检索结果-内蒙古大学图书馆

计算机工程与设计 2017年第6期38卷 1424-1428,1433页

作者：张巧妹顾军华侯向丹河北工业大学电子信息工程学院天津300401 河北工业大学河北省大数据计算重点实验室天津300401 河北工业大学计算机科学与软件学院天津300401

为解决图像中隐秘信息的嵌入量和提取秘密信息的准确性问题,增强信息的安全性和可靠性,提出一种基于阈值分类图像块相关性的加密域信息隐藏算法。利用分块图像中相邻块的边界像素的相关性特征,通过选取合适的阈值对图像进行纹理区域和... 详细信息

为解决图像中隐秘信息的嵌入量和提取秘密信息的准确性问题,增强信息的安全性和可靠性,提出一种基于阈值分类图像块相关性的加密域信息隐藏算法。利用分块图像中相邻块的边界像素的相关性特征,通过选取合适的阈值对图像进行纹理区域和平滑区域划分;根据嵌入内容和区域划分结果,将加密之后的图像像素值以两种低位(不重要位)取反的方式进行隐藏;接收者能较好地提取隐藏的数据,恢复原始图像。大量实验结果表明,该算法能有效降低数据提取和图像恢复的错误率,嵌入容量比之前算法提高了一倍左右。

关键词：加密域可逆信息隐藏相关性阈值嵌入容量

来源：评论

学校读者我要写书评

暂无评论

基于最小方差的股市拐点预测方法

引用

计算机应用研究 2017年第11期34卷 3373-3378页

作者：石陆魁秦志娇闫会强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 河北工业大学经济管理学院天津300401

预测股市拐点对指导股市投资具有重要意义,而股市拐点的预测是不平衡分类问题。针对SVM在解决此类不平衡问题时存在的偏斜性问题,提出了一种选取惩罚因子的方法。该方法以训练集交叉验证后所有类别样本的查全率与查准率的方差的乘积作... 详细信息

预测股市拐点对指导股市投资具有重要意义,而股市拐点的预测是不平衡分类问题。针对SVM在解决此类不平衡问题时存在的偏斜性问题,提出了一种选取惩罚因子的方法。该方法以训练集交叉验证后所有类别样本的查全率与查准率的方差的乘积作为判断标准,将最小方差乘积对应的惩罚因子作为各类的最优惩罚因子,并将此Biased-SVM模型应用于股市拐点预测。在实验中,选取了常用股票技术指标作为输入向量,与其他几种解决不平衡问题的方法进行了比较。实验结果表明,最小方差法在保证非拐点的多数类样本识别精度的同时提高了两类拐点样本的识别精度,为投资决策提供了佐证与帮助。

关键词：股市拐点预测不平衡分类最小方差法 SVM 惩罚因子

来源：评论

学校读者我要写书评

暂无评论

无重叠条件下的Top-k序列挖掘

引用

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

基于多尺度特征融合的土地利用分类算法

引用

计算机工程与设计 2020年第4期41卷 1099-1104页

作者：张军解鹏张敏闫文杰石陆魁河北工业大学人工智能与数据科学学院天津300401 河北省科学技术厅河北省大数据计算重点实验室天津300401

针对土地利用分类中高空间分辨率遥感图像已标注样本少和传感器高度变化导致地物形变等问题,提出一种基于多尺度特征融合的土地利用分类算法。通过对多个卷积层特征进行多尺度自适应融合,降低地物形变对分类精度造成的影响。为进一步提... 详细信息

针对土地利用分类中高空间分辨率遥感图像已标注样本少和传感器高度变化导致地物形变等问题,提出一种基于多尺度特征融合的土地利用分类算法。通过对多个卷积层特征进行多尺度自适应融合,降低地物形变对分类精度造成的影响。为进一步提高分类精度,利用预训练网络提取的深度特征对多尺度特征融合部分和全连接层进行预训练,采用增广数据集对整个网络进行微调。实验结果表明,自适应融合方法改善了融合效果,有效提高了土地利用分类的精度。

关键词：深度学习迁移学习卷积网络多尺度特征自适应特征融合土地利用分类

来源：评论

学校读者我要写书评

暂无评论

移动机器人动态路径规划方法的研究与实现

引用

计算机应用 2017年第11期37卷 3119-3123页

作者：史进董瑶白振东崔泽晨董永峰河北工业大学控制科学与工程学院天津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

针对在未知动态障碍物存在且目标点移动的环境下,采用人工势场法规划路径时斥力影响半径往往大于障碍物的半径从而导致动态障碍物与机器人发生碰撞的问题,提出非完全等待策略与Morphine算法相结合的改进人工势场法动态路径规划策略。当... 详细信息

针对在未知动态障碍物存在且目标点移动的环境下,采用人工势场法规划路径时斥力影响半径往往大于障碍物的半径从而导致动态障碍物与机器人发生碰撞的问题,提出非完全等待策略与Morphine算法相结合的改进人工势场法动态路径规划策略。当动态障碍物与机器人发生侧面碰撞时采用非完全等待策略;当动态障碍物与机器人发生迎面碰撞时采用Morphine算法局部规划路径;同时引入滚动窗口理论提高躲避动态障碍物的精确度。通过仿真实验,与传统人工势场作对比,提出的改进算法在发生侧面碰撞时要缩短12步,在发生迎面碰撞时要缩短6步,由此可得提出改进算法在路径平滑性和规划步数方面效果更优。

关键词：路径规划人工势场 Morphine算法非完全等待策略滚动窗口

来源：评论

学校读者我要写书评

暂无评论

基于动作空间扩充及奖励优化的知识图谱多跳推理

引用

山西大学学报(自然科学版) 2023年第2期46卷 283-292页

作者：王利琴宋金晟董永峰李英双河北工业大学人工智能与数据科学学院河北省大数据计算重点实验室河北省数据驱动工业智能工程研究中心河北工业大学信息安全与技术服务中心

知识图谱的不完备性导致多跳推理在探索路径的过程中会缺失关键节点和关系，从而导致推理失败。针对此问题，文章提出了动作空间扩充及奖励优化模型AsaRo(Action Space Augmentation and Reward Optimization)。该模型根据实体的邻域信... 详细信息

知识图谱的不完备性导致多跳推理在探索路径的过程中会缺失关键节点和关系，从而导致推理失败。针对此问题，文章提出了动作空间扩充及奖励优化模型AsaRo(Action Space Augmentation and Reward Optimization)。该模型根据实体的邻域信息寻找其相似实体，并利用相似实体的邻域信息扩充原实体动作空间。在模型优化方面，采用基于带有优势函数的演员评论家A2C(Advantage Actor Critic)算法的强化学习优化路径奖励，并在原有路径奖励的基础上添加状态价值函数以评价策略的好坏，进一步提升了模型效果。在知识图谱数据集UMLS、Kinship、WN18RR、NELL-995、FB15K-237上的实验结果表明，该文模型效果优于大部分现有模型。

关键词：知识图谱多跳推理强化学习动作空间

来源：评论

学校读者我要写书评

暂无评论

基于Spark的多策略蚁群算法求解最大团问题

引用

中国科学技术大学学报 2019年第10期49卷 851-860页

作者：顾军华王守彬武君艳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

社会网络分析目前是数据挖掘领域的研究热点之一,凝聚子群是测量社会网络结构的重要指标,而最大团结构是社会网络中最紧密的凝聚子群,最大团问题的研究也成为社会网络分析的一个重要角度.随着大数据的发展,图中节点的丰富性和边结构的... 详细信息

社会网络分析目前是数据挖掘领域的研究热点之一,凝聚子群是测量社会网络结构的重要指标,而最大团结构是社会网络中最紧密的凝聚子群,最大团问题的研究也成为社会网络分析的一个重要角度.随着大数据的发展,图中节点的丰富性和边结构的复杂性对求解最大团问题提出了更高的要求.为此提出了一种基于Spark的多策略蚁群算法求解最大团的算法.首先,该算法利用多条件选点策略扩大搜索空间,增加可行解的多样性,避免了陷入局部最优解;然后,采取一个局部搜索策略来提高该算法的精度和收敛速度;最后,在Spark分布式平台上并行地实现了该算法,验证了算法的并行性,证明该算法提高了算法处理大规模社区网络的执行效率.

关键词：最大团 Spark 蚁群算法蚂蚁选点策略局部改善

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：