检索结果-内蒙古大学图书馆

系统科学与数学 2021年第1期41卷 254-268页

作者：南江霞李西娜张茂军桂林电子科技大学数学与计算科学学院广西高校数据分析与计算重点实验室桂林541004 苏州科技大学商学院苏州215009

基于乐观抱怨值和悲观抱怨值,通过建立二次规划模型求解(Hou,et al.,2018)定义的平衡博弈的最优妥协值,二次规划模型及求解方法比(Hou,et al.,2018)提出的字典序方法简单易操作.此外,文章进一步给出了同时满足个体合理性和群体有效性的... 详细信息

基于乐观抱怨值和悲观抱怨值,通过建立二次规划模型求解(Hou,et al.,2018)定义的平衡博弈的最优妥协值,二次规划模型及求解方法比(Hou,et al.,2018)提出的字典序方法简单易操作.此外,文章进一步给出了同时满足个体合理性和群体有效性的乐观最优妥协值的求解算法.最后,通过数值实例说明文章建立的模型和方法的合理性和有效性.

关键词：二次规划乐观抱怨悲观抱怨 ENSC值 CIS值

来源：评论

学校读者我要写书评

暂无评论

层次预处理的NMF加权集成聚类算法

引用

重庆师范大学学报(自然科学版) 2023年

作者：李向利毕胜王佩源桂林电子科技大学数学与计算科学学院广西高校数据分析与计算重点实验室广西应用数学中心

图像聚类是当前的研究热点，非负矩阵分解算法（NMF）在图像聚类领域得到了广泛应用。但是单一的NMF聚类算法无法应用于所有数据集，并且NMF算法直接在数据的原始空间进行处理，抗噪能力较差。集成聚类可以解决上述问题，集成聚类将若... 详细信息

图像聚类是当前的研究热点，非负矩阵分解算法（NMF）在图像聚类领域得到了广泛应用。但是单一的NMF聚类算法无法应用于所有数据集，并且NMF算法直接在数据的原始空间进行处理，抗噪能力较差。集成聚类可以解决上述问题，集成聚类将若干个基础聚类结果合成一个一致性结果，不仅可以提高聚类的求解质量，还可以增强算法的鲁棒性。因此本文提出一种层次预处理的NMF加权集成聚类算法。该算法将层次划分，集成聚类和二部图的思想引入到NMF算法中。在预处理阶段，利用层次划分得到聚类数目。之后采用局部加权的方法得到协关联矩阵。最后利用基于二部图的一致性函数进行划分得到最终的聚类结果。算法在5个数据集上进行实验验证了算法相对于传统算法和其他集成算法的有效性。

关键词：图像聚类聚类集成非负矩阵分解

来源：评论

学校读者我要写书评

暂无评论

线性圆锥互补问题的光滑化牛顿法

引用

吉林大学学报（理学版） 2019年第2期57卷 258-264页

作者：张所滨汪洋迟晓妮曾祥艳桂林电子科技大学计算机与信息安全学院广西桂林541004 桂林电子科技大学广西密码学与信息安全重点实验室广西桂林541004 桂林电子科技大学数学与计算科学学院广西桂林541004 桂林电子科技大学广西高校数据分析与计算重点实验室广西桂林541004 桂林电子科技大学广西自动检测技术与仪器重点实验室广西桂林541004

给出求解线性圆锥互补问题一种新的光滑化牛顿法.首先,基于一个圆锥互补函数的光滑化函数,将线性圆锥互补问题转化成一个方程组,然后用光滑化牛顿法求解该方程组;其次,在适当假设下,证明该算法具有全局收敛性和局部二阶收敛性.数值结果... 详细信息

给出求解线性圆锥互补问题一种新的光滑化牛顿法.首先,基于一个圆锥互补函数的光滑化函数,将线性圆锥互补问题转化成一个方程组,然后用光滑化牛顿法求解该方程组;其次,在适当假设下,证明该算法具有全局收敛性和局部二阶收敛性.数值结果表明,该算法求解线性圆锥互补问题所需的CPU时间和迭代次数均较少,且相对稳定,从而证明了算法的有效性.

关键词：线性圆锥互补问题光滑化牛顿法光滑化函数全局收敛局部二阶收敛

来源：评论

学校读者我要写书评

暂无评论

多维标度问题的一类直接拟合法

引用

计算数学 2024年第3期46卷 291-311页

作者：宋佳铄周学林李姣芬桂林电子科技大学数学与计算科学学院桂林541004 云南大学数学与统计学院昆明650000 桂林电子科技大学数学与计算科学学院广西应用数学中心(桂林电子科技大学)广西高校数据分析与计算重点实验室桂林541004

多维标度分析(MDS)是一种用于分析和可视化数据之间相似性或距离关系的统计方法,它通过将数据点映射到低维空间中的坐标来表示它们之间的相对距离或相似性.多维标度问题的古典解通过对(非欧氏型)距离矩阵平方进行双中心化处理,进而通过... 详细信息

多维标度分析(MDS)是一种用于分析和可视化数据之间相似性或距离关系的统计方法,它通过将数据点映射到低维空间中的坐标来表示它们之间的相对距离或相似性.多维标度问题的古典解通过对(非欧氏型)距离矩阵平方进行双中心化处理,进而通过截断特征值分解寻求低维的拟合构造点.本文对距离矩阵平方进行直接拟合,重构问题为零列和Stiefel子流形和线性流形约束下的矩阵优化模型,并结合乘积流形几何性质,设计一类自适应问题模型的基于Zhang-Hager技术拓展的黎曼梯度下降求解算法.数值实验说明通过直接拟合能得到误差更小的拟合欧氏距离矩阵,且所提算法与已有投影梯度流算法及黎曼优化工具箱中的黎曼一阶和二阶算法在迭代效率上有一定的优势.

关键词：多维标度分析直接拟合黎曼梯度法乘积流形

来源：评论

学校读者我要写书评

暂无评论

一类Poisson-Nernst-Planck方程的边平均有限元计算

引用

吉林大学学报（理学版） 2022年第1期60卷 73-78页

作者：倪宇晖阳莺桂林电子科技大学数学与计算科学学院广西高校数据分析与计算重点实验室广西密码学与信息安全重点实验室广西桂林541004

针对一类三维Poisson-Nernst-Planck方程,给出一种边平均有限元离散形式.在适当的网格条件下,该离散形式得到的总刚度矩阵为M-矩阵,从而保证了数值解的非负性.数值实验结果表明,边平均有限元方法相比于标准有限元的CPU时间更短,且误差较小.

关键词： Poisson-Nernst-Planck方程边平均有限元方法有限元方法

来源：评论

学校读者我要写书评

暂无评论

基于跨尺度图对比学习的人体骨架动作识别方法

引用

燕山大学学报 2023年第2期47卷 164-174页

作者：张雪莲徐增敏陈家昆王露露桂林电子科技大学数学与计算科学学院广西桂林541004 桂林电子科技大学广西高校数据分析与计算重点实验室广西桂林541004 桂林安维科技有限公司广西桂林541010

传统基于人体骨架的自监督学习方法常用对比学习模块进行表征学习,而现有对比学习模块使用数据增强方法来构建相似的正样本,其余样本皆为负样本,这限制了同类样本的语义信息表达。针对上述问题,提出一种图对比学习与跨尺度一致性知识挖... 详细信息

传统基于人体骨架的自监督学习方法常用对比学习模块进行表征学习,而现有对比学习模块使用数据增强方法来构建相似的正样本,其余样本皆为负样本,这限制了同类样本的语义信息表达。针对上述问题,提出一种图对比学习与跨尺度一致性知识挖掘的动作识别算法。首先,基于骨架图结构设计了一种新的数据增强方法,对输入的骨架序列进行随机边裁剪,得到两个不同的扩增视图,加强了同一骨架序列不同视图间的语义相关性表达;其次,为缓解同类样本嵌入相似度较低的问题,引入自监督协同训练网络模型,利用同一骨架数据源的不同尺度间的互补信息,从一个骨架尺度获取另一个骨架尺度的正类样本,实现了单尺度内关联及多尺度间语义协同交互;最后,基于线性评估协议对模型效果进行评估,在NTURGB+D60与NTURGB+D120数据集的实验结果表明,本文所提方法在识别精度上较前沿主流方法平均提升了2%~3.5%。

关键词：图对比学习数据增强跨尺度一致性知识挖掘协同训练人体骨架

来源：评论

学校读者我要写书评

暂无评论

一类含时Poisson-Nernst-Planck方程的时间自适应计算

引用

吉林大学学报（理学版） 2024年第6期62卷 1352-1358页

作者：韦鹏沈瑞刚桂林电子科技大学数学与计算科学学院广西应用数学中心广西高校数据分析与计算重点实验室广西桂林541004

基于相邻时间步的时间自适应有限元方法求解一类含时Poisson-Nernst-Planc k(PNP)方程,以加速求解含有多种离子的二维PNP方程的长时间数值模拟效率.数值实验结果表明,该方法在两种数值格式下都可以有效加速计算,对于长时间PNP方程的数... 详细信息

基于相邻时间步的时间自适应有限元方法求解一类含时Poisson-Nernst-Planc k(PNP)方程,以加速求解含有多种离子的二维PNP方程的长时间数值模拟效率.数值实验结果表明,该方法在两种数值格式下都可以有效加速计算,对于长时间PNP方程的数值计算有效.

关键词： Poisson-Nernst-Planck方程有限元方法时间自适应数值计算

来源：评论

学校读者我要写书评

暂无评论

PNP方程的基于高斯过程回归的新Gummel迭代算法

引用

数学物理学报（A辑） 2024年第5期44卷 1302-1310页

作者：敖渝焱阳莺桂林电子科技大学数学与计算科学学院&广西应用数学中心(GUET)&广西高校数据分析与计算重点实验室广西桂林541004

Poisson-Nernst-Planck(PNP)方程是由Poisson方程和Nernst-Planck方程耦合而成的一类非线性偏微分方程组,其常用的线性化迭代方法-Gummel迭代的效率很大程度上受松弛参数的影响.机器学习中的高斯过程回归(GPR)方法因其训练规模较小,且... 详细信息

Poisson-Nernst-Planck(PNP)方程是由Poisson方程和Nernst-Planck方程耦合而成的一类非线性偏微分方程组,其常用的线性化迭代方法-Gummel迭代的效率很大程度上受松弛参数的影响.机器学习中的高斯过程回归(GPR)方法因其训练规模较小,且不需要提供函数关系,在该文中被应用于预测Gummel迭代的较优松弛参数,加速迭代的收敛速度.首先针对PNP方程的Gummel迭代,设计了一种可预测松弛参数的GPR方法.其次利用Box-Cox转换方法,对Gummel迭代的数据进行预处理,提高GPR方法的准确性.最后基于GPR方法及Box-Cox转换算法,提出了PNP方程的一种新的Gummel迭代算法.数值实验表明,新Gummel迭代算法与经典的Gummel迭代算法相比,求解效率更高,且收敛阶相同.

关键词： Poisson-Nernst-Planck方程 Gummel迭代高斯过程回归参数预测机器学习

来源：评论

学校读者我要写书评

暂无评论

一类G^1连续的空间五次PH拟合曲线

引用

计算机工程与应用 2017年第20期53卷 161-165页

作者：彭丰富刘惠桂林电子科技大学数学与计算科学学院广西高校数据分析与计算重点实验室广西桂林541004 桂林电子科技大学数学与计算科学学院广西桂林541004

为了构造一种空间五次Pythagorean-hodograph G^1连续拟合曲线以重建空间曲线,对已知空间采样点数据加入中间条件确定首末端点数据,对其进行G^1Hermite插值构造拟合PH曲线。根据空间PH曲线的充分必要条件,给出由四个二次多项式组成的四... 详细信息

为了构造一种空间五次Pythagorean-hodograph G^1连续拟合曲线以重建空间曲线,对已知空间采样点数据加入中间条件确定首末端点数据,对其进行G^1Hermite插值构造拟合PH曲线。根据空间PH曲线的充分必要条件,给出由四个二次多项式组成的四次导函数,比对其与空间五次Bézier曲线的导函数在Bernstein基下分别对应的向量型系数,形成向量等式,再根据Bézier曲线导函数的系数与其控制多边形顶点的关系,引入自由参数建立五次Bézier曲线导函数的系数与首末端点的等量关系,并与前述向量等式组成方程组。通过求解方程组可得一段由G^1Hermite插值构造出的满足由中间条件给出的首末端点数据且G^1连续的PH拟合曲线,并给出了数值实例。此构造方法直观,有多个自由参数可对曲线进行拟合效果的形状控制,且通过数值实验拟合效果较好。

关键词： PH空间曲线曲线拟合 G1Hermite插值 Bernstein基函数

来源：评论

学校读者我要写书评

暂无评论

骨架数据增强和双重最近邻检索自监督动作识别

引用

计算机科学 2023年第11期50卷 97-106页

作者：吴雨珊徐增敏张雪莲王涛桂林电子科技大学数学与计算科学学院广西高校数据分析与计算重点实验室广西桂林541004 广西应用数学中心(桂林电子科技大学) 广西桂林541002 桂林电子科技大学建筑与交通工程学院广西智慧交通重点实验室广西桂林541004

传统基于骨架数据的自监督方法常将某一样本的不同增强作为正例,将其余样本均视为负例,这使得正负样本的比例严重失衡,限制了相同语义信息的样本发挥作用。针对上述问题,提出了一种正样本不受数据增强限制的双重最近邻检索动作识别算法D... 详细信息

传统基于骨架数据的自监督方法常将某一样本的不同增强作为正例,将其余样本均视为负例,这使得正负样本的比例严重失衡,限制了相同语义信息的样本发挥作用。针对上述问题,提出了一种正样本不受数据增强限制的双重最近邻检索动作识别算法DNNCLR。首先,基于人体关节的物理连接设计了一个新的关节级空间数据增强,即Bodypart增强,对输入的骨架序列用正态分布数组随机替换,以获得高级语义嵌入;其次,为避免正样本受数据增强的限制,提出了一种更合理的双重最近邻检索(DNN)正样本扩充策略,进一步提出了双重最近邻检索对比损失DNN Loss。具体为利用支撑集进行全局检索,将正样本集的寻找范围扩展到普通数据增强无法覆盖的新数据点;而负样本集中存在被误判的正样本,其是来自不同视频但语义信息相同的骨架样本。为此,再一次利用最近邻检索,从负样本集中寻找这种潜在的正例,二次扩展正样本集,并进一步提出双重最近邻检索对比损失,迫使模型学习更多的一般特征表示,使得模型优化更加合理。最后,将DNNCLR算法应用在AimCLR模型上,得到AimDNNCLR模型,并在NTU-RGB+D数据集上对该模型进行了线性评估,与前沿模型相比,所提方法在精度上平均提升了3.6%。

关键词：对比学习最近邻检索数据增强动作识别人体骨架

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：