检索结果-内蒙古大学图书馆

小型微型计算机系统 2021年第12期42卷 2525-2529页

作者：郑诚黄夏炎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

图卷积网络如今越来越多地被应用于推荐系统任务中,由于该模型可以有效捕获多跳邻居的信息,因此可以一定程度上缓解数据稀疏性问题,有效提升推荐任务的准确性.但是目前大部分工作都是直接使用图卷积网络,在推荐任务上算法复杂度较高.本... 详细信息

图卷积网络如今越来越多地被应用于推荐系统任务中,由于该模型可以有效捕获多跳邻居的信息,因此可以一定程度上缓解数据稀疏性问题,有效提升推荐任务的准确性.但是目前大部分工作都是直接使用图卷积网络,在推荐任务上算法复杂度较高.本文提出了一个融合轻量图卷积网络和注意力机制的模型.该模型通过嵌入传播获得更多邻域的协同信息,同时利用注意力网络对不同的邻域进行区分,最后用于推荐.从而在降低算法复杂度的基础上进一步提升了模型的准确性.通过在Gow alla、Yelp2018和Amazon-book 3个不同领域的真实数据集上的实验结果表明,该方法的性能有较好的表现.

关键词：图卷积网络注意力机制推荐系统嵌入传播

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

基于非平衡数据下不完备混合型信息系统的属性约简

引用

计算机应用研究 2021年第5期38卷 1331-1335页

作者：姚晟李初宴陈悦安徽大学计算机科学与技术学院合肥230039 安徽大学计算智能与信号处理教育部重点实验室合肥230039

完备混合型信息系统下的粗糙集模型是传统粗糙集模型的重要扩展,目前关于非平衡数据属性约简的研究仅限于完备混合型的粗糙集模型。针对这一问题,提出一种基于不完备混合型信息系统的非平衡数据属性约简。本文首先将传统的粗糙集模型进... 详细信息

完备混合型信息系统下的粗糙集模型是传统粗糙集模型的重要扩展,目前关于非平衡数据属性约简的研究仅限于完备混合型的粗糙集模型。针对这一问题,提出一种基于不完备混合型信息系统的非平衡数据属性约简。本文首先将传统的粗糙集模型进行推广,提出不完备混合型信息系统下的粗糙集模型;然后针对数据的非平衡性,根据上下边界区域和类分布的不均匀性定义了一种新的属性重要度;在基于区别矩阵的基础上设计出一种非平衡数据的属性约简算法。实验分析表明该算法针对不完备非平衡数据的属性约简具有一定的有效性和优越性。

关键词：粗糙集不完备混合型信息系统非平衡数据属性约简

来源：评论

学校读者我要写书评

暂无评论

不完备邻域决策粗糙集的最小化代价属性约简算法

引用

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

基于q-rung orthopair严格模糊熵和交叉熵的多准则群决策方法

引用

模糊系统与数学 2024年第6期 90-100页

作者：徐威毛军军朱蒙蒙安徽大学大数据与统计学院计算智能与信号处理教育部重点实验室

针对q-ROFN的特殊形式，本文在传统q-rung模糊熵的基础上首先扩展形成了q-rung严格模糊熵(q-ROFSE)和q-rung严格交叉熵(q-ROFSCE)的公理化定义；然后，考虑到q-ROFN的稳定系数、犹豫系数和q值，分别提出了一种q-ROFSE和q-ROFSCE的表达... 详细信息

针对q-ROFN的特殊形式，本文在传统q-rung模糊熵的基础上首先扩展形成了q-rung严格模糊熵(q-ROFSE)和q-rung严格交叉熵(q-ROFSCE)的公理化定义；然后，考虑到q-ROFN的稳定系数、犹豫系数和q值，分别提出了一种q-ROFSE和q-ROFSCE的表达形式并证明了相关性质，其次，通过具体的实例说明所提出熵测度可以克服传统熵测度在特定环境下失效的局限性；最后，提出了基于q-rung orthopair严格模糊熵和严格交叉熵的多准则群决策方法并用实例验证了该方法的可行性和有效性。

关键词： q-ROFN 模糊熵交叉熵多准则群决策

来源：评论

学校读者我要写书评

暂无评论

基于策略迭代算法的连续时间线性Markov跳变系统非零和微分反馈Nash控制

引用

控制理论与应用 2020年第8期37卷 1749-1756页

作者：朱国政张茂光何舒平安徽大学电气工程与自动化学院安徽合肥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

针对一类连续时间线性Markov跳变系统,本文提出了一种新的策略迭代算法用于求解系统的非零和微分反馈Nash控制问题.通过求解耦合的数值迭代解,以获得具有线性动力学特性和无限时域二次成本的双层非零和微分策略的Nash均衡解.在每一个策... 详细信息

针对一类连续时间线性Markov跳变系统,本文提出了一种新的策略迭代算法用于求解系统的非零和微分反馈Nash控制问题.通过求解耦合的数值迭代解,以获得具有线性动力学特性和无限时域二次成本的双层非零和微分策略的Nash均衡解.在每一个策略层,采用策略迭代算法来计算与每一组给定的反馈控制策略相关联的最小无限时域值函数.然后,通过子系统分解将Markov跳变系统分解为N个并行的子系统,并将该算法应用于跳变系统.本文提出的策略迭代算法可以很容易求解非零和微分策略所对应的耦合代数Riccati方程,且对高维系统有效.最后通过仿真示例证明了本文设计方法的有效性和可行性.

关键词：策略迭代 Markov跳变线性系统非零和微分反馈Nash策略

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

利用多粒度属性网络表示学习进行引文推荐

引用

计算机科学与探索 2021年第6期15卷 1103-1113页

作者：陈洁刘洋赵姝张燕平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 中钢集团马鞍山矿山研究总院股份有限公司安徽马鞍山243000

引文推荐(CR)聚焦于智能化地产生与查询文章相关的文献列表,对科学研究具有重要价值。引文推荐有关于文章的语义信息和结构信息,近年来,基于网络表示学习(NRL)的引文推荐获得广泛关注。但现有研究使用单粒度网络来建模引文推荐问题,存... 详细信息

引文推荐(CR)聚焦于智能化地产生与查询文章相关的文献列表,对科学研究具有重要价值。引文推荐有关于文章的语义信息和结构信息,近年来,基于网络表示学习(NRL)的引文推荐获得广泛关注。但现有研究使用单粒度网络来建模引文推荐问题,存在计算复杂度高、内存消耗大的弊端。为克服这个挑战,提出一种基于多粒度属性网络表示学习的引文推荐算法(CR-HANRSL),可以大大提升网络表示学习效率并同时兼顾文章的语义和结构特征。首先,根据文章结点属性的语义关联度和作者关系反复将网络粗化成更小的网络,并在每次粗化后都让超结点融合子结点的文本属性为粗化后的网络计算语义连边。随后,利用单粒度网络表示学习方法学习粗化后的网络特征表示并通过学习图卷积神经网络,对原网络的表示进行细化。最后,融合文章间多模态特征表示相似度产生推荐列表。在AAN和DBLP两个数据集上的实验结果表明提出的方法可以在学习高质量网络特征表示的前提下大大提升网络表示学习效率。

关键词：引文推荐多粒度属性网络语言连边表示学习

来源：评论

学校读者我要写书评

暂无评论

基于偏振图像的低照度场景多目标检测算法

引用

红外技术 2022年第5期44卷 483-491页

作者：寻华生张晶晶刘晓李腾年福东张馨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 偏振光成像探测技术安徽省重点实验室安徽合肥230031 中国科学院通用光学定标与表征技术重点实验室安徽合肥230031 合肥学院先进制造工程学院安徽合肥230601

偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领... 详细信息

偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领域。本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP。首先,通过实时获取到偏振图像进行偏振信息解析,获取目标偏振度图像。其次,为增强偏振度图像中检测目标与背景存在高对比度的特性,在主干网络中引入通道注意力与空间注意力,提升网络特征进行自适应学习的能力。此外,使用K-means算法对目标位置信息进行聚类分析,加快网络在偏振度图像的学习速度,提升目标检测精度。实验结果显示,该算法结合了偏振成像和深度学习目标检测的优势,对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快,对于道路车辆的目标检测、识别与跟踪具有一定的应用价值。

关键词：偏振成像神经网络 YOLOv5s 多目标检测注意力机制

来源：评论

学校读者我要写书评

暂无评论

犹豫不确定离散语言Z-numbers及其基于离散T模的多准则群决策问题的应用

引用

控制与决策 2020年第2期35卷 417-426页

作者：毛军军张丽平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

介绍基于Z-numbers和语言模型的犹豫不确定离散语言Z-numbers(HUDLZNs).HUDLZNs能够有效地描述决策信息的复杂性和不确定性,并能较好地反映出决策者的犹豫性.在此基础上,提出一种基于离散T模融合和正理想方案的多准则群决策方法.首先,... 详细信息

介绍基于Z-numbers和语言模型的犹豫不确定离散语言Z-numbers(HUDLZNs).HUDLZNs能够有效地描述决策信息的复杂性和不确定性,并能较好地反映出决策者的犹豫性.在此基础上,提出一种基于离散T模融合和正理想方案的多准则群决策方法.首先,借助语言尺度函数来处理语言信息,并定义HUDLZNs间的距离、λ截集和Cλ截集;其次,提出基于HUDLZNs的离散T模融合;再次,结合离散T模融合和语言尺度函数的优点提出一种HUDLZNs的多准则群决策方法;最后,用ERP系统选型的实例进行阐明,并通过灵敏度分析和已有方法的比较进一步表明所提出方法的有效性和可行性.

关键词：多准则群决策犹豫不确定离散语言Z-number 语言尺度函数离散T模融合

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：