评

暂无评论

生成式知识迁移的SAR舰船检测

引用

遥感学报 2024年第2期28卷 470-480页

作者：娄欣王晗卢昊张文驰北京林业大学信息学院北京100083 国家林业和草原局林业智能信息处理工程技术研究中心北京100083

为解决基于深度卷积神经网络进行SAR舰船检测网络训练过程中数据获取、数据标注等问题,本文提出一种生成式知识迁移的SAR舰船检测框架,该框架由生成式知识迁移网络和舰船检测网络两部分组成。通过知识迁移网络生成与有标注的光学遥感图... 详细信息

为解决基于深度卷积神经网络进行SAR舰船检测网络训练过程中数据获取、数据标注等问题,本文提出一种生成式知识迁移的SAR舰船检测框架,该框架由生成式知识迁移网络和舰船检测网络两部分组成。通过知识迁移网络生成与有标注的光学遥感图像空间分布一致且包含SAR图像特征的带标注模拟图像;使用所生成的带标注模拟图像,进一步优化舰船检测网络,以提高基于深度卷积神经网络的舰船检测的泛化性能。SARShip-Detection-Datasets(SSDD)和AIR-SARShip-1.0两个公开数据集上的实验结果表明,该框架有效提高了在仅包含少量标注SAR图像样本情况下的舰船目标检测效果,可显著降低舰船在复杂背景图像中漏检和误检的概率。

关键词： SAR 目标检测深度学习图像生成迁移学习

来源：评论

学校读者我要写书评

暂无评论

长白山红松阔叶林的净碳交换变化及基于时间卷积神经网络的模拟

引用

林业科学 2022年第2期58卷 1-12页

作者：齐建东谭新新北京林业大学信息学院北京100083 国家林业和草原局林业智能信息处理工程技术研究中心北京100083

【目的】分析长白山红松阔叶林净生态系统碳交换量(NEE)的季节性差异及其气象因子响应,在月尺度下揭示气象因子对NEE的动态影响,为调节研究地区的碳收支提供理论指导。同时研究时间卷积神经网络在森林生态系统净碳交换模拟中的应用,探索... 详细信息

【目的】分析长白山红松阔叶林净生态系统碳交换量(NEE)的季节性差异及其气象因子响应,在月尺度下揭示气象因子对NEE的动态影响,为调节研究地区的碳收支提供理论指导。同时研究时间卷积神经网络在森林生态系统净碳交换模拟中的应用,探索NEE模拟的新方法。【方法】基于长白山温带红松阔叶林通量观测站2007—2010年间的30 min观测数据,分析NEE和输入模型的5种气象因子的季节性差异,并分析5种气象因子与NEE的相关性。使用随机森林模型,计算影响NEE的各因子重要性得分,选择得分较高的5种气象因子:潜热通量、显热通量、冠层上方空气湿度、冠层上方水汽压和净辐射作为NEE模拟的输入;分别构建基于时间卷积神经网络(TCN)、长短期记忆网络(LSTM)、人工神经网络(ANN)、支持向量回归(SVR)和极限学习机(ELM)的5种NEE模型,采用决定系数(R^(2))、平均绝对误差(MAE)和均方根误差(RMSE)评价模型的预测精度和稳定性。【结果】长白山温带红松阔叶林通量观测站NEE全年总量为-74.7773 gCO_(2)·m^(-2)a-1,总体表现为碳汇,但夏季表现为碳汇,冬季表现为碳源;NEE与潜热通量、冠层上方水汽压、净辐射和冠层上方空气湿度均极显著负相关(P<0.0001),和显热通量相关性不显著;TCN模型的RMSE为0.1105 mgCO_(2)·m^(-2)s^(-1),R^(2)为0.8214,RMSE分别比ELM、SVR、ANN和LSTM减少0.0248、0.0224、0.0222和0.0068 mgCO_(2)·m^(-2)s^(-1),R^(2)分别比ELM、SVR、ANN和LSTM增加0.0806、0.0777、0.0686、0.0223;根据5种模型的10次试验结果,计算得到TCN模型RMSE的标准差为0.0004 mgCO_(2)·m^(-2)s^(-1),相比ELM、ANN和LSTM分别减小0.0014、0.0013和0.0002 mgCO_(2)·m^(-2)s^(-1)。【结论】长白山温带红松阔叶林通量观测站的NEE总体表现为碳汇,但存在明显的季节差异;NEE与潜热通量、冠层上方水汽压、冠层上方空气湿度、净辐射极显著负相关(P<0.0001),与显热通量相关性不显著。对于长白山温带红松阔叶林通量观测站的长期NEE预测结果表明,基于TCN的模型不仅预测精度良好,并且具有较强的稳定性,能为时间卷积神经网络在生态模拟领域的应用提供可行性依据。本研究结果可为调节长白山红松阔叶林的碳收支提供理论指导。

关键词：时间卷积神经网络 NEE 长白山红松阔叶林

来源：评论

学校读者我要写书评

暂无评论

多层特征融合及兴趣区域的花卉图像分类

引用

哈尔滨工程大学学报 2021年第4期42卷 588-594页

作者：杨旺功淮永建北京林业大学信息学院北京100083 国家林业和草原局林业智能信息处理工程技术研究中心北京100083

为了提高模型识别效率,本文提出基于兴趣区域的多层特征融合的花卉图像分类方法,并有效应用于梅花细粒度图像分类。通过提取兴趣区域和多层特征融合强化图像特征,使用全局平均池化层替代Flatten层。采用联合均匀分布的交叉熵损失函数,... 详细信息

为了提高模型识别效率,本文提出基于兴趣区域的多层特征融合的花卉图像分类方法,并有效应用于梅花细粒度图像分类。通过提取兴趣区域和多层特征融合强化图像特征,使用全局平均池化层替代Flatten层。采用联合均匀分布的交叉熵损失函数,提升了分类准确率。实验结果表明:此方法在标准数据集Oxford Flowers 102的分类准确率为93.57%,在梅花数据集Plum Flowers 17的分类准确率为85.47%。此方法通过融合多层图像特征,能够消除背景噪声的干扰,具有通用性。

关键词：深度学习花卉分类特征融合兴趣区域迁移学习细粒度图像特征提取卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

森林生态站大数据快速存储与索引方法

引用

农业机械学报 2021年第8期52卷 195-204,212页

作者：王新阳贾相宇陈志泊崔晓晖许福北京林业大学信息学院北京100083 国家林业和草原局林业智能信息处理工程技术研究中心北京100083

针对森林生态站中大量图像、视频、GIS数据等非结构化数据以及生态指标等结构化数据存储效率低、检索性能差的问题,提出了基于Hadoop和HBase的森林生态站大数据存储框架。基于所提出的框架,给出了森林生态数据存储业务流程,并对森林生... 详细信息

针对森林生态站中大量图像、视频、GIS数据等非结构化数据以及生态指标等结构化数据存储效率低、检索性能差的问题,提出了基于Hadoop和HBase的森林生态站大数据存储框架。基于所提出的框架,给出了森林生态数据存储业务流程,并对森林生态大数据平台涉及的核心技术进行了优化:①设计预分区算法保证数据在集群中均匀分布。②根据生态数据特点科学设计了RowKey,实现生态数据的快速检索。③针对原生HBase不支持多条件查询问题,设计基于索引数据和服务器性能评估的ElasticSearch索引分片放置策略,以此基于ElasticSearch的二级非主键索引技术优化多条件检索HBase生态数据库。④针对生态站海量小图像存储困难问题,提出基于数据站点及时间关联性的打包合并策略。⑤解析GIS数据使之进行高效存储。通过实验对以上理论进行验证。结果表明,ElasticSearch索引分片放置策略比默认分片策略的查询时间平均减少20 ms,比基于改变ElasticSearch评分策略的查询时间平均减少20 ms。结构化数据规模为1×108条时,系统的检索时间为1.045 s,比原生HBase检索速度提升3.99倍,在非结构化数据为1×107条时,采用数据站点及时间关联性的打包小图像策略是基于SequenceFile合并效率的1.15倍,是原生HBase的1.79倍;在1×104次并发用户的情况下,优化后的每秒查询数是原来的1.88倍,每秒吞吐量是优化前的1.74倍,系统响应时间比优化前降低69.5%。结果表明,本文所提出的方案在集群负载均衡、海量结构化和非结构化数据检索效率以及系统吞吐量等方面都有了明显的性能提升,为森林生态数据的存储和管理提供了必要的理论基础和技术实现。

关键词：森林生态大数据快速存储数据索引分布式平台

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：