检索结果-内蒙古大学图书馆

软件学报 2022年第4期33卷 1354-1372页

作者：刘晓琳白亮赵兴旺梁吉业山西大学计算机与信息技术学院山西太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 山西太原030006

在实际应用中,聚类多视图数据是一项重要的数据挖掘任务.样本缺失所导致的多视图不完整给聚类任务带来了巨大的挑战.大部分已有的不完整多视图聚类方法主要基于浅层图结构信息,易受到噪声及缺失数据的影响,且难以准确刻画并兼容所有视... 详细信息

在实际应用中,聚类多视图数据是一项重要的数据挖掘任务.样本缺失所导致的多视图不完整给聚类任务带来了巨大的挑战.大部分已有的不完整多视图聚类方法主要基于浅层图结构信息,易受到噪声及缺失数据的影响,且难以准确刻画并兼容所有视图的潜在结构,从而降低了聚类性能.为此,提出了一种更为鲁棒和灵活的基于多阶近邻扩散融合的不完整多视图聚类算法.该算法在利用多阶相似性学习不完整视图潜在结构的基础上,通过跨视图交叉扩散的方式,将不同阶的深层结构信息进行非线性融合,以此挖掘视图间更全面的结构信息,从而降低了缺失样本所导致的视图结构不确定性.进一步证明了所提算法的收敛性.实验结果表明,相比已有方法,所提出的算法在处理不完整多视图聚类问题上是更加有效的.

关键词：不完整多视图聚类结构信息多阶近邻交叉扩散非线性融合

来源：评论

学校读者我要写书评

暂无评论

有序标签噪声的鲁棒估计与过滤方法

引用

计算机科学 2024年第6期51卷 144-152页

作者：姜高霞王菲许行王文剑山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

较大规模的标注数据集中难免会存在标签噪声,这在一定程度上限制了模型的泛化性能。有序回归数据集的标签是离散值,但不同标签之间又有一定次序关系。虽然有序回归的标签兼有分类和回归标签的特征,但面向分类和回归任务的标签噪声过滤... 详细信息

较大规模的标注数据集中难免会存在标签噪声,这在一定程度上限制了模型的泛化性能。有序回归数据集的标签是离散值,但不同标签之间又有一定次序关系。虽然有序回归的标签兼有分类和回归标签的特征,但面向分类和回归任务的标签噪声过滤算法对有序标签噪声并不完全适用。针对此问题,提出了标签含噪时回归模型的Akaike泛化误差估计,在此基础上设计了面向有序回归任务的标签噪声过滤框架。此外,提出了一种鲁棒的有序标签噪声估计方法,其采用基于中位数的融合策略以降低异常估计分量的干扰。最后,该方法与所提框架结合形成了噪声鲁棒融合过滤(Robust Fusion Filtering,RFF)算法。在标准数据集和真实年龄估计数据集上均验证了算法的有效性。实验结果表明,在有序回归任务中,RFF算法性能优于其他分类和回归过滤算法,能够适应不同类型的噪声数据,并有效提升数据质量和模型泛化性能。

关键词：标签噪声有序回归 Akaike泛化误差估计噪声过滤鲁棒噪声估计

来源：评论

学校读者我要写书评

暂无评论

一种基于主动学习的开放集图像识别方法

引用

小型微型计算机系统 2024年第10期45卷 2442-2448页

作者：王慧敏王智强郭婷梁吉业山西大学计算机与信息技术学院太原030000 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030000

开放集识别(Open Set Recognition,OSR)的主要目的是识别未标记数据中的新类样本,同时对已见类样本进行正确分类.现有的大多数识别方法对未标记数据的评估和伪标记信息的利用不足.本文提出一种基于主动学习的开放集图像识别方法(Open Se... 详细信息

开放集识别(Open Set Recognition,OSR)的主要目的是识别未标记数据中的新类样本,同时对已见类样本进行正确分类.现有的大多数识别方法对未标记数据的评估和伪标记信息的利用不足.本文提出一种基于主动学习的开放集图像识别方法(Open Set Image Recognition Method Based on Active Learning,AC-OSIR),充分利用未标记数据提升开放集识别性能.通过引入已见类别的语义知识,构建语义知识和图像特征的映射关系.对于未标记数据,利用阈值选择策略区分开放集样本和已见类样本,通过主动学习模型迭代地识别高置信度开放集样本和已见类样本,并将高置信度已见类样本添加到标记数据集中.本文在图像分类数据集CIFAR-10、TIN和LSUN,以及两个合成数据集的实验结果表明了基于主动学习的开放集图像识别方法的有效性.

关键词：开放集识别语义知识主动学习阈值选择图像识别

来源：评论

学校读者我要写书评

暂无评论

标记相关性修正的多标记众包标签推断方法

引用

小型微型计算机系统 2024年第5期45卷 1025-1031页

作者：刘昕雨张琳姜高霞王文剑山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

众包平台的快速发展使人们获取数据标签变得较为容易,但由于标记者的知识水平、评价标准等均存在显著差异,导致获得的标签质量参差不齐.特别是对于多标记数据,由于每个样本可能有多个不同标记,且不同样本的标记数量不同,所以通过众包标... 详细信息

众包平台的快速发展使人们获取数据标签变得较为容易,但由于标记者的知识水平、评价标准等均存在显著差异,导致获得的标签质量参差不齐.特别是对于多标记数据,由于每个样本可能有多个不同标记,且不同样本的标记数量不同,所以通过众包标注获取多标记数据的标签时,标注者很难为每个样本提供完整准确的数据标签.针对多标记众包标签推断问题,提出基于标记相关性修正(Label Dependence Correction,LDC)的多标记众包标签推断框架,首先使用单标记众包标签推断算法给出每个标记的初步推断结果,然后通过度量标记间的相关性更新和纠正不可靠的初始标记推断结果.实验结果表明,与经典的众包多标记方法相比,本文提出的框架与单标记算法融合后可以有效提升多标记众包标签推断的性能.

关键词：多标记学习众包标签推断标记相关性标签修正

来源：评论

学校读者我要写书评

暂无评论

球谐函数诱导下的变分近似高斯过程模型

引用

小型微型计算机系统 2024年

作者：刘力瑶支凯茹郑心仪门昌骞于君王文剑山西大学计算机与信息技术学院太行山西省实验室山西大学计算智能与中文信息处理教育部重点实验室

高斯过程通过概率建模能够有效地捕捉数据中的复杂关系，并提供关于预测结果的不确定性评估，是一个强大而灵活的工具．但由于矩阵求逆的较高计算复杂度，限制了模型在其他领域内的应用．本文针对高斯过程模型的矩阵求逆问题，提出了一... 详细信息

高斯过程通过概率建模能够有效地捕捉数据中的复杂关系，并提供关于预测结果的不确定性评估，是一个强大而灵活的工具．但由于矩阵求逆的较高计算复杂度，限制了模型在其他领域内的应用．本文针对高斯过程模型的矩阵求逆问题，提出了一种基于球谐函数的高斯过程近似模型（Variational Sparse Gaussian Processes based on Spherical Harmonic， SHVSGP），通过球谐函数将数据映射到超球面上，在一个不同于数据原始输入域的空间中寻找一个更紧凑的输入特征代表集，使得产生的稀疏高斯过程模型能够包含有更丰富的信息特征，同时获得诱导变量相关的对角协方差矩阵，这极大简化了矩阵运算的复杂度，节省了计算成本．本文将SHVSGP模型与当下流行的其他近似方法在大规模数据集上进行比较，结果表明SHVSGP模型可以获得高效且精确的预测.

关键词：球谐函数诱导变量空间映射稀疏近似

来源：评论

学校读者我要写书评

暂无评论

Myvoxel R-CNN:基于体素的三维点云目标检测模型

引用

小型微型计算机系统 2024年第8期45卷 1908-1913页

作者：韩建栋范学媛山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

围绕目前三维点云目标检测中存在的特征提取不充分、困难(Hard)目标检测准确率低、模型泛化能力有待提高等问题,提出了一种新的单模态三维点云目标检测模型Myvoxel R-CNN,该模型由3个主要模块组成,分别是3D主干网络、2D鸟瞰区域建议网络... 详细信息

围绕目前三维点云目标检测中存在的特征提取不充分、困难(Hard)目标检测准确率低、模型泛化能力有待提高等问题,提出了一种新的单模态三维点云目标检测模型Myvoxel R-CNN,该模型由3个主要模块组成,分别是3D主干网络、2D鸟瞰区域建议网络(2D主干网络+区域建议网络(RPN))以及检测头,在3D主干网络中添加了多头自注意力模块和基于稀疏卷积的残差块,增强了3D主干网络的体素特征学习能力,捕获了更多数据和特征内部的相关性.设计了一个由注意力融合模块组成的2D主干网络,增加了原模型对2D特征的关注度.为了进一步增加所提出模型的泛化性,引入了一种新的数据增强方案——随机局部金字塔数据增强方法,以形状感知的方式生成增强对象样本.在KITTI数据集上,本模型对汽车Hard级别的检测精度AP 3D提升了约2.23%,此外简单(Easy)和中等(Moderate)类别分别提高了约0.60%和0.62%,对行人Easy级别的检测精度AP 3D、AP BEV分别提升了约0.62%和0.86%,Hard级别的AP 3D、AP BEV分别提升了约1.45%和1.53%,实验结果表明,Myvoxel R-CNN在KITTI数据集上的表现优于其他方法.

关键词：三维目标检测点云注意力残差块数据增强

来源：评论

学校读者我要写书评

暂无评论

保持决策蕴涵不变的决策背景属性约简

引用

计算机科学 2024年第7期51卷 89-95页

作者：毕盛翟岩慧李德玉山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

形式概念分析是一种利用概念格进行数据分析的理论,属性约简是概念格约简的主要方式之一。决策蕴涵是形式概念分析在决策情形下的一种知识表示与推理模型。在已有保持决策背景知识信息不变的属性约简研究中,通常以保持概念规则或粒规则... 详细信息

形式概念分析是一种利用概念格进行数据分析的理论,属性约简是概念格约简的主要方式之一。决策蕴涵是形式概念分析在决策情形下的一种知识表示与推理模型。在已有保持决策背景知识信息不变的属性约简研究中,通常以保持概念规则或粒规则来保持决策背景的知识信息。而相比于概念规则与粒规则,决策蕴涵具备更强的知识表示能力。为了进一步缩小数据在属性约简前后对知识信息表示的差异,对保持决策蕴涵不变的属性约简进行了研究。首先,结合决策蕴涵的语义给出了保持决策蕴涵不变的协调集和约简定义,提出了判定协调集和约简的充要条件;接着,通过实例分析了该约简存在的问题,并结合蕴涵理论给出解决方法,从而给出了弱协调集和弱约简的定义;然后,从知识包含的角度分析了弱约简相比于约简的合理性;最后,提出了判定弱协调集和弱约简的充要条件,并结合决策蕴涵规范基给出了能够找到弱约简的方法,丰富了保持知识信息的属性约简研究内容。

关键词：形式概念分析属性约简决策蕴涵知识表示模型决策蕴涵规范基

来源：评论

学校读者我要写书评

暂无评论

时空特征强化与感知的视觉目标跟踪方法

引用

陕西师范大学学报(自然科学版) 2025年第1期53卷 60-70页

作者：郭虎升刘正琪刘艳杰王文剑山西大学计算机与信息技术学院山西太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 山西太原030006

多数基于Transformer的目标跟踪模型提取的目标局部空间特征信息有限且时间特征利用不足,显著影响了目标跟踪模型在处理目标遮挡、形变或尺度变化等复杂场景下的性能。为此,提出一种时空特征强化与感知的视觉目标跟踪方法(visual object... 详细信息

多数基于Transformer的目标跟踪模型提取的目标局部空间特征信息有限且时间特征利用不足,显著影响了目标跟踪模型在处理目标遮挡、形变或尺度变化等复杂场景下的性能。为此,提出一种时空特征强化与感知的视觉目标跟踪方法(visual object tracking method with spatial-temporal feature enhancement and perception,STFEP)。一方面,该方法使用Transformer进行搜索区域与时间上下文特征的提取与融合,以得到全局特征信息,通过设计的局部卷积神经网络,提取目标的局部特征信息,并与目标的全局特征信息相关联,进一步强化目标的特征表示。另一方面,提出了时空特征感知机制,对不同时刻的特征信息进行可靠性和必要性分析,构建动态模板以感知更丰富的时空信息,使模型适应目标及场景的复杂变化。在TrackingNet、GOT-10k、LaSOT、UAV123多个数据集上的实验结果表明,研究所提方法能够准确鲁棒的对目标进行跟踪,并在GOT-10k数据集上取得了最优的结果,AO、SR 0.5以及SR 0.75分别达到了73.7%、83.8%、70.6%。

关键词：视觉目标跟踪时空特征强化全局-局部信息关联时空特征感知动态模板

来源：评论

学校读者我要写书评

暂无评论

一个实体关系与事件抽取的通用模型

引用

计算机工程 2023年第2期49卷 143-149页

作者：杨红菊靳新宇山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

信息提取的目的是从自然语言文件中找到具体信息,现有研究在信息抽取的实体关系和事件抽取任务中仅解决事件论元重叠和实体关系重叠的问题,未考虑两个任务共有的角色重叠问题,导致抽取结果准确率降低。提出一个两阶段的通用模型用于完... 详细信息

信息提取的目的是从自然语言文件中找到具体信息,现有研究在信息抽取的实体关系和事件抽取任务中仅解决事件论元重叠和实体关系重叠的问题,未考虑两个任务共有的角色重叠问题,导致抽取结果准确率降低。提出一个两阶段的通用模型用于完成实体关系抽取和事件抽取子任务。基于预训练语言模型RoBERTa的共享特征表示,分别对实体关系/事件类型和实体关系/事件论元进行预测。将传统抽取触发词任务转化为多标签抽取事件类型任务,利用多尺度神经网络进一步提取文本特征。在此基础上,通过抽取文本相关类型的事件论元,根据论元角色的重要性对损失函数重新加权,解决数据不平衡、实体关系抽取和事件抽取中共同存在论元角色重叠的问题。在千言数据集中事件抽取和关系抽取任务测试集上的实验验证了该模型的有效性,结果表明,该模型的F1值分别为83.1%和75.3%。

关键词：事件抽取实体关系抽取角色重叠 RoBERTa模型多标签分类

来源：评论

学校读者我要写书评

暂无评论

基于特征拓扑融合的黑盒图对抗攻击

引用

计算机科学 2024年第1期51卷 355-362页

作者：郭宇星姚凯旋王智强温亮亮梁吉业山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

在大数据时代,数据之间的紧密关联性是普遍存在的,图数据分析挖掘已经成为大数据技术的重要发展趋势。近几年,图神经网络作为一种新型的图表示学习工具引起了学术界和工业界的广泛关注。目前图神经网络已经在很多实际应用中取得了巨大... 详细信息

在大数据时代,数据之间的紧密关联性是普遍存在的,图数据分析挖掘已经成为大数据技术的重要发展趋势。近几年,图神经网络作为一种新型的图表示学习工具引起了学术界和工业界的广泛关注。目前图神经网络已经在很多实际应用中取得了巨大的成功。最近人工智能的安全性和可信性成为了人们关注的重点,很多工作主要针对图像等规则数据的深度学习对抗攻击。文中主要聚焦于图数据这种典型非欧氏结构的黑盒对抗攻击问题,在图神经网络模型信息(结构、参数)未知的情况下,对图数据进行非随机微小扰动,从而实现对模型的对抗攻击,模型性能随之下降。基于节点选择的对抗攻击策略是一类重要的黑盒图对抗攻击方法,但现有方法在选择对抗攻击节点时主要依靠节点的拓扑结构信息(如度信息)而未充分考虑节点的特征信息,文中面向引文网络提出了一种基于特征拓扑融合的黑盒图对抗攻击方法。所提方法在选择重要性节点的过程中将图节点特征信息和拓扑结构信息进行融合,使得选出的节点在特征和拓扑两方面对于图数据都是重要的,攻击者对挑选出的重要节点施加不易察觉的扰动后对图数据产生了较大影响,进而实现对图神经网络模型的攻击。在3个基准数据集上进行实验,结果表明,所提出的攻击策略在模型参数未知的情况下能显著降低模型性能,且攻击效果优于现有的方法。

关键词：图神经网络黑盒对抗攻击信息熵节点重要性引文网络

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：