检索结果-内蒙古大学图书馆

小型微型计算机系统 2019年第10期40卷 2170-2174页

作者：武优西王振坤史巧硕刘靖宇河北工业大学人工智能与数据科学学院天津300401 河北省大数据计算重点实验室天津300401

无重叠条件序列模式挖掘是一种带间隙约束的序列模式挖掘方法,能够有效地克服当前此类挖掘中的问题.但是当前的方法仅仅用于挖掘频繁模式,为了高效地挖掘最为频繁的k种无重叠序列模式,本文提出了"Gfp-tree(Gain-frequence-patternt... 详细信息

无重叠条件序列模式挖掘是一种带间隙约束的序列模式挖掘方法,能够有效地克服当前此类挖掘中的问题.但是当前的方法仅仅用于挖掘频繁模式,为了高效地挖掘最为频繁的k种无重叠序列模式,本文提出了"Gfp-tree(Gain-frequence-patterntree)"这一数据结构,构建了无重叠条件下完备的Top-k模式挖掘算法.该算法基于Apriori性质,不预先设定支持度阈值,而是在挖掘过程中生成并动态调整,直到挖掘过程结束.有效减少了候选模式的生成数量,节约了运行时间.实验表明,该算法具有较高的效率.

关键词：无重叠条件频繁模式 Top-k 序列挖掘

来源：评论

学校读者我要写书评

暂无评论

无间隙约束下无重叠模式匹配的在线求解算法

引用

小型微型计算机系统 2019年第7期40卷 1491-1495页

作者：柴欣王建姣闫文杰武优西河北工业大学人工智能与数据科学学院天津300401 河北省大数据计算重点实验室天津300401

间隙约束序列模式挖掘可以有效地挖掘满足用户特定需要的频繁模式,其核心是间隙约束模式匹配问题.无重叠的模式匹配问题是其中的一种方法,即任何两个出现的相同位置不能共用序列的同一位置的字符.但在无先验知识的情况下,如何设定间隙... 详细信息

间隙约束序列模式挖掘可以有效地挖掘满足用户特定需要的频繁模式,其核心是间隙约束模式匹配问题.无重叠的模式匹配问题是其中的一种方法,即任何两个出现的相同位置不能共用序列的同一位置的字符.但在无先验知识的情况下,如何设定间隙是难以解决的问题.针对此问题,本文设计了在线匹配算法SNGP-Best,其依据序列串来计算满足查询模式的最多出现数.该算法通过计算模式的长度来确立队列的个数,然后采用在线计算的方式,能够及时计算出满足条件的出现并输出,起到了降低算法空间复杂性的作用.实验结果验证SNGP-Best算法具有良好的求解性能.

关键词：模式匹配间隙约束无重叠条件在线求解算法

来源：评论

学校读者我要写书评

暂无评论

梯度优化决策树的集成学习及其应用

引用

计算机科学 2018年第B11期45卷 121-125页

作者：王延斌武优西刘洪普河北工业大学人工智能与数据科学学院天津300401 河北省大数据计算重点实验室天津300401

集成学习通过构建具有一定互补功能的多个分类器来完成学习任务,以减少分类误差。但是当前研究未能考虑分类器的局部有效性。为此,在基于集成学习的框架下,提出了一个分层结构的多分类算法。该算法按预测类别分解问题,在分层的基础上,... 详细信息

集成学习通过构建具有一定互补功能的多个分类器来完成学习任务,以减少分类误差。但是当前研究未能考虑分类器的局部有效性。为此,在基于集成学习的框架下,提出了一个分层结构的多分类算法。该算法按预测类别分解问题,在分层的基础上,集成多个分类器以提高分类准确度。在美国某高校招生录取这一个实际应用的数据集及3个UCI数据集上进行实验,实验结果验证了该算法的有效性。

关键词：集成学习分类器融合梯度优化层次化结构

来源：评论

学校读者我要写书评

暂无评论

基于图游走的并行协同过滤推荐算法

引用

智能系统学报 2019年第4期14卷 743-751页

作者：顾军华谢志坚武君艳许馨匀张素琪河北工业大学人工智能与数据科学学院天津300401 河北工业大学河北省大数据计算重点实验室天津300401 天津商业大学信息工程学院天津300134 CCF 中国离散数学学会河北省计算机学会

针对目前协同过滤推荐算法存在的数据稀疏性问题和可扩展性问题,本文进行了相关研究。针对稀疏性问题,在传统的皮尔逊相关相似度中引入交占比系数计算用户间直接相似度,该方法缓解了用户间共同评分项的占比问题;提出一种基于图游走的间... 详细信息

针对目前协同过滤推荐算法存在的数据稀疏性问题和可扩展性问题,本文进行了相关研究。针对稀疏性问题,在传统的皮尔逊相关相似度中引入交占比系数计算用户间直接相似度,该方法缓解了用户间共同评分项的占比问题;提出一种基于图游走的间接相似度计算方法,该方法根据用户间的直接相似度建立用户网络图,在用户网络图上通过游走计算用户间的间接相似度,并进行推荐。在Spark平台上实现本文方法的并行化,缓解了数据规模增加带来的可扩展性问题。实验结果表明:本文提出的算法在不同数据集上均取得了良好效果,有效地提高了推荐准确度,并且在分布式环境下具有良好的可扩展性。

关键词：协同过滤推荐用户网络图游走相似度间接相似度并行 Spark平台

来源：评论

学校读者我要写书评

暂无评论

基于Haar-like特征的实时L1-跟踪算法

引用

计算机科学 2017年第3期44卷 300-306页

作者：阎刚屈高超于明河北工业大学电子信息工程学院天津300401 河北工业大学计算机科学与软件学院天津300401 河北省大数据计算重点实验室天津300401

稀疏表示技术已成功应用于视觉跟踪,但是仍然存在跟踪算法效率低的问题。提出一种基于Haar-like特征的视频跟踪算法,该算法是基于粒子滤波框架的L1-跟踪算法,其特点是运用Haar-like特征及特征块的思想对完备基进行重新构造。将正负小模... 详细信息

稀疏表示技术已成功应用于视觉跟踪,但是仍然存在跟踪算法效率低的问题。提出一种基于Haar-like特征的视频跟踪算法,该算法是基于粒子滤波框架的L1-跟踪算法,其特点是运用Haar-like特征及特征块的思想对完备基进行重新构造。将正负小模板由单个像素改为像素块,降低稀疏表示中过完备基的维数,大幅减少稀疏矩阵的计算量;同时,在保证跟踪质量的前提下适当减少目标模板数量,减少稀疏计算的次数,并控制模板更新频率。实验结果表明,所提算法能大幅提高跟踪的实时性,同时很好地解决了跟踪问题中的短时间遮挡、目标物体的形变以及光照变化等问题。

关键词： L1-跟踪算法粒子滤波稀疏表示目标跟踪 Haar-like特征

来源：评论

学校读者我要写书评

暂无评论

基于改进的DQN机器人路径规划

引用

计算机工程与设计 2021年第2期42卷 552-558页

作者：董永峰杨琛董瑶屈向前肖华昕王子秋河北工业大学人工智能与数据科学学院天津300401 河北工业大学河北省大数据计算重点实验室天津300401 河北工业大学河北省数据驱动工业智能工程中心天津300401

针对深度Q学习算法在机器人路径规划中的过估计问题,提出一种动态融合深度双Q算法(dynamic target double deep Q network,DTDDQN)。通过动态融合DDQN和平均DQN的先验知识进行网络参数训练,前期以较大权重的DDQN优化目标对估计网络进行... 详细信息

针对深度Q学习算法在机器人路径规划中的过估计问题,提出一种动态融合深度双Q算法(dynamic target double deep Q network,DTDDQN)。通过动态融合DDQN和平均DQN的先验知识进行网络参数训练,前期以较大权重的DDQN优化目标对估计网络进行网络训练和先验知识的积累,随着学习的深入,增大平均DQN的优化目标对网络训练的权重,使网络输出的Q值更加接近真实Q值,减少过估计对机器人在选择动作时的影响,达到所选策略最优。仿真对比结果表明,DTDDQN算法在路径规划中能更好解决过估计问题,在动作选择方面以及规划路径长度方面都有一定提升。

关键词：动态融合机器人路径规划过估计深度强化学习优化目标

来源：评论

学校读者我要写书评

暂无评论

在线学习资源推荐综述

引用

计算机应用 2023年第6期43卷 1655-1663页

作者：董永峰王雅琮董瑶邓亚晗河北工业大学人工智能与数据科学学院天津300401 河北省大数据计算重点实验室(河北工业大学) 天津300401 河北省数据驱动工业智能工程研究中心(河北工业大学) 天津300401

近年来越来越多的学校广泛使用网络在线授课,然而互联网中海量的学习资源令学习者难以抉择。因此,研究在线学习资源推荐并为学习者进行个性化推荐非常重要,这可以帮助学习者快速获取其所需的优质学习资源。针对在线学习资源推荐的研究现... 详细信息

近年来越来越多的学校广泛使用网络在线授课,然而互联网中海量的学习资源令学习者难以抉择。因此,研究在线学习资源推荐并为学习者进行个性化推荐非常重要,这可以帮助学习者快速获取其所需的优质学习资源。针对在线学习资源推荐的研究现状,从以下5个方面进行分析总结。首先,总结了目前国内外在线教育平台在学习资源推荐方面的工作;其次,分析和探讨了以知识点习题、学习路径、学习视频和学习课程为学习资源推荐目标的4种算法;接着,分别从学习者和学习资源的角度出发,以具体的算法为例,详述了常用的基于学习者画像、基于学习者行为和基于学习资源本体的3种学习资源推荐算法;此外,总结了公开的在线学习资源数据集;最后,分析了学习资源推荐系统目前存在的问题和未来的发展方向。

关键词：在线学习在线教育平台个性化推荐学习资源推荐智慧教育

来源：评论

学校读者我要写书评

暂无评论

基于个性化学习和深层次细化的知识追踪

引用

计算机应用 2024年第10期44卷 3039-3046页

作者：李林昊张晓倩董瑶王旭董永峰河北工业大学人工智能与数据科学学院天津300401 河北省大数据计算重点实验室(河北工业大学) 天津300401 河北省数据驱动工业智能工程研究中心(河北工业大学) 天津300401

针对知识追踪(KT)模型没有充分考虑学生间差异、挖掘知识状态与习题的高度匹配等问题,提出一种双层网络架构——基于个性化学习和深层次细化的知识追踪(PLDRKT)。首先,利用增强注意力机制得到习题的深层次细化表示;其次,从不同学生对习... 详细信息

针对知识追踪(KT)模型没有充分考虑学生间差异、挖掘知识状态与习题的高度匹配等问题,提出一种双层网络架构——基于个性化学习和深层次细化的知识追踪(PLDRKT)。首先,利用增强注意力机制得到习题的深层次细化表示;其次,从不同学生对习题的难度感知和学习收益方面对初步知识状态进行个性化建模;最后,利用初步知识状态和深层习题表示得到学生的深层次知识状态并预测他们的未来答题情况。将PLDRKT模型与基于对抗训练的增强知识追踪(ATKT)和集成知识追踪(ENKT)等7种模型在Statics2011、ASSIST09、ASSIST15和ASSIST17数据集上进行对比实验。实验结果显示,PLDRKT模型的曲线下面积(AUC)均有增加,在4个数据集上与不考虑习题嵌入的最优基线模型相比,分别增加了0.61、1.32、5.29和0.19个百分点,可见PLDRKT模型可以较好地建模学生知识状态并预测回答。

关键词：知识追踪注意力深层次细化高度匹配个性化

来源：评论

学校读者我要写书评

暂无评论

基于多信息图注意力网络的双向迭代实体对齐

引用

计算机工程与设计 2023年第6期44卷 1836-1843页

作者：许智宏刘梓艺王利琴董永峰河北工业大学人工智能与数据科学学院天津300401 河北工业大学河北省大数据计算重点实验室天津300401 河北工业大学河北省数据驱动工业智能工程研究中心天津300401

针对当前实体对齐方法无法充分利用知识图谱实体的多种信息和缺乏先验对齐种子对限制实体对齐效果的问题,提出一种基于多信息图注意力网络的双向迭代实体对齐模型。使用具有高速公路网络机制的图注意力网络,充分利用实体的多种信息获得... 详细信息

针对当前实体对齐方法无法充分利用知识图谱实体的多种信息和缺乏先验对齐种子对限制实体对齐效果的问题,提出一种基于多信息图注意力网络的双向迭代实体对齐模型。使用具有高速公路网络机制的图注意力网络,充分利用实体的多种信息获得实体的嵌入表示,提出一种双向迭代策略,设置阈值筛选高置信度实体对加入训练集中,达到扩展先验对齐种子对的目的。在3个跨语言实体对齐数据集上进行的实验结果表明,该模型有效提高了评估指标Hits@1,Hits@10的性能。

关键词：知识图谱实体对齐多信息图注意力网络高速公路网络表示学习双向迭代

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的聚类综述

引用

计算机应用 2022年第4期42卷 1021-1028页

作者：董永峰邓亚晗董瑶王雅琮河北工业大学人工智能与数据科学学院天津300401 河北省大数据计算重点实验室(河北工业大学) 天津300401 河北省数据驱动工业智能工程研究中心(河北工业大学) 天津300401

聚类是一种寻找数据之间内在结构的技术,是许多数据驱动应用领域的一个基本问题,而聚类性能在很大程度上取决于数据表示的质量。近年来,深度学习因其强大的特征提取能力被广泛地应用于聚类任务,以学习更好的特征表示,显著提高了聚类性... 详细信息

聚类是一种寻找数据之间内在结构的技术,是许多数据驱动应用领域的一个基本问题,而聚类性能在很大程度上取决于数据表示的质量。近年来,深度学习因其强大的特征提取能力被广泛地应用于聚类任务,以学习更好的特征表示,显著提高了聚类性能。首先,介绍了传统的聚类任务;然后,根据网络结构介绍了基于深度学习的聚类及代表性方法,指出了当前存在的问题,并介绍了基于深度学习的聚类在不同领域的应用;最后,对基于深度学习的聚类发展进行了总结与展望。

关键词：聚类深度学习图聚类特征表示网络结构

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：