检索结果-内蒙古大学图书馆

计算机科学与探索 2025年第3期19卷 724-737页

作者：叶志鸿吴运兵戴思翀曾智宏福州大学计算机与大数据学院福州350108

知识图谱补全旨在通过预测缺失的三元组来扩展和完善知识图谱,多模态知识图谱补全融合了实体的本体信息,如实体描述、实体图像和实体属性,以获取更精确的实体表示。现有研究将不同模态投影到统一的空间中,以获取实体模态联合表示,再融... 详细信息

知识图谱补全旨在通过预测缺失的三元组来扩展和完善知识图谱,多模态知识图谱补全融合了实体的本体信息,如实体描述、实体图像和实体属性,以获取更精确的实体表示。现有研究将不同模态投影到统一的空间中,以获取实体模态联合表示,再融合知识图谱结构信息作出预测。然而,现存方法融合多模态信息时难以捕捉实体背景知识的复杂交互,不可避免地存在信息丢失和特征提取能力不足的问题;同时过拟合及实体关系交互不足限制了二维卷积模型性能,导致难以融合知识图谱结构信息。因此,提出了多级融合知识图谱补全模型,从实体多模态信息融合与知识图谱结构信息融合两方面解决上述问题。为充分融合实体多模态信息,提出同时使用三种不同融合方法,以全面捕捉实体背景知识交互,并联合决策学习,旨在结合不同多模态融合方法提供的互补信息,以获取实体丰富多样的表示;为充分融合知识图谱结构信息,利用特征泛化来缓解二维卷积模型的过拟合问题,并结合特征重塑增强实体与关系间交互,以提升实体与关系间的上下文感知能力。实验结果表明,该模型在多个公开数据集上均取得较好性能。

关键词：知识图谱补全多模态融合本体信息结构信息决策学习

来源：评论

学校读者我要写书评

暂无评论

基于分频式生成对抗网络的非成对水下图像增强

引用

电子学报 2025年

作者：牛玉贞张凌昕兰杰许瑞柯逍福州大学计算机与大数据学院

增强水下图像质量对水下作业领域的发展具有重要意义.现有的水下图像增强方法通常基于成对的水下图像和参考图像进行训练，然而实际获取与水下图像对应的参考图像比较困难，相比之下获得非成对高质量水下图像或者陆上图像较为容易.此外... 详细信息

增强水下图像质量对水下作业领域的发展具有重要意义.现有的水下图像增强方法通常基于成对的水下图像和参考图像进行训练，然而实际获取与水下图像对应的参考图像比较困难，相比之下获得非成对高质量水下图像或者陆上图像较为容易.此外，现有的水下图像增强方法很难同时针对各种失真类型进行图像增强.为了避免对成对训练数据的依赖和进一步降低获得训练数据的难度，并应对多样的水下图像失真类型，本文提出了一种基于分频式生成对抗网络（Frequency-Decomposed Generative Adversarial Network,FD-GAN）的非成对水下图像增强方法，并在此基础上设计了高低频双分支生成器用于重建高质量水下增强图像.具体来说，本文引入特征级别的小波变换将特征分为低频和高频部分，并基于循环一致性生成对抗网络对低频和高频部分区分处理.其中，低频分支采用结合低频注意力机制的编码-解码器结构实现对图像颜色和亮度的增强，高频分支则采用并行的高频注意力机制对各高频分量进行增强，从而实现对图像细节的恢复.在多个标准水下图像数据集上的实验结果表明，本文提出的方法在使用非成对的高质量水下图像和引入部分陆上图像的情况下，均能有效生成高质量的水下增强图像，且有效性和泛化性均优于当前主流的水下图像增强方法.

关键词：水下图像增强生成对抗网络小波变换注意力机制高低频双分支生成器

来源：评论

学校读者我要写书评

暂无评论

面向中文小样本命名实体识别的BERT优化方法

引用

小型微型计算机系统 2025年第3期46卷 602-611页

作者：杨三和赖沛超傅仰耿王一蕾叶飞扬张林福州大学计算机与大数据学院福州350108

为解决中文小样本命名实体识别(NER)任务所面临的问题和挑战,提出了一种面向中文小样本NER的BERT优化方法,该方法包含两方面的优化:首先,针对训练样本数量不足限制了预训练语言模型BERT的语义感知能力的问题,提出了ProConBERT,一种基于... 详细信息

为解决中文小样本命名实体识别(NER)任务所面临的问题和挑战,提出了一种面向中文小样本NER的BERT优化方法,该方法包含两方面的优化:首先,针对训练样本数量不足限制了预训练语言模型BERT的语义感知能力的问题,提出了ProConBERT,一种基于提示学习与对比学习的BERT预训练策略.在提示学习阶段,设计掩码填充模板来训练BERT预测出每个标记对应的中文标签词.在对比学习阶段,利用引导模板训练BERT学习每个标记和标签词之间的相似性与差异性.其次,针对中文缺乏明确的词边界所带来的复杂性和挑战性,修改BERT模型的第一层Transformer结构,并设计了一种带有混合权重引导器的特征融合模块,将词典信息集成到BERT底层中.最后,实验结果验证了所提方法在中文小样本NER任务中的有效性与优越性.该方法结合BERT和条件随机场(CRF)结构,在4个采样的中文NER数据集上取得了最好的性能.特别是在Weibo数据集的3个小样本场景下,模型的F 1值分别达到了63.78%、66.27%、70.90%,与其他方法相比,平均F 1值分别提高了16.28%、14.30%、11.20%.此外,将ProConBERT应用到多个基于BERT的中文NER模型中能进一步提升实体识别的性能.

关键词：中文小样本命名实体识别提示学习对比学习预训练特征融合 BERT模型

来源：评论

学校读者我要写书评

暂无评论

注意力融合机制和拓扑关系挖掘的异构图神经网络

引用

福州大学学报(自然科学版) 2025年第1期53卷 1-9页

作者：陈金杰王一蕾傅仰耿福州大学计算机与大数据学院福建福州350108

针对异构图神经网络模型依赖元路径和复杂聚合操作导致元路径受限与高成本的不足,提出一种基于注意力融合机制和拓扑关系挖掘的异构图神经网络模型(FTHGNN).该模型首先使用一种轻量级的注意力融合机制,融合全局关系信息和局部节点信息,... 详细信息

针对异构图神经网络模型依赖元路径和复杂聚合操作导致元路径受限与高成本的不足,提出一种基于注意力融合机制和拓扑关系挖掘的异构图神经网络模型(FTHGNN).该模型首先使用一种轻量级的注意力融合机制,融合全局关系信息和局部节点信息,以较低的时空开销实现更有效的消息聚合;接着使用一种无需先验知识的拓扑关系挖掘方法替代元路径方法,挖掘图上的高阶邻居关系,并引入对比学习捕获图上的高阶语义信息;最后,在4个广泛使用的现实世界异构图数据集上进行的充分实验,验证了FTHGNN简单而高效,在分类预测准确率上超越了绝大多数现有模型.

关键词：图神经网络异构图注意力机制对比学习

来源：评论

学校读者我要写书评

暂无评论

面向大规模IoT系统的多无人机部署与协作卸载

引用

系统仿真学报 2025年第1期37卷 25-39页

作者：黄智钦卢恬英陈哲毅福州大学计算机与大数据学院福建福州350116 大数据智能教育部工程研究中心福建福州350002 福建省网络计算与智能信息处理重点实验室(福州大学) 福建福州350116

在大规模物联网(internet-of-things,IoT)系统中,无人机使能的移动边缘计算(mobile edge computing,MEC)可缓解终端IoT设备的性能限制。然而,由于不均匀的IoT设备分布与低效的问题求解效率,如何在大规模IoT系统中高效执行计算卸载面临... 详细信息

在大规模物联网(internet-of-things,IoT)系统中,无人机使能的移动边缘计算(mobile edge computing,MEC)可缓解终端IoT设备的性能限制。然而,由于不均匀的IoT设备分布与低效的问题求解效率,如何在大规模IoT系统中高效执行计算卸载面临着巨大的挑战。现有解决方案通常无法适应动态多变的多无人机场景,导致了低效的资源利用与过度的响应延迟。为解决这些重要挑战,提出了一种新型的面向大规模IoT系统的多无人机部署与协作卸载(multi-UAV deployment and collaborative offloading,MUCO)方法。设计了一种基于约束K-Means聚类的无人机部署方案,在提升服务覆盖率的同时保证覆盖均衡。设计了一种基于多智能体强化学习(multi-agent reinforcement learning,MARL)的多无人机协作卸载策略,将来自IoT设备的卸载请求进行拆分与分布式执行,进而实现高效的协作卸载。大量仿真实验验证了MUCO方法的有效性。与基准方法相比,MUCO方法在不同场景中平均可以取得约23.82%和28.13%的无人机部署性能提升,且能取得更低的时延和能耗。

关键词：物联网移动边缘计算无人机部署计算卸载 K-Means聚类多智能体强化学习

来源：评论

学校读者我要写书评

暂无评论

结合空谱结构与改进局部密度的高光谱图像波段选择

引用

遥感学报 2025年第1期29卷 247-265页

作者：翁谦安远陈光剑吴瑞姣林嘉雯福州大学计算机与大数据学院福州350108 空间数据挖掘与信息共享教育部重点实验室福州350108 福建省地质测绘院福州350011

波段选择是高光谱遥感图像降维的一项重要任务,其目标是选择包含较少冗余信息、较大信息量和具有类别可分性的波段子集。为解决基于近邻子空间划分的波段选择方法没有考虑地物空间分布和计算聚类中心时忽略噪声波段影响的问题,本文提出... 详细信息

波段选择是高光谱遥感图像降维的一项重要任务,其目标是选择包含较少冗余信息、较大信息量和具有类别可分性的波段子集。为解决基于近邻子空间划分的波段选择方法没有考虑地物空间分布和计算聚类中心时忽略噪声波段影响的问题,本文提出了一种结合空谱结构与改进局部密度的高光谱图像波段选择方法。该方法首先对高光谱图像进行基于熵率的图像分割获得高光谱图像同质区域,综合同质区域相关系数矩阵获得图像区域级近邻波段相关系数向量;其次,用高斯核平滑全局近邻波段相关系数向量以降低噪声波段的影响,并根据极值点进行波段分组;然后,最大化改进局部密度和波段信息熵的乘积作为选取代表性波段的标准;最后,在Indian Pines、Botswana和Salinas高光谱图像数据集上,通过SVM、KNN和LDA分类器上进行分类实验。结果表明:(1)对比像素级相关系数划分方法,利用区域级相关系数使得近邻波段分组更为合理,降低波段冗余性,同时还保留了部分潜在特征波段,在3个数据集上的分类性能分别提高了2.63%,0.68%,0.16%;(2)对比仅使用信息熵的波段衡量方法,本文提出的最大化改进的局部密度和信息熵乘积的方法是有效的,在3个数据集上OA分别提高了4.13%、0.5%和0.21%;(3)对比其他6种先进波段选择方法,本文方法在3个数据集上的OA分别从62.34%提高到75.03%、86.74%提高到88.28%和86.04%提高到92.36%。此外,所选择的波段子集在分布上较为分散,主要集中在信息熵较高的区域,同时避免了选择噪声波段。综上,本文提出的波段选择方法所得波段子集具有较低的冗余性、丰富的信息量、强的类别可分性,并且对噪声具有较强的鲁棒性,能够有效地解决高光谱图像波段选择的问题。

关键词：遥感高光谱图像波段选择子空间划分峰值密度局部密度信息熵分类

来源：评论

学校读者我要写书评

暂无评论

降雨下透明土边坡渗流与失稳模型试验可视化

引用

福州大学学报(自然科学版) 2025年第2期53卷 218-225,233页

作者：阙云陈建安蔡松林陈嘉翁斌福州大学土木工程学院福建福州350108 福州大学计算机与大数据学院福建福州350108

为实现边坡变形及入渗过程的可视化,通过透明土技术和数字照相量测技术开展室内模型试验,分析降雨入渗下含优先流路径边坡和普通边坡渗流情况以及边坡失稳模式.结果表明:借助数字照相量测技术,可实现入渗过程及边坡变形可视化.普通边坡... 详细信息

为实现边坡变形及入渗过程的可视化,通过透明土技术和数字照相量测技术开展室内模型试验,分析降雨入渗下含优先流路径边坡和普通边坡渗流情况以及边坡失稳模式.结果表明:借助数字照相量测技术,可实现入渗过程及边坡变形可视化.普通边坡在非饱和渗流中以垂直入渗为主,在坡脚产生积油现象.含优先流路径边坡中孔隙流体在坡顶和优先渗流通道旁入渗速度快,湿润锋推移过程加快,坡脚处未出现积油现象,含优先流路径边坡面较普通坡面大幅减弱,滑裂面及冲刷沟均未出现.普通边坡与含优先流路径边坡最终破坏模式分别为圆弧型与直线型.

关键词：透明土数字照相量测降雨入渗优先流路径流破坏模式

来源：评论

学校读者我要写书评

暂无评论

基于深度霍夫变换的语义圆目标检测

引用

计算机工程与应用 2025年

作者：黄镔曾勋勋刘莞玲陈飞福州大学计算机与大数据学院福州大学数学与统计学院天津大学智能与计算学部

目标检测领域的模型设计愈发复杂且精密，对于利用目标的固有特性进行模型设计的研究工作寥寥无几，并且这类方法对于深度网络模型具有更强的可解释性。在细胞检测领域数据往往具有明显的形状特征，通过形状先验的引入，模型具有更好拟... 详细信息

目标检测领域的模型设计愈发复杂且精密，对于利用目标的固有特性进行模型设计的研究工作寥寥无几，并且这类方法对于深度网络模型具有更强的可解释性。在细胞检测领域数据往往具有明显的形状特征，通过形状先验的引入，模型具有更好拟合数据的能力。因此将经典的圆形霍夫变换与深度学习相结合，提出了可以单阶段端到端训练的Anchor-free语义圆目标检测框架。通过圆形参数化及深度霍夫变换，将二维特征图中圆形先验信息对应的特征值沿着圆形参数化变换方式，聚合到三维霍夫空间中的一个点，将语义圆检测问题转化为检测三维霍夫域中的一个点。其次，提出偏移量预测来缓解圆形参数化中离散化处理引发的精度下降问题。在CBC与TXL-PBC等多种血细胞检测数据集上测试结果表明，圆形先验信息的引入，增强深度检测算法的可解释性和泛化能力。

关键词：霍夫变换深度学习语义圆目标检测

来源：评论

学校读者我要写书评

暂无评论

基于梯度频率多阶段引导的深度图超分辨率方法

引用

计算机工程 2025年

作者：蔡江河陈飞姜凡程航王美清福州大学计算机与大数据学院北不列颠哥伦比亚大学计算机科学系福州大学数学与统计学院

颜色图像引导的深度图超分辨率(GDSR)旨在利用同一场景下高分辨率(HR)彩色图像提供的引导信息，将低分辨率(LR)深度图重建为高分辨率深度图。尽管基于空间域的学习方法可以有效提高深度图的整体重建质量，但在从低分辨率深度图进行重建... 详细信息

颜色图像引导的深度图超分辨率(GDSR)旨在利用同一场景下高分辨率(HR)彩色图像提供的引导信息，将低分辨率(LR)深度图重建为高分辨率深度图。尽管基于空间域的学习方法可以有效提高深度图的整体重建质量，但在从低分辨率深度图进行重建时，仍然面临“边缘结构模糊”的问题。为了解决该问题，提出了梯度频率引导多阶段整合的深度图重建网络（GFNet），利用颜色图像的梯度先验和频率信息来增强深度边缘结构细节的重建。首先，设计了一个梯度特征提取模块，结合了RGB图像的梯度先验知识来优化LR深度图的梯度结构。其次，设计了一个空间频率双路引导模块，将RGB图像中精确的高频成分传递到LR深度图中，从而引导深度图丢失的高频信息重建。最后，采用一种新颖的隐式神经函数来提高深度图的分辨率。实验结果表明，在8倍缩放因子的情况下，GFNet在数据集NYUv2、Middlebury以及真实场景数据集RGB-D-D上RMSE指标分别达到了2.48cm、1.62cm、2.57cm，相比于结构更复杂的模型GeoDSR，分别提升了0.14cm、0.06cm、 0.12cm，并在边缘结构细节方面优于对比方法，证明了GFNet模型的有效性。

关键词：深度图超分辨率边缘结构梯度特征频率引导隐式神经函数

来源：评论

学校读者我要写书评

暂无评论

GHPN:面向半监督小样本节点分类的图超球面原型网络

引用

小型微型计算机系统 2025年第3期46卷 542-551页

作者：徐祖豪陈鑫龙李进黄益颂傅仰耿福州大学计算机与大数据学院福州350108 香港科技大学(广州)信息枢纽广州511455

图神经网络已经成功应用于各种与图相关的任务中.以有监督的方式训练一个图神经网络需要大量标签,而现实世界中受到成本制约难以获取大量标签,因此在小样本学习或半监督学习场景的标签就更为稀少.为了克服这个问题,许多方法通过标签传... 详细信息

图神经网络已经成功应用于各种与图相关的任务中.以有监督的方式训练一个图神经网络需要大量标签,而现实世界中受到成本制约难以获取大量标签,因此在小样本学习或半监督学习场景的标签就更为稀少.为了克服这个问题,许多方法通过标签传播的方法来估计标签,但通常会受到图上连接性和同质性假设的限制,容易生成带有噪声的伪标签.为了解决这些限制,本文提出了一个名为图超球面原型网络的新方法GHPN,专注于半监督小样本节点分类.为了减轻图结构对预测结果的影响,GHPN在超球面表示空间中建模类别表示,通过类级别表示在语义空间中传播标签信息.此外,为了利用未标记节点的监督信息,本文设计了一个基于原型网络预测结果的负学习框架,用于补充监督信号,调整各类别原型之间的距离.在5个真实世界的数据集上进行的实验表明,该方法与10个最先进的方法相比能够有效提高性能,在4个数据集上能取得平均排名最佳结果.

关键词：半监督学习图表示学习小样本学习原型网络负学习

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：