检索结果-内蒙古大学图书馆

计算机应用 2019年第5期39卷 1247-1251页

作者：徐怡肖鹏计算智能与信号处理教育部重点实验室(安徽大学) 合肥230039 安徽大学计算机科学与技术学院合肥230601

针对不完备信息系统变化时缺失值获取具体属性值的特性,为解决多粒度粗糙集中更新近似集时间效率低的问题,提出了一种基于容差关系的近似集动态更新算法。首先,讨论了基于容差关系的近似集变化的性质,并根据相关性质得出乐观、悲观多粒... 详细信息

针对不完备信息系统变化时缺失值获取具体属性值的特性,为解决多粒度粗糙集中更新近似集时间效率低的问题,提出了一种基于容差关系的近似集动态更新算法。首先,讨论了基于容差关系的近似集变化的性质,并根据相关性质得出乐观、悲观多粒度粗糙集的近似集的变化趋势;然后,针对更新容差类效率低的问题,提出了动态更新容差类的定理;最后,在此基础上,设计出基于容差关系的近似集动态更新算法。采用UCI数据库中4个数据集进行仿真实验,当数据集变大时,所提更新算法的计算时间远小于静态更新算法的计算时间,即所提动态更新算法的时间效率高于静态算法,验证了所提算法的正确性和高效性。

关键词：不完备信息系统多粒度动态更新容差关系多粒度粗糙集近似集

来源：评论

学校读者我要写书评

暂无评论

基于分类距离分数的自适应多模态生物特征融合

引用

计算机研究与发展 2018年第1期55卷 151-162页

作者：张露王华彬陶亮周健计算智能与信号处理教育部重点实验室(安徽大学) 合肥230601 安徽大学媒体计算研究所合肥230601

匹配分数是传统的融合分数指标,但是其不能很好地区分类内和类间数据,分类置信度虽然可以较好地将类内类间数据分开,但对于匹配分数仅次于分类阈值的数据,其分类效果不是很理想.因此,首先提出了一种基于分类距离分数的融合分数指标,其... 详细信息

匹配分数是传统的融合分数指标,但是其不能很好地区分类内和类间数据,分类置信度虽然可以较好地将类内类间数据分开,但对于匹配分数仅次于分类阈值的数据,其分类效果不是很理想.因此,首先提出了一种基于分类距离分数的融合分数指标,其不仅携带一级分类信息,也含有匹配分数与分类阈值之间的距离信息,可增大融合后类内类间分数之间的距离,为融合算法提供了一个具有有效判别信息的特征融合集,提高了融合指标的利用率;进一步,利用信息熵表示信息价值多少的这一特性,定义特征关联系数和特征权重系数,并将加权融合和传统SUM规则统一在一个自适应算法框架中,提高了融合识别率.实验结果验证了所提出方法的有效性.

关键词：多模态识别技术特征融合分类距离分数信息熵自适应融合

来源：评论

学校读者我要写书评

暂无评论

参数自适应的网格密度聚类算法

引用

计算机应用研究 2019年第11期36卷 3278-3281,3309页

作者：郑诚曹杨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

针对网格密度聚类算法存在的网格宽度和密度阈值难以确定以及聚类精度不高的缺陷,提出了一种参数自适应的网格密度聚类算法。定义了数据集标准化离散度的概念,运用数据集的自然分布信息自适应地计算出每一维较优的分割宽度,对不同的密... 详细信息

针对网格密度聚类算法存在的网格宽度和密度阈值难以确定以及聚类精度不高的缺陷,提出了一种参数自适应的网格密度聚类算法。定义了数据集标准化离散度的概念,运用数据集的自然分布信息自适应地计算出每一维较优的分割宽度,对不同的密度阈值统计其噪声样本对象的数量,绘制了噪声曲线,从噪声曲线中获得最佳的密度阈值,而且增加了类簇边缘处理技术,进一步提高了聚类的质量。仿真实验表明,改进后的算法可获得更好的聚类效果。

关键词：网格密度聚类空间划分噪声曲线

来源：评论

学校读者我要写书评

暂无评论

采用低维特征映射的耳语音向正常音转换

引用

声学学报 2018年第5期43卷 855-863页

作者：周健窦云峰刘荣敏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 安徽大学媒体计算研究所合肥230601

在将耳语音转换为正常音时,为了研究降维后语音特征对耳语音转换的影响,分别对耳语音和正常音谱包络进行自适应编码以提取耳语音和正常音的低维特征,然后使用BP网络建立耳语音和正常音低维谱包络特征之间的映射关系以及正常音基频和耳... 详细信息

在将耳语音转换为正常音时,为了研究降维后语音特征对耳语音转换的影响,分别对耳语音和正常音谱包络进行自适应编码以提取耳语音和正常音的低维特征,然后使用BP网络建立耳语音和正常音低维谱包络特征之间的映射关系以及正常音基频和耳语音低维谱包络特征之间的关系。转换时,根据耳语音低维谱包络特征获得对应正常音的低维谱包络特征和基频,对低维谱包络特征进行解码后获得对应的正常音谱包络。实验结果表明,采用此方法转换后的语音与正常音之间的倒谱距离相比高斯混合模型方法下降了10%,转换后语音的自然度和可懂度都有所提高。

关键词：特征映射耳语音低维高斯混合模型语音转换谱包络自适应编码映射关系

来源：评论

学校读者我要写书评

暂无评论

用于短文本分类的DC-BiGRU_CNN模型

引用

计算机科学 2019年第11期46卷 186-192页

作者：郑诚薛满意洪彤彤宋飞豹安徽大学计算机科学与技术学院合肥230601 计算智能与信号处理教育部重点实验室合肥230601

文本分类是自然语言处理中一项比较基础的任务,如今深度学习技术被广泛用于处理文本分类任务。在处理文本序列时,卷积神经网络可以提取局部特征,循环神经网络可以提取全局特征,它们都表现出了不错的效果。但是,卷积神经网络不能很好地... 详细信息

文本分类是自然语言处理中一项比较基础的任务,如今深度学习技术被广泛用于处理文本分类任务。在处理文本序列时,卷积神经网络可以提取局部特征,循环神经网络可以提取全局特征,它们都表现出了不错的效果。但是,卷积神经网络不能很好地捕获文本的上下文相关语义信息,循环神经网路对语义的关键信息不敏感。另外,利用更深层次的网络虽然可以更好地提取特征,但是容易产生梯度消失或梯度爆炸问题。针对以上问题,文中提出了一种基于密集连接循环门控单元卷积网络的混合模型(DC-BiGRU_CNN)。该模型首先用一个标准的卷积神经网络训练出字符级词向量,然后将其与词级词向量进行拼接并作为网络输入层。受密集连接卷积网络的启发,在对文本进行高级语义建模阶段时,采用文中提出的密集连接双向门控循环单元,其可以弥补梯度消失或梯度爆炸的缺陷,并且加强了每一层特征之间的传递,实现了特征复用;对前面提取的深层高级语义表示进行卷积和池化操作以获得最终的语义特征表示,再将其输入到softmax层,实现对文本的分类。在多个公开数据集上的研究结果表明,DC-BiGRU_CNN模型在执行文本分类任务时准确率有显著提升。此外,通过实验分析了模型的不同部件对性能提升的作用,研究了句子的最大长度值、网络的层数、卷积核的大小等参数对模型效果的影响。

关键词：字符级词向量双向门控循环单元密集连接卷积神经网络文本分类

来源：评论

学校读者我要写书评

暂无评论

基于多尺度一维卷积神经网络的光纤振动事件识别

引用

光电工程 2019年第5期46卷 76-83页

作者：吴俊管鲁阳鲍明许耀华叶炜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 中国科学院声学研究所北京100190 浙江大学控制科学与工程学院浙江杭州310058

针对相位敏感光时域反射(Φ-OTDR)分布式光纤振动传感系统如何对振动事件进行高效准确识别的问题,本文提出了一种基于多尺度一维卷积神经网络(MS 1-D CNN)的振动事件识别方法。该方法将原始振动信号经过预加重、归一化和谱减降噪的预处... 详细信息

针对相位敏感光时域反射(Φ-OTDR)分布式光纤振动传感系统如何对振动事件进行高效准确识别的问题,本文提出了一种基于多尺度一维卷积神经网络(MS 1-D CNN)的振动事件识别方法。该方法将原始振动信号经过预加重、归一化和谱减降噪的预处理操作后得到的一维信号,直接通过MS 1-D CNN实现端到端的振动信号特征的提取和识别。MS1-DCNN在提取入侵振动信号特征时可兼顾信号时间和频率尺度,利用全连接层(FClayer)和Softmax层完成最终的识别过程,与二维卷积神经网络(2-D CNN)和一维卷积神经网络(1-D CNN)相比减少了待定参数数量。对破坏、敲击和干扰三类目标振动事件的光纤振动传感信号识别结果表明,MS 1-D CNN的识别正确率与2-D CNN相近,达到了96%以上,而处理速度提升一倍,在保持识别性能的前提下,有利于提高振动事件识别的实时性。

关键词：分布式光纤振动传感多尺度一维卷积神经网络相位敏感光时域反射振动事件识别模式识别

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的基因剪接位点预测

引用

盐城工学院学报（自然科学版） 2020年第2期33卷 20-24页

作者：李国斌杜秀全李新路吴志泽合肥学院人工智能与大数据学院安徽合肥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 安徽大学计算机科学与技术学院安徽合肥230601

研究剪接位点可以更深入地探索剪接机制和基因预测方法,准确预测剪接位点至关重要。基于深度学习技术提出一种新的预测方法,无需人工提取样本特征,以基因序列的K-MER编码向量作为输入,采用训练后的卷积神经网络(CNN)模型进行预测。基于... 详细信息

研究剪接位点可以更深入地探索剪接机制和基因预测方法,准确预测剪接位点至关重要。基于深度学习技术提出一种新的预测方法,无需人工提取样本特征,以基因序列的K-MER编码向量作为输入,采用训练后的卷积神经网络(CNN)模型进行预测。基于人类基因HS3D供体数据集,与传统机器学习方法进行预测比较,结果表明预测模型的主要性能指标,包含马修斯相关系数(MCC)、灵敏度(SN)均超过传统的机器学习方法。

关键词：深度学习卷积神经网络剪接位点预测 K-MER编码

来源：评论

学校读者我要写书评

暂无评论

基于互信息的项目协同过滤推荐算法

引用

测控技术 2019年第4期38卷 41-44,49页

作者：郑诚章金平徐启南安徽大学计算智能与信号处理实验室安徽合肥230601 安徽大学计算机学院安徽合肥230601

协同过滤算法是经典的个性化推荐算法,其中相似度度量方法直接影响推荐系统的准确率。针对用户评分极端稀疏情况下传统相似度度量方法均存在各自的弊端,导致推荐系统的推荐精度不高问题,提出了一种基于互信息的项目协同过滤推荐算法。... 详细信息

协同过滤算法是经典的个性化推荐算法,其中相似度度量方法直接影响推荐系统的准确率。针对用户评分极端稀疏情况下传统相似度度量方法均存在各自的弊端,导致推荐系统的推荐精度不高问题,提出了一种基于互信息的项目协同过滤推荐算法。该算法将互信息作为相似度度量方法,不仅考虑了变量之间的线性或非线性相关性,而且还能挖掘变量之间的相关性强弱。另外,由于共同评分的项目用户数很少,在互信息方法基础上引入了一个平滑系数因子,来缓解共同评分过少项目之间相似性度量不准确问题。最后,在公开的MovieLens、Jester两个数据集上进行了大量对比实验。实验结果表明,新算法能在一定程度上提高推荐系统的预测准确率,并能缓解数据稀疏性问题。

关键词：协同过滤互信息平滑系数推荐

来源：评论

学校读者我要写书评

暂无评论

差异容量平行批机器环境下基于弱选择约束的调度算法

引用

控制与决策 2018年第8期33卷 1363-1372页

作者：贾兆红杨洋张以文安徽大学计算智能与信号处理教育部重点实验室合肥230039 安徽大学计算机科学与技术学院合肥230601

研究动态到达的差异工件在容量不同的平行批处理机环境下,最小化制造跨度的调度问题,并提出一种有效的元启发式算法.给出一个下界以评价算法的性能,针对所构建批的第1个工件的选择提出弱约束标准及两个基于弱约束的首工件选择策略,并引... 详细信息

研究动态到达的差异工件在容量不同的平行批处理机环境下,最小化制造跨度的调度问题,并提出一种有效的元启发式算法.给出一个下界以评价算法的性能,针对所构建批的第1个工件的选择提出弱约束标准及两个基于弱约束的首工件选择策略,并引入到蚁群优化算法.最后通过仿真实验将所提出的改进蚁群算法与已有算法和使用传统选择策略的蚁群算法进行比较,实验结果表明,在建批过程中使用首工件弱约束策略和弱约束下工件尺寸大高概率选择策略是有效的,所提算法的搜索性能较其他算法具有明显优势.

关键词：批调度平行机差异机器容量弱约束蚁群算法

来源：评论

学校读者我要写书评

暂无评论

基于Avalon总线的音频频谱分析系统设计与实现

引用

计算机技术与发展 2019年第3期29卷 169-172页

作者：姚梦茹胡永兵李慧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

伴随电子与通信技术的发展,数字音频广播、多媒体通信等这些数字音频处理技术在社会上得到了广泛的应用,同时对人们生活的影响日益深远。目前市面上的多数调音器都是使用振动原理的,一些高端的调音器会同时使用声音原理和振动原理配合... 详细信息

伴随电子与通信技术的发展,数字音频广播、多媒体通信等这些数字音频处理技术在社会上得到了广泛的应用,同时对人们生活的影响日益深远。目前市面上的多数调音器都是使用振动原理的,一些高端的调音器会同时使用声音原理和振动原理配合调音。市面上的乐器声音识别调音器虽然小巧便携,但是在准确性上有待提高,而且现有的调音器的种类比较少。为了提高识别准确率,使识别设备微型化,基于FPGA中的Avalon总线技术和快速傅里叶变换算法,设计实现了一种实时高效的音频频谱分析系统。该系统实时完成了各种音乐信号的识别与分析,克服了传统调音器的限制,可以对多种乐器进行调音,大大提高了乐器的音准,克服了一种调音器只能调节一种乐器的限制,并且提高了调音器的使用率。

关键词： FPGA Nios Ⅱ系统 Avalon总线频谱分析快速傅里叶变换

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：