检索结果-内蒙古大学图书馆

计算机研究与发展 2025年第5期62卷 1248-1261页

作者：林毓秀刘慧于晓张彩明山东财经大学计算机与人工智能学院济南250014 山东省数字媒体技术重点实验室(山东财经大学) 济南250014 山东大学软件学院济南250101

多视图子空间聚类旨在挖掘多视图的丰富信息来指导高维数据聚类,其研究关键在于如何有效地学习多视图统一表示和子空间表示.近年来,深度聚类方法利用神经网络强大的表征能力取得了优异的性能.然而,多视图数据固有的多源异构性使得大多... 详细信息

多视图子空间聚类旨在挖掘多视图的丰富信息来指导高维数据聚类,其研究关键在于如何有效地学习多视图统一表示和子空间表示.近年来,深度聚类方法利用神经网络强大的表征能力取得了优异的性能.然而,多视图数据固有的多源异构性使得大多数现有方法以单模态编码器实现对各个视图的独立编码,不仅增加了模型参数量,同时限制了模型的泛化能力.另一方面,低秩子空间表示被证明能够提升聚类性能,传统的核范数正则化优化没有考虑不同奇异值隐含的信息量差异,是矩阵秩的一个有偏估计.为此,提出了一种面向子空间聚类的多视图统一表示学习网络.首先,基于Transformer构建编码器,通过共享参数将异构视图以相同的映射规则投影到低维特征空间.其次,针对每个样本在不同视图中可能具有不同的表现,采用视图内样本加权融合的方法学习多视图统一表示.最后,引入加权Schatten-p范数对子空间表示矩阵施加低秩约束.在7个多视图数据集上的广泛实验验证了所提方法的有效性和优越性.

关键词：多视图子空间聚类 Transformer 加权融合低秩表示加权Schatten-p范数

来源：评论

学校读者我要写书评

暂无评论

顾及地形特征和边界防收缩的机载LiDAR地面点云聚类简化方法

引用

遥感学报 2025年第1期29卷 314-328页

作者：武慧明陈传法孙延宁郭娇娇贝祎轩山东科技大学测绘与空间信息学院青岛266590 山东省基础地理信息与数字化技术重点实验室青岛266590 山东省水利科学研究院济南250101

点云简化是海量机载LiDAR地面点云高效传输和多尺度应用的前提。针对目前地面点云简化方法存在复杂环境适用性差、地形细节特征丢失等问题,本文提出了一种顾及地形特征和边界防收缩的机载LiDAR点云聚类简化算法。首先利用K-means算法将... 详细信息

点云简化是海量机载LiDAR地面点云高效传输和多尺度应用的前提。针对目前地面点云简化方法存在复杂环境适用性差、地形细节特征丢失等问题,本文提出了一种顾及地形特征和边界防收缩的机载LiDAR点云聚类简化算法。首先利用K-means算法将点云分割为初始点云簇,然后依据各簇的地形复杂度再次对其细分,接着借助点云法向量信息以及邻接簇间边缘点的高程差识别地形特征点,最后通过保留目标区域的边界特征点防止原始点云边界收缩。此外,选取6组高密度机载LiDAR点云为数据源,将本文方法与7种经典点云简化方法(包括随机方法、体素格网方法、基于曲率的方法、最大Z容差方法、基于图的方法、基于多指标加权方法和基于迭代的简化方法)进行比较分析。结果表明:与其他传统方法相比,本文方法生成的数字高程模型(DEM)的平均RMSE至少降低了12.1%,平均MAE至少降低了9.6%,其派生品(包括平均坡度和地形粗糙度)与参考值也更为接近,而且较好的保留了地形特征信息。

关键词：遥感机载LiDAR 点云简化 K-means 地形特征数字高程模型

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv8和Byte Track的鲈鱼个体运动特征提取方法

引用

农业工程学报 2025年第5期41卷 182-190页

作者：于佳禾刘丽伟徐玲于辉辉陈英义中国农业大学国家数字渔业创新中心北京100083 中国农业大学信息与电气工程学院北京100083 山东省数字渔业重点实验室烟台264670 中国农业大学烟台研究院烟台264670 北京林业大学信息学院北京100083

鱼类个体运动特征提取是分析鱼类行为的重要环节,为进一步解决鲈鱼行为识别中存在小目标个体和复杂背景导致检测难,以及在多条鲈鱼跟踪过程中因遮挡和非线性运动而频繁发生的ID错误切换问题,该研究提出了一种基于改进YOLOv8和ByteTrack... 详细信息

鱼类个体运动特征提取是分析鱼类行为的重要环节,为进一步解决鲈鱼行为识别中存在小目标个体和复杂背景导致检测难,以及在多条鲈鱼跟踪过程中因遮挡和非线性运动而频繁发生的ID错误切换问题,该研究提出了一种基于改进YOLOv8和ByteTrack的鱼类个体运动特征提取方法。首先对YOLOv8n模型进行了轻量化优化,用ODConv替换了主干网络的下采样卷积,并用Wise-IoUv3 Loss代替了原有的CIoU Loss,以此降低模型大小并提高检测速度和精度。然后对ByteTrack算法分别进行优化,通过应用扩展和线性卡尔曼滤波来适应目标的非线性运动和加速变化,以及引入高斯轨迹插值后处理策略,减少了遮挡情况下的错误身份切换。改进后的YOLOv8算法在模型大小和参数上与原YOLOv8模型分别降低了约2/3,精度、召回率分别提升了0.4和0.5个百分点,具有较高的检测精度及良好的鲁棒性和实时性。改进后的ByteTrack算法平均多目标跟踪准确率(multiple object tracking accuracy,MOTA)为88.7%,多目标跟踪精度(multiple object tracking precision,MOTP)为83.8%,平均每个测试视频的ID切换次数(identity switches,IDs)仅为37,帧率(frames per second,FPS)为95帧/s,能够满足实时跟踪需求。该研究提出的改进YOLOv8和ByteTrack的鲈鱼个体运动特征提取方法能够在实际养殖场景下实现较为稳定的鲈鱼个体实时跟踪,可为大规模无接触式实际水产养殖监测提供技术支持。

关键词：计算机视觉深度学习特征提取目标检测多目标跟踪

来源：评论

学校读者我要写书评

暂无评论

基于类别对抗联合学习的跨提示自动作文评分方法

引用

计算机研究与发展 2025年第5期62卷 1190-1204页

作者：张春云赵洪焱邓纪芹崔超然董晓琳陈竹敏山东财经大学计算机科学与技术学院济南250014 山东省数字媒体重点实验室(山东财经大学) 济南250014 山东大学计算机科学与技术学院山东青岛266237

自动作文评分(automated essay scoring,AES)能够有效减轻教师的作文评阅负担并为学生提供客观、及时的反馈,是自然语言处理在教育领域的一项重要应用.跨提示AES旨在学习一个可迁移的自动评分模型,使之能够有效为目标提示的作文评分.然... 详细信息

自动作文评分(automated essay scoring,AES)能够有效减轻教师的作文评阅负担并为学生提供客观、及时的反馈,是自然语言处理在教育领域的一项重要应用.跨提示AES旨在学习一个可迁移的自动评分模型,使之能够有效为目标提示的作文评分.然而,现有的跨提示AES大都是面向目标提示数据可见的场景,通过将源提示和目标提示的特征分布进行对齐,学习提示不变特征表示来学习可迁移到目标提示的评分模型,但是这类方法无法应用于目标提示数据不可见的场景.面向目标提示数据不可见的场景,提出一种基于类别对抗联合学习的跨提示AES方法.一方面,通过对分类和回归联合任务进行联合建模来学习2个任务的共享特征,从而实现二者性能的相互促进;另一方面,不同于现有方法采用提示无关特征来提升模型泛化性能,针对不同提示的类别分布差异引入类别对抗策略,通过对不同提示进行类别级特征对齐,学习不同提示间的细粒度不变特征表示,从而提升模型泛化性能.将所提出方法用于自动学生评估奖(ASAP)和ASAP++数据集,分别对作文的总体评分和属性评分进行预测.实验结果表明,与6种经典方法相比,在平方卡帕(QWK)指标上取得最好的实验效果.

关键词：自动作文评分跨提示类别对抗联合建模领域泛化

来源：评论

学校读者我要写书评

暂无评论

面向多模态预训练的子图匹配式对比学习方法研究

引用

计算机学报 2025年

作者：陈公冠刘慧李恒泰郭强张彩明山东财经大学计算机与人工智能学院山东省数字经济轻量智算与可视化重点实验室(济南) 山东大学软件学院

通过图像文本对的联合学习，多模态预训练大模型在各种视觉任务中展现出巨大的潜力，比如在高质量数据集匮乏的医学领域。然而，现有的模态匹配式预训练方法通常使用全局匹配的方式，易受到低质量信息的干扰。尽管少量研究开始关注局部... 详细信息

通过图像文本对的联合学习，多模态预训练大模型在各种视觉任务中展现出巨大的潜力，比如在高质量数据集匮乏的医学领域。然而，现有的模态匹配式预训练方法通常使用全局匹配的方式，易受到低质量信息的干扰。尽管少量研究开始关注局部匹配，但这些方法仅仅通过简单的池化操作来缩小匹配范围，忽略了跨模态重要对象之间的内在关系以及跨样本对之间同语义表征的获取。鉴于此，本文在多模态大模型的预训练过程中，提出了一种基于图神经网络的消息传递机制，对多模态数据特征进行节点化和子图化，从而将跨模态的匹配方式由全局匹配转变为子图匹配，减少低质量信息的干扰。同时，利用交叉注意力在单一模态内进行子图级别的差异化处理，使其在跨模态学习中建立更细致的关联和语义理解。此外，提出高维空间的样本对聚类方法，以减少多模态大模型对相同语义的无关联错误表达。在涵盖图像分类、病灶区域目标检测和语义分割任务的七个医学图像数据集上进行了大量实验，验证了本文所提出模型的可行性和优越性能。同时在表情识别任务中进行实验，验证了本文模型的泛化性能。

关键词：多模态预训练大模型局部匹配子图匹配无关联错误聚类

来源：评论

学校读者我要写书评

暂无评论

从数据到机制：医数交叉驱动肿瘤精准诊疗的研究现状与展望

引用

中国科学基金 2025年第1期39卷 174-184页

作者：孙端辰韩仁敏马成林段贸腾王斐刘丙强山东大学数学学院山东省癌症数字医疗重点实验室山东大学数学与交叉科学研究中心山东大学第二医院

测序组学、电子健康记录和医学影像等多维度异质医学数据的迅速积累，不仅凸显了传统还原论研究范式的局限性，同时也为医学研究革新带来机遇。近年来，生物医学与智能信息科学的深度交叉融合取得显著进展，推动了疾病预测与精准医疗的... 详细信息

测序组学、电子健康记录和医学影像等多维度异质医学数据的迅速积累，不仅凸显了传统还原论研究范式的局限性，同时也为医学研究革新带来机遇。近年来，生物医学与智能信息科学的深度交叉融合取得显著进展，推动了疾病预测与精准医疗的发展进程，数学已逐步成为其底层核心驱动。通过深化医学—数学交叉研究实现对生命系统本质规律的定量解析将成为本领域取得变革性突破的关键路径。本文系统综述了医数交叉领域的研究进展，重点探讨数学模型在肿瘤诊断、治疗及肿瘤发生发展机制解析等方面的关键作用，深入展望医数交叉在机制导向的数学模型构建、数字生命和虚拟健康等领域的创新潜力与应用前景。通过数学模型的精准构建与应用，实现从“数据关联”向“机制解析”的迈进，医数交叉将为肿瘤预防和诊疗提供突破性解决方案，推动医学的高效化、精准化、智能化变革。

关键词：医数交叉数据分析数学模型生物信息学生物数学肿瘤诊疗

来源：评论

学校读者我要写书评

暂无评论

不同地理群体中国蛤蜊形态性状对体质量性状的影响研究

引用

海洋渔业 2025年第1期47卷 74-83页

作者：荆圆圆孙铭刘广斌张天文胡凡光陈群雷西娟山东省海洋科学研究院山东青岛266104 青岛市浅海底栖渔业增殖重点实验室山东青岛266104 山东省海水健康养殖工程技术研究中心山东青岛266104

以东营垦利(KL)、威海文登(WD)、烟台海阳(HY)、青岛黄岛(HD)和日照东港(DG)的5个中国蛤蜊(Mactra chinensis)群体为研究对象,测定各群体的形态性状(壳长、壳高、壳宽)与体质量性状(活体质量、软体质量),采用通径分析与多元回归分析方... 详细信息

以东营垦利(KL)、威海文登(WD)、烟台海阳(HY)、青岛黄岛(HD)和日照东港(DG)的5个中国蛤蜊(Mactra chinensis)群体为研究对象,测定各群体的形态性状(壳长、壳高、壳宽)与体质量性状(活体质量、软体质量),采用通径分析与多元回归分析方法分析了各群体形态性状对活体质量和软体质量的影响。结果表明:各群体变异系数最大的性状均为软体质量(21.25%~35.50%);不同群体各性状之间均呈极显著相关(P<0.01)。形态性状对体质量性状决定系数的分析结果与通径分析结果基本一致,不同地理群体中国蛤蜊影响体质量性状的主要形态性状有所不同。通过逐步回归的方法,分别建立了各群体中国蛤蜊形态性状对活体质量和软体质量的最优回归方程。研究结果可为中国蛤蜊选育及苗种繁育的亲贝选择提供科学依据。

关键词：中国蛤蜊形态性状体质量性状通径分析相关分析

来源：评论

学校读者我要写书评

暂无评论

渐进特征提取和频域信息补充的多模态医学图像融合

引用

中国图象图形学报 2025年第5期 1510-1527页

作者：李夫辰高珊珊刘峥张彩明周元峰山东财经大学计算机科学与技术学院山东省数字经济轻量智算与可视化重点实验室山东省中美数字媒体国际合作研究中心山东大学软件学院山东省未来智能计算协同创新中心

目的如何充分保留各模态独有特征的细节以及有效整合模态间共有特征是多模态医学图像融合领域亟待突破的共性问题。目前常用的双分支图像编码方法存在对模态间相互依赖、相互关联的共有特征信息交互方式不够完善、过程不够充分的问题... 详细信息

目的如何充分保留各模态独有特征的细节以及有效整合模态间共有特征是多模态医学图像融合领域亟待突破的共性问题。目前常用的双分支图像编码方法存在对模态间相互依赖、相互关联的共有特征信息交互方式不够完善、过程不够充分的问题，影响了多模态成像间特征相关性的建立。对此，设计了基于渐进特征提取、频域信息补充以及Swin Transformer结合卷积神经网络（convolutional neural network,CNN）重建的多尺度医学图像融合网络。方法首先，设计基于梯度信息引导的多尺度特征提取模块，渐进式提取图像的共有特征以及不同模态的独有特征；然后，结合交叉注意力设计渐进式融合模块，实现不同模态间的空域信息交互增强，以及频域高低频位置信息引导的针对性的多模态信息融合；最后，设计Swin-CNN重建模块，建立医学图像全局和局部区域相应特征之间的联系。结果在3个公开融合数据集进行实验，在MRI-SPECT(magnetic resonance imaging-single photon emission computed tomography)和MRI-PET(magnetic resonance imaging-positron emission tomography)融合任务中，与8种最先进方法相比，视觉融合任务评价指标均取得最优，相比性能第2的模型，互信息（mutual information,MI）分别提高4.42%和17.30%，离散余弦特征互信息（discrete cosine transform feature mutual information,FMIdct）分别提高5.17%和11%。在GFP-PC(green fluorescent protein-phase contrast)融合任务中，取得6项最优和2项次优，相比性能第2的模型，MI和VIF(visual information fidelity)分别提高16.43%和16.87%。结论提出的融合模型通过三分支架构的共同和独有特征提取能力，充分挖掘不同模态图像特征并渐进式整合多尺度信息，利用结合交叉注意力的渐进融合模块引导模型针对性地融合高低频特征，在重建过程中同时关注医学图像全局和局部的属性信息，有效提高了多模态医学图像融合的质量。

关键词：多模态医学图像融合多尺度渐进式提取融合频域信息引导全局—局部重建

来源：评论

学校读者我要写书评

暂无评论

我国低空经济发展的理论逻辑与实施要点

引用

中国流通经济 2025年第5期39卷 59-72页

作者：王宝义张萌萌山东交通学院交通与物流工程学院山东济南250357 山东省智慧交通重点实验室(筹) 山东济南250357

低空经济具有新质生产力特征,是培育经济新动能的重要方向。从本质逻辑看,低空经济本质体现在低空要素化、要素场景化、场景经济化三个方面,其中低空要素化是基础,要素场景化是路径,场景经济化是目标,三者有效协同实现低空空域经济价值... 详细信息

低空经济具有新质生产力特征,是培育经济新动能的重要方向。从本质逻辑看,低空经济本质体现在低空要素化、要素场景化、场景经济化三个方面,其中低空要素化是基础,要素场景化是路径,场景经济化是目标,三者有效协同实现低空空域经济价值;从驱动逻辑看,低空经济发展依赖技术、需求、政策三要素互动支撑,但三要素在低空经济发展各阶段的作用存在差异;从产业逻辑看,低空经济由低空制造、低空飞行、低空保障、综合服务四大产业构成,四者分属基础产业、核心产业、先导产业、拓展产业范畴,在低空经济发展不同阶段发挥差异性作用;从价值逻辑看,低空经济彰显技术创新、产业升级、需求满足、经济动能、绿色发展等多维度价值。本质逻辑、驱动逻辑、产业逻辑、价值逻辑形成整体合力推动低空经济高质量发展。我国低空经济发展优势与劣势并存,机遇与挑战并举。为推动我国低空经济更好发展,应充分发挥政府和市场作用,分阶段分步骤有序推进,构建有序、协调、安全、健康的全国“一盘棋”发展格局。具体而言,一是完善低空空域价值挖掘条件,二是筑牢低空技术创新和人才基础,三是构建完善低空经济制度体系,四是建立健全低空经济产业生态体系,五是完善低空基础设施保障体系,六是有效拓展低空应用场景,七是加强低空经济理论体系建构与应用引导等。

关键词：低空经济低空经济产业低空要素化要素场景化场景经济化

来源：评论

学校读者我要写书评

暂无评论

先验知识融合语义特征的冬小麦田块精细提取方法

引用

农业工程学报 2025年第4期41卷 164-174页

作者：程傲任子由张承明李峰吴门新李红英段金馈刘一笑山东农业大学信息科学与工程学院泰安271018 山东省数字农业工程技术研究中心泰安271018 山东省气候中心济南250031 国家气象中心北京100081 宁夏回族自治区气象科学研究所银川750001 中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室/宁夏回族自治区防灾减灾重点实验室银川750001 山东女子学院数据科学与计算机学院济南250300

精细的田块数据是现代农业的重要基础资料,该研究针对从高分辨率遥感影像中提取田块精细数据的需求,建立了一种先验知识融合语义特征的冬小麦田块精细提取方法(prior knowledge and semantic features integration-based farmland parce... 详细信息

精细的田块数据是现代农业的重要基础资料,该研究针对从高分辨率遥感影像中提取田块精细数据的需求,建立了一种先验知识融合语义特征的冬小麦田块精细提取方法(prior knowledge and semantic features integration-based farmland parcel extraction methodology,PKFFPE),PKFFPE以遥感图像和相应的边缘图像作为输入,采用编码器-解码器结构进行特征提取,利用多尺度注意力模块捕获不同尺度的关键特征,使用SoftMax对图像进行初步分割;通过深入分析同一田块内颜色、纹理等特征的分布规律获取先验知识,利用先验知识建立后处理方法,对初分割结果进行优化,生成田块精细数据。选择河北省邯郸市馆陶县和山东省泰安市宁阳县作为试验区,用于验证PKFFPE方法在平原地区和丘陵地区的适用性;选择UNet、ErfNet、SegNet、EIGNet,以及面向对象分类的方法作为初分割的对比方法,选择条件随机场和形态学处理作为的后处理的对比方法开展对比试验。试验结果表明,PKFFPE方法在馆陶县、宁阳县结果的准确率(96.1%、93.2%)、精确率(90.6%、87.6%)、召回率(93.2%、90.6%)、和F1分数(91.9%,89.0%)均优于对比方法,证明了PKFFPE方法在从高分辨遥感影像中提取田块精细数据方面具有突出的优势,能够应用于科研和生产实践。

关键词：遥感分类冬小麦卷积神经网络先验知识田块

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：