检索结果-内蒙古大学图书馆

通信学报 2018年第4期39卷 56-67页

作者：刘渊张浩叶海洋李剑锋王晓锋张桂珠江南大学数字媒体学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122 江南大学物联网工程学院江苏无锡214122

针对天地一体化信息网络规模庞大且技术多样,需要依托逼真的卫星网络场景来验证各类方案,提出一种云计算环境中卫星链路仿真方法。详细分析了影响卫星链路特性的关键因素,融合Open Stack和STK构建天地一体化信息网络仿真平台,通过对链... 详细信息

针对天地一体化信息网络规模庞大且技术多样,需要依托逼真的卫星网络场景来验证各类方案,提出一种云计算环境中卫星链路仿真方法。详细分析了影响卫星链路特性的关键因素,融合Open Stack和STK构建天地一体化信息网络仿真平台,通过对链路进行建模与计算,基于流表规则和队列管理规则动态实时切换卫星链路的间歇性、时延、误码率。为提高卫星链路的吞吐量,卫星节点具备动态路由学习能力,卫星链路可灵活构建与重构。实验结果表明,所提方法能够准确地对卫星链路进行仿真,有效保证卫星链路仿真的逼真性和周期性,有利于卫星网络场景的科学研究。

关键词：云计算天地一体化融合仿真卫星链路

来源：评论

学校读者我要写书评

暂无评论

大学图书馆用户多需求深度挖掘设计研究

引用

图书馆 2019年第6期 66-73页

作者：徐永顺刘渊周宇刘棠江南大学设计学院江苏无锡214122 南京航空航天大学金城学院南京210000 江苏省媒体设计与软件技术重点实验室江苏无锡214122 江南大学数字媒体学院江苏无锡214122 武汉商学院武汉430056

针对大学图书馆用户最深层次的情感需求提出挖掘方法,通过在江南大学图书馆升级中的应用验证效果:深入分析相关文献与案例,找出研究切入点;以深度访谈与代表性用户观点挖掘为主,萃取典型用户兴趣标签;依据Censydiam需求模型编制用户兴... 详细信息

针对大学图书馆用户最深层次的情感需求提出挖掘方法,通过在江南大学图书馆升级中的应用验证效果:深入分析相关文献与案例,找出研究切入点;以深度访谈与代表性用户观点挖掘为主,萃取典型用户兴趣标签;依据Censydiam需求模型编制用户兴趣——需求动机对应表,得到用户情感洞察;应用情感洞察于江南大学图书馆现场互动设计、场馆布局建构及线上平台优化;总结与归纳研究过程,使用经验与注意事项。

关键词：大学图书馆情感需求 Censydiam模型需求挖掘

来源：评论

学校读者我要写书评

暂无评论

基于共享矢量链的多任务概念漂移分类方法

引用

控制与决策 2018年第7期33卷 1215-1222页

作者：史荧中邓赵红钱鹏江王士同江南大学数字媒体学院江苏无锡214122 无锡职业技术学院物联网学院江苏无锡214121 江南大学江苏省媒体设计与软件技术重点实验室江苏无锡214122

增强型时间自适应支持向量机在针对单一概念漂移问题时展现出了良好效果,但是无法协同求解多个概念漂移问题.然而,在很多应用场景中,有时会包含数个具有内在相关性的非静态数据集,它们各自的分类模型应充分考虑这种关联.为了反映出各概... 详细信息

增强型时间自适应支持向量机在针对单一概念漂移问题时展现出了良好效果,但是无法协同求解多个概念漂移问题.然而,在很多应用场景中,有时会包含数个具有内在相关性的非静态数据集,它们各自的分类模型应充分考虑这种关联.为了反映出各概念漂移分类模型之间的相关部分,提出共享矢量链的概念,并开发面向多任务概念漂移问题的共享矢量链支持向量机(SVC-SVM).在模拟数据集及气体传感器阵列漂移数据集上的实验结果显示,协同求解多个具有相关性的概念漂移问题能够有效提升各自的泛化能力.

关键词：多任务概念漂移支持向量机共享矢量链

来源：评论

学校读者我要写书评

暂无评论

面向噪声数据的强化模糊规则模型及实现

引用

计算机科学与探索 2018年第11期12卷 1815-1826页

作者：贾海宁王士同江南大学数字媒体学院江苏无锡214122 江南大学江苏省媒体设计与软件技术重点实验室江苏无锡214122

针对强化模糊规则模型抗噪性能较差的问题,提出了基于中智模糊聚类的强化模糊规则(reinforced rule-based fuzzy model based on neutrosophic C-means clustering,NCM-RRbF)模型。首先将中智模糊集与模糊C均值方法相结合,得到中智模糊... 详细信息

针对强化模糊规则模型抗噪性能较差的问题,提出了基于中智模糊聚类的强化模糊规则(reinforced rule-based fuzzy model based on neutrosophic C-means clustering,NCM-RRbF)模型。首先将中智模糊集与模糊C均值方法相结合,得到中智模糊聚类算法(neutrosophic C-means clustering,NCM)。然后通过将NCM方法用于强化模糊规则(reinforced rule-based fuzzy,RRbF)模型的初始规则生成,将基于背景的模糊聚类(context fuzzy C-means clustering,CFCM)方法用于RRbF模型的新规则生成,从而得到NCM-RRbF模型。该模型具有良好的降噪效果,适用于具有边界数据点和噪声数据点的聚类问题。通过对人工数据集及真实数据集添加不同噪声强度的高斯白噪声进行系统性实验,充分表明了所提出模型对于含有噪声和边界点的数据场景具有显著的逼近性能和良好的抗噪能力。

关键词：模糊规则中智模糊聚类基于背景的模糊聚类加权最小二乘方法

来源：评论

学校读者我要写书评

暂无评论

文本摘要的建构渗透度特征模型

引用

中文信息学报 2018年第7期32卷 74-81页

作者：任立园谢振平刘渊江南大学数字媒体学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122

旨在实现从海量的文本数据中快速准确地获取关键信息。为探索新颖的摘要句特征因素,该文将文句中的关键词嵌入知识网络进行建模,并将文句映射至知识网络进行表达,进而提出文句的关键词建构渗透度特征模型,在摘要句判别中引入文句中关键... 详细信息

旨在实现从海量的文本数据中快速准确地获取关键信息。为探索新颖的摘要句特征因素,该文将文句中的关键词嵌入知识网络进行建模,并将文句映射至知识网络进行表达,进而提出文句的关键词建构渗透度特征模型,在摘要句判别中引入文句中关键词组的宽度和深度的渗透特性。结合最大熵建模分类方法,针对领域语料库进行不同特征的影响系数建模,实现了监督学习下摘要句的有效分类和自动提取。文中实验结果良好,表明了新特征模型的有效性和在领域语料库中的稳定性,且特征计算方法简洁,具有良好的综合实用性。

关键词：文本摘要文句关键词知识网络渗透度

来源：评论

学校读者我要写书评

暂无评论

基于弱监督预训练CNN模型的情感分析方法

引用

计算机工程与应用 2018年第13期54卷 27-33页

作者：张越夏鸿斌江南大学数字媒体学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122

传统的情感分析研究大多基于机器学习算法,此类方法依赖大量人工抽取的特征与领域知识。使用卷积神经网络自动学习文本的特征表示,进而判别文本的情感极性。为了解决情感分析中监督训练样本不足的问题,利用大规模弱监督数据来训练卷积... 详细信息

传统的情感分析研究大多基于机器学习算法,此类方法依赖大量人工抽取的特征与领域知识。使用卷积神经网络自动学习文本的特征表示,进而判别文本的情感极性。为了解决情感分析中监督训练样本不足的问题,利用大规模弱监督数据来训练卷积神经网络。同时引入"预训练-微调"策略,先在弱监督数据集上对卷积神经网络进行预训练,然后使用监督数据集进行微调训练来克服弱监督数据中的噪声问题。在SemEval-2013 Twitter情感分析数据集上进行实验验证,结果表明由于引入了弱监督数据参与训练,有效增强了卷积神经网络学习情感语义的能力,从而提升了模型的准确性。

关键词：情感分析弱监督预训练-微调卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

一种基于t-分布随机近邻嵌入的文本聚类方法

引用

南京大学学报（自然科学版） 2019年第2期55卷 264-271页

作者：徐秀芳徐森花小朋徐静皋军安晶盐城工学院信息工程学院盐城224051 江苏省媒体设计与软件技术重点实验室(江南大学) 无锡214122 盐城工学院机械工程学院盐城224051

文本数据具有高维、稀疏、海量的特性,给传统的聚类算法带来了极大挑战.提出一种基于t-分布随机近邻嵌入(t-Distributed Stochastic Neighbor Embedding,t-SNE)的文本聚类方法.首先通过t-SNE将高维文本数据嵌入到低维空间,使得高维空间... 详细信息

文本数据具有高维、稀疏、海量的特性,给传统的聚类算法带来了极大挑战.提出一种基于t-分布随机近邻嵌入(t-Distributed Stochastic Neighbor Embedding,t-SNE)的文本聚类方法.首先通过t-SNE将高维文本数据嵌入到低维空间,使得高维空间相似度较低的文本对应的映射点距离较远,而相似度较高的文本对应的映射点距离较近;然后根据低维空间映射点坐标,再采用传统的聚类分析算法进行聚类,得到最终的聚类结果.在多个基准文本数据集上进行了实验测试,验证了该方法的有效性.

关键词：聚类分析文本聚类维数约简随机近邻嵌入聚类算法

来源：评论

学校读者我要写书评

暂无评论

一种改进的自适应聚类集成选择方法

引用

自动化学报 2018年第11期44卷 2103-2112页

作者：徐森皋军花小朋李先锋徐静盐城工学院信息工程学院盐城224051 江苏省媒体设计与软件技术重点实验室(江南大学) 无锡214122

针对自适应聚类集成选择方法 (Adaptive cluster ensemble selection, ACES)存在聚类集体稳定性判定方法不客观和聚类成员选择方法不够合理的问题,提出了一种改进的自适应聚类集成选择方法 (Improved ACES, IACES). IACES依据聚类集体... 详细信息

针对自适应聚类集成选择方法 (Adaptive cluster ensemble selection, ACES)存在聚类集体稳定性判定方法不客观和聚类成员选择方法不够合理的问题,提出了一种改进的自适应聚类集成选择方法 (Improved ACES, IACES). IACES依据聚类集体的整体平均归一化互信息值判定聚类集体稳定性,若稳定则选择具有较高质量和适中差异性的聚类成员,否则选择质量较高的聚类成员.在多组基准数据集上的实验结果验证了IACES方法的有效性:1) IACES能够准确判定聚类集体的稳定性,而ACES会将某些不稳定的聚类集体误判为稳定; 2)与其他聚类成员选择方法相比,根据IACES选择聚类成员进行集成在绝大部分情况下都获得了更佳的聚类结果,在所有数据集上都获得了更优的平均聚类结果.

关键词：机器学习聚类分析聚类集成聚类集成选择

来源：评论

学校读者我要写书评

暂无评论

基于数据点本身及其位置关系辅助信息挖掘的分类方法

引用

模式识别与人工智能 2018年第3期31卷 197-207页

作者：顾苏杭王士同江南大学数字媒体学院无锡214122 江南大学江苏省媒体设计与软件技术重点实验室无锡214122 常州轻工职业技术学院信息工程与技术学院常州213164

挖掘除数据点本身以外的信息并以此引导和提高数据分类的精度是值得研究的课题.由此,文中提出建立与数据集对应的网络方法挖掘数据点之间的位置关系及关联信息.依据网络节点连接特性确定节点及子网络效率,赋予节点浓度概念,迭代计算节... 详细信息

挖掘除数据点本身以外的信息并以此引导和提高数据分类的精度是值得研究的课题.由此,文中提出建立与数据集对应的网络方法挖掘数据点之间的位置关系及关联信息.依据网络节点连接特性确定节点及子网络效率,赋予节点浓度概念,迭代计算节点的真实影响力,充分挖掘并处理蕴含在数据点关联作用中的信息作为数据点物理特征之外的辅助信息,构建基于数据点本身及其位置关系辅助信息挖掘的分类方法.在保证较高数据分类精度的前提下,文中方法具有较低的时间复杂度.在人造数据集和真实数据集上实验验证文中方法的有效性,该方法尤其与经典的分类方法存在显著区别.

关键词：数据点关联物理特征位置关系信息分类方法

来源：评论

学校读者我要写书评

暂无评论

一种基于二部图谱划分的聚类集成方法

引用

控制与决策 2018年第12期33卷 2208-2212页

作者：徐森皋军徐秀芳花小朋徐静安晶盐城工学院信息工程学院江苏盐城224001 江苏省媒体设计与软件技术重点实验室(江南大学) 江苏无锡214122

将二部图模型引入聚类集成问题中,使用二部图模型同时建模对象集和超边集,充分挖掘潜藏在对象之间的相似度信息和超边提供的属性信息.设计正则化谱聚类算法解决二部图划分问题,在低维嵌入空间运行Kmeans++算法划分对象集,获得最终的聚... 详细信息

将二部图模型引入聚类集成问题中,使用二部图模型同时建模对象集和超边集,充分挖掘潜藏在对象之间的相似度信息和超边提供的属性信息.设计正则化谱聚类算法解决二部图划分问题,在低维嵌入空间运行Kmeans++算法划分对象集,获得最终的聚类结果.在多组基准数据集上进行实验,实验结果表明所提出方法不仅能获得优越的结果,而且具有较高的运行效率.

关键词：机器学习聚类分析二部图模型聚类集成谱聚类算法

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：