检索结果-内蒙古大学图书馆

自动化学报 2024年第3期50卷 544-559页

作者：李坚强蔡俊创孙涛朱庆灵林秋镇深圳大学计算机与软件学院深圳518060 深圳大学大数据系统计算技术国家工程实验室深圳518060

在现代社会中,复杂物流配送场景的车辆路径规划问题(Vehicle routing problem,VRP)一般带有时间窗约束且需要提供同时取送货的服务.这种复杂物流配送场景的车辆路径规划问题是NP-难问题.当其规模逐渐增大时,一般的数学规划方法难以求解... 详细信息

在现代社会中,复杂物流配送场景的车辆路径规划问题(Vehicle routing problem,VRP)一般带有时间窗约束且需要提供同时取送货的服务.这种复杂物流配送场景的车辆路径规划问题是NP-难问题.当其规模逐渐增大时,一般的数学规划方法难以求解,通常使用启发式方法在限定时间内求得较优解.然而,传统的启发式方法从原大规模问题直接开始搜索,无法利用先前相关的优化知识,导致收敛速度较慢.因此,提出面向复杂物流配送场景的车辆路径规划多任务辅助进化算法(Multitask-based assisted evolutionary algorithm,MBEA),通过使用迁移优化方法加快算法收敛速度,其主要思想是通过构造多个简单且相似的子任务用于辅助优化原大规模问题.首先从原大规模问题中随机选择一部分客户订单用于构建多个不同的相似优化子任务,然后使用进化多任务(Evolutional multitasking,EMT)方法用于生成原大规模问题和优化子任务的候选解.由于优化子任务相对简单且与原大规模问题相似,其搜索得到的路径特征可以通过任务之间的知识迁移辅助优化原大规模问题,从而加快其求解速度.最后,提出的算法在京东物流公司快递取送货数据集上进行验证,其路径规划效果优于当前最新提出的路径规划算法.

关键词：车辆路径规划问题时间窗约束同时取送货进化算法迁移优化

来源：评论

学校读者我要写书评

暂无评论

时间序列对称模式挖掘

引用

软件学报 2022年第3期33卷 968-984页

作者：李盼盼宋韶旭王建民清华大学软件学院北京100084 大数据系统软件国家工程实验室(清华大学) 北京100084 北京信息科学与技术国家研究中心(清华大学) 北京100084

随着信息化和工业化的融合,物联网和工业互联网蓬勃发展,由此产生了以时间序列为代表的大量工业大数据.时间序列中蕴含着很多有价值的模式,其中,对称模式在各类时间序列中广泛存在.挖掘对称模式对于行为分析、轨迹跟踪、异常检测等领域... 详细信息

随着信息化和工业化的融合,物联网和工业互联网蓬勃发展,由此产生了以时间序列为代表的大量工业大数据.时间序列中蕴含着很多有价值的模式,其中,对称模式在各类时间序列中广泛存在.挖掘对称模式对于行为分析、轨迹跟踪、异常检测等领域具有重要的研究价值,但时间序列的数据量往往高达几十甚至上百GB.使用直接的嵌套查询算法挖掘对称模式可能花费数月乃至数年的时间,而索引、下界和三角不等式等典型加速技术最多只能产生一两个数量级的加速.因此,基于动态时间规整算法的启发,提出了一种能够在O(w×|T|)的时间复杂度内挖掘出时间序列所有对称模式的方法.具体来说,给定对称模式长度约束,基于区间动态规划算法计算出对称子序列,进而依据贪心策略选择数量最多且不重叠的对称模式.此外,还研究了在时间序列数据流挖掘对称模式的算法,并根据窗口内数据的特征动态调节窗口大小,保证了对称模式数据的完整性.采用1个人工数据集、3个真实数据集在不同数据量下对上述方法进行实验.由实验结果可知,与其他对称模式挖掘方法相比,该方法在模式挖掘结果及时间开销方面均有较好的表现.

关键词：时间序列对称模式距离度量动态规划

来源：评论

学校读者我要写书评

暂无评论

基于夹角几何的I-niceMO增强算法

引用

系统仿真学报 2023年第4期35卷 797-808页

作者：何一帆何玉林蔡湧达黄哲学深圳大学计算机与软件学院广东深圳518060 深圳大学大数据系统计算技术国家工程实验室广东深圳518000

针对I-niceMO算法在候选聚类中心合并时中心数目难以确定和中心点识别不准确的问题,提出了基于夹角几何的I-niceMO增强(I-niceMOEn)算法。利用观测点与数据点之间的距离和角度分布情况找出数据中尽可能多的候选聚类中心,以避免多类别数... 详细信息

针对I-niceMO算法在候选聚类中心合并时中心数目难以确定和中心点识别不准确的问题,提出了基于夹角几何的I-niceMO增强(I-niceMOEn)算法。利用观测点与数据点之间的距离和角度分布情况找出数据中尽可能多的候选聚类中心,以避免多类别数据聚类中出现的类别丢失的情况;利用谱聚类算法对候选聚类中心进行聚类,根据拉普拉斯矩阵特征值的大小自动地对候选聚类中心进行合并;根据合并后的聚类中心的数量确定最终的数据聚类类别数。I-niceMOEn算法实现了对数据类别数的自动确定,并且在聚类过程中不需要人为设置参数。实验结果表明:I-niceMOEn算法在收敛的同时能够获得优于传统自动聚类算法和I-niceMO算法的类中心确定表现。

关键词：自动聚类 I-nice聚类谱聚类无监督学习观测点机制

来源：评论

学校读者我要写书评

暂无评论

基于候选中心融合的多观测点I-nice聚类算法

引用

模式识别与人工智能 2022年第4期35卷 348-362页

作者：陈鸿杰何玉林黄哲学尹剑飞深圳大学计算机与软件学院大数据技术与应用研究所深圳518060 深圳大学大数据系统计算技术国家工程实验室深圳518060

伴随着问题场景数据在规模上的快速增长和构成上的复杂化,精确估计簇的个数和簇的中心点是当下聚类算法处理和分析复杂大规模数据的重要挑战.簇数及簇心的精确估计对于部分有参聚类算法、数据集整体复杂性度量和数据简化表示等都十分关... 详细信息

伴随着问题场景数据在规模上的快速增长和构成上的复杂化,精确估计簇的个数和簇的中心点是当下聚类算法处理和分析复杂大规模数据的重要挑战.簇数及簇心的精确估计对于部分有参聚类算法、数据集整体复杂性度量和数据简化表示等都十分关键.文中在深入分析I-nice的基础上,提出基于候选中心融合的多观测点I-nice聚类算法.在原多观测点投影分治框架上采用混合高斯模型(Gaussian Mixture Model,GMM),结合粗细粒度最佳GMM搜索策略,实现数据子集的精确划分.此外,基于候选中心点分别到各观测点的距离值及最佳GMM,构造候选中心点的GMM构件向量,并设计一组闵可夫斯基距离对进行候选中心点间的相异度度量,实现基于GMM构件向量相异度的多观测点I-nice候选中心融合.不同于现有聚类算法,文中算法联合优化分治环节数据子集划分和候选中心集成这两个关键过程,实现成百上千个簇的精确高效估计.在真实数据集和仿真数据集上的一系列实验表明,文中算法能精确估计簇数和簇中心,具备较高的聚类精度.实验同时验证算法的有效性及在各类数据场景下的稳定性.

关键词：无监督学习观测点 I-nice 无参聚类高斯混合模型

来源：评论

学校读者我要写书评

暂无评论

物联网大数据场景下的分布式哈希表适用条件分析

引用

计算机学报 2021年第8期44卷 1679-1695页

作者：安彦哲朱妤晴王建民清华大学软件学院北京信息科学与技术国家研究中心(清华大学) 大数据系统软件国家工程实验室

针对"新基建"带来的物联网大数据管理真实应用场景中的挑战,本文对当前最优实践所用的大规模数据管理系统的核心——分布式哈希表(Distributed Hash Table,DHT),第一次基于极高写入负载和数据流量两个要素,进行了适用条件的... 详细信息

针对"新基建"带来的物联网大数据管理真实应用场景中的挑战,本文对当前最优实践所用的大规模数据管理系统的核心——分布式哈希表(Distributed Hash Table,DHT),第一次基于极高写入负载和数据流量两个要素,进行了适用条件的理论推导分析。面向存储空间、带宽和时间三方面的限制关系,从理论上分析了写入负载和联网带宽对DHT负载再均衡条件的影响,并推导出DHT负载再均衡设计仅适用于一定规模的物联网数据管理场景,而不适用于大规模物联网数据管理的结论。利用了基于DHT的业界常用系统Cassandra的物联网数据负载实验以及系统级模拟器的大量仿真实验结果验证了理论推导结果的有效性。基于理论结果对真实案例进行了应用分析,表明本文的理论结果可用于分析解决当前基于DHT系统支撑物联网数据负载出现的问题,并可用于分析和指导物联网数据管理系统的设计。

关键词：物联网数据管理分布式哈希表负载均衡时序数据时序数据库

来源：评论

学校读者我要写书评

暂无评论

多区间速度约束下的时序数据清洗方法

引用

软件学报 2021年第3期32卷 689-711页

作者：高菲宋韶旭王建民清华大学软件学院北京100084 大数据系统软件国家工程实验室北京100084 北京信息科学与技术国家研究中心(清华大学) 北京100084

为进一步优化推广大数据及人工智能技术,作为数据管理与分析的基础,数据质量问题日益成为相关领域的研究热点.通常情况下,数据采集及记录仪的物理故障或技术缺陷等会导致收集到的数据存在一定的错误,而异常错误会对后续的数据分析以及... 详细信息

为进一步优化推广大数据及人工智能技术,作为数据管理与分析的基础,数据质量问题日益成为相关领域的研究热点.通常情况下,数据采集及记录仪的物理故障或技术缺陷等会导致收集到的数据存在一定的错误,而异常错误会对后续的数据分析以及人工智能过程产生不可小视的影响,因此在数据应用之前,需要对数据进行相应的数据清洗修复.现存的平滑修复方法会导致大量原本正确的数据点过度修复为异常值,而基于约束的顺序依赖方法以及SCREEN方法等也因为约束条件较为单薄而无法对复杂的数据情况进行精确修复.基于最小修复原则,进一步提出了多区间速度约束下的时间序列数据修复方法,并采用动态规划方法来求解最优修复路径.具体来说,提出了多个速度区间来对时序数据进行约束,并根据多速度约束对各数据点形成一系列修复候选点,进而基于动态规划方法从中选取最优修复解.为验证上述方法的可行性和有效性,采用一个人工数据集、两个真实数据集以及一个带有真实错误的数据集在不同的异常率及数据量下对上述方法进行实验.由实验结果可知:相较于其他现存的修复方法,该方法在修复结果及时间开销方面均有着较好的表现.进一步,对多个数据集通过聚类及分类精确率的验证来表明数据质量问题对后续数据分析及人工智能的影响至关重要,本方法可以提升数据分析及人工智能结果的质量.

关键词：时间序列多区间速度约束数据清洗动态规划

来源：评论

学校读者我要写书评

暂无评论

基于分层伪标签的图像聚类方法

引用

计算机科学 2023年第6期50卷 225-235页

作者：蔡少填陈小军陈龙腾邱莉萍深圳大学计算机与软件学院广东深圳518060 大数据系统计算技术国家工程实验室(深圳大学) 广东深圳518060

图像聚类是图像处理中一个重要且开放的问题。最近,一些方法利用联合对比学习的良好表征能力来进行端到端聚类学习,利用伪标签技术来生成高质量的伪标签以提升聚类模型的鲁棒性。伪标签方法通常需要设置一个较大的概率阈值,并对满足要... 详细信息

图像聚类是图像处理中一个重要且开放的问题。最近,一些方法利用联合对比学习的良好表征能力来进行端到端聚类学习,利用伪标签技术来生成高质量的伪标签以提升聚类模型的鲁棒性。伪标签方法通常需要设置一个较大的概率阈值,并对满足要求的样本生成one-hot的标签,同时利用生成的标签来更新模型。但是,这种简单的伪标签生成方法难以获得足够数量的高质量伪标签。为了解决以上问题,提出了一种基于分层伪标签的图像聚类方法,它旨在利用结构化信息与伪标签信息对分类模型进行训练和精炼。引入3个假设来指导聚类方法的设计,包括局部平滑假设、自训练假设及低密度分离假设。新方法包含两个阶段:1)基于流形的一致性学习,利用近邻一致性学习来初始化聚类模型;2)基于分层伪标签的模型精炼,基于第一阶段的结果生成伪标签,并利用其来提升聚类模型的鲁棒性。首先,将基于第一阶段的结果生成强伪标签数据集及弱伪标签数据集;然后,提出了基于标签传播及分层混合的伪标签提升技术来提升弱伪标签数据集的质量;最后,同时利用强伪标签数据集及弱伪标签数据集来提升分类模型的泛化能力。相较于最优结果,SPC算法在STL10和Cifar100-20基准数据集上,ACC平均结果分别提升了7.6%和5.0%。

关键词：深度聚类一致性学习伪标签标签传播自训练学习

来源：评论

学校读者我要写书评

暂无评论

基于超级参数调整的网络表示学习算法性能公平比较框架

引用

计算机学报 2022年第5期45卷 897-917页

作者：郭梦影孙振宇朱妤晴包云岗中国科学院计算技术研究所先进计算机系统研究中心北京100190 中国科学院大学北京100049 北京信息科学与技术国家研究中心(清华大学) 北京100084 大数据系统软件国家工程实验室北京100084

网络结构数据在现今生活中广泛存在,但由于数据结构稀疏、规模较大等特性,难以直接利用现有的机器学习算法对数据进行分析.网络表示学习算法的出现,通过将高维数据映射到低维向量空间,解决了上述问题.但是网络表示学习算法中存在大量超... 详细信息

网络结构数据在现今生活中广泛存在,但由于数据结构稀疏、规模较大等特性,难以直接利用现有的机器学习算法对数据进行分析.网络表示学习算法的出现,通过将高维数据映射到低维向量空间,解决了上述问题.但是网络表示学习算法中存在大量超级参数,参数的选择与数据分析任务密切相关且对算法性能有明显影响,如何针对数据分析任务,通用地对多种网络表示学习算法进行超级参数调整,以获取不同算法的最优性能,实现算法间性能的公平比较,从而选择出最优者对数据进行分析,是一个亟待解决的问题.此外,对算法进行超级参数调整通常需要花费较长时间,且由于网络结构数据规模通常较大,还会有内存占用过高问题的存在,因此如何能够在有资源限制(时间、内存占用)的条件下进行超级参数调整,是面临的另一个问题.基于上述两个问题,本文提出了基于超级参数调整的网络表示学习算法性能公平比较框架JITNREv,能够在有资源限制的条件下通用对多种网络表示学习算法进行超级参数调整,通过获取不同算法针对相同数据分析任务的性能最优值,实现算法之间的性能公平比较.该框架具有4个松耦合且可扩展的组件,组件间仅通过数据流进行交互,并在闭环结构中完成样本的测试优化,满足了框架的通用性.JITNREv基于拉丁超立方采样对超级参数进行采样;根据“当前最优值附近,有更大概率出现更优值”的假设对采样范围进行剪枝;针对超大规模数据集,提出了图粗化方式在保留数据结构的基础上压缩数据规模,满足了资源限制条件下对超级参数进行调整的要求.框架还融合了网络表示学习算法常用的评测数据集、评测指标和数据分析应用,实现了框架的易用性.实验证明JITNREv框架能够在资源限制条件下稳定提高算法性能,例如,针对GCN算法的节点分类任务相比默认参数设置,JITNREv框架能够将性能提升31%.

关键词：网络表示学习网络嵌入图卷积网络自动化机器学习超级参数调整

来源：评论

学校读者我要写书评

暂无评论

新时期我国工业软件产业发展路径研究

引用

中国工程科学 2022年第2期24卷 86-95页

作者：邵珠峰赵云王晨冯希光王建民熊虹婷清华大学机械工程学院北京100084 山东大学国际创新转化学院山东青岛266237 大数据系统软件国家工程实验室北京100084 清华大学软件学院北京100084

工业软件产业是制造业高质量发展的重要支撑,在新时期制造强国战略背景下,工业软件成为优化制造与管理流程、变革生产方式与生产关系、提升全要素生产率、促进先进工业技术转化及溢出的直接动力。我国正在构建自主可控、安全高效的现代... 详细信息

工业软件产业是制造业高质量发展的重要支撑,在新时期制造强国战略背景下,工业软件成为优化制造与管理流程、变革生产方式与生产关系、提升全要素生产率、促进先进工业技术转化及溢出的直接动力。我国正在构建自主可控、安全高效的现代产业体系,在挑战原有“技术–生产–市场”分工模式的同时,也为工业软件产业发展创造了重要机遇。本文从当前国际市场格局出发,分类解析了工业软件产品的基本特征与市场份额情况,剖析了我国工业软件产业发展的不足与问题,归纳了工业软件产业的平台化、开源化两大新发展趋势;据此提出补短强基、追赶突破、卓越引领3条发展路径,以期针对性补强产业不足、切实提升产业水平。研究建议,优化组织模式,发挥工业企业的主体带动作用;细化政策对象,分层次推进工业软件关键技术突破;扩大应用市场,促进工业软件产品创新;挖掘人才潜能,多渠道支持工业软件人才培养。

关键词：工业软件系统集成产业瓶颈卓越引领工程

来源：评论

学校读者我要写书评

暂无评论

结构MRI联合基于VR眼动追踪技术的计算机化认知评估在阿尔茨海默病早期诊断中的应用价值

引用

磁共振成像 2024年第6期15卷 49-53页

作者：韦卓男樊响余可妍陈乐乐尹晨旺陈慧戚玉龙陈旭辉胡俊张绪成官迅北京大学深圳医院医学影像科深圳518036 北京大学深圳医院神经内科深圳518036 深圳大学大数据系统计算技术国家工程实验室深圳518061

目的探讨结构MRI联合基于VR眼动追踪技术的计算机化认知评估在阿尔茨海默病(Alzheimer's disease,AD)早期诊断中的临床应用价值。材料与方法77例早期AD患者和58例认知未受损者(cognitive unimpaired,CU)均接受了传统神经心理学量表... 详细信息

目的探讨结构MRI联合基于VR眼动追踪技术的计算机化认知评估在阿尔茨海默病(Alzheimer's disease,AD)早期诊断中的临床应用价值。材料与方法77例早期AD患者和58例认知未受损者(cognitive unimpaired,CU)均接受了传统神经心理学量表评估[包括简易精神状态量表(Mini-Mental State Examination,MMSE)、蒙特利尔认知评估量表(Montreal Cognitive Assessment,MoCA)等]、一项时长为5分钟的VR眼动认知评估,以及头颅三维T1加权成像(three dimensions T1-weighted imaging,3D-T1WI)磁共振结构像检查,并利用自动结构分析工具获取海马体积(hippocampal volume,HV)数值。分析VR眼动认知评估的总分与传统认知评估之间的相关性,构建受试者工作特征(receiver operating characteristic,ROC)曲线,分析单个指标(HV)及联合指标(HV联合VR眼动认知评估的总分)对AD的诊断效能。结果(1)HV诊断早期AD的AUC为0.629(95%CI:0.542~0.711),HV联合VR眼动认知评估的总分诊断早期AD的AUC为0.825(95%CI:0.751~0.885),DeLong检验结果显示两者差异有统计学意义(P<0.001);(2)早期AD组的HV(Z=−2.565,P=0.010)较CU组低;(3)VR眼动认知评估的总分与MMSE评分、MoCA评分呈正相关(r=0.531、0.627,P均<0.001)。结论联合基于VR眼动追踪技术的计算机化认知评估能提高HV对早期AD的诊断价值。

关键词：阿尔茨海默病磁共振成像眼动追踪计算机化认知评估海马体积

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：