检索结果-内蒙古大学图书馆

数据分析与知识发现 2025年

作者：徐梦瑶孙斌江涛崔家豪西北民族大学语言与文化计算教育部重点实验室青藏高原人文环境数据智能实验室

[目的]针对谣言抑制中对节点位置与社区重叠特性考虑不足的问题，提出一种谣言抑制框架RSM-OC。[方法]该框架创新地提出使用信任中心值来精准识别关键节点，结合重叠节点构成候选种子集，最后利用遗传算法优化正种子节点集，并采用单向... 详细信息

[目的]针对谣言抑制中对节点位置与社区重叠特性考虑不足的问题，提出一种谣言抑制框架RSM-OC。[方法]该框架创新地提出使用信任中心值来精准识别关键节点，结合重叠节点构成候选种子集，最后利用遗传算法优化正种子节点集，并采用单向状态转换的线性阈值模型模拟谣言与真相的博弈。[结果]在四个真实数据集上的实验显示，RSM-OC方法相较于基线算法的谣言抑制率平均提升23.3%，真相传播范围平均扩大两倍，特别在稠密和中等规模网络中表现尤为优异。[局限]RSM-OC方法在大规模网络中的计算成本较高，可能存在性能瓶颈。[结论]RSM-OC方法在抑制谣言和扩大真相传播范围两方面均具有良好的有效性。

关键词：社交网络谣言抑制重叠社区传播真相

来源：评论

学校读者我要写书评

暂无评论

用于多跳阅读理解的双视图对比学习网络

引用

模式识别与人工智能 2023年第5期36卷 471-482页

作者：陈谨雯陈羽中福州大学计算机与大数据学院福州350108 福州大学福建省网络计算与智能信息处理重点实验室福州350108

多跳阅读理解是机器阅读理解的重要任务,旨在从多段文档中构造一条多跳推理链,以此结合多文档中证据回答问题.近年来,图神经网络广泛应用于多跳阅读理解任务,但仍存在多文档推理链的上下文互信息获取不充分、部分答案仅因为与题目相似... 详细信息

多跳阅读理解是机器阅读理解的重要任务,旨在从多段文档中构造一条多跳推理链,以此结合多文档中证据回答问题.近年来,图神经网络广泛应用于多跳阅读理解任务,但仍存在多文档推理链的上下文互信息获取不充分、部分答案仅因为与题目相似就被误判为候选答案而引入噪声的缺陷.针对上述问题,文中提出用于多跳阅读理解的双视图对比学习网络(Dual View Contrastive Learning Networks,DVCGN).首先,提出基于异构图的节点级正负样本对比学习方法,对异构图进行节点级损坏和特征级损坏,构造双视图.被损坏的两个视图经图注意力网络迭代后生成两个更新后的视图,DVCGN通过最大化双视图节点表示相似性学习节点表示,获取丰富的上下文语义信息,精确建模当前节点表示及其与推理链其余节点关系,有效辨别多粒度上下文信息及干扰信息,为推理链构造更丰富的互信息.然后,提出问题引导的图节点剪枝方法,充分利用问题信息筛选答案实体节点,缩小候选答案范围,减弱证据句子中相似性表述带来的噪声.在HOTPOTQA数据集上的实验表明,DVCGN的性能较优.

关键词：机器阅读理解多跳阅读理解异构图图注意力网络对比学习

来源：评论

学校读者我要写书评

暂无评论

基于边缘辅助和多尺度Transformer的无参考屏幕内容图像质量评估

引用

电子学报 2024年第7期52卷 2242-2256页

作者：陈羽中陈友昆林闽沪牛玉贞福州大学计算机与大数据学院福建福州350108 福建省网络计算与智能信息处理重点实验室(福州大学) 福建福州350108 大数据智能教育部工程研究中心福建福州350108

与从现实场景中拍摄的自然图像不同,屏幕内容图像是一种合成图像,通常由计算机生成的文本、图形和动画等各种多媒体形式组合而成.现有评估方法通常未能充分考虑图像边缘结构信息和全局上下文信息对屏幕内容图像质量感知的影响.为解决上... 详细信息

与从现实场景中拍摄的自然图像不同,屏幕内容图像是一种合成图像,通常由计算机生成的文本、图形和动画等各种多媒体形式组合而成.现有评估方法通常未能充分考虑图像边缘结构信息和全局上下文信息对屏幕内容图像质量感知的影响.为解决上述问题,本文提出一种基于边缘辅助和多尺度Transformer的无参考屏幕内容图像质量评估模型.首先,使用高斯拉普拉斯算子构造由失真屏幕内容图像高频信息组成的边缘结构图,然后通过卷积神经网络(Convolutional Neural Network,CNN)对输入的失真屏幕内容图像和相应的边缘结构图进行多尺度的特征提取与融合,以图像的边缘结构信息为模型训练提供额外的信息增益.此外,本文进一步构建了基于Transformer的多尺度特征编码模块,从而在CNN获得的局部特征基础上更好地建模不同尺度图像和边缘特征的全局上下文信息.实验结果表明,本文提出的方法在指标上优于其他现有的无参考和全参考屏幕内容图像质量评估方法,能够取得更高的主客观视觉感知一致性.

关键词：无参考屏幕内容图像质量评估高斯拉普拉斯算子卷积神经网络 Transformer 多尺度特征

来源：评论

学校读者我要写书评

暂无评论

考虑控制饱和的连铸结晶器振动位移系统预设性能控制

引用

控制与决策 2023年第2期38卷 413-420页

作者：马壮方一鸣许淼李强燕山大学河北省工业计算机控制工程重点实验室河北秦皇岛066004 唐山学院河北省智能数据信息处理与控制重点实验室河北唐山063000

针对伺服电机驱动的连铸结晶器控制系统执行器输入饱和和状态受限问题,同时考虑系统存在负载扰动、参数摄动等不确定性问题,提出一种基于扩张状态观测器的跟踪误差预设性能反步控制策略.首先,针对执行器输入饱和问题,建立系统的数学模型... 详细信息

针对伺服电机驱动的连铸结晶器控制系统执行器输入饱和和状态受限问题,同时考虑系统存在负载扰动、参数摄动等不确定性问题,提出一种基于扩张状态观测器的跟踪误差预设性能反步控制策略.首先,针对执行器输入饱和问题,建立系统的数学模型;然后,采用一种线性扩张状态观测器实时观测系统时变负载扰动、参数摄动等不确定性,并对观测误差的收敛性进行分析;接着,针对伺服电机电流饱和与跟踪误差预设性能控制问题,通过引入辅助状态变量确保系统跟踪误差限定在允许范围内,设计基于扩张状态观测器的反步(Backstepping)控制器;最后,根据Lyapunov稳定性理论证明闭环系统的稳定性,并通过系统仿真验证所提出控制策略的有效性.

关键词：连铸结晶器执行器饱和预设性能扩张状态观测器反步控制

来源：评论

学校读者我要写书评

暂无评论

融合多视图一致和互补信息的深度3D模型分类

引用

中国图象图形学报 2025年第3期30卷 811-823页

作者：吴晗胡良臣杨影接标罗永龙安徽师范大学计算机与信息学院芜湖241002 工业智能数据安全安徽省重点实验室芜湖241002

目的基于深度学习的方法在3D模型分类任务中取得了先进的性能,此类方法需要提取三维模型不同数据表示的特征,例如使用深度学习模型提取多视图特征并将其组合成单一而紧凑的形状描述符。然而,这些方法只考虑了多视图之间的一致信息,而忽... 详细信息

目的基于深度学习的方法在3D模型分类任务中取得了先进的性能,此类方法需要提取三维模型不同数据表示的特征,例如使用深度学习模型提取多视图特征并将其组合成单一而紧凑的形状描述符。然而,这些方法只考虑了多视图之间的一致信息,而忽视了视图与视图之间存在的差异信息。为了解决这一问题,提出了新的特征网络学习3D模型多视图数据表示的一致信息和互补信息,并将其有效融合,以充分利用多视图数据的特征,提高3D模型分类准确率。方法该方法首先在残差网络的残差结构中引入空洞卷积,扩大卷积操作的感受野。随后,对网络结构调整以进行多视图特征提取。然后,通过设计的视图分类网络划分一致信息和互补信息,充分利用每个视图。为了处理这两类不同的信息,引入了一种结合注意力机制的学习融合策略,将两类特征视图融合,从而得到形状级描述符,实现可靠的3D模型分类。结果该模型的有效性在ModelNet数据集的两个子集上得到验证。在基于ModelNet40数据集的所有对比方法中具有最好的性能表现。为了对比不同的特征提取网络,设置单分类任务实现性能验证,本文方法在分类准确度和平均损失方面表现最好。相较于基准方法—多视图卷积神经网络(multi-view convolutional neural network,MVCNN),在不同视图数下本文方法的性能最高提升了3.6%,整体分类准确度提高了5.43%。实验结果表明,相较于现有相关方法,本文方法展现出一定的优越性。结论本文提出的一种多视图信息融合的深度3D模型分类网络,深度融合多视图的一致信息和互补信息,在3D模型分类任务中获得明显的效果。

关键词：多视图学习 3D模型分类一致性与互补性改进残差网络视图融合

来源：评论

学校读者我要写书评

暂无评论

基于代表点与K近邻的密度峰值聚类算法

引用

软件学报 2023年第12期34卷 5629-5648页

作者：张清华周靖鹏代永杨王国胤旅游多源数据感知与决策技术文化和旅游部重点实验室(重庆邮电大学) 重庆400065 计算智能重庆市重点实验室(重庆邮电大学) 重庆400065

密度峰值聚类(density peaks clustering,DPC)是一种基于密度的聚类算法,该算法可以直观地确定类簇数量,识别任意形状的类簇,并且自动检测、排除异常点.然而,DPC仍存在些许不足:一方面,DPC算法仅考虑全局分布,在类簇密度差距较大的数据... 详细信息

密度峰值聚类(density peaks clustering,DPC)是一种基于密度的聚类算法,该算法可以直观地确定类簇数量,识别任意形状的类簇,并且自动检测、排除异常点.然而,DPC仍存在些许不足:一方面,DPC算法仅考虑全局分布,在类簇密度差距较大的数据集聚类效果较差;另一方面,DPC中点的分配策略容易导致“多米诺效应”.为此,基于代表点(representative points)与K近邻(K-nearest neighbors,KNN)提出了RKNN-DPC算法.首先,构造了K近邻密度,再引入代表点刻画样本的全局分布,提出了新的局部密度;然后,利用样本的K近邻信息,提出一种加权的K近邻分配策略以缓解“多米诺效应”;最后,在人工数据集和真实数据集上与5种聚类算法进行了对比实验,实验结果表明,所提出的RKNN-DPC可以更准确地识别类簇中心并且获得更好的聚类结果.

关键词：聚类分析密度峰值聚类代表点 K近邻(KNN)

来源：评论

学校读者我要写书评

暂无评论

基于自适应多目标进化CNN的图像分割方法

引用

控制与决策 2024年第4期39卷 1185-1193页

作者：王维王显鹏宋相满东北大学工业智能与系统优化国家级前沿科学中心沈阳110819 东北大学智能工业数据解析与优化教育部重点实验室沈阳110819 辽宁省智能工业数据解析与优化工程实验室沈阳110819

卷积神经网络已经成为强大的分割模型,但通常为手动设计,这需要大量时间并且可能导致庞大而复杂的网络.人们对自动设计能够准确分割特定领域图像的高效网络架构越来越感兴趣,然而大部分方法或者没有考虑构建更加灵活的网络架构,或者没... 详细信息

卷积神经网络已经成为强大的分割模型,但通常为手动设计,这需要大量时间并且可能导致庞大而复杂的网络.人们对自动设计能够准确分割特定领域图像的高效网络架构越来越感兴趣,然而大部分方法或者没有考虑构建更加灵活的网络架构,或者没有考虑多个目标优化模型.鉴于此,提出一种称为AdaMo-ECNAS的自适应多目标进化卷积神经架构搜索算法,用于特定领域的图像分割,在进化过程中考虑多个性能指标并通过优化模型的多目标适应特定的数据集.AdaMo-ECNAS可以构建灵活多变的预测分割模型,其网络架构和超参数通过基于多目标进化的算法找到,算法基于自适应PBI实现3个目标进化问题,即提升预测分割的F1-score、最大限度减少计算成本以及最大限度挖掘额外训练潜能.将AdaMo-ECNAS在两个真实数据集上进行评估,结果表明所提出方法与其他先进算法相比具有较高的竞争性,甚至是超越的.

关键词：卷积神经网络神经架构搜索多目标优化问题基于分解的多目标进化算法自适应图像分割

来源：评论

学校读者我要写书评

暂无评论

多模态预训练模型在金融票据信息抽取中的应用

引用

计算机工程与应用 2025年第9期61卷 186-193页

作者：颜政锦叶正葛君中南民族大学计算机科学学院&信息物理融合智能计算国家民委重点实验室武汉430074 武汉纺织大学外经贸学院武汉437100

金融领域的票据信息抽取是一项复杂且具有挑战的任务,其目标是从金融文档中准确抽取票据所包含的关键信息。金融票据作为商业活动中重要的信息载体,其准确提取对于商业决策和财务分析具有重要意义。然而,由于票据格式的不规范性,在实际... 详细信息

金融领域的票据信息抽取是一项复杂且具有挑战的任务,其目标是从金融文档中准确抽取票据所包含的关键信息。金融票据作为商业活动中重要的信息载体,其准确提取对于商业决策和财务分析具有重要意义。然而,由于票据格式的不规范性,在实际应用中可能导致关键信息的丢失,如数据中键值对不完整或缺失等问题,给金融票据信息抽取任务带来了挑战。当前,LayoutLMV3模型是主流的信息抽取的方法之一,它结合了自然语言处理和多模态技术,能够在大规模金融文档中进行信息抽取。但它在处理复杂布局的文档时准确性会下降,处理长文本时因包含大量的字符可能难以捕捉其中重要的信息。为了解决上述挑战和问题,以LayoutLMV3为基线模型,引入了P-Tuning V1技术,不仅能够解决特定问题(如金融票据中的键值关系),还具备适应不同情境和任务的能力,而且可以利用多模态的文本、图像和布局信息来更全面地理解票据内容。P-Tuning V1通过引入可训练的连续提示嵌入,即“prompt”,作为模型输入的一部分,用以表示文本数据中的“键”信息。同时,采用离散提示作为“值”的一部分,两者相结合构成完整的键值对。实验结果表明,相较于基于LayoutLMV3的方法,结合的新方法在Finance-Receipts数据集上取得了显著的提升,在F1得分上从95.95%提高到96.69%。

关键词：信息抽取多模态预训练 LayoutLMv3 P-Tuning V1

来源：评论

学校读者我要写书评

暂无评论

调和映射的Bohr定理和双曲度量

引用

数学的实践与认识 2025年第4期55卷 232-240页

作者：石擎天泉州师范学院数学与计算机科学学院智能计算与信息处理福建省高校重点实验室

运用双曲度量意义下的Schwarz-Pick引理,首先得到单位圆盘到凸域上全纯函数的系数估计,进而得到单位圆盘到带形区域上调和映射的精确系数估计.接着将系数估计结果运用到无界区域(单连通区域和凸域)上的Bohr不等式中,所得结果推广了经典... 详细信息

运用双曲度量意义下的Schwarz-Pick引理,首先得到单位圆盘到凸域上全纯函数的系数估计,进而得到单位圆盘到带形区域上调和映射的精确系数估计.接着将系数估计结果运用到无界区域(单连通区域和凸域)上的Bohr不等式中,所得结果推广了经典的Bohr定理和带型区域上相应的结果.

关键词： Bohr定理调和映射双曲度量凸域系数估计

来源：评论

学校读者我要写书评

暂无评论

基于单应性扩散约束的二步网格优化视差图像对齐

引用

自动化学报 2024年第6期50卷 1129-1142页

作者：陈殷齐郑慧诚严志伟林峻宇中山大学计算机学院广州510006 季华实验室新型显示技术与装备研究中心佛山528000 机器智能与先进计算教育部重点实验室广州510006 广东省信息安全技术重点实验室广州510006 复旦大学计算机科学技术学院上海200438

目前,在带有视差场景的图像对齐中,主要难点在某些无法找到足够匹配特征的区域,这些区域称为匹配特征缺失区域.现有算法往往忽略匹配特征缺失区域的对齐建模,而只将有足够匹配特征区域中的部分单应变换系数(如相似性变换系数)传递给匹... 详细信息

目前,在带有视差场景的图像对齐中,主要难点在某些无法找到足够匹配特征的区域,这些区域称为匹配特征缺失区域.现有算法往往忽略匹配特征缺失区域的对齐建模,而只将有足够匹配特征区域中的部分单应变换系数(如相似性变换系数)传递给匹配特征缺失区域,或者采用将匹配特征缺失区域转化为有足够匹配特征区域的间接方式,因此对齐效果仍不理想.在客观事实上,位于相同平面的区域应该拥有相同的完整单应变换而非部分变换参数.由此出发,利用单应变换系数扩散的思想设计了一个二步网格优化的图像对齐算法,简称单应扩散变换(Homography diffusion warping,HDW)算法.该方法在第一步网格优化时获得有足够匹配特征区域的单应变换,再基于提出的单应性扩散约束将这些单应变换系数扩散到邻域网格,进行第二步网格优化,在保证优化任务简洁高效的前提下实现单应变换系数的传播与图像对齐.相较于现有的针对视差场景图像对齐算法,所提方法在各项指标上都获得了更好的效果.

关键词：图像对齐视差场景网格优化匹配特征缺失区域

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：