检索结果-内蒙古大学图书馆

控制与决策 2021年第12期36卷 2982-2990页

作者：姜志彬潘兴广周洁张远鹏王士同江南大学人工智能与计算机学院江苏无锡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 南通大学医学信息学系江苏南通226019

传统机器学习方法的有效性依赖于大量的有效训练数据,而这难以满足,因此迁移学习被广泛研究并成为近年来的研究热门.针对由于训练数据严重不足导致多分类场景下分类性能降低的挑战,提出一种基于DLSR(discriminative least squares regre... 详细信息

传统机器学习方法的有效性依赖于大量的有效训练数据,而这难以满足,因此迁移学习被广泛研究并成为近年来的研究热门.针对由于训练数据严重不足导致多分类场景下分类性能降低的挑战,提出一种基于DLSR(discriminative least squares regressions)的归纳式迁移学习方法(TDLSR).该方法从归纳式迁移学习出发,通过知识杠杆机制,将源域知识迁移到目标域并同目标域数据同时进行模型学习,在提升分类性能的同时保证源域数据的安全性.TDLSR继承了DLSR在多分类任务中扩大类别间间隔的优势,为DLSR注入了迁移能力以适应数据不足的挑战,更加适用于复杂的多分类任务.通过在12个真实UCI数据集上进行实验,验证了所提出方法的有效性.

关键词：多分类 DLSR 归纳式迁移学习知识杠杆机制安全性

来源：评论

学校读者我要写书评

暂无评论

基于渐进迭代逼近的矢量地图曲线化简方法

引用

图学学报 2021年第6期42卷 979-986页

作者：周晨陈伟刘渊江南大学人工智能与计算机学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室(江南大学) 江苏无锡214122

矢量地图化简在地形仿真、制图综合等研究中具有重要应用。针对已有算法难以兼顾化简曲线的整体形态和局部特征点精度的问题,提出一种基于B样条曲线渐进迭代逼近(PIA)的矢量地图曲线化简方法。首先筛选出能保持曲线轮廓、具有最大信息... 详细信息

矢量地图化简在地形仿真、制图综合等研究中具有重要应用。针对已有算法难以兼顾化简曲线的整体形态和局部特征点精度的问题,提出一种基于B样条曲线渐进迭代逼近(PIA)的矢量地图曲线化简方法。首先筛选出能保持曲线轮廓、具有最大信息量的特征点列,将其作为初始控制点列,得到相应的非均匀3次B样条拟合曲线;然后根据拟合曲线与特征点的误差进行迭代调整控制点,逐步得到一系列逼近曲线,直至最终满足精度要求。实验表明,PIA方法不仅保持了化简曲线的整体几何形态,而且能在满足全局误差要求的情况下,实现特征点处的高精度逼近。

关键词：地图综合曲线样条渐进迭代逼近化简

来源：评论

学校读者我要写书评

暂无评论

基于泊松填充的纹理自适应插值方法

引用

计算机应用研究 2020年第4期37卷 1210-1214页

作者：张军陈凯雯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

针对新图形技术条件下的纹理合成问题,提出一种纹理插值方法,可将源纹理图像自适应拉伸为不同尺寸的纹理图像并保持其清晰度不改变。首先,采用高维图像插值算法将源纹理裂变为目标纹理分辨率,作为中间过渡纹理;其次,利用自然图像的自相... 详细信息

针对新图形技术条件下的纹理合成问题,提出一种纹理插值方法,可将源纹理图像自适应拉伸为不同尺寸的纹理图像并保持其清晰度不改变。首先,采用高维图像插值算法将源纹理裂变为目标纹理分辨率,作为中间过渡纹理;其次,利用自然图像的自相似性,依据中间纹理像素特征随机从源纹理中选取像素块;最后,使用泊松图像编辑算法将源纹理像素块平滑嵌入到中间纹理的间隙区域,得到最终的合成纹理。通过与现有算法的大量对比实验表明,该算法对静态和非静态纹理合成问题都能适用,且合成结果与源纹理具有较高的视觉一致性。另外,该算法逻辑简单、计算快速,无法复杂优化计算或者学习训练步骤,适合在低硬件配置的移动平台应用。

关键词：纹理合成高维插值泊松填充非静态纹理

来源：评论

学校读者我要写书评

暂无评论

基于多频稀疏噪声的流场运动方向可视化算法

引用

计算机应用研究 2020年第11期37卷 3507-3511页

作者：徐庆张军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

针对现有流场可视化算法存在的矢量场运动指向二义性以及缺乏对矢量场速率区分等问题进行了研究,提出了一种基于多频稀疏噪声纹理的改进线积分卷积算法,用来提高流场可视化后的信息表达效果。该方法首先根据矢量场速率量级的大小划分频... 详细信息

针对现有流场可视化算法存在的矢量场运动指向二义性以及缺乏对矢量场速率区分等问题进行了研究,提出了一种基于多频稀疏噪声纹理的改进线积分卷积算法,用来提高流场可视化后的信息表达效果。该方法首先根据矢量场速率量级的大小划分频率不同的噪声群,并合成适用于该向量场的特定多频噪声纹理;然后使用斜坡卷积核根据向量场流线对噪声纹理进行卷积;最后生成一幅同时具有矢量场运动方向和运动速率信息的彩色图像。实验结果表明,该方法可以增强用户对流场流量大小和矢量场方向的感知效果,在大规模风场数据可视化的验证实验上取得了良好的可视化效果。

关键词：二维流场可视化纹理可视化多频稀疏噪声线积分卷积

来源：评论

学校读者我要写书评

暂无评论

基于连续转速样本的发动机音效实时合成方法

引用

计算机应用研究 2020年第S02期37卷 123-125页

作者：朱彬张军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

针对赛车、飞行模拟和仿真教学等应用场景中的活塞发动机声音实时合成与仿真问题,提出一种利用发动机连续转速音频样本对发动机音效实时自动合成的方法。该方法从输入音频样本中按实际转速提取微小片段,使用离散傅里叶变换和K-means聚... 详细信息

针对赛车、飞行模拟和仿真教学等应用场景中的活塞发动机声音实时合成与仿真问题,提出一种利用发动机连续转速音频样本对发动机音效实时自动合成的方法。该方法从输入音频样本中按实际转速提取微小片段,使用离散傅里叶变换和K-means聚类算法确定当前发动机转速下音频的谐波参数与噪声。将这些谐波参数和噪声代入频谱数学模型中,实时合成当前发动机转速下的音效。实验结果表明,该方法能够以较少样本量和较低计算量实时合成接近发动机运行时的真实声音,在发动机不同的转速下能展现出更加与实际相匹配的声音效果。

关键词：发动机声音合成连续转速音频样本频谱建模离散傅里叶变换 K-means聚类

来源：评论

学校读者我要写书评

暂无评论

多检测器融合的深度相关滤波视频多目标跟踪算法

引用

计算机科学 2022年第8期49卷 184-190页

作者：沈祥培丁彦蕊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 江南大学理学院江苏无锡214122

在检测跟踪任务中,检测器存在误检和漏检目标的问题,导致依赖检测信息的视频多目标跟踪算法出现大量误跟和漏跟目标,这种漏跟和误跟会持续几十帧,降低了跟踪精度,为此提出了一种多检测器融合的深度相关滤波视频多目标跟踪算法。该算法... 详细信息

在检测跟踪任务中,检测器存在误检和漏检目标的问题,导致依赖检测信息的视频多目标跟踪算法出现大量误跟和漏跟目标,这种漏跟和误跟会持续几十帧,降低了跟踪精度,为此提出了一种多检测器融合的深度相关滤波视频多目标跟踪算法。该算法融合多个检测器的信息,提出了一种新型融合机制,减少单个检测器的不足带来的漏检、误检数目,打破了单个检测器性能的局限性,使新生目标的获取更加可靠。此外,采用深度相关滤波算法ECO对目标进行逐个跟踪,并在原有ECO算法的基础上提出了一系列的改进方法,从而更贴合视频多目标跟踪任务,减少目标的漏跟数和身份标签跳变数。在MOT17数据集上进行实验,结果表明,与传统的视频多目标跟踪方法IOU17相比,所提算法的MOTA值从47.6提高至50.3,证明了所提方法在多目标跟踪研究上取得了很大的突破。

关键词：多目标跟踪多检测器融合深度相关滤波检测跟踪

来源：评论

学校读者我要写书评

暂无评论

融合超图卷积和自监督协同训练的组推荐算法

引用

中文信息学报 2024年第7期38卷 115-126,136页

作者：刘静文刘渊袁琮淇江南大学人工智能与计算机学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室(江南大学) 江苏无锡214122

随着社交媒体的普及,人们逐渐将研究方向从个人推荐算法转移到群组推荐算法,现有的群组推荐模型大多采用启发式或基于注意力的偏好聚合策略聚合群组成员的个人偏好形成群组偏好。然而,由于用户交互数据的稀疏性,学习后的用户特征并不完... 详细信息

随着社交媒体的普及,人们逐渐将研究方向从个人推荐算法转移到群组推荐算法,现有的群组推荐模型大多采用启发式或基于注意力的偏好聚合策略聚合群组成员的个人偏好形成群组偏好。然而,由于用户交互数据的稀疏性,学习后的用户特征并不完备,现实生活中用户的交互非常复杂,而且用户关系有可能是高阶的;再者,群组之间的相似性和群组间共同成员的个人偏好经常被忽视,而群组相似性的学习对于提高群组表征学习具有很大的潜力。针对上述问题,该文设计了一种融合超图卷积和自监督协同训练的组推荐算法(HCSC)。首先,在用户级超图中,利用三个通道编码超图卷积网络中的高阶用户关系,通过聚合多个通道学习的用户特征,获得增强的用户表示,这为学习群组偏好提供了坚实的基础。其次,在组级超图中,将所有的群组连接为重叠网络,并关注群组共同成员的个人偏好,其超边嵌入过程可视为对群组偏好的学习。为进一步增强群组表示,将自监督学习和协同训练相结合,在上述两个超图上构建两个不同的图编码器,递归地利用不同信息生成标注样本,通过对比学习策略互相监督,与丢弃策略相比,所提出的自监督协同训练保留了完整信息,实现了真正的数据增强。该文提出的HCSC模型在两个真实世界的数据集上进行了广泛的实验,实验结果证明了该文提出的HCSC模型的优越性。

关键词：群组推荐超图卷积自监督学习协同训练对比学习

来源：评论

学校读者我要写书评

暂无评论

意象图式视角下的图书馆网站平台交互设计

引用

图书馆论坛 2019年第2期39卷 65-72页

作者：徐永顺刘渊江南大学设计学院南京航空航天大学金城学院江南大学数字媒体学院江苏省媒体设计与软件技术重点实验室

融合高校图书馆信息平台交互设计的创新性与直觉性,对解决创新设计与用户操作原势的分歧具有重要的研究意义和实用价值。在充分调研用户需求与系统特性的基础上,文章以意象图式为理论指导,将力、包含、空间、复合、属性、过程等图式融... 详细信息

融合高校图书馆信息平台交互设计的创新性与直觉性,对解决创新设计与用户操作原势的分歧具有重要的研究意义和实用价值。在充分调研用户需求与系统特性的基础上,文章以意象图式为理论指导,将力、包含、空间、复合、属性、过程等图式融于数字图书馆的各功能点交互设计中。研究表明该方法简单实用,可有效提升数字图书馆的用户体验,提高设计师的工作效率。

关键词：意象图式交互设计创新性直觉性数字图书馆

来源：评论

学校读者我要写书评

暂无评论

渐进式分离的开放集模糊域自适应方法

引用

计算机应用 2021年

作者：刘晓龙王士同江南大学人工智能与计算机学院江南大学江苏省媒体设计与软件技术重点实验室

域自适应的目的是利用有标记（源）域中的信息来提高未标记（目标）域模型的分类性能，且这种方法已经取得不错的成果。但在具有开放性的现实场景下，目标域通常包含源域中未观察到的未知类样本，被称为开放集域自适应，对于这样具有挑... 详细信息

域自适应的目的是利用有标记（源）域中的信息来提高未标记（目标）域模型的分类性能，且这种方法已经取得不错的成果。但在具有开放性的现实场景下，目标域通常包含源域中未观察到的未知类样本，被称为开放集域自适应，对于这样具有挑战性的场景设定，传统的域自适应算法将无能为力。基于此前引进隶属度提出的开放集模糊域自适应，进一步探索迭代中分离目标域中已知类和未知类样本的方法，仅将从目标域中分离出的已知类与源域对齐，减小两个域之间的分布差异，进行模糊域自适应。这种方法更好地解决了由于未知类和已知类之间的不匹配而导致负迁移带来的影响。在office数据集上进行了6组域自适应转化实验，与传统的域自适应算法比较，在图像分类中该算法的精度有5%-10%的显著提升，验证了该算法可以逐步增强域自适应分类模型的准确性和鲁棒性。

关键词：机器学习开放集模糊域自适应渐进式分离迁移学习

来源：评论

学校读者我要写书评

暂无评论

融合多头自注意力机制的金融新闻极性分析

引用

计算机工程 2020年第8期46卷 85-92页

作者：赵亚南刘渊宋设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 浪潮卓数大数据产业发展有限公司江苏无锡214062

针对现有文本情感分析方法存在的无法高效捕捉相关文本情感特征从而造成情感分析效果不佳的问题,提出一种融合双层多头自注意力与卷积神经网络(CNN)的回归模型DLMA-CNN。采用多头自注意力机制学习序列内部的词依赖关系,从而捕获序列的... 详细信息

针对现有文本情感分析方法存在的无法高效捕捉相关文本情感特征从而造成情感分析效果不佳的问题,提出一种融合双层多头自注意力与卷积神经网络(CNN)的回归模型DLMA-CNN。采用多头自注意力机制学习序列内部的词依赖关系,从而捕获序列的内部结构。重利用浅层特征并与多头自注意力特征进行融合,结合深度学习中的CNN进一步优化文本情感极性分析效果。在基准数据集SemEval-2017 Task 5上进行实验,结果表明,与传统机器学习算法CNN、ELSTM、Att-BLSTM等相比,该模型取得了较好的情感极性分析效果,且运行效率较高。

关键词：金融文本情感极性分析多头自注意力机制特征融合深度学习

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：