检索结果-内蒙古大学图书馆

计算机工程与应用 2025年第10期61卷 176-184页

作者：张顺淼郑思源福建理工大学计算机科学与数学学院福建省大数据挖掘与应用技术重点实验室

对话实体关系抽取旨在从对话中提取实体对之间的关系。在多轮对话的情境下，实体信息可能分散在各个对话轮次中，同时还可能受到语境变化和语言表达多样性的影响，从而使多轮对话中的实体关系抽取更具挑战性。提出了一种融合异构图网络... 详细信息

对话实体关系抽取旨在从对话中提取实体对之间的关系。在多轮对话的情境下，实体信息可能分散在各个对话轮次中，同时还可能受到语境变化和语言表达多样性的影响，从而使多轮对话中的实体关系抽取更具挑战性。提出了一种融合异构图网络的多轮对话实体关系抽取模型。该模型通过文本解释器获取上下文表示，以捕捉每轮对话中的实体信息及其相应的语境。利用高斯多视图模块提取文本的隐含特征，捕捉多种视角下的对话信息。为了融合多轮对话中分散的关系信息，引入了异构图的概念，并利用异构图卷积进行信息传递。最后通过分类器对实体对之间的关系进行识别。在公共数据集DialogRE上的实验证明了该模型的有效性，其F1值为73.9%,F1c值为67.4%。

关键词：关系抽取多轮对话异构图多视图

来源：评论

学校读者我要写书评

暂无评论

记忆增强型的重构粒子群算法

引用

计算机工程与应用 2025年第9期61卷 116-127页

作者：吴炳南刘建华力尚龙李牧元福建理工大学计算机科学与数学学院福州350118 福建省大数据挖掘与应用技术重点实验室福州350118

重构粒子群算法(RPSO)是基于粒子群算法(PSO)的线性系统理论分析结果而重新构建一种群体智能算法,其保留了粒子群算法的个体最优位置和全局最优位置作为学习样本的策略。RPSO具有比较好的收敛性理论支撑,简单易用。但是,重构粒子群算法... 详细信息

重构粒子群算法(RPSO)是基于粒子群算法(PSO)的线性系统理论分析结果而重新构建一种群体智能算法,其保留了粒子群算法的个体最优位置和全局最优位置作为学习样本的策略。RPSO具有比较好的收敛性理论支撑,简单易用。但是,重构粒子群算法丢失了种群的记忆,即粒子的历史位置和适应度等信息。为了加强对记忆的利用并提高种群的协作能力,提出了一种记忆增强型的重构粒子群算法(MERPSO)。该算法设计了经验选择策略和区块搜索策略储存记忆,构建了两个新的学习样本,并使用新的学习样本替代原本的学习样本。此外,通过引入带偏移量的加速度系数来平衡算法的局部开发和全局探索能力。实验证明,MERPSO算法在CEC2013基准测试函数集和工程设计问题上表现出更好的性能,并且所采用的策略具有一定的有效性。

关键词：重构粒子群算法记忆学习样本加速度系数 CEC2013

来源：评论

学校读者我要写书评

暂无评论

基于多头注意力的场景文本图像超分辨率网络

引用

福建师范大学学报(自然科学版) 2025年第1期41卷 21-29页

作者：朱佳楠邢树礼福建理工大学福建省大数据挖掘与应用重点实验室福建福州350118

场景文本图像超分辨率(STISR)技术旨在提高低分辨率文本图像中的分辨率和可读性,是下游文本识别任务的基础性工作。利用深度卷积神经网络完成STISR的现有方法缺乏对文本图像全局信息的考虑,导致恢复结果不稳定,在处理视觉相似的低分辨... 详细信息

场景文本图像超分辨率(STISR)技术旨在提高低分辨率文本图像中的分辨率和可读性,是下游文本识别任务的基础性工作。利用深度卷积神经网络完成STISR的现有方法缺乏对文本图像全局信息的考虑,导致恢复结果不稳定,在处理视觉相似的低分辨率文本图像时尤其明显。针对上述问题,提出一种新的场景文本图像超分辨率网络(MASRN),它包含一个文本先验(TP)模块和一个混合骨干网络。TP模块首先通过提取文本图像的语义特征来生成文本先验信息,接着由卷积模块和多头注意力融合模块组成的混合骨干网络将文本先验信息与多尺度图像特征融合。在TextZoom数据集上的实验结果表明,所提的MASRN能够恢复出更高质量的文本图像,有效提升了下游文本识别任务的精度。

关键词：场景文本图像超分辨率文本识别文本先验卷积网络多头注意力

来源：评论

学校读者我要写书评

暂无评论

一种融合图数据多元结构和特征的图池化方法

引用

计算机工程 2025年第1期51卷 128-137页

作者：王翔魏玉锌毛国君福建理工大学计算机科学与数学学院福建福州350118 福建理工大学福建省大数据挖掘与应用技术重点实验室福建福州350118

在图神经网络中,图池化是一类用于对图数据进行下采样以提取图表征的重要操作。由于图数据存在较为复杂的网络拓扑结构和高维度的特征信息,因此现有图池化方法在设计过程中未能同时融合图数据的拓扑结构信息和节点的长距离依赖信息,在... 详细信息

在图神经网络中,图池化是一类用于对图数据进行下采样以提取图表征的重要操作。由于图数据存在较为复杂的网络拓扑结构和高维度的特征信息,因此现有图池化方法在设计过程中未能同时融合图数据的拓扑结构信息和节点的长距离依赖信息,在图池化过程中没有考虑丢弃节点的特征,造成图数据的重要信息损失。为此,提出一种基于多元特征融合的图池化方法来同时捕获图数据的局部拓扑信息、全局拓扑信息以及长距离节点依赖关系,并使用1个聚合模块聚合这些特征信息得到1个新的池化图。为了解决图池化过程中节点特征信息丢失的问题,提出一种新的特征融合方法将丢弃节点的信息以一定比例汇聚到保留节点上。基于该池化方法,构建基于分层池化的图分类模型。在D&D、PROTEINS、NCI1和NCI1094个数据集上的实验结果表明,与最佳基线模型相比,所提模型的分类准确率分别提升了2.97、3.59、0.48和0.24个百分点,能够更有效利用图数据的特征信息、拓扑信息和长距离节点依赖信息,在图分类任务上取得了更好的效果。

关键词：图池化图分类拓扑信息长距离节点依赖特征融合

来源：评论

学校读者我要写书评

暂无评论

基于分组卷积的通道重洗注意力机制

引用

计算机应用 2025年第4期45卷 1069-1076页

作者：张李伟梁泉胡禹涛朱乔乐福建理工大学计算机科学与数学学院福州350118 福建省大数据挖掘与应用技术重点实验室(福建理工大学) 福州350118

注意力机制的引入使得主干网能够学习更具区分性的特征表示。然而,为了控制注意力的复杂度,传统的注意力机制采用的通道降维或减少通道数而增加批量大小的策略会导致过度减少通道数和损失重要特征信息的问题。为解决这一问题,提出通道... 详细信息

注意力机制的引入使得主干网能够学习更具区分性的特征表示。然而,为了控制注意力的复杂度,传统的注意力机制采用的通道降维或减少通道数而增加批量大小的策略会导致过度减少通道数和损失重要特征信息的问题。为解决这一问题,提出通道重洗注意力(CSA)模块。首先,利用分组卷积学习注意力权重,以控制CSA的复杂度;其次,通过传统通道重洗和深层通道重洗(DCS)方法,增强不同组间的通道特征信息交流;再次,使用逆通道重洗恢复注意力权重的顺序;最后,将恢复后的注意力权重与原始特征图相乘,以获得更具表达能力的特征图。实验结果表明,在CIFAR-100数据集上,与添加CA(Coordinate Attention)的ResNet50相比,添加CSA的ResNet50的参数量降低了2.3%,Top-1准确率提升了0.57个百分点;与添加EMA(Efficient Multi-scale Attention)的ResNet50相比,添加CSA的ResNet50的计算量降低了18.4%,Top-1准确率提升了0.27个百分点。在COCO2017数据集上,添加CSA的YOLOv5s比添加CA和EMA的YOLOv5s在平均精度均值(mAP@50)上分别提升了0.5和0.2个百分点。可见,CSA达到了参数量和计算量的平衡,并能够同时提升图像分类任务的准确率和目标检测任务的定位能力。

关键词：注意力机制分组卷积通道重洗图像分类目标检测

来源：评论

学校读者我要写书评

暂无评论

基于强化特征金字塔和聚焦损失的小目标检测

引用

计算机科学与探索 2025年第3期19卷 693-702页

作者：施宇王乐姚叶鹏毛国君福建理工大学计算机科学与数学学院福州350118 福建理工大学福建省大数据挖掘与应用技术重点实验室福州350118 中国科学院信息工程研究所北京100084 景区交易数据要素化文化和旅游部技术创新中心福州350000

无人机航拍图像具有目标尺度小和背景复杂等特点,因此直接对这类图像使用通用目标检测方法很难获得理想的识别精度。基于YOLOv8,提出一种强化特征金字塔和聚焦损失的小目标检测模型CFE-YOLO。设计一种跨层级强化特征金字塔网络,以跨层... 详细信息

无人机航拍图像具有目标尺度小和背景复杂等特点,因此直接对这类图像使用通用目标检测方法很难获得理想的识别精度。基于YOLOv8,提出一种强化特征金字塔和聚焦损失的小目标检测模型CFE-YOLO。设计一种跨层级强化特征金字塔网络,以跨层级的方式融合注意力特征图来改进传统特征金字塔结构,通过增加浅层网络的高分辨率特征图和去除深层检测头来适应小目标检测需求。结合Complete-IOU和Focalloss损失函数思想,设计了一个基于面积交并比的聚焦损失函数,进一步提升小目标的检测能力。通过引入深度可分离卷积实现一个轻量化空间金字塔池化层模块,在减少参数量的同时保持模型的检测精度。在VisDrone和Tinyperson两个无人机航拍数据集上进行的大量实验显示,CFE-YOLO较基准模型的m AP0.50分别提高了4.72和5.58个百分点且参数量减少37.74%,同时与其他先进算法对比也取得更高的精度。

关键词：小目标检测航拍图像特征金字塔损失函数

来源：评论

学校读者我要写书评

暂无评论

多尺度特征聚合扩散和边缘信息增强的小目标检测算法

引用

计算机工程与应用 2025年第7期61卷 105-116页

作者：江旺玉王乐姚叶鹏毛国君福建理工大学计算机科学与数学学院福州350118 福建理工大学福建省大数据挖掘与应用技术重点实验室福州350118 景区交易数据要素化文化和旅游部技术创新中心福州350000 中国科学院信息工程研究所北京100084

无人机航拍图像中,目标尺寸变化剧烈、背景复杂且小目标比例较高等特点为目标检测任务带来巨大挑战。尽管现有的基于卷积的目标检测算法能有效获取空间信息,但在实现不同尺度特征的全局交互及边缘细节信息的有效利用上仍存在不足。因此... 详细信息

无人机航拍图像中,目标尺寸变化剧烈、背景复杂且小目标比例较高等特点为目标检测任务带来巨大挑战。尽管现有的基于卷积的目标检测算法能有效获取空间信息,但在实现不同尺度特征的全局交互及边缘细节信息的有效利用上仍存在不足。因此,提出了一种结合多尺度特征聚合扩散和边缘信息增强的小目标检测算法ADEYOLO。构建了多尺度特征聚合扩散金字塔网络(MFADPN),通过在中间层聚合不同层级特征,并将其直接扩散至相邻层以缩短传播路径,有效减少了信息在传递过程中的损失,增强了模型的多尺度表达能力,显著提升了对不同尺度目标的检测能力。设计了自适应上下文融合模块(ACFM),利用通道注意力机制自适应地调整不同特征图的贡献,进一步强化多尺度特征的融合效果,使得重要特征在信息融合过程中更加突出。提出的C2f-Sobel模块通过额外分支结合Sobel算子来提取图像的边缘信息,从而为模型提供了更丰富的细节信息,提升了其在复杂场景下目标定位能力。实验结果表明,ADE-YOLO相较于基线YOLOv10s,在VisDrone2019和TinyPerson数据集上分别提高了8.6个百分点和4.0个百分点(mAP0.5),并且在与其他先进模型的对比中也展示了显著的优势。

关键词：小目标检测航拍图像特征金字塔自适应特征融合边缘信息

来源：评论

学校读者我要写书评

暂无评论

二进制电鳗觅食优化算法研究

引用

中文科技期刊数据库（文摘版）工程技术 2025年第1期 160-166页

作者：李牧元福建理工大学计算机科学与数学学院福建福州350108 福建理工大学福建省大数据挖掘与应用技术重点实验室福建福州350108

电鳗觅食优化算法是一种近年提出的元启发式算法,主要用于解决连续优化问题,并在各类工程问题中有所应用。然而,许多实际的优化问题是离散的,因此需要开发算法的二进制版本。研究人员通常通过转换函数将连续解转化为离散解,以解决这些... 详细信息

电鳗觅食优化算法是一种近年提出的元启发式算法,主要用于解决连续优化问题,并在各类工程问题中有所应用。然而,许多实际的优化问题是离散的,因此需要开发算法的二进制版本。研究人员通常通过转换函数将连续解转化为离散解,以解决这些离散优化问题,但传统的S型转换函数容易发散而难以收敛,V型转换函数则容易陷入局部最优,难以跳出。针对这一问题,本文通过结合电鳗的能量因子,将S型和V型转换函数融合,提出了一种新的复合转换函数,用于电鳗算法的二值化。同时,由于电鳗算法在交互和迁徙阶段可能过早收敛,本文对算法进行了改进。具体来说,在交互阶段增加了权重控制因子,利用S型转换函数的发散特性,增强了全局搜索能力;在迁徙阶段引入了约束因子,约束电鳗的行为,避免过早收敛和陷入局部最优。通过在背包问题上的实验,验证了所提出的二进制电鳗觅食优化算法的有效性。

关键词：二进制优化算法电鳗觅食优化算法转换函数复合型转换函数背包问题

来源：评论

学校读者我要写书评

暂无评论

基于ASO算法的风光抽蓄联合运行调度

引用

福建理工大学学报 2025年第1期23卷 71-79页

作者：林航黄荣杰张翼阮仲体林金阳福建理工大学微电子技术研究中心福建福州350118 福建省大数据挖掘与应用技术重点实验室福建福州350118

风光发电的随机性和波动性在并网时对电网的稳定性和电网计划调度造成了极大影响,针对该问题提出了含风-光-抽蓄联合运行系统的多目标优化调度模型。利用抽水蓄能储存多余电量并且补偿电量不足时的缺口,使得风光发电成为稳定的可调度能... 详细信息

风光发电的随机性和波动性在并网时对电网的稳定性和电网计划调度造成了极大影响,针对该问题提出了含风-光-抽蓄联合运行系统的多目标优化调度模型。利用抽水蓄能储存多余电量并且补偿电量不足时的缺口,使得风光发电成为稳定的可调度能源。将电网波动、运行效益和水库水位波动作为3个优化目标,并用改进的原子搜索算法(IASO)对目标函数寻优求解,与原子搜索算法(ASO)、粒子群算法(PSO)、和差分进化算法(DE)进行对比,结果表明IASO算法对目标函数的寻优效果最好,在电网波动更小、运行效益更高和水库水位变化更小的情况下,弃风弃光量明显更低。所提风光抽蓄联合运行系统可以保证风光并网后电力系统安全、稳定、经济运行。

关键词： ASO算法抽水蓄能联合运行多目标优化

来源：评论

学校读者我要写书评

暂无评论

多尺度特征融合的轻量化Transformer医学图像分割研究

引用

中国生物医学工程学报 2025年第02期 165-173页

作者：王骁崴邢树礼毛国君福建理工大学计算机科学与数学学院福建省大数据挖掘与应用技术重点实验室

UNet网络在医学图像分割领域得到广泛应用，其编码器搭配解码器的U形网络结构已经逐渐成为医学图像分割的主流构架之一。然而，传统UNet属于纯卷积神经网络，由于其定位准确性受制于卷积的局部视野，所以缺乏利用全局依赖关系的能力。Tr... 详细信息

UNet网络在医学图像分割领域得到广泛应用，其编码器搭配解码器的U形网络结构已经逐渐成为医学图像分割的主流构架之一。然而，传统UNet属于纯卷积神经网络，由于其定位准确性受制于卷积的局部视野，所以缺乏利用全局依赖关系的能力。Transformer作为目前大模型的核心支撑技术，具有优秀的捕捉全局依赖关系的能力，可弥补传统UNet的不足。本研究构建一种新的医学图像分割模型MoFormer。该模型以UNet的编码-解码结构为基础构架，在编码器中融合Transformer学习机制，扩大了模型上下文感知视野，提升了局部与全局信息的多尺度特征提取能力。随机初始化的MoFormer模型在BTCV数据集(共包含50例腹部CT图像)上平均Dice系数为0.823;在包含2 750张皮肤镜图像的ISIC2017数据集上达到了与TransFuse相同的效果，但参数量比TransFuse少10.91 M;在包含2 590张内窥镜图像的息肉数据集上实验，其性能超越了PraNet等其他流行的对比模型，其mIoU值平均提高了0.123。该神经网络模型平衡了参数量和分割精度，在多种医学图像数据集中表现出良好的泛化性。本研究设计的MoFormer模型有效地平衡了参数量和精度，在多种医学图像分割任务中取得了良好性能。

关键词： U形网络 Transformer 多尺度特征轻量化医学图像分割

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：