检索结果-内蒙古大学图书馆

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

一种多粒度空间的快速构建方法

引用

计算机学报 2024年第9期47卷 2141-2162页

作者：赵凡张清华吴成英谢秦王国胤重庆邮电大学计算智能重庆市重点实验室重庆邮电大学大数据智能计算重点实验室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网络空间大数据智能安全教育部重点实验室

粒计算是模拟人脑多粒度认知模式处理复杂问题的一种方法.模糊商空间理论作为粒计算的一种典型模型,将复杂问题渐进式粒化成为分层递阶的多粒度空间,从而实现层次化的求解.然而,面对海量高维数据,现有模糊商空间模型通过模糊相似关系构... 详细信息

粒计算是模拟人脑多粒度认知模式处理复杂问题的一种方法.模糊商空间理论作为粒计算的一种典型模型,将复杂问题渐进式粒化成为分层递阶的多粒度空间,从而实现层次化的求解.然而,面对海量高维数据,现有模糊商空间模型通过模糊相似关系构建多粒度空间的效率将大幅降低.一方面,模糊相似关系需要计算数据空间中任意两个对象之间的相似性,不利于处理体量大的数据集;另一方面,模糊相似关系包含大量冗余信息,导致后续步骤中存在大量的冗余计算.因此,本文基于2近邻模糊关系,提出了多粒度空间的快速构建方法,在保证面向下游分类任务时性能不下降的前提下,极大地提升了多粒度空间构建效率.首先,基于k近邻算法提出k近邻模糊关系,并分析证明其关键性质;然后,面向多粒度空间构建任务,对k近邻模糊关系进行参数分析,从理论上证明k取2时即可包含数据空间中全部有效信息;随后,定义了最近邻和次近邻两阶段的有效位置数,提出了模糊相似关系有效值和有效位置提取算法,多粒度空间构建效率提升了75%左右.最后,通过在9个UCI数据集、3个UKB数据集、3个图像数据集和3个文本数据集上的相关实验,验证了该算法构建多粒度空间的高效性、正确性以及面向下游分类任务的有效性、稳定性和显著性.

关键词：粒计算多粒度空间 k近邻模糊关系模糊商空间

来源：评论

学校读者我要写书评

暂无评论

基于密度峰值聚类的超区间粒化方法及其分类模型

引用

计算机学报 2023年第8期46卷 1620-1635页

作者：吴成英张清华赵凡程云龙谢秦夏书银王国胤重庆邮电大学计算智能重庆市重点实验室旅游多源数据感知与决策技术文化和旅游部重点实验室湖北民族大学重庆邮电大学大数据智能计算重点实验室

大数据挖掘时代,数据丰富与知识贫乏之间的矛盾日趋突出.粒计算是解决大规模、复杂问题的新范式,其核心任务是粒化.粗糙集是经典粒计算模型之一,在数据挖掘领域已广泛应用.遗憾的是基于不可区分关系的粒化条件很严格,造成粗糙集在粒化... 详细信息

大数据挖掘时代,数据丰富与知识贫乏之间的矛盾日趋突出.粒计算是解决大规模、复杂问题的新范式,其核心任务是粒化.粗糙集是经典粒计算模型之一,在数据挖掘领域已广泛应用.遗憾的是基于不可区分关系的粒化条件很严格,造成粗糙集在粒化定量数据时会失效.因此,本文首先从一维属性的区间划分出发,定义多维属性组合生成的超区间粒,并基于超区间粒提出新颖的粗糙集模型有效地将定量数据和定性数据统一到一个框架;其次,从决策属性的视角考虑条件属性之间的相关性提出基于密度峰值聚类的超区间粒化算法,算法输出的超区间粒不仅是论域的划分,且每个划分块都是同质信息粒;最后,受近邻分类算法的启发,融合多数投票分类机制和近邻分类准则基于超区间粒提出自适应近邻分类模型(IGANN),并在UCI数据集上与8个经典分类模型进行实验对比,4个指标下的对比结果均表明IGANN模型具有更强的稳定性和更高的鲁棒性.

关键词：粒计算粗糙集粒化信息粒密度峰值聚类

来源：评论

学校读者我要写书评

暂无评论

基于阅读策略和语义对齐的图文匹配方法

引用

重庆邮电大学学报(自然科学版) 2025年第1期37卷 67-75页

作者：甘凤梅夏英旅游多源数据感知与决策技术文旅部重点实验室重庆400065 重庆邮电大学计算机科学与技术学院重庆400065

针对跨媒体计算领域中的图文匹配任务,提出一种基于阅读策略和语义对齐的图文匹配方法(reading-strategy and semantic alignment network,RSAN)。设计基于Transformer和双向门控循环单元(bidirectional gated recurrent unit,Bi-GRU)的区域特征增强模块,生成具有语义关系的图像区域特征以提升语义对齐的准确性;设计包含概述分支和精读分支的阅读模块,聚合全局对齐和局部对齐来学习更准确的匹配分数。在Flickr30K和MS-COCO数据集上开展综合实验,结果表明:RSAN模型相较于现有基线模型,在准确率和效率上具有良好的表现。

关键词：图文匹配特征增强语义对齐相似度计算

来源：评论

学校读者我要写书评

暂无评论

基于多维云概念嵌入的变分图自编码器研究

引用

电子学报 2023年第12期51卷 3507-3519页

作者：代劲张奇瑞王国胤彭艳辉涂盛霞重庆邮电大学计算智能重庆市重点实验室重庆邮电大学软件工程学院重庆邮电大学旅游多源数据感知与决策技术文化和旅游部重点实验室华为技术有限公司

变分图自编码器是图嵌入研究中重要的深度学习模型，但存在着先验正态分布缺陷、训练过程中容易出现后验塌陷等问题．本文从建立云概念空间与隐空间的映射关系入手，引入云模型数字特征对网络中的节点进行不确定性概念表示，设计了一种... 详细信息

变分图自编码器是图嵌入研究中重要的深度学习模型，但存在着先验正态分布缺陷、训练过程中容易出现后验塌陷等问题．本文从建立云概念空间与隐空间的映射关系入手，引入云模型数字特征对网络中的节点进行不确定性概念表示，设计了一种基于多维云模型的变分图自编码器（Variational Graph Autoencoder based on Multidimensional Cloud Model,MCM-VGAE）．该模型实现了隐空间的多维云概念嵌入及相应的漂移性损失度量，将先验分布扩展为泛正态分布，利用多维正向云发生器及云包络带修正采样算法实现了重参数化过程，有效缓解了后验塌陷现象．在应用效果上，模型在多类型数据集上的链路预测、节点聚类、图嵌入可视化实验表现均优于基准模型，进一步说明了方法的普适有效性．

关键词：变分图自编码器图嵌入多维云模型概念嵌入链路预测

来源：评论

学校读者我要写书评

暂无评论

基于属性代表的多粒度集成分类算法

引用

计算机学报 2022年第08期45卷 1712-1729页

作者：张清华支学超王国胤杨帆薛付忠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计算智能重庆市重点实验室山东大学公共卫生学院

面对复杂多变的信息系统，传统的机器学习多分类模型无法实现一个动态分类的过程．序贯三支决策作为一种多粒度分类算法，常用于解决多粒度空间下动态分类问题．然而，序贯三支决策在粗粒度空间下容易产生决策冲突，在细粒度空间下要考... 详细信息

面对复杂多变的信息系统，传统的机器学习多分类模型无法实现一个动态分类的过程．序贯三支决策作为一种多粒度分类算法，常用于解决多粒度空间下动态分类问题．然而，序贯三支决策在粗粒度空间下容易产生决策冲突，在细粒度空间下要考虑很多属性导致其分类效率不高以及无法对最终未分类对象进行处理．因此，本文结合集成学习和粒计算的思想提出了一种基于属性代表的多粒度集成分类算法．首先，通过选择每一粒层中分类能力较强的属性作为属性代表来构建分类器，形成基于属性代表的集成分类器．其次，通过评分表保留粗粒度空间下分类器的分类意见以减少细粒度下需要考虑的属性个数．最后，采用“相对最优”的策略，将反对率最少的决策类作为最终未分类对象的分类结果．通过实验验证，本文方法相比于序贯三支决策以及其他机器学习的多分类算法具有较好的鲁棒性、分类效率以及分类性能．

关键词：动态分类序贯三支决策集成学习属性代表多粒度

来源：评论

学校读者我要写书评

暂无评论

基于两阶段时空对齐的小样本视频行为识别

引用

计算机科学 2024年

作者：王佳夏英丰江帆重庆邮电大学计算机科学与技术学院旅游多源数据感知与决策技术文化和旅游部重点实验室

小样本视频行为识别旨在利用有限的训练样本构建高效学习模型，从而减轻传统行为识别对大规模且精细标注数据集的依赖。目前小样本学习模型大多是依据视频之间的相似性进行分类，但由于不同的动作实例呈现出不同的时空分布，导致查询视... 详细信息

小样本视频行为识别旨在利用有限的训练样本构建高效学习模型，从而减轻传统行为识别对大规模且精细标注数据集的依赖。目前小样本学习模型大多是依据视频之间的相似性进行分类，但由于不同的动作实例呈现出不同的时空分布，导致查询视频与支持视频之间出现时间错位和动作演化错位，从而影响模型的识别性能。针对此问题，提出两阶段时空对齐网络TSAN，以提高视频数据的对齐精度，进而提升小样本视频行为识别的准确率。该网络采用元学习的基本架构，第一阶段通过动作时间对齐模块ATAM，构建元组模式的视频帧对，将视频动作细分为子动作序列，并结合视频数据中的时序信息，提升小样本学习的效率。第二阶段通过动作演化对齐模块AEAM，及其中包含的时间同步子模块TSM和空间协调子模块SCM，对查询特征进行校准，以匹配支持集的时空动作演化，从而提高小样本视频行为识别的准确率。在HMDB51、UCF101、SSV2100和Kinetics100四个数据集上的实验结果表明，TSAN网络相较于现有小样本视频行为识别方法具有更高的识别准确率。

关键词：行为识别视频分类时空对齐小样本学习元学习

来源：评论

学校读者我要写书评

暂无评论

自适应半径选择的近邻邻域分类器

引用

模式识别与人工智能 2022年第11期35卷 989-998页

作者：张清华肖嘉瑜艾志华王国胤重庆邮电大学计算智能重庆市重点实验室重庆400065 重庆邮电大学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400065

在邻域粗糙集中,邻域分类器简单高效.然而,邻域半径作为决定邻域分类器分类性能的关键因素,构建方式存在不足.一方面,邻域半径的构建由于未经过训练过程而缺乏通用性;另一方面,当数据样本分布不均出现空邻域时可导致分类器失效.针对上... 详细信息

在邻域粗糙集中,邻域分类器简单高效.然而,邻域半径作为决定邻域分类器分类性能的关键因素,构建方式存在不足.一方面,邻域半径的构建由于未经过训练过程而缺乏通用性;另一方面,当数据样本分布不均出现空邻域时可导致分类器失效.针对上述问题,文中提出自适应半径选择的近邻邻域分类器(Near Neighborhood Classifier with Adaptive Radius Selection,NNC-AR).首先,基于K近邻算法为训练样本构建训练邻域半径.然后,为了克服传统方法选取邻域半径参数的主观性,对待测试样本定义自适应的近邻邻域半径.最后,为分类器失效的部分测试样本定义新的近似邻域半径,有效提升分类器的泛化能力.实验表明,NNC-AR的F1值和分类精度均较高.

关键词：邻域粗糙集邻域分类器邻域半径自适应半径

来源：评论

学校读者我要写书评

暂无评论

改进U-Net的多尺度特征融合遥感图像语义分割网络

引用

计算机科学 2025年第5期52卷 212-219页

作者：姜文文夏英重庆邮电大学计算机科学与技术学院重庆400065 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400065

遥感图像的空间分辨率高,不同类型对象的尺度差异大、类别不平衡,是精准语义分割任务所面临的主要挑战。为了提高遥感图像语义分割的准确性,提出了一种改进U-Net的多尺度特征融合遥感图像语义分割网络(Multi-scale Feature Fusion Netwo... 详细信息

遥感图像的空间分辨率高,不同类型对象的尺度差异大、类别不平衡,是精准语义分割任务所面临的主要挑战。为了提高遥感图像语义分割的准确性,提出了一种改进U-Net的多尺度特征融合遥感图像语义分割网络(Multi-scale Feature Fusion Network,MFFNet)。该网络以U-Net网络为基础,包含动态特征融合模块和门控注意力卷积混合模块。其中,动态特征融合模块代替跳跃连接,改进上采样层和下采样层的特征融合方式,避免特征融合导致信息丢失,同时提高浅层特征和深层特征的融合效果;门控注意力卷积混合模块通过整合自注意力、卷积和门控机制,更好地捕获局部和全局信息。在Potsdam和Vaihingen数据集上开展对比实验和消融实验,结果表明MFFNet在两个数据集上的mIoU分别达到76.95%和72.93%,有效提高了遥感图像的语义分割精度。

关键词：语义分割遥感图像注意力机制特征融合门控机制

来源：评论

学校读者我要写书评

暂无评论

一种基于宽度学习系统变体结构的肺炎检测方法

引用

西北大学学报（自然科学版） 2024年第4期54卷 665-676页

作者：黎珂源张清华靳朋仁谢秦重庆邮电大学计算智能重庆市重点实验室重庆400065 重庆邮电大学大数据智能计算重点实验室重庆400065 重庆邮电大学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400065

肺炎作为常见的呼吸系统疾病,准确、快速地诊断对患者的健康恢复至关重要。随着医疗技术的革新和人工智能的发展,计算机辅助诊断在医学领域的应用日益广泛。深度学习在肺炎检测领域取得了显著的成果,但其庞大的参数数量和复杂的网络结... 详细信息

肺炎作为常见的呼吸系统疾病,准确、快速地诊断对患者的健康恢复至关重要。随着医疗技术的革新和人工智能的发展,计算机辅助诊断在医学领域的应用日益广泛。深度学习在肺炎检测领域取得了显著的成果,但其庞大的参数数量和复杂的网络结构导致训练时间长、计算资源消耗大等局限性。为了解决上述问题,提出了一种基于宽度学习系统变体结构的肺炎检测方法。该方法在原始宽度学习系统的基础上,引入了级联金字塔结构;同时,利用预训练的EfficientNet网络作为前置特征提取器;此外,还提出了适用于该模型的增量学习算法,包括增加额外的增强节点、特征节点和训练样本,以进一步优化模型性能;最后,在公开的肺炎胸部X射线数据集上进行了对比实验。实验结果表明,该方法实现了92.83%的准确率,AUC值高达98.86%,与众多深度卷积神经网络相比,具有相似的精度,同时大幅缩短了模型的训练时间。

关键词：肺炎检测宽度学习系统级联金字塔增量学习

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：