检索结果-内蒙古大学图书馆

计算机工程与应用 2025年第2期61卷 73-83页

作者：魏彩颖贾磊硅湖职业技术学院计算机科学与技术学院江苏苏州215332

指代视频分割是计算机视觉和自然语言处理交叉领域的热点研究任务。目标是通过理解文本语义分割出给定视频的相关实体。与传统需预定义待分割物体类别的视觉分割任务不同,该任务不依赖于预定义的物体类别,而是通过理解给定的描述语句定... 详细信息

指代视频分割是计算机视觉和自然语言处理交叉领域的热点研究任务。目标是通过理解文本语义分割出给定视频的相关实体。与传统需预定义待分割物体类别的视觉分割任务不同,该任务不依赖于预定义的物体类别,而是通过理解给定的描述语句定位目标并分割。由于文本描述的内容随机且无分割好的视频帧当作参考,使得该任务极具挑战。虽然是新兴的跨媒体理解任务,但在安防监控、车辆追踪以及行人重识别等领域具有极高的应用前景并已有较多性能显著的方法提出。由于缺乏指代视频分割方法的研究综述,因此现有的指代视频分割方法被系统梳理和分析。具体地,根据研究思路的不同粗略地将解决方法分为四类:基于动态卷积、基于注意力机制、基于多层次信息学习和基于端到端序列预测的指代视频分割;对各类及各类内具体方法的性能进行定量和定性的分析;总结现有工作的不足以及未来可进行改进的思路。

关键词：跨模态检索指代视频分割跨模态理解

来源：评论

学校读者我要写书评

暂无评论

基于提示学习和抽取式阅读理解的古籍礼仪实体关系联合抽取方法研究

引用

数据分析与知识发现 2025年第3期9卷 147-159页

作者：斯日古楞林民郭振东张树钧内蒙古师范大学文学院呼和浩特010022 内蒙古民族大学计算机科学与技术学院通辽028000 内蒙古电子信息职业技术学院呼和浩特010070 海南大学计算机科学与技术学院海口570228 内蒙古师范大学计算机科学技术学院呼和浩特010022

【目的】解决基于深度学习的实体关系抽取方法在古籍小样本场景下,由于依赖大规模标注数据而导致的微调效率低、抽取性能不佳问题。【方法】提出一种基于提示学习和抽取式阅读理解的古籍礼仪实体关系联合抽取方法。首先,将实体识别和关... 详细信息

【目的】解决基于深度学习的实体关系抽取方法在古籍小样本场景下,由于依赖大规模标注数据而导致的微调效率低、抽取性能不佳问题。【方法】提出一种基于提示学习和抽取式阅读理解的古籍礼仪实体关系联合抽取方法。首先,将实体识别和关系抽取任务整合至一个抽取式阅读理解框架中,简化模型结构。然后,利用领域知识设计三种轻量级提示策略,有效降低联合抽取任务的复杂度。最后,基于预训练语言模型和全局指针网络构建古籍礼仪实体关系联合抽取模型MPG-GP(MRC-Prompt-GujiBERT with Global Pointer),有效抽取古籍中的礼仪实体关系三元组。【结果】在构建的古籍礼仪实体关系联合抽取数据集上进行实验,本文方法F1值比基线方法提升了0.32~6.05个百分点。【局限】在构建提示模板时,未采用可学习的软提示方式,并且提示设计仍有进一步优化的空间。【结论】所提方法能够有效缓解深度神经网络对大量标注数据的依赖,提升了模型在小样本古籍礼仪实体关系联合抽取任务上的准确性,为古籍低资源场景信息抽取提供了新的方法和思路。

关键词：实体关系联合抽取古籍礼仪知识提示学习机器阅读理解预训练语言模型

来源：评论

学校读者我要写书评

暂无评论

改进流向算法的无线传感器网络覆盖优化

引用

深圳大学学报（理工版） 2024年第2期41卷 241-247页

作者：陈伟杨盘隆宿州职业技术学院计算机信息系安徽宿州234099 中国科学技术大学计算机科学与技术学院安徽合肥230027

针对标准流向算法易陷入局部最优和收敛精度低等问题,提出一种融合莱维(Levy)飞行和入侵杂草策略的改进流向算法.首先,该算法在选择水流流向时引入Levy飞行机制,使水流沿最优水流位置方向做Levy飞行运动,避免陷入局部最优;其次,利用入... 详细信息

针对标准流向算法易陷入局部最优和收敛精度低等问题,提出一种融合莱维(Levy)飞行和入侵杂草策略的改进流向算法.首先,该算法在选择水流流向时引入Levy飞行机制,使水流沿最优水流位置方向做Levy飞行运动,避免陷入局部最优;其次,利用入侵杂草策略,对每一代水流进行繁殖、空间扩散和竞争操作,增加水流的多样性,扩大搜索范围,提高全局寻优能力.最后,将改进流向算法应用于无线传感器网络覆盖优化中,并与标准流向算法及其他改进算法进行实验对比.仿真结果表明,相比标准流向算法及其他改进算法,所提改进流向算法的覆盖性能有大幅提升,覆盖率可达98.52%,可实现更均匀的节点分布和更低的部署成本.

关键词：人工智能无线传感器网络流向算法莱维飞行入侵杂草算法节点分布覆盖优化

来源：评论

学校读者我要写书评

暂无评论

改进蚁狮优化算法及其工程应用

引用

传感技术学报 2023年第4期36卷 565-574页

作者：陈伟杨盘隆吴宣够宿州职业技术学院计算机信息系安徽宿州234099 中国科学技术大学计算机科学与技术学院安徽合肥230026 安徽工业大学计算机科学与技术学院安徽马鞍山243032

针对蚁狮优化算法(ALO)在求解工程优化问题时易陷入局部最优及收敛速度慢等缺陷,提出一种基于Levy飞行和差分进化的改进蚁狮优化算法(LDALO)。改进算法对ALO中的蚂蚁进行差分进化操作,从而改善种群多样性,避免算法陷入局部最优并提高算... 详细信息

针对蚁狮优化算法(ALO)在求解工程优化问题时易陷入局部最优及收敛速度慢等缺陷,提出一种基于Levy飞行和差分进化的改进蚁狮优化算法(LDALO)。改进算法对ALO中的蚂蚁进行差分进化操作,从而改善种群多样性,避免算法陷入局部最优并提高算法全局搜索能力。精英引导的Levy飞行被用于蚂蚁位置更新,以加快算法收敛速度。改进算法还在蚁狮捕食蚂蚁后对蚁狮进行差分变异,以提高算法的寻优精度。仿真实验基于10个基准函数进行,其结果显示LDALO较其他对比算法收敛速度更快,寻优精度更高。在无线传感器网络覆盖优化、压力容器设计、拉压弹簧设计等工程优化问题中的应用,验证了LDALO的适用性和有效性。

关键词：工程优化问题蚁狮优化算法差分进化 Levy飞行

来源：评论

学校读者我要写书评

暂无评论

基于天牛须优化算法和LP-SWT-SVD的鲁棒图像水印技术

引用

印刷与数字媒体技术研究 2024年第5期 45-52页

作者：吴捷刘振兴马小虎泰州职业技术学院信息技术学院泰州225300 苏州大学计算机科学与技术学院苏州215006

为了有效保护数字媒体的知识产权,提出一种基于拉普拉斯金字塔和平稳小波变换(Stationary Wavelet Transform,SWT)及奇异值分解(Singular Value Decomposition,SVD)的图像水印嵌入算法。该算法首先对原始图像进行拉普拉斯金字塔分解,然... 详细信息

为了有效保护数字媒体的知识产权,提出一种基于拉普拉斯金字塔和平稳小波变换(Stationary Wavelet Transform,SWT)及奇异值分解(Singular Value Decomposition,SVD)的图像水印嵌入算法。该算法首先对原始图像进行拉普拉斯金字塔分解,然后对得到的残差图像进行一级平稳小波变换,得到低频子带LL1和高频子带HH1,分别对其进行SVD分解,并将SVD分解后的水印分别嵌入低频和高频子带的奇异值矩阵中,使用天牛须算法(Beetle Antennae Search,BAS)优化水印嵌入过程。水印检测时,将从LL1和HH1子带中提取的水印进行比较,选择效果较好的作为最终结果。仿真实验与其他文献的对比分析证明该算法不可见性和鲁棒性都较好。

关键词：拉普拉斯金字塔平稳小波变换奇异值分解天牛须算法

来源：评论

学校读者我要写书评

暂无评论

一种融合法律知识的相似案例匹配模型

引用

数据分析与知识发现 2022年第7期6卷 99-106页

作者：郑洁黄辉秦永彬贵阳职业技术学院信息科学系贵阳550081 贵州大学计算机科学与技术学院贵阳550025

【目的】构建融合法律知识的相似案例匹配模型,提升相似案例匹配任务准确率。【方法】首先将法律知识与案情文本拼接,让模型同时学习法律知识和文本信息的特征;其次,使用LSTM网络对文本进行分段建模,增强模型所能容纳的文本长度;最后,... 详细信息

【目的】构建融合法律知识的相似案例匹配模型,提升相似案例匹配任务准确率。【方法】首先将法律知识与案情文本拼接,让模型同时学习法律知识和文本信息的特征;其次,使用LSTM网络对文本进行分段建模,增强模型所能容纳的文本长度;最后,结合三元组损失和基于对抗的对比损失共同训练模型,增强模型的鲁棒性。【结果】本文模型能够极大地提升相似案例匹配任务的准确率,相比BERT基线模型提升7.07个百分点。【局限】模型使用更长的文本序列进行匹配,相比其他模型更加耗时。【结论】本文模型融合法律先验知识,具有更强的匹配效果和泛化能力,有助于辅助法律专业人员进行相似案例检索。

关键词：案例匹配 BERT 法律知识分段建模三元组损失

来源：评论

学校读者我要写书评

暂无评论

融合序列变分Transformer与对比学习的多样化图像描述生成

引用

计算机工程与应用 2024年第21期60卷 164-171页

作者：刘明明刘兵刘浩张海燕江苏建筑职业技术学院智能制造学院江苏徐州221116 中国矿业大学计算机科学与技术学院江苏徐州221116

近年来,基于Transformer的图像描述生成模型取得了显著的性能提升。然而,现有方法性能严重依赖预定义的指标或交叉熵损失,难以生成自然而多样的描述语句。引入一种序列变分Transformer模型,用于多样化图像描述生成。通过最大化图像模态... 详细信息

近年来,基于Transformer的图像描述生成模型取得了显著的性能提升。然而,现有方法性能严重依赖预定义的指标或交叉熵损失,难以生成自然而多样的描述语句。引入一种序列变分Transformer模型,用于多样化图像描述生成。通过最大化图像模态内互信息的变分下界,缓解模式坍塌问题。最大化图像-文本多模态间的互信息,将序列变分Transformer模型与对比学习无缝集成,从而进一步增强序列变分编码器的表征学习能力,促进多样化描述的生成。在MSCOCO标准数据集上进行了定量和定性实验,在随机生成100个描述语句时,与当前最优结果相比,准确性指标CIDEr(consensus-based image description evaluation)提升了5.5%,多样性指标Div-2(2-gram diversity)提升了10.5%。

关键词：图像理解图像描述对比学习互信息

来源：评论

学校读者我要写书评

暂无评论

联合低秩重构和投影重构的稳健特征选择方法

引用

通信学报 2023年第3期44卷 209-219页

作者：仪双燕梁永生陆晶晶柳伟胡涛何震宇深圳信息职业技术学院软件学院广东深圳518000 哈尔滨工业大学(深圳)电子与信息工程学院广东深圳518000 深圳国微福芯技术有限公司广东深圳518000 深圳信息职业技术学院计算机学院广东深圳518000 深圳信息职业技术学院信息技术研究所广东深圳518000 哈尔滨工业大学(深圳)计算机科学与技术学院广东深圳518000

针对当前特征选择方法依然受噪声影响以及无法将聚类效果和重构效果有效统一的问题,提出了一种稳健的特征选择方法。从干净数据和重构数据作差的思路着手,将低秩重构数据和投影重构数据作差构建稳健的重构误差项,并提出从学习到的干净... 详细信息

针对当前特征选择方法依然受噪声影响以及无法将聚类效果和重构效果有效统一的问题,提出了一种稳健的特征选择方法。从干净数据和重构数据作差的思路着手,将低秩重构数据和投影重构数据作差构建稳健的重构误差项,并提出从学习到的干净数据上选择特征用于聚类。将干净数据的学习和特征选择技能进行联合学习,相互促进,从而提升方法在有噪数据上的稳健性,并且将重构效果和聚类效果进行有效统一。在5个数据集上与几种图嵌入角度的特征选择以及PCA重构角度的特征选择方法进行聚类实验对比,实验结果表明,除LUNG噪声数据集外,所提方法在2种评价指标(ACC和NMI)下都优于对比特征选择方法。

关键词：重构低秩投影稀疏特征选择

来源：评论

学校读者我要写书评

暂无评论

基于KL散度与通道选择的热红外目标跟踪算法

引用

红外技术 2023年第1期45卷 33-39页

作者：吴捷段艳艳马小虎泰州职业技术学院信息技术学院江苏泰州225300 苏州大学计算机科学与技术学院江苏苏州215006

为了解决单一跟踪器无法有效应对复杂背景及目标外观的显著变化,对于热红外目标跟踪准确度不高的问题,基于全卷积孪生网络提出了一种多响应图集成的跟踪算法用于热红外跟踪。首先,使用预训练的卷积神经网络来提取热红外目标的多个卷积... 详细信息

为了解决单一跟踪器无法有效应对复杂背景及目标外观的显著变化,对于热红外目标跟踪准确度不高的问题,基于全卷积孪生网络提出了一种多响应图集成的跟踪算法用于热红外跟踪。首先,使用预训练的卷积神经网络来提取热红外目标的多个卷积层的特征并进行通道选择,在此基础上分别构建3个对应的跟踪器,每个跟踪器独立执行跟踪并返回一个响应图。然后,利用Kullback–Leibler(KL)散度对多个响应图进行优化集成,得到一个更强的响应图。最后利用集成后的响应图来确定目标位置。为了评估所提算法的性能,在当前最全面的热红外跟踪基准LSOTB-TIR(Large-Scale Thermal Infrared ObjectTrackingBenchmark)上进行了实验。实验结果表明,所提算法能够适应复杂多样的红外跟踪场景,综合性能超过了现有的红外跟踪算法。

关键词：热红外全卷积孪生网络多响应图通道选择 KL散度

来源：评论

学校读者我要写书评

暂无评论

邻域信息修正的不完整数据多填充集成分类方法

引用

计算机工程与应用 2023年第23期59卷 125-135页

作者：朱先远严远亭张燕平安徽商贸职业技术学院信息与人工智能学院安徽芜湖241002 安徽大学计算机科学与技术学院合肥230601

不完整数据集分类前需要对缺失值先填充。目前已有了一些经典的缺失值填充算法,如均值填充、K近邻填充等。它们各有优势,但这些算法对缺失值的估算易受到与缺失值相关性不大的其他数据干扰,影响缺失值填充效果,进而影响后续分类性能。... 详细信息

不完整数据集分类前需要对缺失值先填充。目前已有了一些经典的缺失值填充算法,如均值填充、K近邻填充等。它们各有优势,但这些算法对缺失值的估算易受到与缺失值相关性不大的其他数据干扰,影响缺失值填充效果,进而影响后续分类性能。针对该问题,提出一种邻域信息修正不完整数据多填充集成分类方法。该方法通过嵌入修正填充模块来优化填充过程,利用纯度和邻域半径筛选出待修正填充的近邻数据样本,并根据这些近邻数据样本对缺失值进行修正填充,进一步提升填充精度。同时,融合了多种经典填充算法优势,利用多填充的数据多样性,通过引入集成学习提升分类精确度。实验结果表明,该方法对基准数据集上的缺失值填充效果、数据分类精确度都优于对比方法,同时在真实不完整数据集上也表现出更好的分类精确度。

关键词：不完整数据分类修正填充邻域信息集成学习

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：