检索结果-内蒙古大学图书馆

计算机应用研究 2021年第1期38卷 65-68页

作者：姚晟李初宴吴照玉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

目前的决策粗糙集研究主要集中在完备离散型信息系统,很少有对不完备连续型数据进行研究,考虑这一问题,提出一种不完备邻域决策粗糙集模型。首先在不完备连续型数据中引入了不完备邻域关系,然后利用该二元关系对传统的决策粗糙集进行重... 详细信息

目前的决策粗糙集研究主要集中在完备离散型信息系统,很少有对不完备连续型数据进行研究,考虑这一问题,提出一种不完备邻域决策粗糙集模型。首先在不完备连续型数据中引入了不完备邻域关系,然后利用该二元关系对传统的决策粗糙集进行重构,一种称之为不完备邻域决策粗糙集的模型被提出,同时基于决策代价原则,进一步地提出了最小化决策代价的属性约简算法。最后通过实验表明了所提出的算法具有更高的属性约简性能。

关键词：粗糙集不完备邻域关系最小决策代价属性约简

来源：评论

学校读者我要写书评

暂无评论

面向图表示社区检测的新型聚类覆盖算法

引用

电子学报 2020年第9期48卷 1680-1687页

作者：陈洁李锐赵姝张燕平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

图表示社区检测使用图表示方法学习网络节点的向量表示,然后对节点向量进行聚类获得社团结构.然而经典的聚类算法在聚类节点向量时,得到的结果往往不能够体现社区的特性.提出一种新型的聚类覆盖算法,将聚类所得覆盖视为社区划分结果.首... 详细信息

图表示社区检测使用图表示方法学习网络节点的向量表示,然后对节点向量进行聚类获得社团结构.然而经典的聚类算法在聚类节点向量时,得到的结果往往不能够体现社区的特性.提出一种新型的聚类覆盖算法,将聚类所得覆盖视为社区划分结果.首先在节点向量空间中计算得到每个簇的覆盖中心;然后根据覆盖中心到同类样本的平均距离作为覆盖半径,在向量空间中形成覆盖;最后对未覆盖的点做二次划分得到社区结构.在多个有真实和无真实标签网络的实验表明,所提出的算法可以得到更合理的社区结果.

关键词：社区发现图表示聚类覆盖算法

来源：评论

学校读者我要写书评

暂无评论

基于张量表示的域适配的迁移学习中特征表示方法

引用

电子学报 2020年第2期48卷 359-368页

作者：赵鹏王美玉纪霞刘慧婷安徽大学计算机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

本文提出一种新的基于张量表示的域适配迁移学习中的特征表示方法,即融合联合域对齐和适配正则化的基于张量表示的迁移学习特征表示方法.当源域和目标域差异很大时,仅将源域对齐潜在共享空间,会造成数据扭曲过大.为缓解此问题,本文方法... 详细信息

本文提出一种新的基于张量表示的域适配迁移学习中的特征表示方法,即融合联合域对齐和适配正则化的基于张量表示的迁移学习特征表示方法.当源域和目标域差异很大时,仅将源域对齐潜在共享空间,会造成数据扭曲过大.为缓解此问题,本文方法提出联合域对齐,即源域和目标域同时对齐共享子空间.并且本文方法将适配正则化引入张量表示空间求解.本文适配正则化包括动态分布对齐和图适配,以缩小域间分布差异和保留样本间流行一致性.最后融合联合域对齐,动态分布对齐和图适配,通过联合优化求解获得共享子空间表示.几个公共的跨域数据集上的大量实验结果表明了本文方法优于其它主流的迁移学习方法,验证了本文方法的有效性.

关键词：张量表示迁移学习域适配

来源：评论

学校读者我要写书评

暂无评论

基于超表面的低剖面高增益圆极化天线

引用

电波科学学报 2021年第1期36卷 96-100页

作者：刘长青张量万志伟俞兴传黄志祥吴先良安徽大学计算智能与信号处理教育部重点实验室合肥230601 合肥师范学院安徽省电子信息系统仿真设计重点实验室合肥230601

提出了一种基于缝隙耦合超材料表面的低剖面圆极化高增益天线,该天线由一个超材料表面和一个微带缝隙天线紧贴着组成.通过改变超表面切角的大小来产生圆极化波,同时还可以提高天线增益和拓宽阻抗带宽.为了验证仿真结果,制作和测量了一... 详细信息

提出了一种基于缝隙耦合超材料表面的低剖面圆极化高增益天线,该天线由一个超材料表面和一个微带缝隙天线紧贴着组成.通过改变超表面切角的大小来产生圆极化波,同时还可以提高天线增益和拓宽阻抗带宽.为了验证仿真结果,制作和测量了一个大小为1λ×1λ×0.067λ(在10 GHz处)的样本天线,仿真和测量结果显示出良好的一致性.结果表明,在整个工作带宽内天线的增益均在7.5 dB以上,最大增益达到10.5 dB,比普通缝隙天线提高了5.3 dB,阻抗带宽(S11<−10 dB)为27.4%,轴比带宽(AR<3 dB)达到12.3%.因此,该天线能同时满足低剖面、圆极化、高增益等多种性能的要求,可以应用于许多领域.

关键词：超材料低剖面圆极化高增益

来源：评论

学校读者我要写书评

暂无评论

基于BTM图卷积网络的短文本分类方法

引用

计算机工程与应用 2021年第4期57卷 155-160页

作者：郑诚董春阳黄夏炎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

由于短文本长度较短,在分类时会面临数据稀疏和语义模糊等问题。提出新型图卷积网络BTM_GCN,该网络利用双项主题模型(Biterm Topic Model,BTM)在短文本数据集上训练出固定数量的文档级潜在主题,并作为一种节点嵌入到文本异构图中,再与... 详细信息

由于短文本长度较短,在分类时会面临数据稀疏和语义模糊等问题。提出新型图卷积网络BTM_GCN,该网络利用双项主题模型(Biterm Topic Model,BTM)在短文本数据集上训练出固定数量的文档级潜在主题,并作为一种节点嵌入到文本异构图中,再与异构图中的文档节点进行连接,最后利用图卷积网络来捕获文档、词与主题节点之间的高阶邻域信息,从而丰富文档节点的语义信息,缓解短文本语义模糊的问题。在三个英文短文本数据集上的实验结果表明,该方法相比基准模型具有较优的分类效果。

关键词：短文本分类图卷积网络 BTM主题模型

来源：评论

学校读者我要写书评

暂无评论

基于PULTS优先度的一致准则决策方法

引用

重庆工商大学学报（自然科学版） 2022年第2期39卷 30-37页

作者：涂成凤毛军军张最安徽大学数学科学学院合肥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

针对准则权重未知的多准则群决策问题,提出了一种新的基于随机优势得到的优先度,在概率不确定语言术语集(Probabilistic Uncertain Linguistic Term Sets,PULTS)环境下,通过充分考虑决策者基于个人偏好对各个准则之间重要性给出的评价... 详细信息

针对准则权重未知的多准则群决策问题,提出了一种新的基于随机优势得到的优先度,在概率不确定语言术语集(Probabilistic Uncertain Linguistic Term Sets,PULTS)环境下,通过充分考虑决策者基于个人偏好对各个准则之间重要性给出的评价来确定准则权重,基于一致准则法提出的一个新的决策方法,综合考虑了专家在进行决策时的犹豫程度和所给评价本身蕴含的信息,在一定程度上减少了决策过程中的信息丢失。首先,在PULTS环境下,定义了不确定度和得分函数,实现了由语言集到数字的转化,并且利用得分函数确定了专家权重,进而得出综合得分矩阵;其次,将随机优势的定义规则应用到概率不确定语言集优先度的定义中,根据各个准则之间的优先度确定了准则的权重;最后,在一致准则决策法的基础上做了相关改进,并将其应用到了PULTS环境中,通过数值算例验证了新的决策方法的可行性和有效性。

关键词：概率不确定语言术语集准则权重优先度多准则群决策

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

基于拓扑结构的无序免疫激光腔

基于拓扑结构的无序免疫激光腔

引用

第十七届全国电波传播年会

作者：徐珂方明黄志祥中国安徽大学教育部智能计算与信号处理重点实验室安徽省教育部电磁环境传感重点实验室

激光腔的品质因子极易受到外界干扰,这可能会导致激光品质的降低。为了避免上述情况的产生,利用时域有限差分方法建立了一个严格的物理模型来研究增益介质和腔模的自洽相互作用并设计了一种具有强鲁棒性的激光腔体结构。并从理论上阐明... 详细信息

激光腔的品质因子极易受到外界干扰,这可能会导致激光品质的降低。为了避免上述情况的产生,利用时域有限差分方法建立了一个严格的物理模型来研究增益介质和腔模的自洽相互作用并设计了一种具有强鲁棒性的激光腔体结构。并从理论上阐明了两种拓扑结构上沿界面传播的拓扑环腔(TRC)模式可以实现稳定的单模激光器。通过注入圆偏振光来选择在特定方向上具有期望轨道角动量的TRC模式。特别是,我们发现拓扑激光器可以承受40%以上的无序度。与光子晶体激光器相比,拓扑激光器在能量约束方面表现出优异的性能,即使无序干扰达到10%左右。

关键词：时域有限差分法激光腔拓扑性无序光子晶体

来源：评论

学校读者我要写书评

暂无评论

基于MT-BSGP的电力负荷预测方法

引用

哈尔滨理工大学学报 2021年第4期26卷 46-55页

作者：李智勇苏寅生李斌刘春晓李豹谭守标中国南方电网电力调度控制中心广州510623 安徽大学计算智能与信号处理教育部重点实验室合肥230601

为了预测家庭短期电力负荷,提出一种基于多任务贝叶斯时空高斯过程的电力负荷预测方法,有效地捕捉不同居住社区之间的关联性和家庭之间的局部空间变化。为了更好地捕捉不同居住社区之间关联性,提出了一种新的多任务学习方法,即低秩Dirt... 详细信息

为了预测家庭短期电力负荷,提出一种基于多任务贝叶斯时空高斯过程的电力负荷预测方法,有效地捕捉不同居住社区之间的关联性和家庭之间的局部空间变化。为了更好地捕捉不同居住社区之间关联性,提出了一种新的多任务学习方法,即低秩Dirty模型,通过使用“公共特征集”和“共享低秩结构”来改进多任务贝叶斯时空高斯过程的学习。为了克服低阶dirty模型和高斯过程参数联合估计的困难,提出了一种迭代算法。实验结果表明,与已有的几种方法相比,该方法可以有效地预测电力负荷。

关键词：负荷预测多任务学习高斯过程关联性低秩结构

来源：评论

学校读者我要写书评

暂无评论

利用深度卷积神经网络将耳语转换为正常语音

引用

声学学报 2020年第1期45卷 137-144页

作者：连海伦周健胡雨婷郑文明安徽大学计算智能与信号处理教育部重点实验室合肥230601 东南大学儿童发展与学习科学教育部重点实验室南京210096

耳语是一种特殊发音方式,将耳语转换为正常语音是提升耳语质量和可懂度的关键方法。为了充分利用语音的频域和时域相关性实现耳语转换,提出了使用深度卷积神经网络(Deep Convolutional Neural Networks,DCNN)将耳语转换为正常语音。它... 详细信息

耳语是一种特殊发音方式,将耳语转换为正常语音是提升耳语质量和可懂度的关键方法。为了充分利用语音的频域和时域相关性实现耳语转换,提出了使用深度卷积神经网络(Deep Convolutional Neural Networks,DCNN)将耳语转换为正常语音。它的卷积层用来提取连续帧语音谱包络之间的频域与时域的相关特征,而全连接层用来拟合耳语在卷积层提取的特征和对应正常语音之间的映射关系。实验结果表明与深度神经网络(Deep Neural Networks,DNN)模型相比,DCNN模型获得的转换后语音的梅尔倒谱失真度(Cepstral Distance,CD)降低了4.64%,而语音质量感知评价(Perceptual Evaluation of Speech Quality,PESQ)、短时客观可懂度(Short-Time Objective Intelligibility,STOI)与平均主观意见分(Mean Opinion Score,MOS)分别提高了5.41%,5.77%,9.68%。

关键词：时域相关性 DNN 基频曲线深度卷积神经网络卷积层卷积核

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：