检索结果-内蒙古大学图书馆

计算机工程与应用 2025年

作者：陈俊芬冯武山郝旭阳谢博鋆河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室

针对人体姿态估计中遮挡带来的缺乏图像低级特征指导和预测姿势与人体生理结构的不一致性问题，提出了一种新颖的生成式人体姿态估计方法（Generative Human Pose Estimation，GenPose）。该模型使用多尺度信息融合和条件生成模块解决... 详细信息

针对人体姿态估计中遮挡带来的缺乏图像低级特征指导和预测姿势与人体生理结构的不一致性问题，提出了一种新颖的生成式人体姿态估计方法（Generative Human Pose Estimation，GenPose）。该模型使用多尺度信息融合和条件生成模块解决了严重遮挡问题。多尺度模块从尺度和通道上细粒度融合图像特征，能捕捉到更多肢体细节，从而推理出遮挡关键点的特征信息。条件生成模块通过建模遮挡场景与姿态间的对应关系，根据标记编码器特征动态调整生成姿态，在保证可见点准确率的同时，在一定程度上减少了遮挡对非遮挡的干扰，提升了对遮挡姿态的生成效果。在公开的COCO和MPII数据集上，同以往方法相比，有了更好的结果，同时在CrowdPose、OCHuman以及SyncOCC数据集上验证了泛化能力。该模型在一定程度上能够解决严重遮挡下的姿态估计问题，提高了预测姿态的合理性，取得了更加优异的效果。

关键词：人体姿态估计不可见关键点严重遮挡注意力机制变分编码器

来源：评论

学校读者我要写书评

暂无评论

基于三支区间集前概念的知识提取及应用

引用

郑州大学学报(理学版) 2025年第3期57卷 57-64页

作者：毛华胥德华刘川郑博雅袁晓垒杨兰珍河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算机智能重点实验室河北保定071002

前概念,作为形式概念“弱化”的知识表达形式,常用来提取对象共有的属性与属性所共有的对象这两类知识。区间集概念格是将区间集理论与形式概念相结合后产生的,利用区间集能够反映不确定信息的特性把形式概念拓展为区间集概念。将前概... 详细信息

前概念,作为形式概念“弱化”的知识表达形式,常用来提取对象共有的属性与属性所共有的对象这两类知识。区间集概念格是将区间集理论与形式概念相结合后产生的,利用区间集能够反映不确定信息的特性把形式概念拓展为区间集概念。将前概念理论结合三支决策引入区间集概念,提出了对象诱导的三支区间集前概念,即OE-区间集前概念。在此基础上,讨论了OE-区间集前概念的格结构,并与已有成果进行比较,给出了相应的构造算法。这些所得理论成果,通过医生总结病例的实践内容加以验证,说明了所定义知识表示形式的有效性和实用性。这将有助于拓展区间集概念理论以及前概念理论的研究深度和应用范围,同时也为知识提取和信息挖掘提供了一种可行的方法。

关键词：前概念区间集区间集概念三支决策三支区间集前概念

来源：评论

学校读者我要写书评

暂无评论

基于层次模型的非平衡风速预报订正

引用

河北大学学报(自然科学版) 2025年第3期45卷 317-326页

作者：曹阳翟俊海韩玲河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室河北保定071002 河北省信息工程学校信息网络教研部河北保定071000

针对风速预报订正中的数据非平衡问题,提出了一种基于分类/回归层次结构的订正模型.该模型的核心思想是采用分治策略,逐步解决风速数据中的非平衡问题.在分类层中,使用了重加权策略来初步解决数据中的非平衡问题.在回归层中,提出了一种... 详细信息

针对风速预报订正中的数据非平衡问题,提出了一种基于分类/回归层次结构的订正模型.该模型的核心思想是采用分治策略,逐步解决风速数据中的非平衡问题.在分类层中,使用了重加权策略来初步解决数据中的非平衡问题.在回归层中,提出了一种分组扩展的训练策略,有效纠正了受非平衡影响而被错误分类的样本,从而进一步解决数据非平衡问题.此外,还基于贪心策略设计了一种概率加权方法,目的是对有把握的样本输出更加准确的预测.该模型在山东沿海14个地区的风速数据集上进行了验证,并与相关方法进行了比较.订正后的风速预报整体和极端风速事件的平均绝对误差分别降低了34.4%和69.0%,表明该模型在提高极端风速事件预测能力的同时,也保持了对稳定事件的预测性能.

关键词：风速预报订正层次模型数据非平衡极端风速预测

来源：评论

学校读者我要写书评

暂无评论

基于凸化集的具有均衡约束的非光滑半无限规划对偶理论研究

引用

应用数学 2025年第2期38卷 565-573页

作者：范红莲苏珂河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算智能重点实验室河北保定071002

本文研究具有均衡约束的非光滑半无限规划问题的对偶性质,利用凸化集,对具有均衡约束的非光滑半无限规划问题提出其混合对偶模型.与传统对偶理论中的凸性不同,本文考虑了在凸算子下的∂*-凸和∂*-不变凸假设,并分别建立了具有均衡约束的... 详细信息

本文研究具有均衡约束的非光滑半无限规划问题的对偶性质,利用凸化集,对具有均衡约束的非光滑半无限规划问题提出其混合对偶模型.与传统对偶理论中的凸性不同,本文考虑了在凸算子下的∂*-凸和∂*-不变凸假设,并分别建立了具有均衡约束的非光滑半无限规划问题与其混合对偶问题之间的强弱对偶定理.

关键词：半无限规划均衡约束凸化集对偶

来源：评论

学校读者我要写书评

暂无评论

基于概念格层面的知识提取方法及应用

引用

华中科技大学学报（自然科学版） 2024年第11期52卷 37-42,92页

作者：毛华刘畅袁晓垒刘川河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算智能重点实验室河北保定071002

为解决现有生成概念格算法只能直接输出概念,而不能同时输出每个知识层面及其同一知识层面所蕴含的知识之问题,提出一个将形式背景转化为概念格的知识分层(KL)算法.在宏观上,KL算法实现了将形式背景中的知识可视化;在微观上,KL算法将具... 详细信息

为解决现有生成概念格算法只能直接输出概念,而不能同时输出每个知识层面及其同一知识层面所蕴含的知识之问题,提出一个将形式背景转化为概念格的知识分层(KL)算法.在宏观上,KL算法实现了将形式背景中的知识可视化;在微观上,KL算法将具体的知识层面及各个知识层面所蕴含的知识一并输出.通过将KL算法与Nextclosure等其他生成概念格算法对比发现:在算法复杂度方面,当形式背景中对象集规模较大时,KL算法在处理数据的速度上明显快于Nextclosure等算法;当形式背景中属性集规模不大时,KL算法与Nextclosure等算法处理数据的速度基本相同;在是否生成Hasse图与知识层面方面,KL算法占有绝对的优势.研究结果表明:KL算法在同一形式背景下提供的结果内容更为丰富,有利于概念格理论应用的推广.

关键词：形式概念分析概念格知识层面 Hasse图知识分层算法

来源：评论

学校读者我要写书评

暂无评论

基于深度情感唤醒网络的多模态情感分析与情绪识别

引用

控制与决策 2022年第11期37卷 2984-2992页

作者：张峰李希城董春茹花强河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算智能重点实验室河北保定071002

随着网络平台上各类图像、视频数据的快速增长,多模态情感分析与情绪识别已成为一个日益热门的研究领域.相比于单模态情感分析,多模态情感分析中的模态融合是一个亟待解决的关键问题.受到认知科学中情感唤起模型的启发,提出一种能够模... 详细信息

随着网络平台上各类图像、视频数据的快速增长,多模态情感分析与情绪识别已成为一个日益热门的研究领域.相比于单模态情感分析,多模态情感分析中的模态融合是一个亟待解决的关键问题.受到认知科学中情感唤起模型的启发,提出一种能够模拟人类处理多通道输入信息机制的深度情感唤醒网络(DEAN),该网络可实现多模态信息的有机融合,既能处理情绪的连贯性,又能避免融合机制的选择不当而带来的问题.DEAN网络主要由以下3部分组成:跨模态Transformer模块,用以模拟人类知觉分析系统的功能;多模态BiLSTM系统,用以模拟认知比较器;多模态门控模块,用以模拟情感唤起模型中的激活结构.在多模态情感分析与情绪识别的3个经典数据集上进行的比较实验结果表明,DEAN模型在各数据集上的性能均超越了目前最先进的情感分析模型.

关键词：多模态情感分析多模态情绪识别深度情感唤醒网络跨模态Transformer 多模态BiLSTM系统多模态门控机制

来源：评论

学校读者我要写书评

暂无评论

基于改进Q-学习算法的多阶段群体决策模型

引用

控制与决策 2019年第9期34卷 1917-1922页

作者：张峰刘凌云郭欣欣河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算智能重点实验室河北保定071002

多阶段群体决策问题是一类典型的动态群体决策问题,主要针对离散的确定状态下的最优群体决策问题求解.但由于现实环境面临的大部分是不确定状态空间,甚至是未知环境空间(例如状态转移概率矩阵完全未知),为了寻求具有较高共识度的多阶段... 详细信息

多阶段群体决策问题是一类典型的动态群体决策问题,主要针对离散的确定状态下的最优群体决策问题求解.但由于现实环境面临的大部分是不确定状态空间,甚至是未知环境空间(例如状态转移概率矩阵完全未知),为了寻求具有较高共识度的多阶段群体最优策略,决策者需要通过对环境的动态交互来获得进一步的信息.针对该问题,利用强化学习技术,提出一种求解多阶段群体决策的最优决策算法,以解决在不确定状态空间下的多阶段群体决策问题.结合强化学习中的Q-学习算法,建立多阶段群体决策Q-学习基本算法模型,并改进该算法的迭代过程,从中学习得到群体最优策略.同时证明基于Q-学习得到的多阶段群体最优策略也是群体共识度最高的策略.最后,通过一个计算实例说明算法的合理性及可行性.

关键词：群体决策多阶段群体决策强化学习 Q-学习群体共识不确定性

来源：评论

学校读者我要写书评

暂无评论

随机状态下基于期望经验回放的Q学习算法

引用

深圳大学学报（理工版） 2020年第2期37卷 202-207页

作者：张峰钱辉董春茹花强河北省机器学习与计算智能重点实验室河北大学数学与信息科学学院

强化学习的经验回放方法在减少状态序列间相关性的同时提高了数据的利用效率,但目前只能用于确定性的状态环境.为在随机状态环境下充分利用经验回放,且能够保持原有的状态分布,提出一种基于树的经验存储结构来存储探索过程中的状态转移... 详细信息

强化学习的经验回放方法在减少状态序列间相关性的同时提高了数据的利用效率,但目前只能用于确定性的状态环境.为在随机状态环境下充分利用经验回放,且能够保持原有的状态分布,提出一种基于树的经验存储结构来存储探索过程中的状态转移概率,并根据该存储方式,提出基于期望经验回放的Q学习算法.该方法在保证算法复杂度较低的情况下,可实现对环境状态转移的无偏估计,减少Q学习算法的过估计问题.在经典的机器人随机行走问题中进行实验,结果证明,相比于基于均匀回放方法和优先回放的经验回放方法,基于期望经验回放Q学习算法的收敛速度约提高了50%.

关键词：人工智能机器学习强化学习经验回放 Q学习算法随机环境收敛过估计

来源：评论

学校读者我要写书评

暂无评论

面向对象的模糊三支半概念

引用

华中科技大学学报（自然科学版） 2021年第2期49卷 74-78页

作者：毛华刘晓庆程艺林河北大学数学与信息科学学院河北保定071002 河北大学河北省机器学习与计算机智能重点实验室河北保定071002

将经典半概念理论引入模糊三支概念进行分析,单向地考虑对象集与属性集之间的关系,从而推广模糊三支概念的应用。在模糊形式背景下,首先,根据对象和属性之间的隶属度关系以及给定阈值,定义了面向对象的模糊三支半算子;然后,提出面向对... 详细信息

将经典半概念理论引入模糊三支概念进行分析,单向地考虑对象集与属性集之间的关系,从而推广模糊三支概念的应用。在模糊形式背景下,首先,根据对象和属性之间的隶属度关系以及给定阈值,定义了面向对象的模糊三支半算子;然后,提出面向对象的模糊三支半概念的定义,从格论角度出发讨论其偏序关系以及上下确界,并进行相关定理的证明;最后,给出面向对象的模糊三支半概念的构建算法并结合例子验证所得结果的有效性。基于经典半概念与经典概念分析的关系,面向对象的模糊三支半概念理论是对模糊三支概念的拓广,也为数据处理和知识挖掘等提供了更简便的思路。

关键词：模糊三支概念分析半概念模糊集形式概念分析三支决策

来源：评论

学校读者我要写书评

暂无评论

代价敏感惩罚AdaBoost算法的非平衡数据分类

引用

南京航空航天大学学报 2023年第2期55卷 339-346页

作者：鲁淑霞张振莲翟俊海河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室保定071002

针对非平衡数据分类问题,提出了一种基于代价敏感的惩罚AdaBoost算法。在惩罚Adaboost算法中,引入一种新的自适应代价敏感函数,赋予少数类样本及分错的少数类样本更高的代价值,并通过引入惩罚机制增大了样本的平均间隔。选择加权支持向... 详细信息

针对非平衡数据分类问题,提出了一种基于代价敏感的惩罚AdaBoost算法。在惩罚Adaboost算法中,引入一种新的自适应代价敏感函数,赋予少数类样本及分错的少数类样本更高的代价值,并通过引入惩罚机制增大了样本的平均间隔。选择加权支持向量机(Support vector machine,SVM)优化模型作为基分类器,采用带有方差减小的随机梯度下降方法(Stochastic variance reduced gradient,SVRG)对优化模型进行求解。对比实验表明,本文提出的算法不但在几何均值(G-mean)和ROC曲线下的面积(Area under ROC curve,AUC)上明显优于其他算法,而且获得了较大的平均间隔,显示了本文算法在处理非平衡数据分类问题上的有效性。

关键词：非平衡数据惩罚AdaBoost 自适应代价敏感函数平均间隔随机梯度下降

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：