检索结果-内蒙古大学图书馆

国防科技大学学报 2022年第3期44卷 67-76页

作者：高虹雷门昌骞王文剑山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

构造模型决策树时超参数较多,参数组合复杂,利用网格搜索等调参方法将会消耗大量的时间,影响模型性能的提升。提出了一种多核贝叶斯优化的模型决策树算法,该算法为应对不同分类数据特性,采用三种高斯过程建模寻优,利用贝叶斯优化技术,... 详细信息

构造模型决策树时超参数较多,参数组合复杂,利用网格搜索等调参方法将会消耗大量的时间,影响模型性能的提升。提出了一种多核贝叶斯优化的模型决策树算法,该算法为应对不同分类数据特性,采用三种高斯过程建模寻优,利用贝叶斯优化技术,选出最优的参数组合。实验结果表明,所提算法在参数寻优上要优于传统的模型决策树寻优方法,并且能够在迭代次数不多的情况下找到全局最优参数值,在一定程度上提升了算法的分类性能,节省了大量的调参时间。

关键词：模型决策树贝叶斯优化高斯过程

来源：评论

学校读者我要写书评

暂无评论

一种加权稠密子图社区发现算法

引用

软件学报 2017年第11期28卷 3103-3114页

作者：杨贵郑文萍王文剑张浩杰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

目前,针对复杂网络的社区发现算法大多仅根据网络的拓扑结构来确定社区,然而现实复杂网络中的边可能带有表示连接紧密程度或者可信度意义的权重,这些先验信息对社区发现的准确性至关重要.针对该问题,提出了基于加权稠密子图的重叠聚类算... 详细信息

目前,针对复杂网络的社区发现算法大多仅根据网络的拓扑结构来确定社区,然而现实复杂网络中的边可能带有表示连接紧密程度或者可信度意义的权重,这些先验信息对社区发现的准确性至关重要.针对该问题,提出了基于加权稠密子图的重叠聚类算法(overlap community detection on weighted networks,简称OCDW).首先,综合考虑网络拓扑结构及真实网络中边权重的影响,给出了一种网络中边的权重定义方法;进而给出种子节点选取方式和权重更新策略;最终得到聚类结果.OCDW算法在无权网络和加权网络都适用.通过与一些经典的社区发现算法在9个真实网络数据集上进行分析比较,结果表明算法OCDW在F度量、准确度、分离度、标准互信息、调整兰德系数、模块性及运行时间等方面均表现出较好的性能.

关键词：复杂网络社区发现图聚类重叠聚类稠密子图

来源：评论

学校读者我要写书评

暂无评论

基于标签层次结构的视觉关系检测模型

引用

电子学报 2023年第12期51卷 3496-3506页

作者：王元龙雷鸣王智强张虎李茹梁吉业山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

视觉关系检测是在目标识别的基础上,进一步检测出目标之间的关系,属于视觉理解和推理的关键技术.然而,由于关系标签视觉上的相似性以及数据不平衡问题造成少样本的尾部关系检测召回率较低.为了提高尾部关系的检测效果,本文将关系标签进... 详细信息

视觉关系检测是在目标识别的基础上,进一步检测出目标之间的关系,属于视觉理解和推理的关键技术.然而,由于关系标签视觉上的相似性以及数据不平衡问题造成少样本的尾部关系检测召回率较低.为了提高尾部关系的检测效果,本文将关系标签进行粗细粒度划分构建了标签的层次结构表示,提出了基于标签层次结构的视觉关系检测模型.模型利用视觉关系之间的相似性以及数据带有的偏见性构建关系标签的层次结构表示,以此将关系区分为粗粒度关系和细粒度关系,使尾部关系在由粗粒度到细粒度的结构上获得更多的关注.同时,针对标签层次结构的性质设计其损失函数,该损失函数通过结构化信息逐层学习不同类别关系之间的差异,使模型更好的检测尾部细粒度关系.分别在公开数据集Visual Relationship Detection(VRD)和Visual Genome(VG)中验证了本文模型检测尾部关系的效果.与现有模型相比,在VRD数据集中平均召回率mR@20、mR@50和mR@100分别提高了0.62%、1.57%和2.47%;在VG数据集中,mR@20、mR@50和mR@100分别提高了0.67%、0.83%和1.15%.

关键词：视觉关系检测标签层次结构表示长尾分布粗粒度关系细粒度关系

来源：评论

学校读者我要写书评

暂无评论

基于双监督网络嵌入的社区发现算法

引用

模式识别与人工智能 2022年第3期35卷 283-290页

作者：郑文萍王英楠杨贵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 山西大学智能信息处理研究所太原030006

针对基于网络嵌入的社区检测算法中节点嵌入和聚类过程独立进行时容易陷入局部极值的问题,文中提出基于双监督网络嵌入的社区发现算法.首先利用图自编码器,得到可保持网络的一阶相似性的节点嵌入.优化模块度,发现拓扑连接紧密的社区.采... 详细信息

针对基于网络嵌入的社区检测算法中节点嵌入和聚类过程独立进行时容易陷入局部极值的问题,文中提出基于双监督网络嵌入的社区发现算法.首先利用图自编码器,得到可保持网络的一阶相似性的节点嵌入.优化模块度,发现拓扑连接紧密的社区.采用自监督聚类优化,发现嵌入空间上相似的社区.引入互监督机制,使发现的社区在模块度优化和自监督聚类这两个角度上具有一致性,同时避免算法陷入局部极值.4个真实网络上的对比实验表明,DSNE性能较优.

关键词：社区发现网络嵌入图自编码器模块度

来源：评论

学校读者我要写书评

暂无评论

犹豫模糊图及其在多属性决策中的应用

引用

模式识别与人工智能 2017年第11期30卷 1012-1018页

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

犹豫模糊集作为定量描述犹豫不决的有效工具,通过同时处理不确定性信息中的犹豫性与模糊性,解决犹豫不决背景下的多属性决策问题.文中针对属性值为犹豫模糊数的多属性决策问题,研究基于模糊图论的相关模型与多属性决策方法.首先,提出犹... 详细信息

犹豫模糊集作为定量描述犹豫不决的有效工具,通过同时处理不确定性信息中的犹豫性与模糊性,解决犹豫不决背景下的多属性决策问题.文中针对属性值为犹豫模糊数的多属性决策问题,研究基于模糊图论的相关模型与多属性决策方法.首先,提出犹豫模糊图的概念和部分常见运算规则.然后,构建基于犹豫模糊图的一般性多属性决策方法.最后,通过具体算例和对比性分析验证文中方法的合理性.

关键词：犹豫模糊集多属性决策犹豫模糊图

来源：评论

学校读者我要写书评

暂无评论

融合信任隐性影响和信任度的推荐模型

引用

模式识别与人工智能 2022年第4期35卷 374-385页

作者：张槟淇任丽芳王文剑山西大学计算机与信息技术学院太原030006 山西财经大学信息学院太原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

现有一些方法通过结合传统推荐技术和社交信息,缓解推荐系统中的冷启动问题,但由于可用的社交信息较少,效果不佳.因此,文中提出融合信任隐性影响和信任度的推荐模型,在引入社交信息中信任关系的前提下,不仅考虑用户在信任关系中的显式... 详细信息

现有一些方法通过结合传统推荐技术和社交信息,缓解推荐系统中的冷启动问题,但由于可用的社交信息较少,效果不佳.因此,文中提出融合信任隐性影响和信任度的推荐模型,在引入社交信息中信任关系的前提下,不仅考虑用户在信任关系中的显式行为数据,还考虑信任关系的隐性影响(如被信任用户的潜在特征向量),用于获取冷启动用户的偏好特征,有效缓解在社交信息较少时不能准确地为冷启动用户进行推荐这一问题.此外,文中提出综合信任度的度量,体现目标用户与信任用户之间不同的社交影响,发挥信任用户的积极影响,提升推荐系统的性能.在3个常用数据集上的实验表明,文中方法推荐精度较高.

关键词：推荐系统信任网络矩阵分解信任度

来源：评论

学校读者我要写书评

暂无评论

基于赋权粗糙隶属度的文本情感分类方法

引用

计算机研究与发展 2011年第5期48卷 855-861页

作者：王素格李德玉魏英杰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 科学出版社北京100717

提出了基于赋权粗糙隶属度的文本情感分类方法.该方法将特征倾向强度引入到文本的向量空间表示法中,建立了基于二元组属性(特征,特征倾向强度)的文本表示模型.提出了基于情感倾向强度序的属性离散化方法,将特征选择寓于离散化过程,达到... 详细信息

提出了基于赋权粗糙隶属度的文本情感分类方法.该方法将特征倾向强度引入到文本的向量空间表示法中,建立了基于二元组属性(特征,特征倾向强度)的文本表示模型.提出了基于情感倾向强度序的属性离散化方法,将特征选择寓于离散化过程,达到数据降维的目的.利用特征倾向强度,定义了赋权粗糙隶属度,用于新文本的情感分类.在真实汽车评论语料上,与支持向量机分类模型进行比较实验表明,基于赋权粗糙隶属度的文本情感分类方法在对数据进行一定程度的压缩后仍表现出较好的分类性能.

关键词：文本情感分类文本表示情感倾向强度离散化粗糙隶属度

来源：评论

学校读者我要写书评

暂无评论

基于框架语义分析的汉语句子相似度计算

引用

计算机研究与发展 2013年第8期50卷 1728-1736页

作者：李茹王智强李双红梁吉业 Collin Baker 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 International Computer Science Institute BerkeleyCalifornia94704

句子相似度计算在自然语言处理的许多领域中发挥着重要作用.已有的汉语句子相似度计算方法由于考虑句子的语义不全面,使得相似度计算结果不够准确,为此提出一种新的汉语句子相似度计算方法.该方法基于汉语框架网语义资源,通过多框架语... 详细信息

句子相似度计算在自然语言处理的许多领域中发挥着重要作用.已有的汉语句子相似度计算方法由于考虑句子的语义不全面,使得相似度计算结果不够准确,为此提出一种新的汉语句子相似度计算方法.该方法基于汉语框架网语义资源,通过多框架语义分析、框架的重要度度量、框架的相似匹配、框架间相似度计算等关键步骤来实现句子语义的相似度量.其中多框架语义分析是从框架角度对句子中的所有目标词进行识别、框架选择及框架元素标注,从而达到全面刻画句子语义的目的;在此基础上根据句子中框架的语义覆盖范围对不同框架的重要度进行区分,能够使得相似度结果更准确.在包含多目标词的句子集上的实验结果显示,基于多框架语义分析的句子相似度计算方法相对传统方法获得了更好的测试结果.

关键词：汉语框架网多框架语义分析句子语义相似度框架相似度框架重要度

来源：评论

学校读者我要写书评

暂无评论

决策蕴涵上的推理规则和推理过程研究

引用

计算机科学与探索 2020年第2期14卷 344-352页

作者：贾楠张少霞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

形式概念分析是用于概念分析和可视化的偏序集理论。决策蕴涵是形式概念分析在决策情形下的知识表示。已有研究从逻辑角度分析了决策蕴涵,并给出了完整的语义描述和语构描述,其中在语构方面已经有一个完备的推理规则集,即扩增推理规则... 详细信息

形式概念分析是用于概念分析和可视化的偏序集理论。决策蕴涵是形式概念分析在决策情形下的知识表示。已有研究从逻辑角度分析了决策蕴涵,并给出了完整的语义描述和语构描述,其中在语构方面已经有一个完备的推理规则集,即扩增推理规则和合并推理规则。在此基础上,提出了新的推理规则——后件合并推理规则,证明了其合理性,以及与扩增推理规则组成的推理规则集的完备性和无冗余性;通过研究扩增推理规则和后件合并推理规则的性质,给出了使用这两条推理规则从完备集推导其对应封闭集的有效方法等理论结果,为进一步的算法研究与应用以及更深入的理论研究工作奠定基础。

关键词：形式概念分析决策蕴涵推理规则

来源：评论

学校读者我要写书评

暂无评论

面向函数型数据的动态互信息特征选择方法

引用

计算机科学与探索 2019年第1期13卷 158-168页

作者：马忱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

函数型数据将观测到的数据作为一个整体,关注数据自身的内在结构而不只是数据的呈现形式,相较于传统的数据包含了更多的信息,因此对函数型数据的分析和研究具有重要的价值。在函数型数据分析中,特征选择也是一个需要解决的问题。提出了... 详细信息

函数型数据将观测到的数据作为一个整体,关注数据自身的内在结构而不只是数据的呈现形式,相较于传统的数据包含了更多的信息,因此对函数型数据的分析和研究具有重要的价值。在函数型数据分析中,特征选择也是一个需要解决的问题。提出了一种面向函数型数据的动态互信息(dynamic mutual information,DMI)特征选择方法,充分考虑数据的内在特征,运用互信息将特征进行排序和动态选择,不仅可以获得稳定的特征子集,而且充分考虑了样本在特征选择中的作用,较好地避免了信息的冗余。进一步提出了一种动态条件互信息(dynamic conditional mutual information,DCMI)特征选择方法,在动态特征选择的过程中,考虑到已选特征会对后续的特征选择产生影响,引入条件互信息,将已选特征对待选特征的影响进行量化表示,更恰当地描述特征与特征集合之间的关系。在UCR数据集上的实验结果表明,DMI方法和DCMI方法进行特征选择得到的特征子集规模小且分类精度高。

关键词：函数型数据特征选择互信息动态互信息动态条件互信息

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：