检索结果-内蒙古大学图书馆

南京大学学报（自然科学版） 2021年第4期57卷 566-574页

作者：普志方陈秀宏江南大学人工智能与计算机学院无锡214122 江苏省媒体设计与软件技术重点实验室无锡214122

为了提高细胞核图像分割的精确性和鲁棒性,提出一种基于改进卷积神经网络的多尺度多层次双注意力图像分割算法.使用SE(Squeeze-and-Excitation)和改进的条纹池化SP(Strip Pooling)整合通道和空间上的信息权重代替传统U-Net编码的最后一... 详细信息

为了提高细胞核图像分割的精确性和鲁棒性,提出一种基于改进卷积神经网络的多尺度多层次双注意力图像分割算法.使用SE(Squeeze-and-Excitation)和改进的条纹池化SP(Strip Pooling)整合通道和空间上的信息权重代替传统U-Net编码的最后一层操作以提升对有用信息的关注.在级联路径,提出轻量级的Inception模块,在增加感受野的同时减少参数以获得多尺度的特征.编码和解码信息拼接之前结合注意力机制提高分割精度,使用残差块作为解码部分的基础层,并增加一个侧边输出结构提供多层次的信息.每一层的损失采用阶梯的方式相加,指导监督多层次模型更好的训练,提高模型准确率.在细胞分割数据集上的实验结果表明,该方法的交并比和相似性系数的精度分别达到85.72%和92.02%,和其他网络相比,分割效果更好.

关键词：图像分割深度学习注意力机制多尺度多层次

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

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

基于样本特征核矩阵的稀疏双线性回归

引用

计算机科学 2021年第10期48卷 185-190页

作者：邵政毅陈秀宏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苏无锡214122

在许多实际应用中出现了大量的冗余数据,这些数据可能是高维的,这时进行回归预测将会出现过拟合的现象,并且还会出现预测精度偏低等问题。另外,大多数回归方法都是基于向量的,忽略了矩阵数据原始位置之间的关系。为此,文中提出了一种基... 详细信息

在许多实际应用中出现了大量的冗余数据,这些数据可能是高维的,这时进行回归预测将会出现过拟合的现象,并且还会出现预测精度偏低等问题。另外,大多数回归方法都是基于向量的,忽略了矩阵数据原始位置之间的关系。为此,文中提出了一种基于样本特征核矩阵的稀疏双线性回归(Kernel Matrix-based Sparse Bilinear Regression,KMSBR)方法。该方法直接将数据矩阵作为输入,其是通过左右回归系数矩阵而建立的,利用样本的特征核矩阵和L 2,1范数,能够同时实现对样本及样本特征的选择,且考虑了数据的原始位置,提高了算法的性能。在若干数据集上的实验结果表明,KMSBR能有效地选择相对重要的样本和特征,从而提高算法的运行效率,且其预测精度优于已有的几种回归模型。

关键词：特征核矩阵线性回归样本与特征提取稀疏性左右回归矩阵

来源：评论

学校读者我要写书评

暂无评论

软件定义网络中一种优化的拓扑发现策略

引用

小型微型计算机系统 2025年第4期46卷 974-979页

作者：姚纤纤夏鸿斌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苏无锡214122

软件定义网络中,目前大部分控制器采用的拓扑发现协议都是OpenFlow发现协议(OFDP),然而随着网络规模增大,拓扑发现过程中控制器与交换机之间的控制消息不断增加导致拓扑发现效率降低.针对这一问题,本文提出了一种新的拓扑发现策略——... 详细信息

软件定义网络中,目前大部分控制器采用的拓扑发现协议都是OpenFlow发现协议(OFDP),然而随着网络规模增大,拓扑发现过程中控制器与交换机之间的控制消息不断增加导致拓扑发现效率降低.针对这一问题,本文提出了一种新的拓扑发现策略——基于最小顶点覆盖的拓扑发现策略(Minimum Vertex Cover Based Topology Discovery Strategy,MVC-OFDP),通过获取最小顶点覆盖交换机集合,预安装流表规则,同时对交换机实例设置端口标记避免消息的重复发送,大大减少了控制器发送和接收的LLDP消息数量,从而提高拓扑发现过程的效率.并且使用单向链路探测机制保证获得的拓扑信息的准确性.和已有的拓扑发现方法OFDP、OFDPv2和Im-OFDP进行对比,最终的实验结果表明本文提出的策略显著优于这些拓扑发现策略.

关键词：软件定义网络 OpenFlow发现协议拓扑发现最小顶点覆盖算法

来源：评论

学校读者我要写书评

暂无评论

弹力理论传播的半监督学习新方法

引用

计算机科学与探索 2020年第4期14卷 606-618页

作者：刘莹莹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

现有的基于图的半监督学习方法在本质上是属于模拟各种传播机制的标签传播方法。与现有的传播机制不同,尝试采用一种新的基于弹力的传播方法来实现半监督学习。基本思想是假设图中的每个节点以一定的弹性系数都接受其相邻节点的弹性力,... 详细信息

现有的基于图的半监督学习方法在本质上是属于模拟各种传播机制的标签传播方法。与现有的传播机制不同,尝试采用一种新的基于弹力的传播方法来实现半监督学习。基本思想是假设图中的每个节点以一定的弹性系数都接受其相邻节点的弹性力,并以另一个弹性系数将弹性力传递给相邻的节点。因此,两种类型的弹性力之间的差异可以度量每个节点的传播量。在此想法基础上,推导出图中所有节点的更新方程,并将这些方程表示为矩阵形式,进一步推导出其解析解。换句话说,该方法具有可靠的物理学基础。并从优化相应的目标函数角度出发,论证了该方法的基本原理,从而保证了该方法的收敛性。大量的实验结果验证了该方法在半监督学习中的有效性。

关键词：半监督学习标签传播弹力理论收敛

来源：评论

学校读者我要写书评

暂无评论

共享近邻紧密度的增量式谱聚类算法

引用

计算机科学与探索 2020年第6期14卷 996-1004页

作者：赵萌萌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

现有的基于共享近邻紧密度的谱聚类算法由于能很好地探索出数据点之间的潜在相似性关系,对未能完全分离的数据集具有健壮性,受到了越来越多的关注。但是,在运行时间和内存需求方面,它要花费的代价仍然十分昂贵,这使得其聚类处理能力不... 详细信息

现有的基于共享近邻紧密度的谱聚类算法由于能很好地探索出数据点之间的潜在相似性关系,对未能完全分离的数据集具有健壮性,受到了越来越多的关注。但是,在运行时间和内存需求方面,它要花费的代价仍然十分昂贵,这使得其聚类处理能力不太高效,具有运行速度较慢,运行时间过长,面对大数据集时算法失效等缺点,因此该算法对于大规模数据集来说是不切实际的。为了克服这些缺点,提出了一种它的增量版本。该算法的思想是先将数据集分解为若干子集,然后以增量的方式在每个子集上运行,从而保证其具有良好的聚类性能。通过对人工数据集和仿真数据集进行大量的实验验证了该谱聚类算法的有效性。同时,该算法的时间消耗低,聚类精度高,且能够有效地对不断增加的数据集进行聚类。

关键词：谱聚类共享最近邻增量式大规模数据

来源：评论

学校读者我要写书评

暂无评论

一种文本幽默对比的Siamese双向GRU注意力模型

引用

计算机应用研究 2021年第4期38卷 1017-1021页

作者：顾艳夏鸿斌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苏无锡214122

传统的幽默计算任务依赖人工构造特征,容易造成丢失特征,且主要集中在幽默判断。而基于深度学习的Siamese双向GRU注意力模型是对成对的幽默文本进行对比,判断哪一条语句更具有幽默性。首先,利用文本处理器对文本进行词嵌入训练;其次,使... 详细信息

传统的幽默计算任务依赖人工构造特征,容易造成丢失特征,且主要集中在幽默判断。而基于深度学习的Siamese双向GRU注意力模型是对成对的幽默文本进行对比,判断哪一条语句更具有幽默性。首先,利用文本处理器对文本进行词嵌入训练;其次,使用双向GRU模型来获取每个单词的注释;最后,在全连接层执行幽默比较任务。在Semeval-2017 Task6-#HashtagWars数据集上进行实验,采用accuracy作为评估指标。实验结果表明,该模型与其他相关模型在幽默文本对比上有较明显提升。

关键词：人工智能自然语言理解双向GRU 注意力机制 Siamese架构

来源：评论

学校读者我要写书评

暂无评论

基于多核学习的风格正则化最小二乘支持向量机

引用

计算机科学与探索 2020年第9期14卷 1532-1544页

作者：沈浩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

当前的多核学习方法结合了不同核函数在对数据的物理特性表示上的能力,但在风格化数据集中不能充分利用样本中所隐含的风格信息。由此,提出应用于风格化数据的基于多核学习的风格正则化最小二乘支持向量机(MK-SRLSSVM)。算法利用风格转... 详细信息

当前的多核学习方法结合了不同核函数在对数据的物理特性表示上的能力,但在风格化数据集中不能充分利用样本中所隐含的风格信息。由此,提出应用于风格化数据的基于多核学习的风格正则化最小二乘支持向量机(MK-SRLSSVM)。算法利用风格转换矩阵表示包含在样本中的风格信息,并在目标函数中对其进行正则化处理,通过常用的交替优化方法对目标函数进行优化,在迭代过程中同步更新风格转换矩阵和分类器参数。为在预测过程中利用已学习的风格信息,在传统预测方法中增加了两种新的规则,在分类之前预先使用风格转换矩阵对样本风格进行标准化处理。所提出的分类器不仅利用了现有多核学习算法在表示样本的物理特征方面的优势,同时有效挖掘了数据集内包含的风格信息以提高分类性能,在风格化数据集中的实验结果证明了算法的有效性。

关键词：最小二乘支持向量机(LSSVM) 多核学习风格化数据风格信息

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算法

引用

计算机应用 2021年第11期41卷 3127-3131页

作者：刘晓龙王士同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

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了不错的成果。然而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,这被称为开放集域自适应问题。传统的域自... 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了不错的成果。然而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,这被称为开放集域自适应问题。传统的域自适应算法对这样具有挑战性的场景设定无能为力,因此提出了渐进式分离的开放集模糊域自适应算法。首先,基于引进隶属度的开放集模糊域自适应算法,探索了逐步分离目标域中已知类和未知类样本的方法;然后,仅将从目标域中分离出的已知类与源域对齐,从而减小两个域之间的分布差异,进行模糊域自适应。所提算法很好地解决了由于未知类和已知类之间的不匹配而导致的负迁移所带来的影响。在Office数据集上的6组域自适应转化实验结果表明,与传统的域自适应算法比较,所提算法在图像分类中的精度有显著的提升,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

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：