检索结果-内蒙古大学图书馆

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

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

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

基于信息熵特征选择的小麦冠层叶绿素含量估测方法

引用

农业机械学报 2022年第8期53卷 186-195页

作者：苑迎春周毅宋宇斐徐铮王克俭河北农业大学信息科学与技术学院保定071001 河北省农业大数据重点实验室保定071001 石家庄学院计算机科学与工程学院石家庄050035

为运用图像颜色特征估测作物的叶绿素含量,以自然环境下的小麦冠层图像为研究对象,提出一种基于熵权法的颜色特征选择方法,并应用机器学习方法建立小麦冠层叶绿素含量估测模型。熵权法通过信息熵来衡量颜色特征指标权重,实现冠层图像特... 详细信息

为运用图像颜色特征估测作物的叶绿素含量,以自然环境下的小麦冠层图像为研究对象,提出一种基于熵权法的颜色特征选择方法,并应用机器学习方法建立小麦冠层叶绿素含量估测模型。熵权法通过信息熵来衡量颜色特征指标权重,实现冠层图像特征排序,机器学习方法选用多元线性回归(Multiple linear regression, MLR)、岭回归(Ridge regression, RR)和支持向量回归模型(Support vector regression, SVR)估测小麦冠层叶绿素含量。试验结果表明,与皮尔逊相关系数法和主成分分析法选取的特征集进行对比,熵权法得到a^(*)、R-G-B、R-G、(a^(*)+b^(*))/L、a^(*)/b^(*)、(R-G)/(R+G+B)、(R-B)/(R+B)、H/S、(R-G)/(R+G)等9个特征组成的特征集,可以利用较少的特征指标达到最优的预测效果。在选取相同特征指标参数的情况下,SVR的预测能力优于其它模型,其R^(2)和RMSE的平均值分别为0.80、1.89,相比于MLR和RR模型R^(2)分别提升2.8%、1.1%,RMSE分别下降0.13和0.05。将基于熵权法建立的SVR模型应用到2021年采集的小麦冠层图像数据,结果表明模型具有很好的稳定性。

关键词：小麦冠层叶绿素估测颜色特征选择信息熵

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

基于历史对比学习的时序知识图谱补全

引用

计算机工程与应用 2024年第22期60卷 154-161页

作者：许智宏邱鹏林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

针对现有的时序知识图谱补全模型高度依赖历史上已经发生过的事件,对历史上未发生过的事件预测不够准确的问题,提出了一种加入时序信息的对比历史与非历史信息的时序知识图谱补全模型(completion of temporal knowledge graph for compa... 详细信息

针对现有的时序知识图谱补全模型高度依赖历史上已经发生过的事件,对历史上未发生过的事件预测不够准确的问题,提出了一种加入时序信息的对比历史与非历史信息的时序知识图谱补全模型(completion of temporal knowledge graph for comparing historical and non-historical information,CHNH)。该模型通过BiLSTM捕捉序列中的长期依赖关系,确保准确地编码历史信息。使用RGCN进行图卷积操作,从而学习到全局的图表示。在预测过程中,针对分开编码的历史和非历史信息,采用不同的评分函数来确定预测实体对这两类信息的依赖程度。通过这种方式,模型能够更有效地补全实体和关系,提高模型的预测性能。在ICEWS18、GDELT和YAGO数据集上的实验结果表明,CHNH模型在MRR、Hits@1、Hits@3和Hits@10上普遍优于基线模型。

关键词：时序知识图谱历史信息非历史信息对比学习

来源：评论

学校读者我要写书评

暂无评论

融合关系感知与时间注意的时序知识图谱补全

引用

计算机工程与应用 2023年第17期59卷 266-274页

作者：许智宏毛琛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

针对现有时序知识图谱补全方法大多将时间信息内嵌于三元组中,依赖静态知识图谱补全方法学习实体特征,无法全面考虑图谱结构信息和时序信息的问题,提出一种融合关系感知与时间注意的时序知识图谱补全方法(incorporating relational awar... 详细信息

针对现有时序知识图谱补全方法大多将时间信息内嵌于三元组中,依赖静态知识图谱补全方法学习实体特征,无法全面考虑图谱结构信息和时序信息的问题,提出一种融合关系感知与时间注意的时序知识图谱补全方法(incorporating relational awareness and temporal attention for temporal knowledge graph completion,RATA)。一方面,通过引入关系感知聚合机制的图卷积神经网络集成实体和关系特征,特定于关系的参数可以增强消息函数的表达能力,封装更加丰富的邻域上下文信息;另一方面,使用融合自注意力机制的长短期记忆网络学习蕴含在时序数据中的全局特征和局部特征。在ICEWS18、ICEWS14、YAGO和WIKI数据集上的实验结果表明,RATA模型在MRR、Hits@1、Hits@3和Hits@10上普遍优于基线模型,在大规模时序数据集上具有优势。

关键词：时序知识图谱图卷积神经网络长短期记忆网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

多模态课程学习知识图谱实体预测方法研究

引用

计算机科学与探索 2024年第6期18卷 1590-1599页

作者：许智宏郝雪梅王利琴董永峰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

现有知识图谱实体预测方法一方面只利用邻域和图结构信息增强节点信息,忽略了知识图谱之外的多模态信息对于知识图谱信息的增强;另一方面正负样本对比训练模型时负样本随机排序导致训练效果不佳,且没有额外的信息帮助负样本的训练过程... 详细信息

现有知识图谱实体预测方法一方面只利用邻域和图结构信息增强节点信息,忽略了知识图谱之外的多模态信息对于知识图谱信息的增强;另一方面正负样本对比训练模型时负样本随机排序导致训练效果不佳,且没有额外的信息帮助负样本的训练过程。为此,提出了一种多模态课程学习知识图谱实体预测模型(MMCL)。首先把多模态信息引入知识图谱实现信息增强,利用生成对抗网络(GAN)优化多模态信息融合过程,生成器生成的样本增强知识图谱信息,同时也提升鉴别器判别三元组真伪的能力;其次利用课程学习算法根据负样本的难易程度对负样本从易到难排序,通过步调函数分层次地把排序的负样本加入到训练过程中,更有利于发挥负样本鉴别三元组真伪的效果,同时无标签学习避免了训练后期假阴性问题;多模态信息融合互相优化的鉴别器与课程学习训练模型共享参数,帮助提升负样本的训练效果。在FB15k-237和WN18RR两个数据集上进行实验,结果表明,MMCL与基线模型相比,在平均倒数排名(MRR)、Hits@1、Hits@3以及Hits@10四个性能评价指标均有明显提升,验证了所提模型的有效性和可行性。

关键词：课程学习多模态生成对抗网络(GAN) 负采样

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：