检索结果-内蒙古大学图书馆

统计与决策 2019年第13期35卷 44-48页

作者：姚爱婷吴敏超毛军军张丽萍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

为了在多专家决策过程中综合各种客观因素和主观因素,提高决策的准确性,文章结合Z-number理论定义了Z-number的两种参数形式从而定义了Z-number频谱S(Z)。S(Z)代表了Z-number在不同频率分量处不确定信息成分的大小,是一种模态分析结果... 详细信息

为了在多专家决策过程中综合各种客观因素和主观因素,提高决策的准确性,文章结合Z-number理论定义了Z-number的两种参数形式从而定义了Z-number频谱S(Z)。S(Z)代表了Z-number在不同频率分量处不确定信息成分的大小,是一种模态分析结果和已知谱相结合计算结构响应的分析方法,用于确定结构对数据随时间变化所含信息量的响应,从隶属域和频域两方面对数据进行分析得到相应的不确定信息成分的大小,它能提供更直观、丰富的信息。另外,以三角模糊数为案例结合Z-number谱进行多属性决策,模糊数向量化后算出选择方案与多属性之间的拟合指数,最后在两方案的不一致性系数和最小的目标下建立决策模型获得每一方案的优先权重和相关排序,进行多方案多属性决策分析,并通过实例分析验证该方法的有效性和可行性。

关键词： Z-number 三角模糊数 Z-number频谱多属性决策

来源：评论

学校读者我要写书评

暂无评论

基于稠密网络的DNA结合蛋白质预测方法

引用

重庆科技学院学报（自然科学版） 2020年第5期22卷 81-85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 安徽大学计算机科学与技术学院合肥230601

提出了一种基于深度学习的DNA结合蛋白识别方法(DBP-DenseNet)。以稠密网络代替传统的金字塔式卷积神经网络(CNN)结构,将上一层的特征信息整合到下一层,利用层间的特征融合来学习整个氨基酸序列的综合特征;由双向长短期记忆网络(Bi-LSTM... 详细信息

提出了一种基于深度学习的DNA结合蛋白识别方法(DBP-DenseNet)。以稠密网络代替传统的金字塔式卷积神经网络(CNN)结构,将上一层的特征信息整合到下一层,利用层间的特征融合来学习整个氨基酸序列的综合特征;由双向长短期记忆网络(Bi-LSTM)负责在氨基酸序列上下文中获取长期依赖关系。实验结果表明,稠密连接可以有效提高模型的特征表达能力。

关键词： DNA结合蛋白预测词嵌入稠密网络双向长短期记忆网络

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

基于正相关和负相关最近邻居的协同过滤算法

引用

工程科学与技术 2018年第5期50卷 189-195页

作者：徐怡唐一民王冉安徽大学计算机科学与技术学院安徽合肥230601 计算智能与信号处理教育部重点实验室(安徽大学) 安徽合肥230039

协同过滤算法是应用最广泛和最成功的推荐算法之一。针对传统协同过滤算法在预测评分时仅考虑正相关最近邻居,没有考虑负相关最近邻居对评分预测的影响而导致的预测结果准确性及多样性较低的问题,提出一种基于正相关和负相关最近邻居的... 详细信息

协同过滤算法是应用最广泛和最成功的推荐算法之一。针对传统协同过滤算法在预测评分时仅考虑正相关最近邻居,没有考虑负相关最近邻居对评分预测的影响而导致的预测结果准确性及多样性较低的问题,提出一种基于正相关和负相关最近邻居的协同过滤算法。该算法首先计算用户之间的相似度,再通过用户评分与其平均评分等信息计算出用户之间的变异系数,利用变异系数修正相似度的值,从而缓解因为用户共同项目数不足而导致的相似度计算结果可信度较低的问题。然后分别对与目标用户相似度为正及与目标用户相似度为负的用户进行排序,并利用动态加权参数α及训练得到的阈值口分别选取正相关最近邻居和负相关最近邻居,基于选取的正相关最近邻居和负相关最近邻居分别进行预测评分。最后,将基于正相关最近邻居和负相关最近邻居的预测评分进行加权,作为最终的预测评分。在MovieLens数据集上利用3种评价标准进行对比实验,结果表明本文算法有效地提高了推荐的准确性和多样性。

关键词：协同过滤正相关邻居负相关邻居

来源：评论

学校读者我要写书评

暂无评论

单词和字符表示的协同学习

引用

华南理工大学学报（自然科学版） 2018年第8期46卷 122-129页

作者：刘慧婷凌超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

当前的词嵌入模型多数基于分布假设理论,这类模型将单词作为最基本语义单元,然后利用词的外部上下文信息学习词表示.然而,在类似于汉语的语言中,单词经常由多个字符组成,这些字符包含了丰富的内部信息,同时单词的语义也和这些字符的语... 详细信息

当前的词嵌入模型多数基于分布假设理论,这类模型将单词作为最基本语义单元,然后利用词的外部上下文信息学习词表示.然而,在类似于汉语的语言中,单词经常由多个字符组成,这些字符包含了丰富的内部信息,同时单词的语义也和这些字符的语义息息相关.考虑到当前常用词模型均忽略了字符信息,文中以中文为例,提出了单词与字符表示的协同学习模型.为了解决汉语中存在的单字符多语义和多字符单语义情况,文中提出了基于多原型的单词协同学习模型,并使用词相似任务和类比推理任务对该模型进行评估.结果显示,文中模型的词表示质量均优于其他词嵌入模型.

关键词：词表示外部上下文内部信息协同学习

来源：评论

学校读者我要写书评

暂无评论

基于自适应邻域空间粗糙集模型的直觉模糊熵特征选择

引用

计算机研究与发展 2018年第4期55卷 802-814页

作者：姚晟徐风赵鹏纪霞计算智能与信号处理教育部重点实验室(安徽大学) 合肥230601 安徽大学计算机科学与技术学院合肥230601

特征选择是数据预处理中一项很重要的技术,主要从原始数据集的特征中选出一些最有效的特征以降低数据集的维度,从而提高学习算法性能.目前基于邻域粗糙集模型的特征选择算法中,由于没有考虑数据分布不均的问题,对象的邻域存在一定的缺陷... 详细信息

特征选择是数据预处理中一项很重要的技术,主要从原始数据集的特征中选出一些最有效的特征以降低数据集的维度,从而提高学习算法性能.目前基于邻域粗糙集模型的特征选择算法中,由于没有考虑数据分布不均的问题,对象的邻域存在一定的缺陷.为了解决这个问题,采用方差来度量数据的分布情况,重新定义二元邻域空间,基于此提出自适应二元邻域空间的粗糙集模型,并将该模型与邻域直觉模糊熵结合作为特征评估的方式,进而构造相应的特征选择算法.UCI实验结果表明:所提出的算法能够选出更小且具有更高分类精度的特征子集,同时算法拥有更少的时间消耗.因此所提的特征选择算法具有更强的优越性.

关键词：粗糙集邻域方差二元邻域空间邻域直觉模糊熵特征选择

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

任务粒化的质量约束感知服务组合

引用

计算机研究与发展 2018年第6期55卷 1345-1355页

作者：张以文崔光明严远亭赵姝张燕平计算智能与信号处理教育部重点实验室(安徽大学) 合肥230031 安徽大学计算机科学与技术学院合肥230601

随着服务计算的发展,越来越多的资源以服务的形式发布与使用,服务提供商间的竞争日趋激烈,合作共赢成为必然趋势,但考虑质量约束关系服务组合优化问题复杂性大大增强.为解决这一问题,在充分考虑候选服务间质量约束的同时,对服务组合业... 详细信息

随着服务计算的发展,越来越多的资源以服务的形式发布与使用,服务提供商间的竞争日趋激烈,合作共赢成为必然趋势,但考虑质量约束关系服务组合优化问题复杂性大大增强.为解决这一问题,在充分考虑候选服务间质量约束的同时,对服务组合业务流程进行任务粒化,提出基于任务粒化的质量约束感知服务组合优化方法(Tg-QcA).首先,通过理论分析,验证每种QoS聚合方式均具有子模态性质以及多属性服务组合问题的效用函数仍具有子模态性质,保证了基于任务粒化优化方法的完备性;其次,通过质量约束建模,利用任务间的隶属度进行任务粒化划分,对原问题进行分解,有效降低了问题求解规模;最后,大量的仿真模拟实验结果表明:所提模型与算法具有很好的可行性、高效性和稳定性.

关键词：服务组合任务粒化质量约束子模服务质量

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积-递归神经网络的手绘草图识别方法

引用

计算机辅助设计与图形学学报 2018年第2期30卷 217-224页

作者：赵鹏刘杨刘慧婷姚晟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

针对现有基于深度学习的手绘草图识别方法直接从整体上提取手绘草图的图像特征,而忽略了草图中笔画的顺序信息的问题,利用手绘草图的笔画顺序信息,将深度卷积神经网络与递归神经网络相结合,提出一种基于深度卷积-递归神经网络的手绘草... 详细信息

针对现有基于深度学习的手绘草图识别方法直接从整体上提取手绘草图的图像特征,而忽略了草图中笔画的顺序信息的问题,利用手绘草图的笔画顺序信息,将深度卷积神经网络与递归神经网络相结合,提出一种基于深度卷积-递归神经网络的手绘草图识别方法.首先按照绘画草图时的笔画顺序提取笔画,生成多幅子笔画草图,并形成一个笔画数依次递增的子笔画草图序列;然后采用深度卷积神经网络依次提取该序列中每一幅子笔画草图的图像特征,并将提取的图像特征按照原先子笔画草图排列的顺序进行排序,作为递归神经网络的输入;最后利用递归神经网络来构建不同图像特征间的时序关系,以提高手绘草图的识别准确率.在现有最大的手绘草图数据集TU-Berlin Sketch数据集上的实验结果表明,文中方法能有效地提升手绘草图的识别准确率.

关键词：手绘草图识别深度学习笔画顺序信息深度卷积神经网络递归神经网络

来源：评论

学校读者我要写书评

暂无评论

粒计算中基于属性分类的形式概念属性约简

引用

控制与决策 2018年第12期33卷 2203-2207页

作者：徐怡王泉霍思林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

针对目前已有的形式概念属性约简算法的不足(如属性约简的时间复杂度偏高、属性及属性值比较过程中存在冗余计算、存储开销大等问题),结合粒计算思想,提出基于属性分类的形式概念属性约简模型.首先,通过定义两个算子来划分属性之间分类... 详细信息

针对目前已有的形式概念属性约简算法的不足(如属性约简的时间复杂度偏高、属性及属性值比较过程中存在冗余计算、存储开销大等问题),结合粒计算思想,提出基于属性分类的形式概念属性约简模型.首先,通过定义两个算子来划分属性之间分类关系;然后,由属性分类关系制定约简规则,并在此基础上提出基于属性分类的形式概念约简算法,该算法在保持目前最低时间复杂度不变的情况下,减少了冗余计算和存储开销,提高了属性约简的计算效率;最后,通过实例和仿真实验对基于属性分类关系的形式概念属性约简算法的有效性进行了验证.

关键词：形式概念分析粒计算属性分类属性约简

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：