检索结果-内蒙古大学图书馆

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

基于核心向量机的多任务概念漂移数据快速分类

引用

智能系统学报 2018年第6期13卷 935-945页

作者：史荧中王士同邓赵红侯立功钱冬杰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

通过协同求解多个概念漂移问题并充分挖掘相关概念漂移问题中蕴含的有效信息,共享矢量链支持向量机(shared vector chain supported vector machines,SVC-SVM)在面向多任务概念漂移分类时表现出良好性能。然而实际应用中的概念漂移问题... 详细信息

通过协同求解多个概念漂移问题并充分挖掘相关概念漂移问题中蕴含的有效信息,共享矢量链支持向量机(shared vector chain supported vector machines,SVC-SVM)在面向多任务概念漂移分类时表现出良好性能。然而实际应用中的概念漂移问题通常有较大的数据容量,较高的计算代价限制了SVC-SVM方法的推广能力。针对这个弱点,借鉴核心向量机的近线性时间复杂度的优势,提出了适于多任务概念漂移大规模数据的共享矢量链核心向量机(shared vector chain core vector machines,SVC-CVM)。SVC-CVM具有渐近线性时间复杂度的算法特点,同时又继承了SVC-SVM方法协同求解多个概念漂移问题带来的良好性能,实验验证了该方法在多任务概念漂移大规模数据集上的有效性和快速性。

关键词：多任务大规模数据集概念漂移核心向量机线性时间复杂度

来源：评论

学校读者我要写书评

暂无评论

3D卷积神经网络的结构优化及中枢神经系统药物的识别

引用

西北大学学报（自然科学版） 2020年第1期50卷 31-38页

作者：张瑞林丁彦蕊江南大学理学院江苏无锡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 江南大学工业生物技术教育部重点实验室江苏无锡214122

该文研究了如何利用3D-CNN识别中枢神经系统(CNS)药物和non-CNS药物。首先,构建CNS药物和non-CNS药物数据集并优化小分子构象;然后,以3D网格矩阵编码小分子结构,作为3D-CNN模型的输入;接着,在模型训练中,采用正交实验法对3D-CNN模型的... 详细信息

该文研究了如何利用3D-CNN识别中枢神经系统(CNS)药物和non-CNS药物。首先,构建CNS药物和non-CNS药物数据集并优化小分子构象;然后,以3D网格矩阵编码小分子结构,作为3D-CNN模型的输入;接着,在模型训练中,采用正交实验法对3D-CNN模型的超参数进行快速优化;最后,使用外部测试集检验模型,达到ACC为84.3%,MCC为0.685,AUC为0.884的泛化性能。实验表明,在正交实验法获取可靠超参数组合的基础上,3D-CNN模型对于CNS药物的识别具有良好效果,所构建的模型为设计新的CNS药物提供了基础。

关键词： 3D卷积神经网络药物虚拟筛选正交实验

来源：评论

学校读者我要写书评

暂无评论

中文文本纠错软件测试用例的最小化方法

引用

小型微型计算机系统 2024年第10期45卷 2345-2354页

作者：冯程皓谢振平丁博文江南大学人工智能与计算机学院江苏无锡214000 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214000

针对目前尚未存在有效的中文文本纠错软件测试用例最小化方法的情况,设计了两种中文文本纠错软件测试用例集最小化方法:基于多目标遗传算法的中文文本纠错软件测试用例集最小化方法(Minimization Method based on Multi-objective Genet... 详细信息

针对目前尚未存在有效的中文文本纠错软件测试用例最小化方法的情况,设计了两种中文文本纠错软件测试用例集最小化方法:基于多目标遗传算法的中文文本纠错软件测试用例集最小化方法(Minimization Method based on Multi-objective Genetic Algorithm of Test case for Chinese text error Correction Software,MMG-CCS)和基于TextRank模型的中文文本纠错软件测试用例最小化方法(Minimization Method based on TextRank of Test case for Chinese text error Correction Software,MMT-CCS).MMG-CCS基于问题特点设计了一种中文文本纠错软件测试用例集覆盖度模型,并将测试用例集大小及覆盖度作为目标函数,为了高效求解该问题,MMG-CCS同时对遗传算子进行了改进.此外,MMT-CCS方法能将测试用例集最小化问题映射为图解问题,并根据问题特点对TextRank模型进行了针对性改进.实验结果表明,MMG-CCS和MMT-CCS对测试用例集的缩减程度高,且在不同中文文本纠错软件上对于不同中文文本纠错软件测试用例集均能保持相同的测试效果.

关键词：测试用例最小化中文文本纠错覆盖度模型回归测试自然语言处理

来源：评论

学校读者我要写书评

暂无评论

基于条件生成对抗网络的光场图像透视视图生成算法

引用

计算机应用研究 2023年第8期40卷 2501-2507,2536页

作者：张逸骋井花花晏涛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

光场图像新视图生成算法在视点内插和外插方面已经取得了良好的研究成果,但在视点位置平移和旋转一定角度情形下的透视视图生成仍然是一项具有挑战性的任务。针对上述问题,提出了一种基于条件生成对抗网络的光场图像透视视图生成算法LFI... 详细信息

光场图像新视图生成算法在视点内插和外插方面已经取得了良好的研究成果,但在视点位置平移和旋转一定角度情形下的透视视图生成仍然是一项具有挑战性的任务。针对上述问题,提出了一种基于条件生成对抗网络的光场图像透视视图生成算法LFIPTNet(light field image perspective transformation network),利用相机的位姿信息作为条件来引导条件生成对抗网络学习新视图的内容。提出了多个模块,充分利用相机位姿信息和光场宏像素图像(macro pixel image,MPI)记录空间信息、角度信息、深度信息来生成预测视图。提出的方法在构建的数据集上与最新的三种方法进行了比较,相比于性能第二的StereoMag模型,PSNR提高了7.77 dB,SSIM提高了0.35。消融实验部分对提出的模块进行了评估,验证了创新点的有效性。充分的实验结果表明LFIPTNet相比于现有算法,生成的预测视图更加准确。

关键词：光场图像视图生成透视变换深度估计宏像素图像条件生成对抗网络

来源：评论

学校读者我要写书评

暂无评论

专利新词发现的双向聚合度特征提取新方法

引用

计算机应用 2020年第3期40卷 631-637页

作者：陈梅婕谢振平陈晓琪许鹏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(江南大学) 江苏无锡214122 常州佰腾科技有限公司江苏常州213164

针对通用新词发现方法对专利长词识别效果不佳、专利术语词性搭配模板的灵活性不高,以及缺乏对中文专利长词识别的无监督方法的问题,提出了一种发现专利新词的双向聚合度特征提取新方法。首先,以词中组分的双向条件概率统计信息为基础,... 详细信息

针对通用新词发现方法对专利长词识别效果不佳、专利术语词性搭配模板的灵活性不高,以及缺乏对中文专利长词识别的无监督方法的问题,提出了一种发现专利新词的双向聚合度特征提取新方法。首先,以词中组分的双向条件概率统计信息为基础,构造提出了一个二元词上的双向聚合度统计特征;其次,利用此特征扩展提出了词边界筛选规则;最后,基于新特征和词边界规则实现专利新词的提取。实验结果表明,新方法在整体F-测度值方面,与通用领域新词发现方法相比,提高了6.7个百分点,与两种最新的专利词性搭配模板方法相比,分别提高了19.2个百分点和17.2个百分点,并且较为显著地提高了4~8字专利新词发现的F-测度值。综合地,所提出的方法提升了专利新词发现性能,并且能够更有效地提取专利文本中具有复合形式的长词,同时可以减少对预先训练过程和额外复杂规则库的依赖,具备更好的实用性。

关键词：新词发现双向聚合度专利新词特征提取专利分析

来源：评论

学校读者我要写书评

暂无评论

中文文本纠错软件测试用例的选择生成方法

引用

计算机应用 2024年第1期44卷 101-112页

作者：冯程皓谢振平丁博文江南大学人工智能与计算机学院江苏无锡214000 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214000

针对目前尚无有效的中文文本纠错软件测试用例生成方法的情况,为了服务于软件纠错性能的测量并为软件提供优化方向,设计了一种面向多用户的、工程化的中文文本纠错软件测试用例选择生成方法(SGMT-CCS)。定义了两种不同的可供用户选择的... 详细信息

针对目前尚无有效的中文文本纠错软件测试用例生成方法的情况,为了服务于软件纠错性能的测量并为软件提供优化方向,设计了一种面向多用户的、工程化的中文文本纠错软件测试用例选择生成方法(SGMT-CCS)。定义了两种不同的可供用户选择的用例评判标准:错误数量密度和错误种类密度。设计了三个模块:测试用例自动化生成模块、测试用例选择模块以及测试用例优先级排序模块。在SGMT-CCS中,用户可以:1)在测试用例自动化生成的过程中自定义错误最小间隔和用例集大小;2)在测试用例选择的过程中自定义错误最小间隔和期望值;3)在测试用例选择和优先级排序的过程中选择不同的用例评判标准进行自定义操作,以适应不同数据集的要求。实验结果表明,SGMT-CCS能够在较短的时间内获得有效的测试用例,选择模块实验在模拟的需求情况下都能满足用户自定义目标,优先级排序模块实验验证了相较于排序前,在不同评判标准下的不同时间段内都能有效提高测试效率。

关键词：测试用例生成中文文本纠错可选择生成回归测试自然语言处理

来源：评论

学校读者我要写书评

暂无评论

基于混合采样的图对比学习推荐算法

引用

计算机应用研究 2023年第5期40卷 1346-1351页

作者：袁琮淇刘渊刘静文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

在推荐系统领域中,图卷积网络具有对于图结构数据更强的信息抽取能力。然而,现有的图卷积网络推荐算法主要关注改进模型结构,忽视了提高原始样本采样质量与挖掘用户—项目间隐式关系的重要性。针对上述问题,提出一种基于混合采样的图对... 详细信息

在推荐系统领域中,图卷积网络具有对于图结构数据更强的信息抽取能力。然而,现有的图卷积网络推荐算法主要关注改进模型结构,忽视了提高原始样本采样质量与挖掘用户—项目间隐式关系的重要性。针对上述问题,提出一种基于混合采样的图对比学习推荐算法。首先使用混合采样方法,提取出正样本中部分信息并将其注入负样本,从而生成全新的富含信息的难负样本;其次,通过轻量图卷积网络对难负样本进行特征提取,得到用户和项目的节点表征,采用邻域对比学习方法挖掘样本隐式关系;最后,利用多任务策略对推荐监督任务和对比学习任务进行联合优化。在真实数据集Yelp2018和Amazon-book上进行实验,采用recall和NDCG指标进行评估,实验结果表明,提出的模型相较其他基准模型取得了更好的效果。

关键词：图卷积网络推荐系统难负样本图对比学习

来源：评论

学校读者我要写书评

暂无评论

双特征的短文本聚类研究

引用

小型微型计算机系统 2024年第10期45卷 2420-2427页

作者：张桥男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

短文本聚类的目的是根据表示空间中的距离来发现数据的语义类别.针对传统文本表示模型面对短文本时会造成特征高维稀疏的问题,以及基于Bert的多特征短文本聚类研究较少的问题,本文研究了一种基于Bert的双特征短文本聚类模型BCCA.首先利... 详细信息

短文本聚类的目的是根据表示空间中的距离来发现数据的语义类别.针对传统文本表示模型面对短文本时会造成特征高维稀疏的问题,以及基于Bert的多特征短文本聚类研究较少的问题,本文研究了一种基于Bert的双特征短文本聚类模型BCCA.首先利用Bert获取词向量表示;其次,利用CNN网络增强对文本局部特征的提取能力和语境感知自注意力网络增强对全局特征提取的能力.最后,为进一步提升聚类效果,将文本表示模块与聚类模块进行联合训练,同时优化文本表示和聚类.为了验证模型性能,在3个数据集上进行实验,实验结果表明,本文提出的模型在数据集SearchSnippets上准确率达到82.8%.

关键词：短文本聚类双特征语境感知 Bert CNN

来源：评论

学校读者我要写书评

暂无评论

多层递阶融合模糊特征映射的模糊C均值聚类算法

引用

智能系统学报 2018年第4期13卷 594-601页

作者：鲍国强应文豪蒋亦樟张英王骏王士同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 常熟理工学院计算机科学与工程学院江苏常熟215500

针对复杂非线性数据的无监督学习问题,提出一种新型的映射方式来有效提高算法对复杂非线性数据的学习能力。以TSK模糊系统的规则前件学习为基础,提出一种新型的模糊特征映射新方法。接着,针对映射之后的数据维度过大问题,引入多层递阶... 详细信息

针对复杂非线性数据的无监督学习问题,提出一种新型的映射方式来有效提高算法对复杂非线性数据的学习能力。以TSK模糊系统的规则前件学习为基础,提出一种新型的模糊特征映射新方法。接着,针对映射之后的数据维度过大问题,引入多层递阶融合的概念,进一步提出基于多层递阶融合的模糊特征映射新方法,从而有效避免了因单层模糊特征映射之后特征维数过高而导致的数据混乱和冗余的问题。最后与模糊C均值算法相结合,提出基于多层递阶融合模糊特征映射的模糊C均值聚类算法。实验研究表明,文中算法相比于经典模糊聚类方法,有着更加优越、稳定的性能。

关键词： Takagi-Sugeno-Kang(TSK)模糊系统主成分分析(PCA) 无监督学习模糊C均值聚类

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：