检索结果-内蒙古大学图书馆

计算机辅助设计与图形学学报 2019年第11期31卷 1963-1972页

作者：赵鹏高浩渊姚晟杜奕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 上海第二工业大学工学部上海201209

针对面向弱匹配的跨媒异构迁移学习中存在的迁移学习性能不高的问题,提出了一种基于平衡异构距离的混合拉普拉斯特征映射的跨媒异构迁移学习方法.利用大量非成对数据和相对少量的成对数据蕴含的语义信息,获取不同媒体域原始特征空间到... 详细信息

针对面向弱匹配的跨媒异构迁移学习中存在的迁移学习性能不高的问题,提出了一种基于平衡异构距离的混合拉普拉斯特征映射的跨媒异构迁移学习方法.利用大量非成对数据和相对少量的成对数据蕴含的语义信息,获取不同媒体域原始特征空间到潜在公共特征空间的映射矩阵;并在跨媒异构迁移学习中,构建混合图拉普拉斯矩阵,不仅保持了同一域下样本间的流形结构,而且保持不同域下样本间的流形结构;提升训练获得的模型在跨媒异构目标域的分类预测性能.在2个公共数据集NUS-WIDE和LabelMe上进行实验,表明了在成对数据的基础上,利用大量非成对数据可以增加模型的准确率和鲁棒性.

关键词：跨媒异构迁移学习弱匹配问题异构距离混合图拉普拉斯矩阵

来源：评论

学校读者我要写书评

暂无评论

多类分类模型和多层次增量算法

引用

计算机科学与探索 2019年第8期13卷 1431-1440页

作者：徐怡王旭生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

多类分类问题的实际应用中,在决策对象的认识由粗粒度向细粒度转化时,通过使用粒结构,提出一种基于多类分类的序贯三支决策模型。在此基础上,使用该模型非增量的方法计算序贯三支决策的时间开销较大,针对决策表中条件属性的变化,给出该... 详细信息

多类分类问题的实际应用中,在决策对象的认识由粗粒度向细粒度转化时,通过使用粒结构,提出一种基于多类分类的序贯三支决策模型。在此基础上,使用该模型非增量的方法计算序贯三支决策的时间开销较大,针对决策表中条件属性的变化,给出该模型的增量方法来进行决策。首先,通过增加新属性得到每层的条件属性,构建多层次粒结构。在多层次粒结构下,给出每层决策表的损失函数矩阵。然后,按层依次计算决策表中每个决策类的阈值,进行决策表的三支决策。最后,给出多类分类的序贯三支决策算法,通过实例说明该算法的计算过程。为了动态更新多层次下的三个域集,基于多类分类给出计算序贯三支决策的增量算法,通过仿真实验验证了该方法的有效性。

关键词：序贯三支决策粒结构多类分类增量方法

来源：评论

学校读者我要写书评

暂无评论

基于最大决策邻域粗糙集的不确定性度量方法

引用

小型微型计算机系统 2020年第6期41卷 1121-1125页

作者：徐洋徐怡史国川鲁磊纪赵小帆安徽大学计算机科学与技术学院合肥230601 安徽大学计算机智能与信号处理教育部重点实验室合肥230039 中国人民解放军陆军炮兵防空兵学院信息工程系合肥230031

邻域粗糙集模型是经典粗糙集模型的变型,对处理数值型数据具有较好的优势性.本文引入最大决策邻域粗糙集模型,该模型密切关注边界样本,通过增加与决策类有最大交集的邻域样本来扩大正域,并在该模型上定义了最大决策粗糙度的概念.为了能... 详细信息

邻域粗糙集模型是经典粗糙集模型的变型,对处理数值型数据具有较好的优势性.本文引入最大决策邻域粗糙集模型,该模型密切关注边界样本,通过增加与决策类有最大交集的邻域样本来扩大正域,并在该模型上定义了最大决策粗糙度的概念.为了能够反映正域、负域的同时变化,提出一种基于边界域的不确定性度量方法.为了能够更全面的度量,在最大决策邻域粗糙集模型中定义了最大决策邻域粒结构,并基于该粒结构提出了最大决策邻域粒度概念,该粒度是对信息系统的分类能力的度量.文章最后提出一种基于最大决策邻域粗糙集的混合不确定性度量方法,将两种度量方法进行结合.实验结果表明,所提出的度量方法在邻域信息系统中具有较好的分类效果.

关键词：最大决策邻域粗糙集粗糙度边界域粒度度量

来源：评论

学校读者我要写书评

暂无评论

基于RSSI的指纹法与几何法联合的室内无源感知定位

引用

安徽大学学报（自然科学版） 2020年第2期44卷 43-50页

作者：孙鹏程胡艳军王翊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 中国科学院上海微系统与信息技术研究所无线传感网与通信重点实验室上海200050

提出基于斯皮尔曼相关系数的指纹法,具有非空间属性的指纹向量间的相似度可用该指纹法进行比较.在指纹法和几何法基础上,提出一种基于RSSI的指纹法与几何法联合的室内无源感知定位方法(F&G法).仿真结果表明,相对指纹法和几何法,F&am... 详细信息

提出基于斯皮尔曼相关系数的指纹法,具有非空间属性的指纹向量间的相似度可用该指纹法进行比较.在指纹法和几何法基础上,提出一种基于RSSI的指纹法与几何法联合的室内无源感知定位方法(F&G法).仿真结果表明,相对指纹法和几何法,F&G法能提高定位精度.

关键词：指纹法几何法 RSSI 无源感知定位 F&G法

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的多角度遥感影像云检测方法

引用

大气与环境光学学报 2020年第5期15卷 380-392页

作者：李佳欣赵鹏方薇宋尚香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 安徽大学计算机科学与技术学院安徽合肥230001 中国科学院合肥物质科学研究院安徽光学精密机械研究所通用光学定标与表征技术重点实验室安徽合肥230031

云检测是遥感影像处理的重要任务之一。目前遥感影像云检测中多使用到卫星的多光谱、多通道信息,而关于多角度信息对云检测影响的研究较少。为了探索遥感影像多角度信息作为云特征对训练云分类网络精度的影响,提出一种基于深度学习的遥... 详细信息

云检测是遥感影像处理的重要任务之一。目前遥感影像云检测中多使用到卫星的多光谱、多通道信息,而关于多角度信息对云检测影响的研究较少。为了探索遥感影像多角度信息作为云特征对训练云分类网络精度的影响,提出一种基于深度学习的遥感多角度云检测方法,以SegNet为基础网络结构,提取含有多角度信息的遥感影像的特征表示,训练含有多角度信息的遥感影像云检测模型。测试结果表明,所提方法全局精度为91.39%,平均重叠率为83.99%。分析表明单角度云检测具有一定的局限性,而利用多角度信息作为云特征训练云分类网络可以提升云检测精度。此外,还探索了POLDER仪器中不同角度对于云检测结果的影响情况。

关键词：云检测遥感影像多角度神经网络 SegNet

来源：评论

学校读者我要写书评

暂无评论

图像显著性传播及约束的协同显著性检测

引用

计算机科学与探索 2019年第11期13卷 1925-1934页

作者：赵悉超刘政怡李炜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

协同显著性检测是指在一组相关图像中发现共同的显著前景区域。现有方法捕获图像中节点对的关系,利用人类先验知识构建协同显著性检测模型,然而忽略了检测中节点之间的高阶关系,没有挖掘到节点间的潜在联系,从而导致次优的协同显著图。... 详细信息

协同显著性检测是指在一组相关图像中发现共同的显著前景区域。现有方法捕获图像中节点对的关系,利用人类先验知识构建协同显著性检测模型,然而忽略了检测中节点之间的高阶关系,没有挖掘到节点间的潜在联系,从而导致次优的协同显著图。提出了一个新颖的基于超图的种子传播的协同显著性检测框架。具体来说,框架由交叉图像显著性传播和图像内显著性约束组成,前者利用基于单显著图的显著种子点,跨图像交叉传播机制,融合算法检测图像组的协同显著对象并抑制非协同显著对象,获得初步协同显著图;后者再引入图像的凸包先验机制,学习空间分布信息,约束共同背景噪声,抑制相似背景区域,获得更精确的协同显著图。在两个广泛使用的协同显著性检测数据集上进行大量的实验,结果表明,同为无监督模型,相比现存的无监督协同显著性方法,获得了最优的性能。

关键词：协同显著性检测交叉图像显著性传播图像内显著性约束凸包先验机制

来源：评论

学校读者我要写书评

暂无评论

图像级别和像素级别的显著图像的融合

引用

计算机科学与探索 2019年第12期13卷 2130-2137页

作者：陈蕾吴建国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图像显著目标检测旨在从一对RGB图像和深度图像中识别视觉上最显著的目标。目前,学术界已经提出了各种有效的单幅RGB-D图像显著性检测方法,而这些检测方法之间存在着优势互补。因此,对各种方法生成的显著图进行融合以提高显著性检... 详细信息

RGB-D图像显著目标检测旨在从一对RGB图像和深度图像中识别视觉上最显著的目标。目前,学术界已经提出了各种有效的单幅RGB-D图像显著性检测方法,而这些检测方法之间存在着优势互补。因此,对各种方法生成的显著图进行融合以提高显著性检测精度的研究工作同样不可或缺。在对相关显著图像融合工作研究后,提出两个级别上的融合过程。首先,运用多种现成的RGB-D显著图检测方法生成初始显著图;其次,分别对图像级和像素级两个层面上的显著图融合工作进行了研究,再将这两个层面上得到的显著图按比例进行融合,得到最终的图像显著图。实验结果表明,该显著图融合方法的效果不仅优于单个图像显著性检测方法,而且和其他的融合方法相比,也具有一定优势。

关键词： RGB-D图像视觉显著图显著图像融合

来源：评论

学校读者我要写书评

暂无评论

基于Z-number的PROMETHEE多属性决策方法

引用

重庆工商大学学报（自然科学版） 2020年第5期37卷 30-36页

作者：张晓珍毛军军卢亚楠安徽大学数学科学学院合肥230601 安徽大学计算机智能与信号处理教育部重点实验室合肥230039

针对Z-number能够模拟带有不确定信息的自然语言,却没有有效的应用方法这一问题,提出了已知部分权重时以Z-number为信息环境的多属性决策方法。首先,在Z-number理论基础上利用模糊性限制和可靠性限制之间的关系,建立了两个非线性模型计... 详细信息

针对Z-number能够模拟带有不确定信息的自然语言,却没有有效的应用方法这一问题,提出了已知部分权重时以Z-number为信息环境的多属性决策方法。首先,在Z-number理论基础上利用模糊性限制和可靠性限制之间的关系,建立了两个非线性模型计算Z-number的潜在概率;其次,结合模糊数的交叉熵和KL散度,构造了离散Z-number交叉熵公式,并且提出了基于Z-number的PROMETHEE多属性决策方法;该方法结合级别高于关系理论,建立了取值为0~1的优先函数,利用优先函数公式获得优先指数矩阵,进一步计算出净流,然后根据净流大小对各方案进行排序;最后,通过一个实例的应用与分析说明提出方法的有效性和可行性。

关键词： Z-number 潜在概率交叉熵 PROMETHEE方法多属性决策

来源：评论

学校读者我要写书评

暂无评论

基于粗糙集的影响大学生心理健康的研究

引用

计算机技术与发展 2020年第5期30卷 121-124页

作者：徐怡余浩刘刚倪治伟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 安徽大学计算机科学与技术学院安徽合肥230601 安徽大学互联网学院安徽合肥230039

大学生心理健康是影响大学生未来发展的最主要因素之一。由于影响大学生心理健康的因素复杂而且难以预估,导致高校在改善大学生心理健康的过程中存在盲目性。为了及时准确地帮助心理健康存在隐患的学生,首先通过向本校本科生分发调查问... 详细信息

大学生心理健康是影响大学生未来发展的最主要因素之一。由于影响大学生心理健康的因素复杂而且难以预估,导致高校在改善大学生心理健康的过程中存在盲目性。为了及时准确地帮助心理健康存在隐患的学生,首先通过向本校本科生分发调查问卷,然后利用粗糙集理论中基于信息熵的属性约简算法找出影响因子,利用粗糙集理论中基于决策树的规则提取算法提取出具有支持度、置信度高的规则集,最后利用评估规则集准确度的一般方法验证了规则集的有效性。该研究成果可以指导高校制定出具有针对性的改善大学生心理健康的政策,从而及时准确地帮助存在心理健康隐患的大学生。

关键词：粗糙集信息熵决策树属性约简规则提取

来源：评论

学校读者我要写书评

暂无评论

图正则化迁移稀疏概念编码的跨域图像分类

引用

计算机工程与应用 2019年第6期55卷 197-203页

作者：孙登第孟欠欠马云鹏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230039

为克服不同图像域之间的特征"差异",跨越分布"鸿沟",提出了一种基于正则化迁移稀疏概念编码的跨域图像分类方法。将图像域间的分布差异性和标签相关性信息融入稀疏编码模型中,以学习跨域图像的鲁棒性稀疏表示,从高... 详细信息

为克服不同图像域之间的特征"差异",跨越分布"鸿沟",提出了一种基于正则化迁移稀疏概念编码的跨域图像分类方法。将图像域间的分布差异性和标签相关性信息融入稀疏编码模型中,以学习跨域图像的鲁棒性稀疏表示,从高维的图像特征空间中挖掘图像低维流形结构,形成基向量集,构造跨域图像的迁移稀疏概念编码。该方法挖掘不同图像域之间的共同特征表达,实现了图像标签的跨域迁移。通过在多个图像数据库中的比较实验表明,该方法获得更为鲁棒的图像特征表达,其分类性能显著优于其他相关比较方法。

关键词：稀疏编码流形结构基学习标签相关性共同特征表达

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：