检索结果-内蒙古大学图书馆

小型微型计算机系统 2017年第5期38卷 961-966页

作者：张宇王文剑赵胜男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太原030006

经典的Top-N推荐算法利用用户正反馈信息对全部项目进行排序,然后选择前N个项目推荐给用户.针对经典推荐算法未充分利用用户负反馈信息的问题,提出基于正负反馈的SVM协同过滤(SVM Collaborative Filtering based on Positive and Negati... 详细信息

经典的Top-N推荐算法利用用户正反馈信息对全部项目进行排序,然后选择前N个项目推荐给用户.针对经典推荐算法未充分利用用户负反馈信息的问题,提出基于正负反馈的SVM协同过滤(SVM Collaborative Filtering based on Positive and Negative Feedback,PNF-SVMCF)Top-N推荐算法,充分利用用户负反馈信息过滤测试集中用户可能不喜欢的项目,只对测试集中剩余的项目进行Top-N排序.PNF-SVMCF算法过滤用户可能不喜欢的项目,这样可以缩减需要排序的项目规模,提升推荐效率;同时去除这些项目对排序的干扰,提高推荐精度.在MovieLens数据集上的实验结果表明,该方法具有良好的推荐速度和精度,特别是在较少的推荐项目情况下,能够表现出更好的推荐精度.

关键词：支持向量机协同过滤基于项目协调过滤 PNF-SVMCF Top-N

来源：评论

学校读者我要写书评

暂无评论

基于SIFT和非参贝叶斯的高分辨率遥感影像地物识别算法

引用

计算机科学 2017年第1期44卷 289-294页

作者：王健白鹤翔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

地物识别是遥感图像处理领域中的一个重要问题。随着遥感技术的发展,高分辨率遥感影像中携带有大量相似的具有尺度不变特征的地物,传统的地物识别方法难以适应这一发展,亟需对其进行改进。针对高分遥感影像,在SIFT(Scale-invariant Feat... 详细信息

地物识别是遥感图像处理领域中的一个重要问题。随着遥感技术的发展,高分辨率遥感影像中携带有大量相似的具有尺度不变特征的地物,传统的地物识别方法难以适应这一发展,亟需对其进行改进。针对高分遥感影像,在SIFT(Scale-invariant Feature Transform)算法的基础上进行改进并得出一种快速精准的地物识别算法DBSIFT(Double Backward SIFT),实现了相似地物多对一的模式识别。DBSIFT在原算法的基础上构造了二重差金字塔,利用DP(Dirichlet Process)识别出相似地物并对其进行分割。在几何与算数关系上,选取9个指标对分割精度进行评价。实验中,使用该方法得到的地物能够被准确识别,且分割效果良好,说明了该算法的有效性。

关键词：地物识别 SIFT 金字塔 DP

来源：评论

学校读者我要写书评

暂无评论

维度增量决策表的区分矩阵属性约简方法

引用

小型微型计算机系统 2017年第2期38卷 411-416页

作者：吴晓瑛魏巍崔军彪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太原030006

维度增加是数据动态变化的重要类型之一.为了快速有效地计算这类数据的属性约简,基于区分矩阵提出了两种维度增量决策表的属性约简方法:一种方法是通过新加入属性集的信息更新决策表的区分矩阵,并根据更新后的区分矩阵计算新的约简;另... 详细信息

维度增加是数据动态变化的重要类型之一.为了快速有效地计算这类数据的属性约简,基于区分矩阵提出了两种维度增量决策表的属性约简方法:一种方法是通过新加入属性集的信息更新决策表的区分矩阵,并根据更新后的区分矩阵计算新的约简;另一种方法则是通过更新一种新提出的压缩决策表区分矩阵来计算维度增量后的属性约简.这两种方法都可以获得与非增量约简方法相同的结果,同时还可以显著地降低计算维度增量数据属性约简的耗时,其中基于压缩表区分矩阵计算维度增量数据属性约简的方法更为快速.理论分析和实验结果验证了算法的有效性和高效性.

关键词：粗糙集属性约简决策表增量

来源：评论

学校读者我要写书评

暂无评论

基于增强字向量的微博观点句情感极性分类方法

引用

郑州大学学报（理学版） 2017年第1期49卷 39-44页

作者：廖健王素格李德玉王杰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

针对微博观点句识别及情感极性分类任务,提出了基于增强字向量的微博观点句情感极性分类方法.使用单字作为句子表示的基本单元,同时在单字中嵌入了该字所在的词信息以及该词的词性信息,以此训练得到字向量替代传统的词向量融合的句子表... 详细信息

针对微博观点句识别及情感极性分类任务,提出了基于增强字向量的微博观点句情感极性分类方法.使用单字作为句子表示的基本单元,同时在单字中嵌入了该字所在的词信息以及该词的词性信息,以此训练得到字向量替代传统的词向量融合的句子表示方法.使用基于K-means的方法对向量化的句子进行情感判别,仅需要对文本进行分词和词性标注,无需额外的语言学资源.在COAE2015任务2的微博句子数据集上进行测试,取得了较好的结果.

关键词：增强字向量观点句分类深度学习

来源：评论

学校读者我要写书评

暂无评论

融合SVM和快速均值漂移的图像分割算法

引用

小型微型计算机系统 2017年第7期38卷 1614-1618页

作者：赵胜男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

图像分割(Image Segmentation)是图像处理研究领域的一个重要问题,是图像分析、特征提取、模式识别等的基础和关键步骤.快速均值漂移图像分割算法(FMS,Fast Mean Shift)虽然能获得良好的分割结果,但是在处理过程中需要人为设定带宽值,... 详细信息

图像分割(Image Segmentation)是图像处理研究领域的一个重要问题,是图像分析、特征提取、模式识别等的基础和关键步骤.快速均值漂移图像分割算法(FMS,Fast Mean Shift)虽然能获得良好的分割结果,但是在处理过程中需要人为设定带宽值,而带宽的设定会对分割结果造成一定程度的影响.针对这个问题,提出一种融合支持向量机(Support Vector Machine,SVM)和FMS的图像分割算法(FMS-SVM),先用FMS模型预分割图像,然后用SVM分类器对像素分类,以改善带宽设定产生的影响.实验结果表明,提出的基于SVM和FMS的图像分割算法可以获得良好的分割结果.

关键词：图像分割 Mean Shift 支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于高斯-柯西混合模型的单幅散焦图像深度恢复方法

引用

计算机科学 2017年第1期44卷 32-36页

作者：薛松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

单幅图像场景深度的获取一直是计算机视觉领域的一个难题。使用高斯分布函数或柯西分布函数近似点扩散函数模型(PSF),再根据图像边缘处散焦模糊量的大小与场景深度之间的关系估算出深度信息,是一种常用的方法。真实世界中图像模糊的缘... 详细信息

单幅图像场景深度的获取一直是计算机视觉领域的一个难题。使用高斯分布函数或柯西分布函数近似点扩散函数模型(PSF),再根据图像边缘处散焦模糊量的大小与场景深度之间的关系估算出深度信息,是一种常用的方法。真实世界中图像模糊的缘由千变万化,高斯分布函数以及柯西分布函数并不一定是最佳的近似模型,并且传统的方法对于图像存在阴影、边缘不明显以及深度变化比较细微的区域的深度恢复结果不够准确。为了提取更为精确的深度信息,提出一种利用高斯-柯西混合模型近似PSF的方法;然后对散焦图像进行再模糊处理,得到两幅散焦程度不同的图像;再通过计算两幅散焦图像边缘处梯度的比值估算出图像边缘处的散焦模糊量,从而得到稀疏深度图;最后使用深度扩展法得到场景的全景深度图。通过大量真实图像的测试,说明新方法能够从单幅散焦图像中恢复出完整、可靠的深度信息,并且其结果优于目前常用的两种方法。

关键词：深度估计散焦模糊量高斯-柯西混合模型

来源：评论

学校读者我要写书评

暂无评论

基于集成学习的科研合作者潜力预测:一种分类方法

基于集成学习的科研合作者潜力预测:一种分类方法

引用

第六届中国计算机学会大数据学术会议

作者：艾科马国帅杨凯凯钱宇华山西大学大数据科学与产业研究院太原 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 山西大学计算机与信息技术学院太原 030006

科研合作是学术成果非常重要的实现形式,很多高水平的研究成果通过合作实现.研究合作潜力可以为学者选择合作者提供指导,最大化科研效率.然而当前大数据爆发阻碍了合作者的有效选择.为了解决这个问题,基于学者-文章大数据,本文综合考虑... 详细信息

科研合作是学术成果非常重要的实现形式,很多高水平的研究成果通过合作实现.研究合作潜力可以为学者选择合作者提供指导,最大化科研效率.然而当前大数据爆发阻碍了合作者的有效选择.为了解决这个问题,基于学者-文章大数据,本文综合考虑学者的文章、机构、研究兴趣等个人属性和相关属性,分别从文章标题、文章等级、文章数量、时间及署名序多维度构造样本特征,提出了基于集成学习分类方法的科研合作者潜力预测模型.本文分析并构造对应于科研合作者潜力预测问题的特征集,并采用分类方法解决这一问题.实验中准确率、召回率、F1分数都能够以较少的样本和时间收敛于较高值(80％以上),说明了模型的优越性.

关键词：科研合作潜力预测集成学习数据挖掘

来源：评论

学校读者我要写书评

暂无评论

CNN图像标题生成

CNN图像标题生成

引用

第六届中国计算机学会大数据学术会议

作者：李勇成红红梁新彦郭倩钱宇华山西大学大数据科学与产业研究院山西太原 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 山西大学计算机与信息技术学院山西太原 030006

图像标题生成是人工智能领域一个非常有挑战性的任务,该任务需要在给定一张图片的情况下能够生成与它内容相符的标题句子.它需要同时处理图像和文本两个模态的数据,并发现不同数据彼此间的关联.针对该任务通常采用一个编码器-解码器模... 详细信息

图像标题生成是人工智能领域一个非常有挑战性的任务,该任务需要在给定一张图片的情况下能够生成与它内容相符的标题句子.它需要同时处理图像和文本两个模态的数据,并发现不同数据彼此间的关联.针对该任务通常采用一个编码器-解码器模型来解决,编码器则通常利用RNN网络来处理文本数据、CNN网络来处理图像数据.而本文则提出一个完全基于CNN的模型来同时处理两个模态的数据,通过在Flickr8k和Flickr30k数据上进行实验,实验结果表明了该模型的有效性,由于该模型是可并行运算的,在运行效率也有所提升.

关键词：图像标题生成多模态数据卷积神经网络特征提取

来源：评论

学校读者我要写书评

暂无评论

特征选择:一种面向数据取值更新的批处理机制

引用

小型微型计算机系统 2017年第2期38卷 264-267页

作者：张娇鹏王锋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

实际应用中获取到的数据通常是动态更新的,且随着数据观测工具的快速发展,数据库中数据更新的速度也越来越快,同一时刻更新的规模也越来越大.面向动态数据集的数据挖掘研究中,数据库中数据取值的动态更新也是一种数据集动态变化的类型.... 详细信息

实际应用中获取到的数据通常是动态更新的,且随着数据观测工具的快速发展,数据库中数据更新的速度也越来越快,同一时刻更新的规模也越来越大.面向动态数据集的数据挖掘研究中,数据库中数据取值的动态更新也是一种数据集动态变化的类型.特征选择是一种有效的数据预处理工具,面向数据取值动态更新的特征选择方法也已经引起了众多研究者的广泛关注.为此,基于粗糙集理论和信息熵的概念,提出一种面向数据取值动态变化数据集的特征选择方法,可一次处理一组取值发生变化的数据.算法中首先分析了信息熵随数据取值动态变化的更新机制,以信息熵作为特征重要度的度量,设计了基于信息熵的粗糙特征选择算法.实验结果进一步验证了新算法的可行性和高效性.

关键词：动态数据集粗糙集特征选择信息熵

来源：评论

学校读者我要写书评

暂无评论

基于自步学习的加权稀疏表示人脸识别方法

引用

计算机应用 2017年第11期37卷 3145-3151页

作者：王学军王文剑曹飞龙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太原030006 中国计量大学理学院杭州310018

近年来基于稀疏表示的分类方法(SRC)成为了一个新的热点问题,在人脸识别领域取得了很大的成功。但基于稀疏表示的方法在重建待测样本时,有可能会利用与待测样本相差较大的训练样本,并且没有考虑到表示系数的局部信息,从而导致分类结果... 详细信息

近年来基于稀疏表示的分类方法(SRC)成为了一个新的热点问题,在人脸识别领域取得了很大的成功。但基于稀疏表示的方法在重建待测样本时,有可能会利用与待测样本相差较大的训练样本,并且没有考虑到表示系数的局部信息,从而导致分类结果不稳定。提出一种基于自步学习的加权稀疏表示算法SPL-WSRC,在字典中有效剔除与待测样本相差较大的训练样本,并利用加权手段考虑样本间的局部信息,以提高分类精度和稳定性。通过3个典型的人脸数据集中的实验,实验结果表明,所提算法优于原稀疏表示算法SRC,特别是当训练样本足够多时,效果更明显。

关键词：基于稀疏表示的分类方法分类自步学习加权系数人脸识别

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：