检索结果-内蒙古大学图书馆

电子学报 2021年第11期49卷 2101-2107页

作者：张磊刘庆杨尚尚杨海鹏程凡马海平安徽大学计算机科学与技术学院计算智能与信号处理教育部重点实验室安徽合肥230601

近年来,多目标进化方法已被广泛应用于重叠社团检测问题并取得了较好的社团划分性能.如何设计合适的个体编码以及进化策略是提高基于多目标进化重叠社团检测算法性能的重要因素.为此,本文设计了一种双编码表示方法对非重叠社团结构和重... 详细信息

近年来,多目标进化方法已被广泛应用于重叠社团检测问题并取得了较好的社团划分性能.如何设计合适的个体编码以及进化策略是提高基于多目标进化重叠社团检测算法性能的重要因素.为此,本文设计了一种双编码表示方法对非重叠社团结构和重叠点分别进行编码,能够有效解码得到重叠社团结构.在双编码表示的基础上,本文提出了一种基于双编码的重叠社团检测多目标优化方法(DRMOEA).在DRMOEA中,为了获得好的初始个体并提高算法检测性能,本文提出了一种基于社团边界点的初始化策略.除此之外,针对双编码中的重叠点编码部分,本文提出了基于精英个体边界点的交叉策略,该策略利用社团边界信息引导种群向好的方向进化,从而有效提高了算法的检测性能.最后,在9个真实世界网络上的实验结果表明DRMOEA算法优于其他5个代表性重叠社团检测算法.

关键词：复杂网络重叠社团检测双编码多目标优化

来源：评论

学校读者我要写书评

暂无评论

基于T-球形模糊熵和交叉熵的偏好提取方法及其应用

引用

海南师范大学学报(自然科学版) 2025年第1期38卷 54-63页

作者：杨雨欣毛军军黄慧鑫庞星宇安徽大学大数据与统计学院安徽合肥230601 安徽大学计算智能与信号处理教育部重点实验室安徽合肥230601

由于决策环境的日益复杂,专家和属性的偏好信息在决策过程中至关重要。因此为了更加客观地识别信息,提出了一种基于T-球形模糊熵和交叉熵的偏好提取方法并将其用于多属性群决策问题中。首先针对模糊熵不满足现实意义以及交叉熵不满足非... 详细信息

由于决策环境的日益复杂,专家和属性的偏好信息在决策过程中至关重要。因此为了更加客观地识别信息,提出了一种基于T-球形模糊熵和交叉熵的偏好提取方法并将其用于多属性群决策问题中。首先针对模糊熵不满足现实意义以及交叉熵不满足非负性的问题,提出了新的T-球形模糊熵和交叉熵,用以客观准确地确定专家和属性的偏好信息,并证明了其相关性质;其次,针对以往有些研究中定义的距离函数不满足三角不等式的缺点,提出了基于新T-球形模糊交叉熵的距离函数,并将其与新提出的T-球形模糊熵和交叉熵用于TOPSIS方法对方案进行排序;最后通过一个计算机辅助工程(CAE)仿真软件的选择实例说明了所提方法的可行性和有效性,为解决T-球形模糊环境下的多属性群决策问题提供了一种新的思路。

关键词： T-球形模糊熵 T-球形模糊交叉熵改进的距离函数偏好提取多属性群决策

来源：评论

学校读者我要写书评

暂无评论

基于T-球形模糊Z-number的扩展TODIM方法及应用

引用

武汉理工大学学报(信息与管理工程版) 2025年第1期47卷 65-72页

作者：程玮玲毛军军张胜安徽大学大数据与统计学院安徽合肥230601 安徽大学计算智能与信号处理教育部重点实验室安徽合肥230601

Z-number作为一种表达不确定信息的方法,其核心在于处理信息的模糊性和概率不确定性。然而,当前关于Z-number的研究相对有限,许多研究未能充分揭示其性质。T-球形模糊Z-number为表示数据的随机性和模糊性提供了新的视角。首先,引入了T-... 详细信息

Z-number作为一种表达不确定信息的方法,其核心在于处理信息的模糊性和概率不确定性。然而,当前关于Z-number的研究相对有限,许多研究未能充分揭示其性质。T-球形模糊Z-number为表示数据的随机性和模糊性提供了新的视角。首先,引入了T-球形模糊Z-number,利用T-球形模糊数和相应可靠性度量的组合表示数据信息,可以很好地体现决策数据的模糊性和适用性。其次,提出了T-球形模糊Z-number的运算法则和聚合算子,并基于所提出的聚合算子和TODIM方法,提出了两种算法来处理T-球形模糊Z-number形式的不确定信息。最后,以安徽省4个城市数字经济的评估问题为实例进行对比分析,论证了所提出算法的实用性和有效性。

关键词： T-球形模糊 Z-number TODIM 多属性决策数字经济评估

来源：评论

学校读者我要写书评

暂无评论

稀疏正交联合约束多通道非负矩阵分解声信号分离算法

引用

声学学报 2023年第1期48卷 249-263页

作者：章雯张君王璐赵静鲍明许耀华安徽大学计算智能与信号处理教育部重点实验室合肥230601 中国科学院声学研究所北京100190 西北工业大学西安710072 四川九洲电器集团有限责任公司九洲中科声学联合实验室成都621000

针对复杂环境下多通道声信号分离问题,提出稀疏正交联合约束多通道非负矩阵分解声信号分离方法。首先设计基于多通道扩展坂仓斋藤(Itakura-Saito,IS)散度的稀疏正交联合约束项构造代价函数,给出信号稀疏和信号正交约束辅助函数,实现代... 详细信息

针对复杂环境下多通道声信号分离问题,提出稀疏正交联合约束多通道非负矩阵分解声信号分离方法。首先设计基于多通道扩展坂仓斋藤(Itakura-Saito,IS)散度的稀疏正交联合约束项构造代价函数,给出信号稀疏和信号正交约束辅助函数,实现代价函数最小化求解。然后通过迭代更新规则设计,得到稀疏正交优化的多通道非负矩阵分解基矩阵和系数矩阵,讨论了稀疏正交约束对基矩阵和系数矩阵稀疏性与连续性影响。最后基于多通道信号空间特性,进行了非负矩阵分解基聚类以获得多通道非负矩阵分解声信号的分离结果。双通道音频数据与四通道声学目标分离实验数据测试表明,对音频数据,所提算法在性能指标信号失真比(SDR)上提高了0.84 dB,对于直升机声源数据,所提算法在SDR上提高了4.53 dB。

关键词：非负矩阵分解音频数据源数据基矩阵声信号空间特性信号失真规则设计

来源：评论

学校读者我要写书评

暂无评论

基于双分支特征融合的场景文本检测方法

引用

控制与决策 2021年第9期36卷 2179-2186页

作者：赵鹏徐本朋闫石刘政怡安徽大学计算智能与信号处理教育部重点实验室合肥230601 安徽大学计算机科学与技术学院合肥230601

现有的基于深度学习的自然场景文本检测方法一般采用大型深度神经网络作为主干网络进行特征提取,虽然效果显著但检测模型十分庞大,检测效率较低,若直接将主干网络换成轻量型网络则不能提取出足够的特征信息,直接导致检测效果大幅降低.... 详细信息

现有的基于深度学习的自然场景文本检测方法一般采用大型深度神经网络作为主干网络进行特征提取,虽然效果显著但检测模型十分庞大,检测效率较低,若直接将主干网络换成轻量型网络则不能提取出足够的特征信息,直接导致检测效果大幅降低.为了降低文本检测模型的规模以及更为高效地检测文本,提出基于双分支特征融合的场景文本检测方法,在采用相对轻量级的主干网络EfficientNet-b3的基础上,使用双路分支进行特征融合进而检测场景文本.一路分支使用特征金字塔网络,融合不同层级的特征;另一路分支使用空洞卷积空间金字塔池化结构,扩大感受野,然后融合两个分支的特征,在小幅增加计算量的同时获取更多的特征,弥补小型网络提取特征不足的问题.在3个公开数据集上的实验结果显示,所提出方法在保持较高检测水平的情况下,可以大幅度降低模型的参数量,大幅度提升检测速度.

关键词：场景文本检测深度学习特征金字塔特征融合轻量级网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

融合全模态自编码器和生成对抗机制的跨模态检索

引用

计算机辅助设计与图形学学报 2021年第10期33卷 1486-1494页

作者：赵鹏马泰宇李毅刘慧婷安徽大学计算智能与信号处理教育部重点实验室合肥230601 安徽大学计算机科学与技术学院合肥230601

针对现有基于生成对抗网络的跨模态检索方法不能充分挖掘模态间不变性的问题,提出一种融合全模态自编码器和生成对抗机制的跨模态检索方法.引入2个并行的全模态自编码器,将不同模态的样本嵌入公共空间,每个全模态自编码器不仅重构出自... 详细信息

针对现有基于生成对抗网络的跨模态检索方法不能充分挖掘模态间不变性的问题,提出一种融合全模态自编码器和生成对抗机制的跨模态检索方法.引入2个并行的全模态自编码器,将不同模态的样本嵌入公共空间,每个全模态自编码器不仅重构出自身模态的特征表示,而且还重构出跨模态的特征表示.设计了一个分类器,预测公共空间中嵌入特征的类别,学习并保留样本中的语义判别性.设计了3个判别器,分别判断输入其中的特征所属的模态类别,它们协同工作,充分挖掘模态间的不变性.以平均精度均值为指标评价跨模态检索的精确度,在Pascal Sen-tence,Wikipedia和NUS-WIDE-10k这3个公开数据集上进行实验,实验结果表明,与10个包括传统方法和深度学习方法在内的跨模态检索的主流方法进行对比,所提方法在3个数据集上的平均精度均值分别至少提高了4.8%,1.4%和1.1%,证明了所提方法的有效性.

关键词：全模态自编码器生成对抗网络跨模态检索

来源：评论

学校读者我要写书评

暂无评论

一种基于融合重构的子空间学习的零样本图像分类方法

引用

计算机学报 2021年第2期44卷 409-421页

作者：赵鹏汪纯燕张思颖刘政怡安徽大学计算智能与信号处理教育部重点实验室合肥230601 安徽大学计算机科学与技术学院合肥230601

图像分类是计算机视觉中一个重要的研究子领域.传统的图像分类只能对训练集中出现过的类别样本进行分类.然而现实应用中,新的类别不断涌现,因而需要收集大量新类别带标记的数据,并重新训练分类器.与传统的图像分类方法不同,零样本图像... 详细信息

图像分类是计算机视觉中一个重要的研究子领域.传统的图像分类只能对训练集中出现过的类别样本进行分类.然而现实应用中,新的类别不断涌现,因而需要收集大量新类别带标记的数据,并重新训练分类器.与传统的图像分类方法不同,零样本图像分类能够对训练过程中没有见过的类别的样本进行识别,近年来受到了广泛的关注.零样本图像分类通过语义空间建立起已见类别和未见类别之间的关系,实现知识的迁移,进而完成对训练过程中没有见过的类别样本进行分类.现有的零样本图像分类方法主要是根据已见类别的视觉特征和语义特征,学习从视觉空间到语义空间的映射函数,然后利用学习好的映射函数,将未见类别的视觉特征映射到语义空间,最后在语义空间中用最近邻的方法实现对未见类别的分类.但是由于已见类和未见类的类别差异,以及图像的分布不同,从而容易导致域偏移问题.同时直接学习图像视觉空间到语义空间的映射会导致信息损失问题.为解决零样本图像分类知识迁移过程中的信息损失以及域偏移的问题,本文提出了一种图像分类中基于子空间学习和重构的零样本分类方法.该方法在零样本训练学习阶段,充分利用未见类别已知的信息,来减少域偏移,首先将语义空间中的已见类别和未见类别之间的关系迁移到视觉空间中,学习获得未见类别视觉特征原型.然后根据包含已见类别和未见类别在内的所有类别的视觉特征原型所在的视觉空间和语义特征原型所在的语义空间,学习获得一个潜在类别原型特征空间,并在该潜在子空间中对齐视觉特征和语义特征,使得所有类别在潜在子空间中的表示既包含视觉空间下的可分辨性信息,又包含语义空间下的类别关系信息,同时在子空间的学习过程中利用重构约束,减少信息损失,同时也缓解了域偏移问题.最后零样本分类识别阶段,在不同的空间下根据最近邻算法对未见类别样本图像进行分类.本文的主要贡献在于:一是通过对语义空间中类别间关系的迁移,学习获得视觉空间中未见类别的类别原型,使得在训练过程中充分利用未见类别的信息,一定程度上缓解域偏移问题.二是通过学习一个共享的潜在子空间,该子空间既包含了图像视觉空间中丰富的判别性信息,也包含了语义空间中的类别间关系信息,同时在子空间学习过程中,通过重构,缓解知识迁移过程中信息损失的问题.本文在四个公开的零样本分类数据集上进行对比实验,实验结果表明本文提出的零样本分类方法取得了较高的分类平均准确率,证明了本文方法的有效性.

关键词：零样本图像分类迁移学习子空间学习重构特征原型

来源：评论

学校读者我要写书评

暂无评论

一种用于三维复杂结构宽带吸收器的反向设计模型

一种用于三维复杂结构宽带吸收器的反向设计模型

引用

第十八届全国电波传播年会

作者：王璇王欢张玉贤杨利霞黄志祥冯乃星教育部智能计算与信号处理重点实验室安徽大学信息材料与智能传感实验室

目的近些年来,深度学习网络模型在光学中的应用引起了广泛的关注。在传统的数值算法中,需要科研人员进行大量的模拟和连续的试错。这必定需要大量的人工成本和计算成本,并且也难以解决局部最优解的问题.为了减少计算成本和人工成本等,... 详细信息

目的近些年来,深度学习网络模型在光学中的应用引起了广泛的关注。在传统的数值算法中,需要科研人员进行大量的模拟和连续的试错。这必定需要大量的人工成本和计算成本,并且也难以解决局部最优解的问题.为了减少计算成本和人工成本等,提出了一种用于三维复杂结构宽带吸收器的反向设计模型.方法用于数据集制作的三维复杂结构宽带吸收器由三层结构组成,第一层和第三层都是石墨烯-单层黑磷混合使用的矩形结构,第二层是石墨烯-单层黑磷混合使用的"+"字形结构,三层结构被氧化铝包围。其中石墨烯与单层黑磷之间使用二氧化硅作为绝缘层,衬底为氧化铝,底部为PEC材质.一共制作了51120条数据,其中50120条作为训练集,1000条作为测试集。在反向设计中我们将吸收光谱作为输入,每条光谱的结构参数作为其标签.反向设计模型采用了8层的全连接网络,每层网络含有800个神经元.且每个全连接网络后跟有批归一化处理和lrelu激活函数.结果实验结果表明,将测试集中的真实光谱输入到经训练集训练后的反向模型后获得的预测参数的光谱与真实结构参数光谱相比,准确度可以达到89.4%.结论该反向设计模型具有实现简单、准确度高、对硬件要求低、人工成本低和计算成本低等特点。在后续的研究中,这项工作可以为三维多材料复杂结构的结构体模型使用人工神经网络提供关键指导.

关键词：石墨烯单层黑磷深度学习反向设计 MLP

来源：评论

学校读者我要写书评

暂无评论

基于飞秒激光制备的雾水收集驼峰双面神膜

引用

激光与光电子学进展 2022年第3期59卷 157-162页

作者：陈亮苏亚辉安徽大学电气工程与自动化学院安徽合肥230601 安徽大学电子信息工程学院安徽合肥230601 安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039

雾水收集是将气态雾转化为液态水的过程,具有重要的研究价值。控制雾滴的凝结效率是雾水收集的关键因素,主要与基底表面的边界层厚度和有效更新有关。受沙漠甲虫背部结构的启发,基于飞秒激光微纳加工和表面化学修饰在铝箔表面制备了一... 详细信息

雾水收集是将气态雾转化为液态水的过程,具有重要的研究价值。控制雾滴的凝结效率是雾水收集的关键因素,主要与基底表面的边界层厚度和有效更新有关。受沙漠甲虫背部结构的启发,基于飞秒激光微纳加工和表面化学修饰在铝箔表面制备了一种具有驼峰结构的双面神膜,可极大提高雾滴的凝结效率。实验结果表明,相比平面双面神膜,驼峰双面神膜的雾水收集效率提高了80%,且能捕获水平方向的雾流,更适应恶劣的自然环境。

关键词：激光光学雾水收集液滴凝结飞秒激光微纳加工化学修饰

来源：评论

学校读者我要写书评

暂无评论

特征特定标记关联挖掘的类属属性学习

引用

计算机研究与发展 2021年第1期58卷 34-47页

作者：程玉胜张露露王一宾裴根生安庆师范大学计算机与信息学院安徽安庆246133 计算智能与信号处理教育部重点实验室(安徽大学) 合肥230601

在多标记分类中,某个标记可能只由其自身的某些特有属性决定,这些特定属性称之为类属属性.利用类属属性进行多标记分类,可以有效避免某些无用特征影响构建分类模型的性能.然而类属属性算法仅从标记角度去提取重要特征,而忽略了从特征角... 详细信息

在多标记分类中,某个标记可能只由其自身的某些特有属性决定,这些特定属性称之为类属属性.利用类属属性进行多标记分类,可以有效避免某些无用特征影响构建分类模型的性能.然而类属属性算法仅从标记角度去提取重要特征,而忽略了从特征角度去提取重要标记.事实上,如果能从特征角度提前关注某些标记,更容易获取这些标记的特有属性.基于此,提出了一种新型类属属性学习的多标记分类算法,将从特征层面提取重要标记与从标记层面提取重要特征进行双向联合学习.首先,为了保证模型求解速度与精度都较为合理,采用极限学习机构建学习模型.随后,将弹性网络正则化理论添加到极限学习机损失函数中,使用互信息构建特征标记相关性矩阵作为L 2正则化项,而L 1正则化项即提取类属属性.该学习模型改进了类属属性在多标记学习中的不足,通过在标准多标记数据集上与多个先进算法对比,实验结果表明了所提模型的合理性和有效性.

关键词：多标记学习类属属性特征特定标记极限学习机标记相关性

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：