检索结果-内蒙古大学图书馆

计算机应用 2022年第8期42卷 2578-2585页

作者：徐成霞阎庆李腾苗开超安徽大学电气工程与自动化学院合肥230601 计算智能与信号处理教育部重点实验室(安徽大学) 合肥230601 安徽省气象局安徽省公共气象服务中心合肥230091

现有的单幅图像去雨算法难以充分发掘不同维度注意力机制的相互作用,因此提出一种基于联合注意力机制的单幅图像去雨算法。该算法包含通道注意力机制和空间注意力机制:通道注意力机制检测各通道雨线特征的分布,并差异化各个特征通道的... 详细信息

现有的单幅图像去雨算法难以充分发掘不同维度注意力机制的相互作用,因此提出一种基于联合注意力机制的单幅图像去雨算法。该算法包含通道注意力机制和空间注意力机制:通道注意力机制检测各通道雨线特征的分布,并差异化各个特征通道的重要程度;空间注意力机制则针对通道内雨线分布的空间关系,以局部到全局的方式积累上下文信息,从而高效准确地去雨。此外,引入深度残差收缩网络,以利用残差模块中嵌入的软阈值非线性变换子网络来通过软阈值函数将冗余信息置零,从而提升CNN在噪声中保留图像细节的能力。在公开降雨数据集与自构建的降雨数据集上进行实验,相较于单一空间注意力算法,联合注意力去雨算法的峰值信噪比(PSNR)提升4.5%,结构相似性(SSIM)提升0.3%。实验结果表明,所提算法可以有效地进行单幅图像去雨和图像细节的信息保留,在目视效果和定量指标上均优于对比算法。

关键词：图像去雨卷积神经网络注意力机制深度残差收缩网络软阈值

来源：评论

学校读者我要写书评

暂无评论

基于q-rung orthopair严格模糊熵和交叉熵的多准则群决策方法

引用

模糊系统与数学 2024年第6期 90-100页

作者：徐威毛军军朱蒙蒙安徽大学大数据与统计学院计算智能与信号处理教育部重点实验室

针对q-ROFN的特殊形式，本文在传统q-rung模糊熵的基础上首先扩展形成了q-rung严格模糊熵(q-ROFSE)和q-rung严格交叉熵(q-ROFSCE)的公理化定义；然后，考虑到q-ROFN的稳定系数、犹豫系数和q值，分别提出了一种q-ROFSE和q-ROFSCE的表达... 详细信息

针对q-ROFN的特殊形式，本文在传统q-rung模糊熵的基础上首先扩展形成了q-rung严格模糊熵(q-ROFSE)和q-rung严格交叉熵(q-ROFSCE)的公理化定义；然后，考虑到q-ROFN的稳定系数、犹豫系数和q值，分别提出了一种q-ROFSE和q-ROFSCE的表达形式并证明了相关性质，其次，通过具体的实例说明所提出熵测度可以克服传统熵测度在特定环境下失效的局限性；最后，提出了基于q-rung orthopair严格模糊熵和严格交叉熵的多准则群决策方法并用实例验证了该方法的可行性和有效性。

关键词： q-ROFN 模糊熵交叉熵多准则群决策

来源：评论

学校读者我要写书评

暂无评论

面向科技大数据的颠覆性技术多维度识别算法

引用

中国科技资源导刊 2023年第6期55卷 49-61页

作者：赵姝郭双瑞褚晓泉仇瑜刘姝伶智能计算与信号处理重点实验室安徽合肥230601 安徽大学计算机科学与技术学院安徽合肥230601 安徽省信息材料与智能传感实验室安徽合肥230601 清华大学计算机系北京100084 北京智谱华章科技有限公司北京100084

颠覆性技术具备“重塑”科技与市场未来格局的潜力。为支持科技评估中颠覆性技术的识别任务,提出一种基于科技大数据的颠覆性技术自动化识别算法(MRA-DT)。首先,基于科技出版物引文网络结构、时序化特征、跨领域影响和技术时效性等信息... 详细信息

颠覆性技术具备“重塑”科技与市场未来格局的潜力。为支持科技评估中颠覆性技术的识别任务,提出一种基于科技大数据的颠覆性技术自动化识别算法(MRA-DT)。首先,基于科技出版物引文网络结构、时序化特征、跨领域影响和技术时效性等信息,设计了4个维度的颠覆性技术识别指标,并采用熵权法进行结果融合。然后,在计算机科学和无线电通信领域进行实证研究。实证研究表明,MRA-DT算法是一种可靠的工具,可以为科技情报分析人员和相关管理者提供科技创新决策依据,对于企业抢占科技制高点、国家提升科技和国防实力具有重要意义。

关键词：颠覆性技术科技评估文献计量 CDt指数熵权法

来源：评论

学校读者我要写书评

暂无评论

一种基于特征融合的耳语音向正常音的转换方法

引用

南京航空航天大学学报 2020年第5期52卷 777-782页

作者：庞聪连海伦周健王华彬陶亮安徽大学计算智能与信号处理教育部重点实验室合肥230039

使用耳语音的频谱包络来预估正常音的基频特征,这类算法在对正常音基频预测的准确性上存在一定不足,在合成语音自然度方面存在着明显欠缺,有时会出现音调失常等问题。本文提出一种声学特征融合的方法,通过双向长短期记忆(Bi‑long short‑... 详细信息

使用耳语音的频谱包络来预估正常音的基频特征,这类算法在对正常音基频预测的准确性上存在一定不足,在合成语音自然度方面存在着明显欠缺,有时会出现音调失常等问题。本文提出一种声学特征融合的方法,通过双向长短期记忆(Bi‑long short‑term memory,BLSTM)深度网络来逐帧预测正常音基频。首先,使用STRAIGHT模型和相关代码,分别对耳语音和正常音语料进行预处理,提取耳语音的梅尔倒谱系数(Mel‑scale frequency cepstral coefficient,MFCC)、韵律及谱包络特征,正常音的基频与谱包络特征。然后使用BLSTM深度网络,分别建立耳语音和正常音谱包络特征之间映射关系,以及耳语音MFCC、韵律及谱包络特征对正常音基频F0的映射关系。最后根据耳语音的MFCC、韵律及谱包络特征获得对应的正常音基频和谱包络,使用STRAIGHT模型合成正常音。实验结果表明,相较于仅使用谱包络估计基频,采用此种方法引入语音韵律和MFCC的融合特征是对基频特征的良好补充,解决了音调失常的现象,转换后的语音在韵律上更加接近正常发音。

关键词：语音转换特征融合韵律模型 STRAIGHT模型双向长短期记忆

来源：评论

学校读者我要写书评

暂无评论

基于策略迭代算法的连续时间线性Markov跳变系统非零和微分反馈Nash控制

引用

控制理论与应用 2020年第8期37卷 1749-1756页

作者：朱国政张茂光何舒平安徽大学电气工程与自动化学院安徽合肥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

针对一类连续时间线性Markov跳变系统,本文提出了一种新的策略迭代算法用于求解系统的非零和微分反馈Nash控制问题.通过求解耦合的数值迭代解,以获得具有线性动力学特性和无限时域二次成本的双层非零和微分策略的Nash均衡解.在每一个策... 详细信息

针对一类连续时间线性Markov跳变系统,本文提出了一种新的策略迭代算法用于求解系统的非零和微分反馈Nash控制问题.通过求解耦合的数值迭代解,以获得具有线性动力学特性和无限时域二次成本的双层非零和微分策略的Nash均衡解.在每一个策略层,采用策略迭代算法来计算与每一组给定的反馈控制策略相关联的最小无限时域值函数.然后,通过子系统分解将Markov跳变系统分解为N个并行的子系统,并将该算法应用于跳变系统.本文提出的策略迭代算法可以很容易求解非零和微分策略所对应的耦合代数Riccati方程,且对高维系统有效.最后通过仿真示例证明了本文设计方法的有效性和可行性.

关键词：策略迭代 Markov跳变线性系统非零和微分反馈Nash策略

来源：评论

学校读者我要写书评

暂无评论

知识图谱增强的神经协同过滤推荐方法

引用

小型微型计算机系统 2022年第8期43卷 1583-1588页

作者：郑诚王宇航颜莉莉安徽大学计算机科学技术学院合肥230601 计算智能与信号处理教育部重点实验室合肥230601 安徽商贸职业技术学院计算机系安徽芜湖241000

推荐系统已经广泛应用于各领域以处理信息过载问题,但传统方法面临着数据稀疏的挑战,且使用矩阵分解也不能很好的捕获抽象的非线性交互.考虑到知识图谱可以提供丰富的边信息,文中提出一种知识图谱增强的神经协同过滤推荐方法.首先获取... 详细信息

推荐系统已经广泛应用于各领域以处理信息过载问题,但传统方法面临着数据稀疏的挑战,且使用矩阵分解也不能很好的捕获抽象的非线性交互.考虑到知识图谱可以提供丰富的边信息,文中提出一种知识图谱增强的神经协同过滤推荐方法.首先获取项目相关的元数据,将其构建为知识图谱,并利用表示学习方法获取图谱中的语义知识;其次,利用结合注意力的邻域传播机制获取图谱中的结构知识,以此增强项目表示;最后将得到的用户和项目表示送入矩阵分解与神经网络中进行推荐.在公开数据集MovieLens上的实验结果表明,该模型能够有效提升推荐结果的准确性.

关键词：知识图谱注意力机制推荐系统表示学习嵌入传播

来源：评论

学校读者我要写书评

暂无评论

基于偏振图像的低照度场景多目标检测算法

引用

红外技术 2022年第5期44卷 483-491页

作者：寻华生张晶晶刘晓李腾年福东张馨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 偏振光成像探测技术安徽省重点实验室安徽合肥230031 中国科学院通用光学定标与表征技术重点实验室安徽合肥230031 合肥学院先进制造工程学院安徽合肥230601

偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领... 详细信息

偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领域。本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP。首先,通过实时获取到偏振图像进行偏振信息解析,获取目标偏振度图像。其次,为增强偏振度图像中检测目标与背景存在高对比度的特性,在主干网络中引入通道注意力与空间注意力,提升网络特征进行自适应学习的能力。此外,使用K-means算法对目标位置信息进行聚类分析,加快网络在偏振度图像的学习速度,提升目标检测精度。实验结果显示,该算法结合了偏振成像和深度学习目标检测的优势,对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快,对于道路车辆的目标检测、识别与跟踪具有一定的应用价值。

关键词：偏振成像神经网络 YOLOv5s 多目标检测注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于负相关性增强的不平衡多标签学习算法

引用

计算机工程与科学 2021年第9期43卷 1700-1710页

作者：程玉胜曹天成王一宾郑伟杰安徽省高校智能感知与计算重点实验室(安庆师范大学) 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) 安徽合肥230061

由于标签空间过大,标签分布不平衡问题在多标签数据集中广泛存在,解决该问题在一定程度上可以提高多标签学习的分类性能。通过标签相关性提升分类性能是解决该问题的一种最常见的有效策略,众多学者进行了大量研究,然而这些研究更多地是... 详细信息

由于标签空间过大,标签分布不平衡问题在多标签数据集中广泛存在,解决该问题在一定程度上可以提高多标签学习的分类性能。通过标签相关性提升分类性能是解决该问题的一种最常见的有效策略,众多学者进行了大量研究,然而这些研究更多地是采用基于正相关性策略提升性能。在实际问题中,除了正相关性外,标签的负相关性也可能存在,如果在考虑正相关性的同时,兼顾负相关性,无疑能够进一步改善分类器的性能。基于此,提出了一种基于负相关性增强的不平衡多标签学习算法——MLNCE,旨在解决多标签不平衡问题的同时,兼顾标签间的正负相关性,从而提高多标签分类器的分类性能。首先利用标签密度信息改造标签空间;然后在密度标签空间中探究标签真实的正反相关性信息,并添加到分类器目标函数中;最后利用加速梯度下降法求解输出权重以得到预测结果。在11个多标签标准数据集上与其他6种多标签学习算法进行对比实验,结果表明MLNCE算法可以有效提高分类精度。

关键词：多标签学习多标签不平衡标签正负相关性标签密度加速梯度下降法

来源：评论

学校读者我要写书评

暂无评论

基于异质信息网络表示学习的引文推荐方法

引用

小型微型计算机系统 2021年第8期42卷 1591-1597页

作者：段震余豪赵姝陈洁张燕平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

引文推荐旨在根据指定查询信息从海量数据中挖掘出与之最相关的若干文献,是一件有重要意义且极具挑战性的工作.引文推荐不但与文献的内容相关,文献间的引文关系、文献和出版社关系、文献和作者关系等,在引文推荐中也起重要作用.本文提... 详细信息

引文推荐旨在根据指定查询信息从海量数据中挖掘出与之最相关的若干文献,是一件有重要意义且极具挑战性的工作.引文推荐不但与文献的内容相关,文献间的引文关系、文献和出版社关系、文献和作者关系等,在引文推荐中也起重要作用.本文提出一种基于异质信息网络表示学习的引文推荐算法.首先,利用文献的内容信息,以及文献中的不同类型节点之间的相互关系构建异质信息网络;接着,对每个论文节点进行采样,对其先后进行元路径游走和随机游走,生成混合随机游走序列;最后,使用skip-gram模型获得节点的嵌入向量,计算相似性获得相应的文献推荐列表.在两个真实引文网络数据集上的实验结果表明,本文的方法在推荐效果上面优于已有的算法.

关键词：引文推荐网络表示学习网络嵌入混合随机游走异质信息网络

来源：评论

学校读者我要写书评

暂无评论

基于变分自编码器的评分预测模型

引用

计算机工程与应用 2021年第22期57卷 153-159页

作者：陈海钱付兰陈洁赵姝张燕平安徽大学计算机科学与技术学院合肥230601 安徽大学计算智能与信号处理教育部重点实验室合肥230601

深度学习模型具有鲁棒性差的局限性,常见的如在图片中增加特定的噪声会影响到图片的分类和预测结果。近期有学者将深度学习引入到推荐系统中,因此在推荐系统中也存在噪声对推荐精度影响的问题。针对深度推荐模型的鲁棒性问题,基于变分... 详细信息

深度学习模型具有鲁棒性差的局限性,常见的如在图片中增加特定的噪声会影响到图片的分类和预测结果。近期有学者将深度学习引入到推荐系统中,因此在推荐系统中也存在噪声对推荐精度影响的问题。针对深度推荐模型的鲁棒性问题,基于变分自编码器(Variational Auto-Encoder,VAE)提出了新的评分预测模型REVAE(REcommender Variational Auto-Encoder)。该模型为了训练模型对噪声干扰的鲁棒性,在传统的VAE上增加了一层隐层表示,利用后验分布对隐层表示进行约束,并在该隐层上增加了噪声,通过重构输入数据,训练得到具有抗噪能力的推荐算法模型。在公开的Movielens数据集上进行的实验结果表明,REVAE可以有效降低噪声对模型的干扰,使得整个模型更具有健壮性,相比其他评分预测算法具有更好的推荐效果。

关键词：深度学习推荐系统变分自编码器(VAE) 评分预测

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：