检索结果-内蒙古大学图书馆

山东大学学报（工学版） 2010年第5期40卷 141-145页

作者：雷春雅郭剑毅余正涛毛存礼张少敏黄甫云南昆明理工大学信息工程与自动化学院云南昆明650051 云南省计算机技术应用重点实验室智能信息处理研究所云南昆明650051

实体关系自动获取是信息抽取的难题之一。本文提出自扩展算法和最大熵机器学习算法相结合的方法,以旅游领域为研究对象进行实体关系的自动抽取。首先利用自扩展算法自动获取能体现实体对间大类关系的语义词汇,该词汇作为特征加入最大熵... 详细信息

实体关系自动获取是信息抽取的难题之一。本文提出自扩展算法和最大熵机器学习算法相结合的方法,以旅游领域为研究对象进行实体关系的自动抽取。首先利用自扩展算法自动获取能体现实体对间大类关系的语义词汇,该词汇作为特征加入最大熵机器学习算法的特征集,并设定阈值实现训练语料的自动标注;然后使用最大熵机器学习算法对训练语料进行学习,构建实体关系抽取的分类器,实现实体关系的自动获取。在收集600篇旅游领域语料的基础上进行实验,4大类实体关系的抽取获得了较好的结果,其中地理位置关系和时节关系的F值分别为82.56%和81.17%。实验结果表明:在人工干预较少的情况下,加入实体对间的语义词汇能有效提高抽取效果。

关键词：实体关系抽取最大熵自扩展特征

来源：评论

学校读者我要写书评

暂无评论

基于对比学习思想的多跳问题生成

引用

吉林大学学报（理学版） 2023年第5期61卷 1103-1111页

作者：王红斌杨何祯旻王灿宇昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省人工智能重点实验室昆明650500 昆明理工大学云南省计算机技术应用重点实验室昆明650500 云南农业大学大数据学院昆明650201

针对获取大规模的多跳问答训练数据集耗时耗力的问题,提出一个基于对比学习思想的多跳问题生成模型.模型分为生成阶段和对比学习打分阶段,生成阶段通过执行推理图生成候选多跳问题,对比学习打分阶段通过一个基于对比学习思想的无参考问... 详细信息

针对获取大规模的多跳问答训练数据集耗时耗力的问题,提出一个基于对比学习思想的多跳问题生成模型.模型分为生成阶段和对比学习打分阶段,生成阶段通过执行推理图生成候选多跳问题,对比学习打分阶段通过一个基于对比学习思想的无参考问题的候选问题打分模型对候选问题进行打分排序,并选择最优的候选问题.该模型在一定程度上缩小了无监督方法与人工标注方法的差距,有效缓解了缺少多跳问答数据集的问题.在数据集HotpotQA上的实验结果表明,基于对比学习的多跳问题生成模型能有效扩充训练数据,极大减少了人工标注数据的成本.

关键词：多跳问题生成机器阅读理解对比学习

来源：评论

学校读者我要写书评

暂无评论

基于特征加权的网络不良内容识别方法

引用

现代电子技术 2016年第3期39卷 76-79页

作者：俞浩亮王秋森冯旭鹏刘利军傅铁威黄青松昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学教育技术与网络中心云南昆明650500 云南省计算机技术应用重点实验室云南昆明650500

网络上不良信息的出现是困扰社会精神健康发展的"顽疾",如果不进行有效的过滤,会给搜索服务带来不良影响,极大的影响了社会的和谐稳定发展。提出一种基于特征加权的网络不良内容识别方法,在对网页上的文本预处理后,引入针对... 详细信息

网络上不良信息的出现是困扰社会精神健康发展的"顽疾",如果不进行有效的过滤,会给搜索服务带来不良影响,极大的影响了社会的和谐稳定发展。提出一种基于特征加权的网络不良内容识别方法,在对网页上的文本预处理后,引入针对不良内容的加权方法,然后再结合KNN、朴素贝叶斯、SVM三种文本分类方法进行实验对比。对比实验结果表明,所采用的方法在识别网络不良内容上的准确率和召回率都有较大提高。

关键词：互联网不良内容特征加权内容识别

来源：评论

学校读者我要写书评

暂无评论

利用序数偏好预测的在线服务信誉度量

引用

小型微型计算机系统 2024年第11期45卷 2636-2646页

作者：尹芊植付晓东刘骊冯艳代飞昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省计算机技术应用重点实验室昆明650500 云南省科学技术院昆明650228 西南林业大学大数据与智能工程学院昆明650224

基于序数偏好的在线服务信誉度量方法通过聚合用户的序数偏好计算服务信誉,解决了用户评价准则不一致情况下信誉度量结果不可靠的问题.然而,在无法得到用户完整的序数偏好时,现有基于序数偏好的在线服务信誉度量方法要么直接忽略未知偏... 详细信息

基于序数偏好的在线服务信誉度量方法通过聚合用户的序数偏好计算服务信誉,解决了用户评价准则不一致情况下信誉度量结果不可靠的问题.然而,在无法得到用户完整的序数偏好时,现有基于序数偏好的在线服务信誉度量方法要么直接忽略未知偏好,要么采用协同过滤预测偏好,且未对偏好预测的准确性进行实验验证,导致得到的服务信誉不可靠.为此,提出一种利用用户-服务属性偏好预测序数偏好,进而进行在线服务信誉度量的方法.该方法首先基于不完整的评分数据学习用户的条件偏好网络来获取用户对服务属性的偏好;然后根据用户-服务属性偏好计算服务的偏好优先级预测未知偏好,得到用户完整的序数偏好;最后针对Schulze社会选择函数在用户总数为偶数时存在无法确定用户群体偏好关系的问题,提出Schulze-偏好优先级方法用于聚合所有用户的序数偏好得到服务信誉.在真实数据集上的实验结果表明,该方法相较协同过滤评分预测方法,预测的序数偏好更为准确;与现有的信誉度量方法相比,该方法得到的服务信誉与用户群体中用户的序数偏好更为一致.

关键词：在线服务信誉度量不完整序数偏好条件偏好网络 Schulze社会选择函数

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的太阳活动区检测与跟踪方法研究

引用

天文研究与技术 2020年第2期17卷 191-200页

作者：朱健杨云飞苏江涛刘海燕李小洁梁波冯松昆明理工大学信息工程与自动化学院/云南省计算机技术应用重点实验室云南昆明650500 中国科学院太阳活动重点实验室北京100101

太阳活动区是各类太阳活动的主要能量来源,剧烈的太阳活动直接影响人类的生存环境,因此,准确地检测与跟踪太阳活动区对监控和预报空间天气非常重要.基于深度学习框架的YOLOv3-spp和DeepSort,提出了一种太阳活动区检测和跟踪方法(Active ... 详细信息

太阳活动区是各类太阳活动的主要能量来源,剧烈的太阳活动直接影响人类的生存环境,因此,准确地检测与跟踪太阳活动区对监控和预报空间天气非常重要.基于深度学习框架的YOLOv3-spp和DeepSort,提出了一种太阳活动区检测和跟踪方法(Active Regions Detection and Tracking Method,ARDTM),该方法较好地解决了传统图像处理方法易将一个太阳活动区误检测为多个,或者多个太阳活动区误检测为一个的问题;及时捕获新产生的太阳活动区和终止跟踪消失的太阳活动区,有效提高了太阳活动区的跟踪准确率.实验结果表明,该方法可以较好地检测和跟踪不同望远镜、不同时间间隔序列图像中的太阳活动区.

关键词：太阳活动区检测与跟踪深度学习 YOLOv3-spp DeepSort

来源：评论

学校读者我要写书评

暂无评论

基于HHT和AR模型的步行想象和空闲状态识别研究

引用

小型微型计算机系统 2022年第5期43卷 1013-1019页

作者：程昭立王晓琳李红权李鸿云伏云发昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学脑认知与脑机智能融合创新团队云南昆明650500 云南省计算机技术应用重点实验室云南昆明650500

目前,大多数运动想象(Motor Imagery,MI)针对的是单侧肢体的研究,而传统的单侧肢体简单的运动想象不易被患者理解并且康复效果有限.本研究针对运动协调想象,设计了一种新的步行想象范式,该范式需要被试想象正常的步行动作,其涉及复合肢... 详细信息

目前,大多数运动想象(Motor Imagery,MI)针对的是单侧肢体的研究,而传统的单侧肢体简单的运动想象不易被患者理解并且康复效果有限.本研究针对运动协调想象,设计了一种新的步行想象范式,该范式需要被试想象正常的步行动作,其涉及复合肢体的协调配合,同时,对被试的空闲状态进行识别.招募了18名被试参与本实验,分别采集了步行想象和空闲状态的脑电信号;接着分别采用自回归(Auto Regressive,AR)模型、共空间模式(Common Spatial Pattern,CSP)、希尔伯特-黄变换(Hilbert-Huang Transform,HHT)和AR模型组合方法提取特征,最后采用支持向量机(Support Vector Machine,SVM)对步行想象和空闲状态两类任务进行分类.结果显示采用AR模型提取特征取得的平均、最高和最低分类正确率分别为63.28±6.33%、80.15%和51.56%;采用CSP提取特征取得的平均、最高和最低分类正确率分别为73.58±5.37%、85.47%和59.97%;采用HHT和AR模型组合方法提取特征取得的平均、最高、最低分类正确率分别为80.51±4.06%、89.59%和62.41%.本研究表明,HHT和AR结合的特征可用于识别步行想象和空闲状态,且可分性较好.本研究可望为基于步行想象的BCI用于脑卒中偏瘫患者运动障碍康复提供思路.

关键词：步行想象运动协调想象 HHT AR模型空闲状态

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的乳腺超声图像BI-RADS五分类方法

引用

云南大学学报（自然科学版） 2023年第4期45卷 815-824页

作者：佘芙蓉易伦朝罗晓茂李玲兰易三莉昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省计算机技术应用重点实验室云南昆明650500 昆明理工大学食品科学与工程学院云南昆明650500 云南省肿瘤医院超声医学科云南昆明650118

基于乳腺超声图像研究了一种深度学习自动分类算法TDS-Net,用于实现乳腺影像报告和数据系统(BI-RADS)3、4a、4b、4c、5级的五分类.TDS-Net设计了双支路的结构:首先,第一条支路采用提出的DDModule叠加构成,该模块能够减少超声图像中的伪... 详细信息

基于乳腺超声图像研究了一种深度学习自动分类算法TDS-Net,用于实现乳腺影像报告和数据系统(BI-RADS)3、4a、4b、4c、5级的五分类.TDS-Net设计了双支路的结构:首先,第一条支路采用提出的DDModule叠加构成,该模块能够减少超声图像中的伪影并提取丰富的局部细节特征;其次,第二条支路由卷积块构成,它主要用于提取图像的全局特征信息,作为第一支路的信息补充;最后,将两条支路融合得到含有丰富特征信息的融合特征图,并采用深度可分离卷积和SENet进一步提取图中的信息,其中,深度可分离卷积能够减少参数并增加网络的非线性进而增强其提取特征的能力,SENet注意力机制能增强高阶特征信息的提取.为验证该算法,采用云南省肿瘤医院提供的数据进行实验,结果显示准确率、精准率、F1值分别为94.67%、94.81%、94.69%,均高于对比算法,体现了该算法的优越性.同时为验证该算法的鲁棒性和普适性,基于两个公共数据集做了良恶性二分类的实验,实验结果同样高于对比算法.这些结果表明,所提算法TDS-Net对乳腺超声图像具有较强的识别能力,有望应用于临床医学.

关键词：图像分类乳腺超声图像乳腺影像报告和数据系统深度学习卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度信念网络的个性化信息推荐

引用

计算机工程 2016年第10期42卷 201-206页

作者：王兆凯李亚星冯旭鹏刘利军黄青松刘晓梅昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学教育技术与网络中心昆明650500 云南省计算机技术应用重点实验室昆明650500 昆明佳谦科技有限公司昆明650500

为在信息推荐过程中挖掘出更多的信息关系,提出一种基于深度信念网络的信息推荐方法。利用模糊聚类进行预处理以达到跨类推荐的目的,根据用户浏览记录通过网络计算高分信息,并结合用户兴趣,使用潜在狄里克雷分配模型对高分信息进行权值... 详细信息

为在信息推荐过程中挖掘出更多的信息关系,提出一种基于深度信念网络的信息推荐方法。利用模糊聚类进行预处理以达到跨类推荐的目的,根据用户浏览记录通过网络计算高分信息,并结合用户兴趣,使用潜在狄里克雷分配模型对高分信息进行权值调整,从而提高推荐准确率。在整个推荐过程中网络会根据用户行为对推荐信息权值进行相应调整。实验结果表明,该方法的推荐成功率比BP神经网络提高5.7%。

关键词：信息推荐深度学习深度信念网络潜在狄利克雷分配模型模糊聚类

来源：评论

学校读者我要写书评

暂无评论

安全协议形式化分析方法研究综述

引用

化工自动化及仪表 2024年第3期51卷 367-378页

作者：缪祥华黄明巍张世奇张世杰王欣源昆明理工大学信息工程与自动化学院云南省计算机技术应用重点实验室

介绍了安全协议的基本概念和分类,然后对安全协议形式化分析方法进行了详细介绍,包括基于模态逻辑的方法、基于模型检测的方法、基于定理证明的方法和基于可证明安全性理论的方法。其中,基于模型检测的方法是目前应用最广泛的一种方法,... 详细信息

介绍了安全协议的基本概念和分类,然后对安全协议形式化分析方法进行了详细介绍,包括基于模态逻辑的方法、基于模型检测的方法、基于定理证明的方法和基于可证明安全性理论的方法。其中,基于模型检测的方法是目前应用最广泛的一种方法,因此详细介绍了一些常用的基于模型检测方法的工具。最后,总结了当前安全协议形式化分析方法的研究热点和未来的发展方向。

关键词：安全协议形式化分析模态逻辑模型检测定理证明可证明安全性

来源：评论

学校读者我要写书评

暂无评论

基于果蝇算法和卷积神经网络的入侵检测研究

引用

化工自动化及仪表 2024年第5期51卷 837-843,863页

作者：王欣源缪祥华黄明巍张世奇张世杰昆明理工大学信息工程与自动化学院云南省计算机技术应用重点实验室

提出一种基于果蝇算法(FOA)和卷积神经网络(CNN)的入侵检测方法。FOA实现训练数据的均衡,并结合新型CNN结构(1个输入层、3个卷积层、2个池化层和2个全连接层)改善不均衡数据对入侵检测的影响。研究使用了OpenStack数据集,包含正常数据和... 详细信息

提出一种基于果蝇算法(FOA)和卷积神经网络(CNN)的入侵检测方法。FOA实现训练数据的均衡,并结合新型CNN结构(1个输入层、3个卷积层、2个池化层和2个全连接层)改善不均衡数据对入侵检测的影响。研究使用了OpenStack数据集,包含正常数据和4类攻击数据。数据特征经处理后转换为灰度图作为CNN的输入数据。实验结果表明:该方法显著提高了入侵检测系统的分类平均精确率,克服了不均衡训练数据的负面影响,实现了CNN在入侵检测中的应用。可为提高入侵检测系统的准确性和可信度提供参考。

关键词：入侵检测 FOCNN 数据不平衡少数类攻击 OpenStack CNN新结构

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：