检索结果-内蒙古大学图书馆

电子学报 2022年第4期50卷 932-942页

作者：邓梦娇徐新马盈盈龚威金适宽胡瑞敏武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统重点实验室湖北武汉430065 武汉大学测绘遥感信息工程国家重点实验室湖北武汉430072 武汉大学计算机学院湖北武汉430072

云检测是卫星遥感数据预处理中至关重要的工作.本文将多层感知机和辐射传输模型相结合,利用可见光和近红外波段反射率信息从卫星影像中识别出云像元.该方法利用SBDART辐射传输模型,模拟获得了各种复杂陆地地表的反射率值数据集,为多层... 详细信息

云检测是卫星遥感数据预处理中至关重要的工作.本文将多层感知机和辐射传输模型相结合,利用可见光和近红外波段反射率信息从卫星影像中识别出云像元.该方法利用SBDART辐射传输模型,模拟获得了各种复杂陆地地表的反射率值数据集,为多层感知机提供训练样本.随后,用训练好的多层感知机模型区分FY-3D卫星MERSI II影像中的云像元和非云像元,利用CALIPSO垂直特性掩膜产品(Vertical Feature Mask,VFM)逐像元进行验证,并与MODIS云掩膜产品(MYD35)进行横向对比.结果表明,以VFM数据集为标准的情况下,多层感知机识别云的总正确率为76.25%,其中在夏季和低纬度地区效果最好,如赤道附近地表识别的准确率可达到91.74%,而在城市、农田和裸地等复杂地表类型条件下的云检测识别正确率分别为83.37%、84.52%和73.11%,分别高于MYD35产品的83.25%、83.31%和72.66%.为了进一步验证多层感知机结合辐射传输模型云检测方法的有效性,将辐射传输模型模拟得到的训练样本分别用于k-最近邻、朴素贝叶斯以及随机森林算法,并与本文多层感知机算法进行对比.结果表明,将多层感知机和辐射传输模型相结合具有更高的正确率.

关键词：云检测多层感知机辐射传输模拟 MERSI II MODIS

来源：评论

学校读者我要写书评

暂无评论

基于支持向量机的监控视频遮挡树叶检测

引用

计算机应用 2014年第7期34卷 2023-2027,2032页

作者：袁渊丁胜徐新陈黎武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 武汉430065

针对安防监控摄像头被树叶遮挡的问题,提出一种基于支持向量机(SVM)的视频树叶遮挡检测算法。该算法利用视频的时域特性,采用累积帧差法实现对视频中疑似树叶区域的分割,提取视频中某一帧图像的整个区域和疑似树叶区域的颜色信息与面积... 详细信息

针对安防监控摄像头被树叶遮挡的问题,提出一种基于支持向量机(SVM)的视频树叶遮挡检测算法。该算法利用视频的时域特性,采用累积帧差法实现对视频中疑似树叶区域的分割,提取视频中某一帧图像的整个区域和疑似树叶区域的颜色信息与面积信息作为视频的特征,最后采用支持向量机进行建模并用于视频树叶遮挡的检测。在有限样本前提下,算法准确率能够达到84%。实验结果表明,所提算法对于有树叶遮挡的监控视频能够进行有效识别。

关键词：树叶遮挡检测监控视频累积帧差支持向量机颜色特征

来源：评论

学校读者我要写书评

暂无评论

基于实时数据处理的钢铁加热炉在线质量监控方法

引用

计算机应用 2014年第1期34卷 286-291页

作者：李保连张晓龙武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室武汉430065

针对钢铁企业加热炉生产过程中数据流不易于集中管理和分析,无法有效地进行生产监控及在线质量分析问题,提出了一种基于实时数据分析的生产监控与在线质量分析的方法。结合实时数据库和关系数据库,引入六西格玛管理手段和控制图技术,设... 详细信息

针对钢铁企业加热炉生产过程中数据流不易于集中管理和分析,无法有效地进行生产监控及在线质量分析问题,提出了一种基于实时数据分析的生产监控与在线质量分析的方法。结合实时数据库和关系数据库,引入六西格玛管理手段和控制图技术,设计和实现了加热炉生产监控与在线质量分析系统。系统具有实时数据处理、生产监控与质量分析、产品在线质量监控等功能。应用结果表明,系统有效地集成了企业的生产数据和标准数据,实现了对加热炉生产的实时监控与质量判定。

关键词：加热炉实时数据流生产监控在线质量分析统计质量控制图统计过程控制

来源：评论

学校读者我要写书评

暂无评论

云计算环境下信任机制综述

引用

小型微型计算机系统 2016年第1期37卷 1-11页

作者：金瑜王凡赵红武邓莉武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室武汉430065

云计算可以快速提升企业能力,并且不需要花费巨资增加新基础设施、培训新员工或取得新软件的许可证等.因此只用了短短几年,云计算就从商业概念发展成IT企业中快速发展的业务之一.尽管如此,目前大多数企业用户还是不愿意将其核心业务部... 详细信息

云计算可以快速提升企业能力,并且不需要花费巨资增加新基础设施、培训新员工或取得新软件的许可证等.因此只用了短短几年,云计算就从商业概念发展成IT企业中快速发展的业务之一.尽管如此,目前大多数企业用户还是不愿意将其核心业务部署到云上,主要原因就是信任缺失问题,表现为:在云计算环境下用户失去了数据控制权;云服务器缺乏透明性;云服务提供商给出的安全保证是不清晰的等.因此为了增强用户对云计算的信心,信任机制应运而生,成为研究热点.本文对目前云环境下的信任机制进行了综述.将这些方法大致分为五类:基于声誉的、基于SLA的、基于审计的、基于互联云的和基于加密的信任机制.着重从以下几个方面进行分析:给出了每种机制的通用框架和一般工作过程;评价了每种机制中主要文献的优点和缺点;对比分析了每种机制下的不同方法;然后,给出了这五种机制分别满足的信任和安全属性;最后对全文进行总结,并分别给出了五种机制将来研究方向.

关键词：云计算信任安全隐私

来源：评论

学校读者我要写书评

暂无评论

DE-ELM-SSC+半监督分类算法

引用

计算机科学与探索 2020年第12期14卷 2014-2027页

作者：庞俊黄恒张寿舒智梁赵宇海武汉科技大学计算机科学与技术学院武汉430070 智能信息处理与实时工业系统湖北省重点实验室武汉430070 东北大学计算机科学与工程学院沈阳110169

演化算法和分析方法的结合是机器学习领域近几年的一个研究热点。研究如何将差分进化(DE)演化算法与基于超限学习机(ELM)的半监督分类算法相结合。首先,提出了一种基于DE和ELM的半监督分类方法(DE-ELM-SSC),该算法大致步骤为:采用多种... 详细信息

演化算法和分析方法的结合是机器学习领域近几年的一个研究热点。研究如何将差分进化(DE)演化算法与基于超限学习机(ELM)的半监督分类算法相结合。首先,提出了一种基于DE和ELM的半监督分类方法(DE-ELM-SSC),该算法大致步骤为:采用多种差分进化策略对超限学习机输入权重和偏置参数进行优化,并根据均方根误差选出一个适合目标数据集的最优策略;将上一步选出的最优进化策略应用于DE算法,从而达到优化ELM网络参数的目的;为了构造半监督分类预测模型,采用Tri-training技术实现了三个改进ELM基分类器的协同训练。然后,采用非线性方法改进现有惯性策略方法,实现了缩放因子自适应调整,从而优化了DE-ELM-SSC算法,得到DE-ELM-SSC+算法。UCI标准数据集上的大量实验结果表明,DE-ELM-SSC+算法能根据数据集选择合适的进化策略,并自适应调整缩放因子,获得比Baseline方法更高的分类准确率。

关键词：超限学习机半监督分类策略选择差分进化缩放因子

来源：评论

学校读者我要写书评

暂无评论

联合注意力与卷积网络的知识超图链接预测

引用

计算机科学与探索 2023年第11期17卷 2734-2742页

作者：庞俊徐浩秦宏超林晓丽刘小琪王国仁武汉科技大学计算机科学与技术学院武汉430070 智能信息处理与实时工业系统湖北省重点实验室武汉430070 北京理工大学计算机学院北京100081

知识超图(KHG)是超图结构的知识图谱。知识超图链接预测旨在通过已知实体和关系预测缺失的关系。然而,现有最优的基于嵌入模型的知识超图链接预测方法 HypE虽然实体嵌入时考虑了位置信息,但关系嵌入时忽略了不同实体的贡献有差异,且实... 详细信息

知识超图(KHG)是超图结构的知识图谱。知识超图链接预测旨在通过已知实体和关系预测缺失的关系。然而,现有最优的基于嵌入模型的知识超图链接预测方法 HypE虽然实体嵌入时考虑了位置信息,但关系嵌入时忽略了不同实体的贡献有差异,且实体嵌入蕴含信息不够充足。关系嵌入考虑实体贡献度并补足实体嵌入的信息含量,可以较大地提升模型的预测能力。因此,提出了一种基于注意力与卷积网络的链接预测方法(LPACN),采用改进的注意力机制将实体的注意力信息融入到关系嵌入中;并且将同元组内相邻实体个数信息融入卷积网络,进一步补足了实体卷积向量的信息含量。针对LPACN的梯度消失问题,将改进的残差网络(ResidualNet)融入LPACN,并引入多层感知器(MLP)提升了模型的非线性学习能力,得到LPACN的改进算法LPACN+。真实数据集上的大量实验验证了LPACN的预测性能均优于Baseline方法。

关键词：知识超图链接预测嵌入模型注意力机制

来源：评论

学校读者我要写书评

暂无评论

可调控误报率和漏报率的树突状细胞算法

引用

计算机工程与科学 2014年第1期36卷 99-104页

作者：袁嵩武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

为了解决传统树突状细胞算法(DCA)对环境评判的盲目性,分析DCA权值矩阵对检测结果的影响,提出两种可调控误报率和漏报率的DCA。一种是改进的投票制DCA,即在树突状细胞(DC)状态转换准则中融入倾向因子,以求得对环境评判的公平,并通过对... 详细信息

为了解决传统树突状细胞算法(DCA)对环境评判的盲目性,分析DCA权值矩阵对检测结果的影响,提出两种可调控误报率和漏报率的DCA。一种是改进的投票制DCA,即在树突状细胞(DC)状态转换准则中融入倾向因子,以求得对环境评判的公平,并通过对倾向因子的微调控制检测结果的误报率和漏报率;另一种是评分制DCA,即在DC状态转化阶段忽略对细胞环境的评判,改为直接对抗原进行评分,最后根据抗原的平均分分布调整异常阈值,以达到调控误报率和漏报率的目的。实验表明,两种算法均有效地实现了结果可控性,相比而言,评分制DCA可实现更为直观的调控。

关键词：树突状细胞算法异常检测倾向因子人工免疫数据融合

来源：评论

学校读者我要写书评

暂无评论

HDVM:基于关系矩阵的关联数据压缩查询模型

引用

电子学报 2018年第3期46卷 721-729页

作者：符海东彭燊黄莉顾进广武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065 国家新闻广电出版总局富媒体数字出版内容组织与知识服务重点实验室北京100038 湖北语言与智能信息处理研究基地(武汉大学) 湖北武汉430072

随着大数据时代的到来,大量的RDF数据充斥着整个数据网络.RDF(Resource Description Framework)后台引擎管理巨大的数据集时,数据集索引不能全部加载到内存中,导致系统需要执行缓慢的磁盘访问来解决SPARQL查询.本文提出了一种HDVM(Heade... 详细信息

随着大数据时代的到来,大量的RDF数据充斥着整个数据网络.RDF(Resource Description Framework)后台引擎管理巨大的数据集时,数据集索引不能全部加载到内存中,导致系统需要执行缓慢的磁盘访问来解决SPARQL查询.本文提出了一种HDVM(Header Dictionary Vector Matrix)压缩查询模型,通过在关联数据集中提取潜在的三元组关系矩阵,以主语向量、谓语向量和宾语矩阵的模型序列化存储来减少关联数据重复出现的次数,允许SPARQL查询在压缩状态下全内存执行.实验结果表明,本文提出的模型比常用的HDT(Header-Dictionary Triples)压缩方式提高了3%~20%的压缩率,同时在三元组个数达到十亿级别的数据集上平均查询时间在400ms左右.

关键词：关系矩阵关联数据查询压缩

来源：评论

学校读者我要写书评

暂无评论

基于联合特征与Bi-LSTM模型的英汉双语文本情绪预测

引用

武汉大学学报（理学版） 2019年第3期65卷 269-275页

作者：张真练刘茂福胡慧君武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

英汉双语文本中的情绪可以通过英语和汉语的单语或者双语形式来表达。然而,以往的研究主要集中在单语文本的情绪分析,只有少数研究侧重于英汉双语文本。为提高英汉双语文本情绪预测效果,本文结合情绪词典方法与深度学习方法,使用联合特... 详细信息

英汉双语文本中的情绪可以通过英语和汉语的单语或者双语形式来表达。然而,以往的研究主要集中在单语文本的情绪分析,只有少数研究侧重于英汉双语文本。为提高英汉双语文本情绪预测效果,本文结合情绪词典方法与深度学习方法,使用联合特征与Bi-LSTM模型来对英汉双语文本进行情绪预测。首先基于情绪词典抽取出双语文本中包含的情绪词特征,然后联合情绪词特征与双语文本特征输入至Bi-LSTM模型进行特征学习,最后将学习到的深度语义特征输入到分类器中进行情绪预测。实验结果表明,该方法对英汉双语文本的情绪预测有良好的效果。

关键词：双向长短时记忆网络英汉双语文本双语种情绪预测

来源：评论

学校读者我要写书评

暂无评论

基于AM-BiLSTM模型的情绪原因识别

引用

武汉大学学报（理学版） 2019年第3期65卷 276-282页

作者：夏林旭刘茂福胡慧君武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

文本情绪原因识别是情感分析中一个新的研究方向,旨在从文本中自动检测出导致某一情绪产生的原因。针对循环神经网络在长文中出现的长期依赖问题,本文提出了一种基于注意力机制和双向长短时记忆(attention model and bi-directional lon... 详细信息

文本情绪原因识别是情感分析中一个新的研究方向,旨在从文本中自动检测出导致某一情绪产生的原因。针对循环神经网络在长文中出现的长期依赖问题,本文提出了一种基于注意力机制和双向长短时记忆(attention model and bi-directional long short-term memory,AM-BiLSTM)神经网络模型的情绪原因识别方法。该方法采用字符向量表示文本语义信息,使用BiLSTM模型提取文本特征,该过程结合了人工提取的子句特征,在训练模型时,引入了注意力机制来优化模型性能,使用softmax对子句进行分类。实验结果表明本文方法对情绪原因的识别是有效的。

关键词：情绪原因识别注意力机制双向长短时记忆网络特征提取

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：