检索结果-内蒙古大学图书馆

计算机工程与应用 2018年第9期54卷 139-144页

作者：李龙澍张效见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

针对粒子群算法(Particle Swarm Optimization,PSO)易陷入局部极值的缺陷,提出了一种新的自适应惯性权重混沌PSO算法(a New Chaos Particle Swarm Optimization based on Adaptive Inertia Weight,CPSO-NAIW)。首先采用新的惯性权重自适应方法,很好地平衡粒子的搜索行为,减少算法陷入局部极值的概率,然后在算法陷入局部极值时,引入混沌优化策略,对群体极值位置进行调整,以使粒子搜索新的邻域和路径,增加算法摆脱局部极值的可能。最后,实验结果表明,CPSO-NAIW算法能有效避免陷入局部极值,提高算法性能。

关键词：粒子群自适应惯性权重混沌局部极值

来源：评论

学校读者我要写书评

暂无评论

基于柯西烟花算法的大规模服务组合优化

引用

计算机工程与应用 2018年第24期54卷 34-40页

作者：王亮郭星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

随着Web服务的日益丰富,如何动态地从大量候选服务集中选择出整体性能高的组合服务已成为服务组合优化领域亟待解决的问题。为稳定、高效地解决大数据集下的服务组合问题,提出一种柯西烟花算法。该算法在搜索过程中引入柯西变异算子增... 详细信息

随着Web服务的日益丰富,如何动态地从大量候选服务集中选择出整体性能高的组合服务已成为服务组合优化领域亟待解决的问题。为稳定、高效地解决大数据集下的服务组合问题,提出一种柯西烟花算法。该算法在搜索过程中引入柯西变异算子增强了算法的全局搜索能力;采用精英候选策略有效降低了算法的时间开销。实验结果验证了该算法在处理大规模服务组合优化问题时的可行性和稳定性。

关键词：烟花算法服务质量 Web服务 Web服务组合

来源：评论

学校读者我要写书评

暂无评论

结合三部图综合扩散的Slope One推荐算法

引用

微电子学与计算机 2018年第4期35卷 6-11页

作者：王冉徐怡何明慧胡善忠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

Slope One算法在评分预测时没有考虑项目之间的推荐关系,导致推荐的准确性和多样性不高,故提出了一种结合三部图综合扩散的Slope One算法.首先在三部图中加入了项目类别节点,然后利用三部图综合扩散计算项目之间的推荐度,最后利用得到... 详细信息

Slope One算法在评分预测时没有考虑项目之间的推荐关系,导致推荐的准确性和多样性不高,故提出了一种结合三部图综合扩散的Slope One算法.首先在三部图中加入了项目类别节点,然后利用三部图综合扩散计算项目之间的推荐度,最后利用得到的推荐度结合Slope One进行评分预测,由于三部图综合扩散算法同时经过用户节点和项目类别节点进行扩散,并且计算得到的项目之间的推荐度是非对称的,更能体现用户兴趣.本文在MovieLens数据集上利用4种评价指标进行5-折交叉验证.实验结果表明:算法有效的提高了预测的准确度和多样性.

关键词：推荐系统三部图 slope one 综合扩散

来源：评论

学校读者我要写书评

暂无评论

基于加权二部图的Slope One推荐算法

引用

微电子学与计算机 2018年第3期35卷 93-98页

作者：王冉徐怡胡善忠何明慧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

相对协同过滤算法,Slope One算法在执行速度上更加迅速,并且易于实现.但是算法没有考虑项目之间的推荐关系,故提出了一种基于加权二部图的Slope One推荐算法.利用加权二部图推荐算法计算项目之间的推荐程度,并用计算得到的项目之间的推... 详细信息

相对协同过滤算法,Slope One算法在执行速度上更加迅速,并且易于实现.但是算法没有考虑项目之间的推荐关系,故提出了一种基于加权二部图的Slope One推荐算法.利用加权二部图推荐算法计算项目之间的推荐程度,并用计算得到的项目之间的推荐程度对Slope One预测评分过程进行加权处理,由于二部图推荐算法计算得到的项目之间的推荐程度是非对称的,从而使推荐结果更加多样化.在MovieLens数据集上利用5-折交叉验证以及4种评价指标对算法进行验证,实验表明改进后的算法在提高了推荐准确性的同时也提高了推荐的多样性.

关键词：推荐系统 Slope One 加权二部图 5-折交叉验证

来源：评论

学校读者我要写书评

暂无评论

不完备系统中的一种多粒度粗糙集粒度约简算法

引用

微电子学与计算机 2018年第6期35卷 41-46页

作者：胡善忠徐怡何明慧王冉安徽大学计算机科学与技术学院安徽合肥230601 安徽大学计算机智能与信号处理教育部重点实验室安徽合肥230039

本文针对不完备决策信息系统,首先给出粒度上属性值缺失率的定义,结合粒度重要度和粒度上属性值缺失率定义粒度组合重要度,然后以粒度组合重要度为启发函数,设计了新的粒度约简算法,通过调节参数,该算法在保证约简率的同时可以得到属性... 详细信息

本文针对不完备决策信息系统,首先给出粒度上属性值缺失率的定义,结合粒度重要度和粒度上属性值缺失率定义粒度组合重要度,然后以粒度组合重要度为启发函数,设计了新的粒度约简算法,通过调节参数,该算法在保证约简率的同时可以得到属性值缺失率较低的粒度约简结果,最后,实验验证了本文所提算法的有效性.

关键词：粗糙集粒度约简不完备系统缺失率组合重要度

来源：评论

学校读者我要写书评

暂无评论

关系矩阵的知识粒度增量式属性约简

引用

小型微型计算机系统 2018年第5期39卷 1000-1004页

作者：郑诚王波洪彤彤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

由于现实中的数据集存在着大量的冗余属性,因此需要对它们进行属性约简.针对传统的属性约简算法不能很好的处理动态变化的数据集,本文运用关系矩阵的形式去表示信息系统的知识粒度,并研究了当数据集属性发生变化时,通过矩阵的视角来展... 详细信息

由于现实中的数据集存在着大量的冗余属性,因此需要对它们进行属性约简.针对传统的属性约简算法不能很好的处理动态变化的数据集,本文运用关系矩阵的形式去表示信息系统的知识粒度,并研究了当数据集属性发生变化时,通过矩阵的视角来展示知识粒度的变化机制,根据这种机制可以快速地对知识粒度进行更新,从而提出了一种基于知识粒度的增量式属性约简算法,在UCI数据集的实验结果中,所提出的算法能够对动态变化的数据集选择出小而优的属性子集,并且有着较高的约简效率,从而验证了该算法的优越性.

关键词：增量式更新属性约简关系矩阵知识粒度

来源：评论

学校读者我要写书评

暂无评论

烟花粒子群优化算法在Web服务组合上的应用

引用

小型微型计算机系统 2018年第6期39卷 1312-1316页

作者：郭星陈姗姗张以文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230039 安徽大学计算机科学与技术学院合肥230601

大数据环境下,服务组合问题已经引起极大关注.然而,随着服务数量的增多,如何在动态环境下找到满足用户需求的组合服务已成为亟待解决的问题.为解决大数据环境下大规模服务组合优化问题,提出一种改进的粒子群优化算法,有效克服了传统粒... 详细信息

大数据环境下,服务组合问题已经引起极大关注.然而,随着服务数量的增多,如何在动态环境下找到满足用户需求的组合服务已成为亟待解决的问题.为解决大数据环境下大规模服务组合优化问题,提出一种改进的粒子群优化算法,有效克服了传统粒子群算法对于离散优化问题多样性低、易于陷入局部最优的缺陷.首先,采用粒子活跃度检测机制,增加种群多样性,从而有效增强服务组合优化方案的多样性.其次,在粒子学习过程中,引入烟花爆炸机制,加强种群粒子的搜索能力.同时,引入粒子反向学习理论,显著提高了服务组合全局寻优能力.实验结果表明,所提出的方法可以解决不同规模的服务组合问题,与已有的方法相比,有可较好的性能.

关键词：服务组合粒子群算法烟花算法服务质量

来源：评论

学校读者我要写书评

暂无评论

邻域粗糙集模型的规则提取方法研究

引用

小型微型计算机系统 2018年第6期39卷 1323-1327页

作者：姚晟徐风赵鹏汪杰陈菊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

邻域粗糙集是粗糙集理论中一种处理数值型数据的重要模型,而规则提取是数据挖掘中最重要和最关键的环节,由于数值型数据取值连续,目前在邻域粗糙集模型中的规则提取并没有系统化的方法,本文针对这一问题提出一种特殊的决策规则模型,首... 详细信息

邻域粗糙集是粗糙集理论中一种处理数值型数据的重要模型,而规则提取是数据挖掘中最重要和最关键的环节,由于数值型数据取值连续,目前在邻域粗糙集模型中的规则提取并没有系统化的方法,本文针对这一问题提出一种特殊的决策规则模型,首先通过对象集的形式来定义决策规则的前件,然后通过求取下近似的方法在邻域粗糙集模型中进行决策规则诱导,最后,通过距离度量来给出决策判别的方法.UCI实验结果表明本文提出的模型具有一定的可行性和合理性.

关键词：邻域粗糙集邻域半径规则提取决策判别

来源：评论

学校读者我要写书评

暂无评论

相似矩阵和聚类一致性的协同显著检测

引用

计算机科学与探索 2018年第9期12卷 1454-1464页

作者：郑海军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

针对现有协同检测算法存在显著非协同目标抑制不足的问题,提出了一种相似矩阵和聚类一致性的协同显著目标检测算法。首先,对图像进行超像素分割和从现有的多种显著检测算法得到基本显著图,通过基本显著图设置阈值结合超像素提取相应显... 详细信息

针对现有协同检测算法存在显著非协同目标抑制不足的问题,提出了一种相似矩阵和聚类一致性的协同显著目标检测算法。首先,对图像进行超像素分割和从现有的多种显著检测算法得到基本显著图,通过基本显著图设置阈值结合超像素提取相应显著区域;其次,通过显著区域的RGB颜色特征构造直方图行向量,并将所有行向量组合成一个特征矩阵,再根据所有直方图应具有相似性特征并以此构造相似矩阵;再次,将相似矩阵应用于低秩矩阵分解模型中,分解特征矩阵得到噪音稀疏矩阵,并以此得到加权值,融合加权值和基本显著图得到加权显著图;最后,采用聚类一致性得到协同显著值,并融合加权显著值,得到最终显著图。在i Coseg Sub和i Coseg数据集验证实验,算法更好地抑制了显著非协同区域,取得了较高的准确度。

关键词：协同显著检测低秩矩阵分解聚类一致性相似矩阵

来源：评论

学校读者我要写书评

暂无评论

基于迁移鲁棒稀疏编码的图像表示方法

引用

计算机学报 2017年第10期40卷 2421-2432页

作者：赵鹏王维刘慧婷纪霞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

图像表示是图像处理和图像理解研究中的关键问题之一.在图像的低层表示上有很多重要的研究工作,例如HOG,SIFT等.然而在图像的低层表示和高层语义间仍然存在着巨大的鸿沟.因而,很多机器学习的方法被用来学习图像的高层表示,例如主成分分... 详细信息

图像表示是图像处理和图像理解研究中的关键问题之一.在图像的低层表示上有很多重要的研究工作,例如HOG,SIFT等.然而在图像的低层表示和高层语义间仍然存在着巨大的鸿沟.因而,很多机器学习的方法被用来学习图像的高层表示,例如主成分分析,稀疏编码,非负矩阵分解以及低秩表示等.传统机器学习假设标记图像和未标记图像服从同一分布,图像表示的误差服从高斯分布.然而现实中图像数据更新速度快,而且图像生成环境存在差异性,导致未标记图像与已标记图像不服从同一分布,因而需要重新标记数据和训练模型.并且图像数据容易出现异常,例如遮挡、腐蚀等等,从而不能再用高斯分布来估计误差.迁移学习允许标记图像(训练数据)和未标记图像(测试数据)服从不同的分布.基于迁移学习的图像表示方法学习一个新的好的特征空间.在这个新的特征空间下,可以较好地描述标记图像和未标记图像的语义信息.并且在这个新的特征空间下,从训练集中标记图像上学习到的统计模型(例如分类模型),可以较好地迁移到测试集中未标记图像上,从而充分利用已标记图像,将学习到的知识迁移到未标记的图像集上.该文提出了一种基于迁移鲁棒稀疏编码的图像表示方法,引入权值矩阵削弱异常点对分类的干扰,使用稀疏编码获得数据的高级语义,利用最小化最大均值差异缩小源域和目标域图像集之间的分布差异以及图拉普拉斯项保留图像集的几何特性.该文的主要贡献在于:一是通过权值矩阵泛化残差分布,使得所提出的基于迁移鲁棒稀疏编码的图像表示方法能大大减少异常点对编码和字典学习的影响;二是在鲁棒字典学习过程中,采用正则化参数代替迁移稀疏编码中的字典约束,从而将其转化为无约束优化问题,避免了拉格朗日求解法的复杂性.在几个通用迁移学习数据集上的对比实验结果表明,该文所提出的图像表示方法在分类上的平均准确率比其它6种相关主流方法均有不同程度的提高,证明了其有效性和鲁棒性.

关键词：迁移学习鲁棒稀疏编码图像表示最大均值差异异常点

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：