检索结果-内蒙古大学图书馆

红外技术 2020年第3期42卷 264-271页

作者：王浩张晶晶李园园王峰寻丽娜安徽大学电气工程与自动化学院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

由于高光谱图像存在较高的数据维数,会给分类过程带来一些困难。为了提高分类的准确率,提出了一种使用3D卷积联合注意力机制的高光谱图像分类方法。首先,将中心像素与周围相邻的其它像素进行配对,可以通过配对构成多组新的像素对,充分... 详细信息

由于高光谱图像存在较高的数据维数,会给分类过程带来一些困难。为了提高分类的准确率,提出了一种使用3D卷积联合注意力机制的高光谱图像分类方法。首先,将中心像素与周围相邻的其它像素进行配对,可以通过配对构成多组新的像素对,充分利用了像素之间的邻域相关性。接着,将像素对放入3D卷积联合注意力机制网络框架中进行分类,它能够对高光谱图像中的特征进行选择性的学习。最后,通过投票策略获得像素标签。实验是在两个真实的高光谱图像数据集上进行。结果表明,所提出的方法充分挖掘了高光谱图像的光谱空间特征,能有效地提高分类精度。

关键词：高光谱图像分类注意力机制深度学习像素配对

来源：评论

学校读者我要写书评

暂无评论

Z网络下新的推理算法在不确定决策中的应用

引用

佳木斯大学学报（自然科学版） 2021年第5期39卷 52-56,79页

作者：张最吴涛涂成凤安徽大学数学科学学院安徽合肥230039 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230039

针对Z-number的模糊不确定性和概率不确定性推理,在Z网络模型的基础上对其推理算法上做出了一些改进。首先,在Z-number理论基础上对离散Z-number在if-then规则下进行最大熵方法处理的算法过程做出了一些改进,由于算法过程中优化模型获... 详细信息

针对Z-number的模糊不确定性和概率不确定性推理,在Z网络模型的基础上对其推理算法上做出了一些改进。首先,在Z-number理论基础上对离散Z-number在if-then规则下进行最大熵方法处理的算法过程做出了一些改进,由于算法过程中优化模型获取的区间值概率随着给定数据的变化并不一定能满足最大熵方法中的约束条件,所以对这些区间值概率进行了优化。其次,基于Z网络的结构和概率推理过程,对利用Z网络获取区间值概率然后应用最大熵方法获得约束部分最可能的潜在概率分布过程作出了同样的改进。最后利用一个实例来说明改进后的方法的有效性和可行性。

关键词： Z-number Z网络潜在概率 Z-valuation不确定性推理

来源：评论

学校读者我要写书评

暂无评论

基于有限时间的一类时滞非线性切换系统滑模控制

引用

控制与决策 2019年第3期34卷 655-660页

作者：何舒平艾琦珑安徽大学电气工程与自动化学院合肥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

研究一类时滞非线性切换系统的有限时间滑模控制问题.针对所研究的系统模型,构造每个子系统对应的积分滑模面,基于滑模控制理论,设计带有状态时滞的滑模控制器使得每个子系统能在有限时间内到达相应的滑模面上,并对系统中存在的非线性... 详细信息

研究一类时滞非线性切换系统的有限时间滑模控制问题.针对所研究的系统模型,构造每个子系统对应的积分滑模面,基于滑模控制理论,设计带有状态时滞的滑模控制器使得每个子系统能在有限时间内到达相应的滑模面上,并对系统中存在的非线性项采用Lipschitz条件进行处理.根据多李亚普诺夫函数、平均驻留时间方法以及分割策略引理,给出滑模趋近段和滑模动态有限时间有界的充分条件,并通过对线性矩阵不等式的求解得到控制器增益.最后,通过一个数值仿真例子验证该设计方法的有效性.

关键词：切换系统 Lipschitz非线性有限时间有界滑模控制平均滞留时间线性矩阵不等式

来源：评论

学校读者我要写书评

暂无评论

属性动态更新的一种三支决策模型

引用

小型微型计算机系统 2020年第11期41卷 2268-2273页

作者：徐怡孙小军安徽大学计算机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

在实际环境中,经常需要划分出一批对象,而对象的属性可能是动态变化的,针对这种属性动态更新的条件下选出一定数量对象的问题,提出一种属性动态更新的三支决策模型.首先针对属性动态更新的特点,建立属性关联度和重要度,然后针对更新的属... 详细信息

在实际环境中,经常需要划分出一批对象,而对象的属性可能是动态变化的,针对这种属性动态更新的条件下选出一定数量对象的问题,提出一种属性动态更新的三支决策模型.首先针对属性动态更新的特点,建立属性关联度和重要度,然后针对更新的属性,提出一种属性比的定义来构造三支决策的评估函数,同时对更新后的属性的值排序,提出一种基于基尼系数计算对象偏差的方法来动态计算三支决策的阈值.根据计算的阈值和对象的评估函数,属性动态更新的三支决策模型被建立,能在属性更新后动态划分对象.进一步对于模型可能出现两种异常划分问题,给出了相应的解决方法,最后通过在改造的四个数据集上实验仿真,结果表明在属性动态更新情况下能有效划分对象,模型是可行的和有效的.

关键词：三支决策排序属性值自适应阈值基尼系数动态更新

来源：评论

学校读者我要写书评

暂无评论

部分遮挡三维彩色物体的压缩全息

引用

电子学报 2019年第1期47卷 33-39页

作者：张成汪东沈川王美琴陈倩文韦穗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 安徽大学安徽省现代成像与显示技术重点实验室安徽合肥230039

压缩全息将压缩感知理论与全息显示技术结合在一起,利用压缩感知理论,可以由少量的测量数目精确地从2D全息图中恢复3D对象.本文将压缩全息理论从单波长情形拓展到彩色物体的压缩全息,同时研究每层图像在轴向上有较多遮挡的3D对象的3DTV... 详细信息

压缩全息将压缩感知理论与全息显示技术结合在一起,利用压缩感知理论,可以由少量的测量数目精确地从2D全息图中恢复3D对象.本文将压缩全息理论从单波长情形拓展到彩色物体的压缩全息,同时研究每层图像在轴向上有较多遮挡的3D对象的3DTV压缩重建,最后通过数值实验验证了本文方法的有效性,并探究复杂物体的填充比例对重建质量的影响,以及不同层之间的遮挡位置和噪声对重建质量的影响.

关键词：压缩全息压缩感知彩色全息三维重建

来源：评论

学校读者我要写书评

暂无评论

卷积神经网络在FDTD计算中的应用

引用

安庆师范大学学报（自然科学版） 2021年第4期27卷 20-24页

作者：陶军刘瑜安徽大学电子信息工程学院安徽合肥230601 计算智能与信号处理教育部重点实验室安徽合肥230601

基于卷积神经网络(CNN)结构与时域有限差分法(FDTD)在特定条件下的等价性特点,构建了适用于电磁传播计算的FDTD-CNN模型,通过一维自由空间和一维等离子体光子晶体两个实例计算,证明了FDTD-CNN模型能够较好地模拟不同介质特征的电磁传播... 详细信息

基于卷积神经网络(CNN)结构与时域有限差分法(FDTD)在特定条件下的等价性特点,构建了适用于电磁传播计算的FDTD-CNN模型,通过一维自由空间和一维等离子体光子晶体两个实例计算,证明了FDTD-CNN模型能够较好地模拟不同介质特征的电磁传播现象,并且可以不重新训练,平滑地应用于激励源频率变化的问题,具有较好的泛化复用性。FDTD-CNN模型为电磁计算的数值建模提供了新的思路,也为长期积累的大量电磁计算数据的分析与再利用提供了有效途径。

关键词：时域有限差分法卷积神经网络深度学习电磁计算

来源：评论

学校读者我要写书评

暂无评论

背景与前景融合的RGB-D图像显著性检测

引用

计算机科学与探索 2020年第7期14卷 1232-1242页

作者：赵强王爱平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 安徽大学信息保障技术协同创新中心合肥230601

RGB-D图像显著性检测是指在传统的2D图像中附加深度信息从而提取显著对象,但是现有的显著性检测模型,大多数只关注显著物体本身,却忽略了背景信息。因此,提出了一个新颖的显著性检测模型,将深度信息同时考虑到背景和前景中提取出显著区... 详细信息

RGB-D图像显著性检测是指在传统的2D图像中附加深度信息从而提取显著对象,但是现有的显著性检测模型,大多数只关注显著物体本身,却忽略了背景信息。因此,提出了一个新颖的显著性检测模型,将深度信息同时考虑到背景和前景中提取出显著区域。首先,通过图像边界信息的背景测量机制来去除前景噪声并从边界超像素中选择背景种子,从而计算出基于背景的显著图;其次,将输入的图像构造成图,并将深度信息引入到图形结构中,利用颜色、深度、位置等线索获取前景种子,从而计算出基于前景的显著图;最后,将背景图和前景图融合获得初始显著图,再加以元胞优化,迭代传播后得到最终的显著图。在三个RGB-D图像显著性检测数据集LFSD、NJU-400、NJU-2000上进行对比实验,实验结果表明,该方法具备有效性,同时也提高了检测准确率。

关键词： RGB-D图像显著性检测前景和背景显著图像融合迭代传播

来源：评论

学校读者我要写书评

暂无评论

基于邻域粗糙互信息熵的非单调性属性约简

引用

控制与决策 2019年第2期34卷 353-361页

作者：姚晟徐风吴照玉陈菊汪杰王维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

属性约简是粗糙集理论一项重要的应用,目前已广泛运用于机器学习和数据挖掘等领域,邻域粗糙集是粗糙集理论中处理连续型数据的一种重要方法.针对目前邻域粗糙集模型中属性约简存在的缺陷,构造一种基于邻域粗糙集的邻域粗糙熵模型,并基... 详细信息

属性约简是粗糙集理论一项重要的应用,目前已广泛运用于机器学习和数据挖掘等领域,邻域粗糙集是粗糙集理论中处理连续型数据的一种重要方法.针对目前邻域粗糙集模型中属性约简存在的缺陷,构造一种基于邻域粗糙集的邻域粗糙熵模型,并基于此给出邻域粗糙联合熵、邻域粗糙条件熵和邻域粗糙互信息熵等概念.邻域粗糙互信息熵是评估属性集相关性的一种重要的方法,具有非单调性变化的特性,对此,提出一种基于邻域粗糙互信息熵的非单调性属性约简算法.实验分析表明,所提出算法不仅比目前已有的单调性属性约简算法具有更优越的属性约简结果,而且具有更高的约简效率.

关键词：邻域粗糙集邻域粗糙熵邻域粗糙条件熵邻域粗糙互信息熵非单调性属性约简

来源：评论

学校读者我要写书评

暂无评论

近邻密度分布优化样本分配的改进DPC聚类算法

引用

华南理工大学学报（自然科学版） 2019年第2期47卷 98-105页

作者：纪霞张涛朱建磊刘诗诚李学俊安徽大学计算机科学与技术学院安徽合肥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

DPC算法是一种能够自动确定类簇数和类簇中心的新型密度聚类算法,但在样本分配策略上存在聚类质量不稳定的缺陷.其改进算法KNN-DPC虽然具有较好的聚类效果,但效率不高而影响实用.针对以上问题,文中提出了一种近邻密度分布优化的DPC算法... 详细信息

DPC算法是一种能够自动确定类簇数和类簇中心的新型密度聚类算法,但在样本分配策略上存在聚类质量不稳定的缺陷.其改进算法KNN-DPC虽然具有较好的聚类效果,但效率不高而影响实用.针对以上问题,文中提出了一种近邻密度分布优化的DPC算法.该算法在DPC算法搜索和发现样本的初始类簇中心的基础上,基于样本的密度分布采用两种样本类簇分配策略,依次将各样本分配到相应的类簇.理论分析和在经典人工数据集以及UCI真实数据集上的实验结果表明:文中提出的聚类算法能快速确定任意形状数据的类簇中心和有效地进行样本类簇分配;与DPC算法和KNN-DPC算法相比,文中算法在聚类效果与时间性能上有更好的平衡,聚类稳定性高,可适用于大规模数据集的自适应聚类分析.

关键词： DPC算法近邻密度分布聚类

来源：评论

学校读者我要写书评

暂无评论

联合嵌入式多标签分类算法

引用

自动化学报 2019年第10期45卷 1969-1982页

作者：刘慧婷冷新杨王利利赵鹏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

现有的一些多标签分类算法,因多标签数据含有高维的特征或标签信息而变得不可行.为了解决这一问题,提出基于去噪自编码器和矩阵分解的联合嵌入多标签分类算法Deep AE-MF.该算法包括两部分:特征嵌入部分使用去噪自编码器对特征空间学习... 详细信息

现有的一些多标签分类算法,因多标签数据含有高维的特征或标签信息而变得不可行.为了解决这一问题,提出基于去噪自编码器和矩阵分解的联合嵌入多标签分类算法Deep AE-MF.该算法包括两部分:特征嵌入部分使用去噪自编码器对特征空间学习得到非线性表示,标签嵌入部分则是利用矩阵分解直接学习到标签空间对应的潜在表示与解码矩阵.Deep AE-MF将特征嵌入和标签嵌入的两个阶段进行联合,共同学习一个潜在空间用于模型预测,进而得到一个有效的多标签分类模型.为了进一步提升模型性能,在Deep AE-MF方法中对标签间的负相关信息加以利用.通过在不同数据集上进行实验证明了提出Deep AE-MF方法的有效性和鲁棒性.

关键词：多标签分类矩阵分解去噪自编码器标签嵌入

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：