检索结果-内蒙古大学图书馆

计算机应用 2025年第4期45卷 1139-1147页

作者：安俊秀杨林旺柳源成都信息工程大学软件工程学院成都610225

针对离散词扰动和嵌入扰动方法中未充分考虑潜在空间词向量之间距离边界的问题,提出一种邻近性语义感知的对抗性自动编码器(SPAAE)方法。首先,采用对抗自动编码器作为底层模型;其次,根据词向量的邻近距离求得噪声向量概率分布的标准差;... 详细信息

针对离散词扰动和嵌入扰动方法中未充分考虑潜在空间词向量之间距离边界的问题,提出一种邻近性语义感知的对抗性自动编码器(SPAAE)方法。首先,采用对抗自动编码器作为底层模型;其次,根据词向量的邻近距离求得噪声向量概率分布的标准差;最后,通过对概率分布进行随机采样,动态调整扰动参数,从而最大限度模糊自身语义且不影响其他词向量的语义。实验结果表明,与DAAE(DenoisingAdversarialAuto-Encoders)和EPAAE(Embedding Perturbed Adversarial Auto-Encoders)方法相比,所提方法在Yelp数据集上的自然流畅度分别提升了14.88%、15.65%;在Scitail数据集上的文本风格迁移(TST)的准确率分别提升了11.68%、6.45%;在Tenses数据集上的BLEU(BiLingual Evaluation Understudy)值分别提升了28.16%、26.17%。可见,SPAAE方法不仅在理论上提供了一种更精确的词向量扰动方式,而且在7个公开数据集上展示了它在不同风格迁移任务中的显著优势。特别是在网络舆论引导中,所提方法可以用于情感文本的风格迁移。

关键词：文本风格迁移语义感知无监督学习对抗学习嵌入扰动距离边界

来源：评论

学校读者我要写书评

暂无评论

基于多层次图拓扑对比细化的动作识别

引用

计算机应用研究 2025年第2期42卷 630-635页

作者：唐櫞魏维郑程李晨蒋浩文成都信息工程大学软件工程学院成都610225

动作识别是计算机视觉领域中的前沿探索,得益于图卷积网络(GCN)处理非欧几里德数据的优势,该方法已成为从骨架数据中提取特征的主流方法。针对目前GCN忽视跨序列信息、对运动轨迹相似度高的模糊样本难以区分等问题,提出一种结合对比学... 详细信息

动作识别是计算机视觉领域中的前沿探索,得益于图卷积网络(GCN)处理非欧几里德数据的优势,该方法已成为从骨架数据中提取特征的主流方法。针对目前GCN忽视跨序列信息、对运动轨迹相似度高的模糊样本难以区分等问题,提出一种结合对比学习的图拓扑对比细化方法(graph topology contrast refinement block,GTCR-Block)。首先,根据模型的识别情况,将样本划分为可信样本和模糊样本;其次,建立样本级记忆库(sample-level memory bank,B sam)和全局级记忆库(global-level memory bank,B glo),存储跨批次图拓扑,使用对比学习方法使图拓扑具有类内聚合、类间分散的特性,将模糊样本在特征空间中分隔开。最后,采用多层次的策略学习更多的判别特征表示。实验结果表明,在不增加额外参数的情况下,在NTU RGB+D数据集达到了X-Sub基准93.3%和X-View基准97.4%的准确率,在NTU RGB+D 120数据集达到了X-Sub基准89.4%和X-set基准91.2%的准确率。采用GTCR-Block能够有效提升动作识别的效果。

关键词：动作识别图卷积网络对比学习多层次拓扑细化

来源：评论

学校读者我要写书评

暂无评论

超越同质性假设的双通道属性图聚类

引用

电信科学 2025年第1期41卷 111-124页

作者：安俊秀柳源杨林旺成都信息工程大学软件工程学院四川成都610207

属性图聚类的研究近些年取得了显著进步,但现有方法大多基于同质性假设,忽略了异质图的应用场景,导致在聚类过程中高频信息的丢失和聚类效果不佳。为解决此问题,提出了一种新颖的双通道属性图聚类方法(DCAGC)。该方法采用混合高斯模型... 详细信息

属性图聚类的研究近些年取得了显著进步,但现有方法大多基于同质性假设,忽略了异质图的应用场景,导致在聚类过程中高频信息的丢失和聚类效果不佳。为解决此问题,提出了一种新颖的双通道属性图聚类方法(DCAGC)。该方法采用混合高斯模型预测节点连接的同质性,并基于这一预测构建同质和异质两种视图,以便从不同角度捕捉图中的低频和高频信息。同时,通过融合对比学习和聚类,实现了更精准的节点嵌入。与其他方法相比,DCAGC在处理异质图数据集时聚类效果显著,且具有较强的抗异常连接能力。

关键词：属性图聚类自监督学习异质图学习

来源：评论

学校读者我要写书评

暂无评论

面向不平衡医疗数据的多阶段混合特征选择算法

引用

计算机工程与应用 2025年第2期61卷 158-169页

作者：刘佳璇李代伟任李娟张海清陈金京杨瑞成都信息工程大学软件工程学院成都610225 四川省信息化应用支撑软件工程技术研究中心成都610225

为解决医疗数据中存在的特征高维和类别不平衡问题,在基于简单、快速和有效高维特征选择算法SFE(simple,fast and effective high-dimensional feature selection)的基础上,提出了一种面向不平衡医疗数据的多阶段混合特征选择算法HFSIM(... 详细信息

为解决医疗数据中存在的特征高维和类别不平衡问题,在基于简单、快速和有效高维特征选择算法SFE(simple,fast and effective high-dimensional feature selection)的基础上,提出了一种面向不平衡医疗数据的多阶段混合特征选择算法HFSIM(hybrid feature selection for imbalanced medical data)。HFSIM算法采用改进的自适应边界SMOTE过采样技术,生成符合边界条件的新少数类实例以解决医学数据中类不平衡问题。同时,为了改善搜索空间多样性不足的问题,优化了SFE算法中的非选择操作符率参数UR(unselected rate),有效避免了算法过早收敛及易陷入局部最优的问题。将过滤式Fisher Score方法与优化UR参数后的算法有效结合,使算法能以较低的计算成本获得较好寻优能力。经实验验证,相比于SFE算法,HFSIM算法在Ovarian数据集上准确率达到99.67%,提升了2.11个百分点,G-means和F1分别提升了5.13和2.30个百分点。此外,通过对比特征数量和运行时间,证明了HFSIM算法既能保证算法精度又有效降低了计算成本。

关键词：高维不平衡特征选择多阶段混合医疗数据

来源：评论

学校读者我要写书评

暂无评论

西藏热玛沟流域冰川型泥石流历史的树木年代学重建

引用

山地学报 2025年第1期43卷 122-131页

作者：徐文君马超吕立群杜翠北京林业大学水土保持学院北京100083 成都信息工程大学软件工程学院成都610225

树木年代学方法因其强连续性和高分辨率特性,广泛应用于泥石流灾害历史重建。然而,传统树木年代学方法在对特定区域树种及其生境特征进行参数化处理时存在不足,基于生长释放/抑制机制的年轮分析方法在不同区域的适用性受到限制。喜马拉... 详细信息

树木年代学方法因其强连续性和高分辨率特性,广泛应用于泥石流灾害历史重建。然而,传统树木年代学方法在对特定区域树种及其生境特征进行参数化处理时存在不足,基于生长释放/抑制机制的年轮分析方法在不同区域的适用性受到限制。喜马拉雅山脉中段地区是冰川泥石流多发区。该区域尚未开展基于树木年代学方法的泥石流重建灾害历史研究。本文以喜马拉雅山脉中段吉隆藏布江流域热玛沟为研究对象,通过解剖学分析47棵树平均树龄(82 a±24 a)的创伤特征(树脂道密度≥12个/cm^(2)),结合重建泥石流暴发时间的精确度(R=0.8)动态优化生长扰动阈值;分析树木年轮因泥石流干扰产生的伤疤、愈伤组织及生长释放/抑制等特征,结合区域树木生长特征,优化了树木年轮生长释放/抑制的阈值和W it指数(加权响应指数)的计算方法,重建研究区的泥石流灾害历史;结合遥感影像解译数据,验证其适用性。结果表明:(1)热玛沟流域树木年轮弱生长释放/抑制阈值修正为25%(原标准40%),强生长释放/抑制阈值修正为54%(原标准60%),事件识别准确率提升至87.6%(p<0.01)。通过1988-2022年的遥感影像解译,成功识别出10场泥石流事件(1991年、1995年、1999年、2002年、2006年、2010年、2014年、2015年、2016年、2017年),其时空分布特征与实地调查匹配度达91.4%。这证明了新的生长释放/抑制阈值和W it指数计算方法在精准定灾方面的有效性。(2)首次重建出1943年和1968年两次历史强泥石流事件,将热玛沟流域灾害序列回溯期扩展至75 a。(3)传统阈值标准会造成约40%的泥石流事件漏判,改进后的双阈值体系显著提升灾害识别精度(Kappa系数0.82),这为冰川活跃区的泥石流灾害研究提供了新的视角和方法论支持。本研究建立的树木年代学新方法为冰川活跃区泥石流灾害的精准识别提供了新的技术手段,对完善喜马拉雅地区灾害数据库具有重要参考价值。

关键词：树木年代学冰川型泥石流生长释放/抑制灾害重建热玛沟

来源：评论

学校读者我要写书评

暂无评论

基于次级散斑图案的实时声音提取

引用

激光与光电子学进展 2025年第3期62卷 176-185页

作者：刘明桥张盛龙钟源鑫刘正龚艳丽高椿明电子科技大学光电科学与工程学院成都信息工程大学电子工程学院

利用散斑法开展了百米距离的语音侦听技术研究。提出了一种基于菲涅耳透镜光收集的高效散斑位移监测系统，实现了人体皮肤为目标的语音采集与还原，且测量距离达到了100 m。利用这种方式所还原的声音具备较高的实时性，测量误差小于0.15... 详细信息

利用散斑法开展了百米距离的语音侦听技术研究。提出了一种基于菲涅耳透镜光收集的高效散斑位移监测系统，实现了人体皮肤为目标的语音采集与还原，且测量距离达到了100 m。利用这种方式所还原的声音具备较高的实时性，测量误差小于0.15%，可以满足多种场景的需求。

关键词：激光散斑离焦成像测振菲涅耳透镜空间滤波语音评价

来源：评论

学校读者我要写书评

暂无评论

基于交通路网权重学习的城市机动车多样化轨迹生成

引用

计算机应用研究 2025年第3期42卷 870-879页

作者：王浩权郑皎凌乔少杰帅俨殊刘双侨曾宇成都信息工程大学软件工程学院成都610225 四川易方智慧科技有限公司成都610000

基于GPS数据的轨迹生成方法因隐私保护与成本高的问题而难以应用,提出一种基于卡口数据生成车辆轨迹的方法。但其面临以下挑战:首先由于卡口覆盖率低导致拍摄的轨迹不连续,无法兼容现有模型,且未有工作研究如何有效填补缺失轨迹;其次现... 详细信息

基于GPS数据的轨迹生成方法因隐私保护与成本高的问题而难以应用,提出一种基于卡口数据生成车辆轨迹的方法。但其面临以下挑战:首先由于卡口覆盖率低导致拍摄的轨迹不连续,无法兼容现有模型,且未有工作研究如何有效填补缺失轨迹;其次现有模型忽略路网约束,生成轨迹无法进行仿真;最后现有模型无法生成多样化轨迹,导致可用性较差。为解决以上挑战,首先设计了TrajGAT-A模型,通过图神经网络构建包含实际交通信息的路网拓扑图,使用聚类算法构造出功能区网络并利用图注意力网络挖掘路网特征,生成路网权重图后执行A算法重构出连续轨迹。接着设计β-TrajVAE模型,通过聚类算法将路网划分为簇内外路段并执行分区采样,在损失函数中加入超参数以控制精度与散度之间的平衡,生成多个制导图后执行A搜索生成多样化轨迹。基于重庆数据进行实验验证,结果显示重构轨迹在precision、recall、F 1指标上均优于现有模型,生成轨迹在cross-entropy上优于现有生成模型,并通过仿真实验证实该方法可生成符合真实交通状况的轨迹。

关键词：轨迹生成 A算法路径规划 VAE

来源：评论

学校读者我要写书评

暂无评论

基于深度时序聚类的城市卡口短时交通流量预测

引用

计算机应用研究 2025年第2期42卷 371-380页

作者：郭健郑皎凌乔少杰邓鸿耀孙吉刚李欣稼成都信息工程大学软件工程学院成都610225 四川易方智慧科技有限公司成都610000

目前,基于深度学习的交通流量预测方法存在不足。首先,基于图卷积网络的预测模型使用简化的路网拓扑,忽视了实际交通组织信息,影响预测准确性。其次,基于聚类的预测模型未考虑交通流的区域和时间相似性,未能有效利用时空模式,导致聚类... 详细信息

目前,基于深度学习的交通流量预测方法存在不足。首先,基于图卷积网络的预测模型使用简化的路网拓扑,忽视了实际交通组织信息,影响预测准确性。其次,基于聚类的预测模型未考虑交通流的区域和时间相似性,未能有效利用时空模式,导致聚类结果对预测提升有限。此外,过大的训练样本增加了训练和预测时间,影响实时性。为了解决上述问题,提出了基于深度聚类的城市卡口短时流量预测模型(deep temporal clustering traffic flow prediction,DTCTFP)。首先,构建包含实际交通组织信息的路网拓扑,利用图卷积网络挖掘卡口间的时空特性;其次,引入改进的动态时间规整和最短路径分析方法,将相似的交通流对象归类到同一簇,使模型充分利用流量、时间、位置等特征信息,提升预测精度;最后利用基于簇的循环神经网络进行预测,提高模型的实时性和计算效率。基于重庆大渡口交通数据进行了实验验证,结果显示,相较于最新基准模型,在MAE、RMSE、MAPE指标上,平均降低了15.02%、10.72%、10.98%,并通过消融实验证实了所提出的聚类方法能够提升14.5%的预测准确性。

关键词：深度聚类交通流量预测循环神经网络动态时间规整交通卡口

来源：评论

学校读者我要写书评

暂无评论

解决时间序列分布偏移问题的可逆归一化方法

引用

微电子学与计算机 2025年

作者：万里浪安俊秀成都信息工程大学软件工程学院

时间序列预测在现代生活中广泛应用于众多领域，成为了一种不可忽视的技术。时间序列数据的非平稳性是一个重要问题，它导致了时间序列数据统计特性的变化、分布不集中，并引发了分布偏移问题，进而增加了时间序列预测的困难。聚焦于时... 详细信息

时间序列预测在现代生活中广泛应用于众多领域，成为了一种不可忽视的技术。时间序列数据的非平稳性是一个重要问题，它导致了时间序列数据统计特性的变化、分布不集中，并引发了分布偏移问题，进而增加了时间序列预测的困难。聚焦于时间序列的分布偏移问题，提出了一种简单而有效的可逆实例归一化（RaIN）方法。RaIN方法结合了通用的归一化和可选择的逆归一化技术，具有结构对称性。该方法能够移除和恢复时间序列数据中的非平稳信息，从而显著提高时间序列预测的性能。通过广泛的定量和定性分析验证了RaIN方法在解决分布偏移问题上的有效性。

关键词：时间序列预测分布偏移归一化

来源：评论

学校读者我要写书评

暂无评论

基于神经网络的流体晃荡波高和压强的预测研究

引用

船舶力学 2025年第3期29卷 388-399页

作者：金鑫王宇圣张福贵陈健李登松樊昌元刘名名成都信息工程大学电子工程学院成都610225 中国电建集团河北省电力勘测设计研究院有限公司石家庄050031 成都信息工程大学自动化学院成都610225 聊城大学建筑工程学院山东聊城252000

基于Navier-Stokes方程的数值模型和物理模型实验研究流体晃荡现象存在计算效率低和经济成本高的不足。为此,本文通过构建神经网络模型对数值和实验结果进行时序重构,预测流体晃荡的压强和波高。以数值和实验的总压强和自由表面高程数... 详细信息

基于Navier-Stokes方程的数值模型和物理模型实验研究流体晃荡现象存在计算效率低和经济成本高的不足。为此,本文通过构建神经网络模型对数值和实验结果进行时序重构,预测流体晃荡的压强和波高。以数值和实验的总压强和自由表面高程数据作为训练样本,将神经网络中表征能力强的CNN、RNN、LSTM用于重演流体晃荡响应的时间演化过程。在模型训练过程中,系统地调节神经网络的内部结构参数,分析预测结果与实际值之间的误差和相关性。结果表明,RNN和LSTM的重构误差低于4%,相关性达到0.88,整体优于CNN;LSTM的整体性能最佳,可以作为预测长序列数据的首选。整体来讲,三种代理模型均可以较好地复现流体晃荡的波高和压强,在流体晃荡研究方面具有良好的应用前景。

关键词：流体晃荡神经网络数值模拟预测

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：