检索结果-内蒙古大学图书馆

北京航空航天大学学报 2025年第1期51卷 63-74页

作者：马金林崔琦磊马自萍武江涛曹浩杰北方民族大学计算机科学与工程学院银川750021 图像图形智能信息处理国家民委重点实验室银川750021 北方民族大学数学与信息科学学院银川750021

基于图卷积网络的三维人体姿态估计方法无法提取关节点的多尺度特征和未充分利用相邻节点的拓扑关系问题,提出自调节图卷积UNet的三维人体姿态估计方法M-Joint-UNet。M-Joint-UNet方法由Joint-UNet、自调节图卷积和融合损失3部分组成:Jo... 详细信息

基于图卷积网络的三维人体姿态估计方法无法提取关节点的多尺度特征和未充分利用相邻节点的拓扑关系问题,提出自调节图卷积UNet的三维人体姿态估计方法M-Joint-UNet。M-Joint-UNet方法由Joint-UNet、自调节图卷积和融合损失3部分组成:Joint-UNet通过关节点池化与去池化改变特征图大小,以提取关节点的不同尺度特征;自调节图卷积通过可学习矩阵自动调节相邻节点或人体骨架结构的关系;使用L_(1)和L_(2)融合的损失缓解梯度爆炸。对比实验表明:所提方法在参数量和估计性能方面均获得了最优的结果,以Human3.6M的二维真实关节点作为输入的参数量仅为0.54×10^(6),MPJPE和P-MPJPE值分别为37.81 mm和30.21 mm。

关键词：三维人体姿态估计图卷积 Graph-UNet 关节点池化权重矩阵

来源：评论

学校读者我要写书评

暂无评论

基于Kolmogorov不等式的数据流漂移检测方法

引用

计算机工程与应用 2025年第9期61卷 102-115页

作者：韩萌孟凡兴李春鹏张瑞华何菲菲丁剑北方民族大学计算机科学与工程学院银川750021 图像图形智能处理国家民委重点实验室(北方民族大学) 银川750021

在现实数据环境中,数据分布经常随着时间推移而变化,该现象称为概念漂移。概念漂移会显著影响原分类模型的性能。因此,当概念漂移出现时,分类模型需及时调整以适应数据分布变化,从而保证学习的有效性。探讨了Kolmogorov不等式在概念漂... 详细信息

在现实数据环境中,数据分布经常随着时间推移而变化,该现象称为概念漂移。概念漂移会显著影响原分类模型的性能。因此,当概念漂移出现时,分类模型需及时调整以适应数据分布变化,从而保证学习的有效性。探讨了Kolmogorov不等式在概念漂移检测领域的应用潜力。提出了一种基于错误率的Kolmogorov漂移检验策略,利用Kolmogorov不等式设计了概念漂移检测方法,并利用该算法来检测数据流中突然或逐渐出现的概念漂移。提出了一种尾部实例调整策略,减轻了漂移检测样本集中旧实例的影响,从而进一步降低了漂移检测延迟。实验表明,与经典或先进的漂移检测器相比,提出的算法在分类准确率方面表现最佳。在漂移检测性能方面,提出的算法在误检率和检测延迟方面的表现均位于前列,达到了较好的平衡。在运行时间方面也表现出了良好的性能。在上述四个指标的总体比较中优于其他算法,达到了该研究的预期。

关键词：概念漂移漂移检测数据流分类 Kolmogorov不等式

来源：评论

学校读者我要写书评

暂无评论

多模态特征增强的双层融合知识推理方法

引用

计算机科学与探索 2025年第2期19卷 406-416页

作者：荆博祥王海荣王彤杨振业北方民族大学计算机科学与工程学院银川750021 北方民族大学图像图形智能处理国家民委重点实验室银川750021

现有的多模态知识推理方法大多采用拼接或注意力的方式,将预训练模型提取到的多模态特征直接进行融合,往往忽略了不同模态之间的异构性和交互的复杂性。为此,提出了一种多模态特征增强的双层融合知识推理方法。结构信息嵌入模块采用自... 详细信息

现有的多模态知识推理方法大多采用拼接或注意力的方式,将预训练模型提取到的多模态特征直接进行融合,往往忽略了不同模态之间的异构性和交互的复杂性。为此,提出了一种多模态特征增强的双层融合知识推理方法。结构信息嵌入模块采用自适应图注意力机制筛选并聚合关键的邻居信息,用来增强实体和关系嵌入的语义表达;多模态嵌入信息模块使用不同的注意力机制关注不同模态数据的独有特征,以及多模态数据间的共性特征,利用共性特征的互补信息进行模态交互,以减少模态间异构性差异;多模态特征融合模块采用将低秩多模态特征融合和决策融合相结合的双层融合策略,实现了多模态数据在模态间和模态内的动态复杂交互,并综合考虑每种模态在推理中的贡献度,得到更全面的预测结果。为了验证方法的有效性,分别在FB15K-237、DB15K和YAGO15K数据集上进行了实验。结果表明:该方法相比多模态推理方法,在FB15K-237数据集上MRR和Hits@1分别平均提升3.6%和2.2%;相比单模态推理方法,MRR和Hits@1分别平均提升13.7%和14.6%。

关键词：多模态知识图谱链接预测知识推理多模态特征融合

来源：评论

学校读者我要写书评

暂无评论

渐进式策略的多模态无监督实体对齐方法

引用

计算机科学与探索 2025年第1期19卷 245-252页

作者：马赫王海荣王艺焱孙崇周北京北方民族大学计算机科学与工程学院银川750021 北方民族大学图像图形智能处理国家民委重点实验室银川750021

当前的实体对齐方法,虽然利用知识图谱中实体间的结构信息取得了不错的对齐效果,但是忽略了实体间包含的大量侧面信息。这些信息具有唯一性特征,可以用于增强对齐效果。分析了实体侧面信息在实体对齐中的可用性,提出了一种无监督实体对... 详细信息

当前的实体对齐方法,虽然利用知识图谱中实体间的结构信息取得了不错的对齐效果,但是忽略了实体间包含的大量侧面信息。这些信息具有唯一性特征,可以用于增强对齐效果。分析了实体侧面信息在实体对齐中的可用性,提出了一种无监督实体对齐方法,使用渐进式策略并融合图文信息。该方法通过融合实体的字面量信息和视觉信息,来增强实体的特征表示;采用双向阈值最近邻算法,过滤掉距离度量过高的实体对;引入渐进式策略,来动态增加相似度阈值,以控制对齐实体对的生成质量和生成速度;定义分配算法,以优化渐进式策略得到的结果。为了验证提出的方法,在DBP15K数据集的ZH_EN、JA_EN、FR_EN子数据集上进行实验,并与PSR、EVA、DATTI等10种方法的结果进行了对比分析。实验结果表明,该方法在ZH_EN和JA_EN子数据集的对齐任务上,Hits@1指标分别达到了95.7%和97.4%,在FR_EN上Hits@10指标达到了99.9%,性能表现较佳。

关键词：实体对齐无监督多模态渐进式策略分配问题

来源：评论

学校读者我要写书评

暂无评论

带时间窗的车辆路径问题元启发算法综述

引用

计算机应用研究 2025年第5期42卷 1290-1298页

作者：张玉玺雷冰冰王晓峰朱炫骏宋家欢北方民族大学计算机科学与工程学院银川750021 北方民族大学图像图形智能处理国家民委重点实验室银川750021

带时间窗的车辆路径问题(VRPTW)是车辆路径优化问题(VRP)重要问题之一,广泛应用于物流配送等领域。随着物流需求和复杂性的增加,传统算法在求解VRPTW时表现出效率低和适应性不足等局限。近年来,元启发算法在该问题的求解上取得了显著进... 详细信息

带时间窗的车辆路径问题(VRPTW)是车辆路径优化问题(VRP)重要问题之一,广泛应用于物流配送等领域。随着物流需求和复杂性的增加,传统算法在求解VRPTW时表现出效率低和适应性不足等局限。近年来,元启发算法在该问题的求解上取得了显著进展,因此有必要对其求解算法进行系统梳理和深入研究。梳理了VRPTW的基本模型,对比了精确算法、启发算法及元启发算法的应用,重点分析了元启发算法的研究进展、优缺点及其改进策略。最后,探讨了算法未来研究方向和发展趋势,为进一步研究提供了理论支持。

关键词：车辆路径问题时间窗元启发算法启发算法

来源：评论

学校读者我要写书评

暂无评论

基于改进粒子群的云计算任务调度算法

引用

科学技术与工程 2025年第12期25卷 5045-5057页

作者：陈攀孙鉴吴隹伟武涛杨晓焕马宝全北方民族大学计算机科学与工程学院银川750021 北方民族大学图像图形智能处理国家民委重点实验室银川750021

传统粒子群算法(particle swarm optimization,PSO)在云计算任务调度的性能和效率方面仍然存在局部搜索效率较低、搜索精度有限等不足,导致难以找到全局最优解并容易陷入局部最优解,针对此问题提出一种改进的粒子群任务调度算法(improve... 详细信息

传统粒子群算法(particle swarm optimization,PSO)在云计算任务调度的性能和效率方面仍然存在局部搜索效率较低、搜索精度有限等不足,导致难以找到全局最优解并容易陷入局部最优解,针对此问题提出一种改进的粒子群任务调度算法(improved particle swarm optimization,IPSO)。首先,通过反向学习策略生成分布更加均匀的初始种群,提高算法的收敛速度。其次,在粒子更新过程中引入正弦余弦算法(sine cosine algorithm,SCA)以此提高粒子的寻优能力,平衡全局搜索和局部开发两个过程。最后,添加了基于平均适应度的搜索行为进一步扩大搜索解空间以找到更好的最优解,防止陷入局部最优。在CloudSim仿真平台上进行实验验证。实验结果表明:改进粒子群算法在降低系统任务的成本和最大完工时间上均有着显著的优势。特别是当任务数量达到500时,IPSO在总成本上相较于自适应粒子群算法(adaptive particle swarm optimization,AdPSO)、正弦余弦粒子群算法(sine cosine algorithm-particle swarm optimization,SCA-PSO)、模拟退火粒子群算法(simulated annealing particle swarm optimization,SAPSO)、增强型吞噬遗传算法(enhanced phagocytosis genetic algorithm,EPGA)、竞争交叉机制遗传算法(competitive crossover mechanism genetic algorithm,C2PGA)、反向学习粒子群算法(opposition based learning-particle swarm optimization,OBL-PSO)和PSO分别提升了10%、4.6%、8.6%、9.2%、8.2%、10.4%和11.3%,在最大完工时间上分别提升了34.1%、27%、41.7%、28.5%、21.6%、50.3%和54.8%,验证了IPSO在不同任务规模下解决云计算任务调度问题的可行性和有效性。

关键词：云计算任务调度粒子群算法(PSO) 正弦余弦算法(SCA) CloudSim

来源：评论

学校读者我要写书评

暂无评论

基于大语言模型的智能问答系统研究综述

引用

计算机工程与应用 2025年第7期61卷 1-24页

作者：任海玉刘建平王健顾勋勋陈曦张越赵昌顼北方民族大学计算机科学与工程学院银川750021 北方民族大学图像图形智能处理国家民委重点实验室银川750021 中国农业科学院农业信息研究所北京100081

智能问答是自然语言处理中的一个核心的子领域,旨在理解并回答用户提出的自然语言问题的系统。传统的问答系统通常依赖于预定义的规则和有限的语料库,无法处理复杂的多轮对话。大语言模型是一种基于深度学习技术的自然语言处理模型,拥... 详细信息

智能问答是自然语言处理中的一个核心的子领域,旨在理解并回答用户提出的自然语言问题的系统。传统的问答系统通常依赖于预定义的规则和有限的语料库,无法处理复杂的多轮对话。大语言模型是一种基于深度学习技术的自然语言处理模型,拥有数十亿甚至上千亿个参数,不仅能够理解和生成自然语言,还能显著提升问答系统的准确性和效率,推动智能问答技术的发展。近年来,基于大模型技术的智能问答逐渐成为研究热点,但对该领域的系统性综述仍然较为欠缺。因此,针对大模型的智能问答系统进行系统综述,介绍了问答系统的基本概念和数据集及其评价指标;介绍了基于大模型的问答系统,其中包括基于提示学习的问答系统、基于知识图谱的问答系统、基于检索增强生成的问答系统和基于智能代理的问答系统以及微调在问答任务中的技术路线,并对比了五种方法在问答系统中的优缺点和应用场景;对于当前基于大语言模型的问答系统面临的研究挑战和未来发展趋势进行了总结。

关键词：大语言模型智能问答自然语言处理检索增强生成提示学习知识图谱

来源：评论

学校读者我要写书评

暂无评论

MSP-YOLACT:面向多模态PET/CT肺部肿瘤医学图像的实例分割模型

引用

光子学报 2025年第4期54卷 198-212页

作者：周涛柴文文王亚星陈凯雄陆惠玲石道宗北方民族大学计算机科学与工程学院银川750021 宁夏医科大学医学信息与工程学院银川750004 北方民族大学图像图形智能处理国家民委重点实验室银川750021

针对多模态肺部肿瘤医学图像对比度低、病灶边界模糊,现有方法未充分考虑多模态图像信息互补性的问题,提出了面向多模态PET/CT肺部肿瘤医学图像的实例分割模型,该模型为充分利用不同模态图像的病灶共性特征进行病灶形态增强,设计融合PET... 详细信息

针对多模态肺部肿瘤医学图像对比度低、病灶边界模糊,现有方法未充分考虑多模态图像信息互补性的问题,提出了面向多模态PET/CT肺部肿瘤医学图像的实例分割模型,该模型为充分利用不同模态图像的病灶共性特征进行病灶形态增强,设计融合PET和CT模态图像特征的多模态特征混合器;为增加模型对病灶区域的关注度,构造增强特征金字塔,该结构由强化特征融合模块以及多尺度特征融合器组成;为增强模型对病灶区域的定位能力,设计基于全局与局部特征强化的并行特征增强预测头模块。使用临床多模态肺部肿瘤医学图像数据集验证模型的有效性,结果表明所提模型对于肺部病灶分割的AP_(det)、AP_(seg)、AR_(det)、AR_(seg)、mAP_(det)和mAP_(seg)分别为64.55%、65.53%、51.47%、52.28%、64.37%和65.41%。该模型实现对肺部肿瘤病灶区域的精确检测分割,以及对肺部肿瘤自动化辅助诊断具有积极意义。

关键词：医学图像肺部肿瘤多模态 PET/CT 实例分割注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征融合与重构卷积的肝肿瘤图像分割方法

引用

华南理工大学学报(自然科学版) 2025年第5期 94-108页

作者：马金林酒志青马自萍夏明格张凯程叶霞马瑞士北方民族大学图形图像智能信息处理国家民委重点实验室北方民族大学计算机科学与工程学院北方民族大学数学与信息科学学院中国移动通信有限公司

针对肝肿瘤图像特征表达能力不足和全局上下文信息传递受限的问题，该文提出一种基于改进U-Net的肝肿瘤图像分割方法。首先，设计了一种低秩重构卷积来优化传统卷积运算所导致的大量参数问题，并用其构建使用残差结构改进编解码器的卷... 详细信息

针对肝肿瘤图像特征表达能力不足和全局上下文信息传递受限的问题，该文提出一种基于改进U-Net的肝肿瘤图像分割方法。首先，设计了一种低秩重构卷积来优化传统卷积运算所导致的大量参数问题，并用其构建使用残差结构改进编解码器的卷积核重构模块，使编码器保留更多的细节信息，并使解码器能更有效地恢复信息，以提升肝肿瘤图像特征的表达能力。然后，为丰富全局上下文信息的传递，设计了三分支空间金字塔池化模块来优化瓶颈结构的信息传递，打破单一路径的限制。接着，设计了多尺度特征融合模块来优化编码器信息的复用机制，增强模型对全局上下文信息的建模能力，并提升其在提取不同尺度肝肿瘤图像特征时的效能。最后，在LiTS2017和3DIRCADb数据集上对该文方法的性能进行了测试。实验结果表明：在LiTS2017数据集上的肝脏图像分割任务中，该文方法的Dice系数和IoU值分别达97.56%和95.25%，在肝肿瘤图像分割任务中的Dice系数和IoU值分别达89.71%和81.58%；在3DIRCADb数据集上的肝脏图像分割任务中，该文方法的Dice系数和IoU值分别达97.63%和95.39%，在肝肿瘤图像分割任务中的Dice系数和IoU值分别达89.62%和81.63%。

关键词：肝肿瘤图像分割卷积核重构空间金字塔池化多尺度特征融合

来源：评论

学校读者我要写书评

暂无评论

面向图像分类的视觉Transformer研究进展

引用

计算机科学与探索 2024年第2期18卷 320-344页

作者：彭斌白静李文静郑虎马向宇北方民族大学计算机科学与工程学院银川750021 图像图形智能信息处理国家民委重点实验室银川750021

Transformer是一种基于自注意力机制的深度学习模型,在计算机视觉中展现出巨大的潜力。而在图像分类任务中,关键的挑战是高效而准确地捕捉输入图片的局部和全局特征。传统方法使用卷积神经网络的底层提取其局部特征,并通过卷积层堆叠扩... 详细信息

Transformer是一种基于自注意力机制的深度学习模型,在计算机视觉中展现出巨大的潜力。而在图像分类任务中,关键的挑战是高效而准确地捕捉输入图片的局部和全局特征。传统方法使用卷积神经网络的底层提取其局部特征,并通过卷积层堆叠扩大感受野以获取图像的全局特征。但这种策略在相对短的距离内聚合信息,难以建立长期依赖关系。相比之下,Transformer的自注意力机制通过直接比较特征在所有空间位置上的相关性,捕捉了局部和全局的长距离依赖关系,具备更强的全局建模能力。因此,深入探讨Transformer在图像分类任务中的问题是非常有必要的。首先以Vision Transformer为例,详细介绍了Transformer的核心原理和架构。然后以图像分类任务为切入点,围绕与视觉Transformer研究中的性能提升、计算成本和训练优化相关的三个重要方面,总结了视觉Transformer研究中的关键问题和最新进展。此外,总结了Transformer在医学图像、遥感图像和农业图像等多个特定领域的应用情况。这些领域中的应用展示了Transformer的多功能性和通用性。最后,通过综合分析视觉Transformer在图像分类方面的研究进展,对视觉Transformer的未来发展方向进行了展望。

关键词：深度学习视觉Transformer 网络架构图像分类自注意力机制

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：