检索结果-内蒙古大学图书馆

激光与光电子学进展 2019年第9期56卷 108-116页

作者：刘洪普郑梦敬侯向丹李柏岑杜佳卓河北工业大学人工智能与数据科学学院天津300401 河北工业大学电气工程学院天津300401 河北省大数据计算重点实验室天津300401

研究了分数阶微分及其掩模算子的特性,提出了一种新的基于局部二进制模式方差(LBPV)的分数阶微分的图像增强算法,运用LBPV理论对图像进行了特征提取,构建了更加有效的分数阶掩模模板。实验结果表明,与现有的分数阶微分图像增强算法相比... 详细信息

研究了分数阶微分及其掩模算子的特性,提出了一种新的基于局部二进制模式方差(LBPV)的分数阶微分的图像增强算法,运用LBPV理论对图像进行了特征提取,构建了更加有效的分数阶掩模模板。实验结果表明,与现有的分数阶微分图像增强算法相比,所提算法在增强图像的纹理和细节信息上具有良好的效果。

关键词：图像处理图像增强分数阶微分掩模算子局部二进制模式方差

来源：评论

学校读者我要写书评

暂无评论

深度置信网络优化模型在人才评价中的应用

引用

计算机工程 2020年第2期46卷 80-87,102页

作者：李娜娜胡坚剑顾军华张亚娟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

针对深度置信网络(DBN)权值随机初始化容易使网络陷入局部最优的问题,引入改进的和声搜索(IHS)算法,提出基于IHS的DBN模型(IHS-DBN)。在和声搜索算法的基础上,利用全局自适应的和声音调调整方式,提升算法收敛速度和后期局部搜索能力。将... 详细信息

针对深度置信网络(DBN)权值随机初始化容易使网络陷入局部最优的问题,引入改进的和声搜索(IHS)算法,提出基于IHS的DBN模型(IHS-DBN)。在和声搜索算法的基础上,利用全局自适应的和声音调调整方式,提升算法收敛速度和后期局部搜索能力。将DBN重构误差函数作为IHS算法的优化目标函数,通过不断迭代优化解向量为DBN寻找一组较优的初始权值进行网络训练,并在MNIST数据集上验证IHS-DBN模型的有效性。IHS-DBN模型在高校人才评价中的应用结果表明,与DBN、SVM和BP神经网络评价模型相比,IHS-DBN模型的评价准确率分别提高3.6%、7.3%和16.4%。

关键词：深度置信网络随机初始化和声搜索算法音调调整人才评价

来源：评论

学校读者我要写书评

暂无评论

基于Spark的并行ISOMAP算法

引用

中国科学技术大学学报 2019年第10期49卷 842-850页

作者：石陆魁郭林林房子哲张军 .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

为了实现大数据环境下非线性高维数据的降维,提出了基于Spark的并行ISOMAP算法.在该方法中,为了快速求解大规模矩阵的特征值和特征向量,设计并实现了基于Spark的并行块Davidson方法;同时,针对大规模矩阵计算和传输困难的问题,提出了基于... 详细信息

为了实现大数据环境下非线性高维数据的降维,提出了基于Spark的并行ISOMAP算法.在该方法中,为了快速求解大规模矩阵的特征值和特征向量,设计并实现了基于Spark的并行块Davidson方法;同时,针对大规模矩阵计算和传输困难的问题,提出了基于RDD分区的行块式矩阵乘法策略,该策略把每个分区中的矩阵行转换成块矩阵,行块式矩阵可不受map算子对RDD逐条计算的限制,并可以利用Spark中的线性代数库参与矩阵级别的运算.实验结果表明,行块式矩阵乘法策略有效提高了矩阵运算的效率,并行块Davidson方法能够快速求解大规模矩阵特征值和特征向量,有效提高了并行ISOMAP算法的性能,表明并行ISOMAP算法可以适应大数据环境下的降维处理.

关键词： ISOMAP 行块式矩阵块Davidson方法 Spark

来源：评论

学校读者我要写书评

暂无评论

无K_4-图子式的图的邻和可区别边染色

引用

数学进展 2017年第6期46卷 839-847页

作者：潘文华徐常青河北工业大学理学院天津300401 河北省大数据计算重点实验室天津300401

给定图G的一个正常k-边染色φ:E(G)→{1,2,…,k},记f(v)是与点v相关联的边的颜色的加和.若对G的每条边uv都有f(u)≠f(v),则称φ是图G的k-邻和可区别边染色.图G存在k-邻和可区别边染色的k的最小值称为图G的邻和可区别边色数,记作χ'_... 详细信息

给定图G的一个正常k-边染色φ:E(G)→{1,2,…,k},记f(v)是与点v相关联的边的颜色的加和.若对G的每条边uv都有f(u)≠f(v),则称φ是图G的k-邻和可区别边染色.图G存在k-邻和可区别边染色的k的最小值称为图G的邻和可区别边色数,记作χ'_Σ(G).运用组合零点定理研究了△≥6的无K_(4-)图子式的图的邻和可区别边色数,证得若G不含相邻最大度点,则χ'_Σ(G)=△,否则χ'_Σ(G)=△+1.

关键词：邻和可区别边染色组合零点定理无K4-图子式的图

来源：评论

学校读者我要写书评

暂无评论

基于时空模式的轨迹数据聚类算法

引用

计算机应用 2017年第3期37卷 854-859,895页

作者：石陆魁张延茹张欣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(河北工业大学) 天津300401

针对轨迹聚类算法在相似性度量中多以空间特征为度量标准,缺少对时间特征的度量,提出了一种基于时空模式的轨迹数据聚类算法。该算法以划分再聚类框架为基础,首先利用曲线边缘检测方法提取轨迹特征点;然后根据轨迹特征点对轨迹进行子轨... 详细信息

针对轨迹聚类算法在相似性度量中多以空间特征为度量标准,缺少对时间特征的度量,提出了一种基于时空模式的轨迹数据聚类算法。该算法以划分再聚类框架为基础,首先利用曲线边缘检测方法提取轨迹特征点;然后根据轨迹特征点对轨迹进行子轨迹段划分;最后根据子轨迹段间时空相似性,采用基于密度的聚类算法进行聚类。实验结果表明,使用所提算法提取的轨迹特征点在保证特征点具有较好简约性的前提下较为准确地描述了轨迹结构,同时基于时空特征的相似性度量因同时兼顾了轨迹的空间与时间特征,得到了更好的聚类结果。

关键词：时空模式轨迹数据曲线边缘检测相似性度量密度聚类

来源：评论

学校读者我要写书评

暂无评论

一种改进的模糊C均值图像分割算法

引用

郑州大学学报（理学版） 2017年第2期49卷 66-71页

作者：刘洪普杨乐侯向丹顾军华河北工业大学计算机科学与软件学院天津300401 河北工业大学河北省大数据计算重点实验室天津300401

针对传统的模糊C均值(FCM)图像分割算法效率较低和分割结果对噪声敏感等问题,提出了一种改进的模糊C均值图像分割算法,可以有效地根据图像灰度分布信息选取初始聚类中心,同时充分考虑了邻域像素对于聚类的影响.结果表明,该算法能够根据... 详细信息

针对传统的模糊C均值(FCM)图像分割算法效率较低和分割结果对噪声敏感等问题,提出了一种改进的模糊C均值图像分割算法,可以有效地根据图像灰度分布信息选取初始聚类中心,同时充分考虑了邻域像素对于聚类的影响.结果表明,该算法能够根据图像特征自动初始化合适数量的近似聚类中心,对噪声图像具有较好的分割效果.

关键词：模糊C均值初始聚类中心图像分割灰度直方图邻域

来源：评论

学校读者我要写书评

暂无评论

融合注意力机制和U-Net的视网膜血管分割

引用

计算机辅助设计与图形学学报 2023年第9期35卷 1383-1394页

作者：侯向丹牛敬钰李紫宇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

视网膜血管分割对于辅助医生进行临床筛查与诊断眼科疾病、糖尿病等大规模疾病具有重要意义.针对现有视网膜血管分割算法对细微血管分割不足、分割易受复杂背景区域影响的问题,提出一种融合注意力机制和U-Net的TCU-Net算法对视网膜血管... 详细信息

视网膜血管分割对于辅助医生进行临床筛查与诊断眼科疾病、糖尿病等大规模疾病具有重要意义.针对现有视网膜血管分割算法对细微血管分割不足、分割易受复杂背景区域影响的问题,提出一种融合注意力机制和U-Net的TCU-Net算法对视网膜血管进行分割.首先,通过单通道特征提取、图像裁剪等预处理方法,对原始眼底图像进行特征增强与数据扩充;然后,基于U-Net结构对预处理后的图像进行分割,编码器结合ResNet与Transformer对图像细节与全局特征信息进行捕获,可有效地增强血管特征提取能力,解码器引入改进通道注意力模块辅助上采样过程,细化分割结果.在DRIVE和CHASEDB1数据集上的实验结果表明,TCU-Net算法的准确率分别为0.9684和0.9748,灵敏度分别为0.7899和0.8256,受试者工作特性曲线下方的面积分别为0.9820和0.9876;综合分割性能较U-Net,CIEU-Net等算法均有较大提升.

关键词：图像分割视网膜血管 ResNet Transformer 改进通道注意力

来源：评论

学校读者我要写书评

暂无评论

基于低秩矩阵恢复的去噪方法在石油测井中的应用

引用

石油物探 2017年第5期56卷 644-650页

作者：王艳伟夏克文牛文佳 Ali Ahamd 河北工业大学电子信息工程学院天津300401 河北省大数据计算重点实验室天津300401

随着测井技术的发展,各大油田采集和存储的测井数据量呈井喷式增长,并存在大量冗余和噪声,在进行油气层识别前必须对测井数据进行压缩和去噪等预处理。低秩矩阵恢复(Low-Rank Matrix Recovery,LRMR)理论将压缩感知(Compressed Sensing,... 详细信息

随着测井技术的发展,各大油田采集和存储的测井数据量呈井喷式增长,并存在大量冗余和噪声,在进行油气层识别前必须对测井数据进行压缩和去噪等预处理。低秩矩阵恢复(Low-Rank Matrix Recovery,LRMR)理论将压缩感知(Compressed Sensing,CS)中向量样例的稀疏表示推广到矩阵的低秩情形,从较大但稀疏的误差中恢复出本质上低秩的数据矩阵,可更好地保持数据结构,提高去噪效果。因此将低秩矩阵恢复理论中的去噪方法应用于石油测井中,实现对测井数据的去噪处理。对比研究了加速近端梯度算法(Accelerate Proximal Gradient,APG)、精确增广拉格朗日乘子(Exact Augmented Lagrange Multipliers,EALM)法和非精确增广拉格朗日乘子法(Inexact Augmented Lagrange Multipliers,IALM)在测井数据中的去噪效果,对去噪前后的测井数据分别采用支持向量机(Support Vector Machine,SVM)和相关向量机(Relevance Vector Machine,RVM)进行油气层识别,结果表明,与不去噪情况相比,利用三种算法进行去噪处理后油气层识别精度都有了显著提升。通过参数优化减少迭代次数,可使得IALM算法在运算时间上优于EALM算法和APG算法,明显提高了运算效率。

关键词：石油测井数据去噪低秩矩阵恢复加速近端梯度算法增广拉格朗日乘子法

来源：评论

学校读者我要写书评

暂无评论

问题特征增强的知识追踪模型

引用

计算机科学与探索 2024年第9期18卷 2466-2475页

作者：许智宏张惠斌董永峰王利琴王旭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 河北省数据驱动工业智能工程研究中心天津300401

知识追踪根据学生过去的答题表现实时跟踪学生的知识状态并预测学生未来的答题表现,是实现个性化教学的关键。近年来,基于RNN的深度知识追踪模型逐渐成为知识追踪领域中的主流研究方法。但是,现有的知识追踪模型存在无法捕获序列间长期... 详细信息

知识追踪根据学生过去的答题表现实时跟踪学生的知识状态并预测学生未来的答题表现,是实现个性化教学的关键。近年来,基于RNN的深度知识追踪模型逐渐成为知识追踪领域中的主流研究方法。但是,现有的知识追踪模型存在无法捕获序列间长期依赖以及忽略了问题与知识点间关系的问题,导致无法充分提取问题特征。针对上述问题,提出了基于问题特征增强的知识追踪模型QFEKT。使用图卷积神经网络对问题和知识点相关特征进行建模,建模过程中引入对比学习提升特征表示水平。通过问题匹配模块与学生知识状态表征模块进一步增强问题特征:通过问题匹配模块提取相似问题作为问题特征的补充;通过学生问题表征模块将双向长短期记忆网络与注意力机制结合增强问题特征建模学生的知识状态。预测模块融合相似问题特征与学生知识状态预测学生未来答题表现。在三个公开真实数据集上进行对比实验,QFEKT模型与其他基线模型相比可以更好完成知识追踪任务,在预测学生未来答题表现上具有明显优势。

关键词：知识追踪特征增强图卷积神经网络对比学习注意力机制

来源：评论

学校读者我要写书评

暂无评论

自动导引车云导引平台的研究与设计

引用

计算机工程 2017年第7期34卷 64-69页

作者：邢海洋张军王楠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

针对传统自动导引车(AGV)导引方式存在抗干扰弱、灵活性差、造价高等问题,提出一种基于云端的导引方式,设计并实现了该导引方式的云导引平台(CBGP)。该平台系统中CBGP服务器提供平台接入、通信和任务执行管理等功能,MapReduce计算框架和... 详细信息

针对传统自动导引车(AGV)导引方式存在抗干扰弱、灵活性差、造价高等问题,提出一种基于云端的导引方式,设计并实现了该导引方式的云导引平台(CBGP)。该平台系统中CBGP服务器提供平台接入、通信和任务执行管理等功能,MapReduce计算框架和HDFS文件系统提供分布式路径计算和存储。实验结果表明,CBGP平台能够较好地应用并行路径规划算法,并提供合适的路径完成云端导引AGV的任务。

关键词：自动导引车机器人基于云导引分布式计算路径规划蚁群优化

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：