检索结果-内蒙古大学图书馆

厦门大学学报（自然科学版） 2024年第2期63卷 188-198页

作者：杨昔阳陈豪李志伟张新军颜星华福建省大数据管理新技术与知识工程重点实验室泉州师范学院福建泉州362000 智能计算与信息处理福建省高等学校重点实验室泉州师范学院福建泉州362000 福建省金融信息处理重点实验室(莆田学院) 福建莆田351100

[目的]由于经济、金融、环境和生态等多个领域中时间序列数据规模的持续增长,对其进行预测变得日益复杂,为了提高大规模时间序列的长期预测效率,探索构建模糊信息粒的创新方法,以准确反映数据集大小和趋势信息.[方法]首先,根据模糊拓展... 详细信息

[目的]由于经济、金融、环境和生态等多个领域中时间序列数据规模的持续增长,对其进行预测变得日益复杂,为了提高大规模时间序列的长期预测效率,探索构建模糊信息粒的创新方法,以准确反映数据集大小和趋势信息.[方法]首先,根据模糊拓展原理,研究各种模糊信息粒,包括区间型、三角型和高斯型模糊信息粒的距离定义.随后,结合时间序列片段的中心线段和离散程度信息,引入一类新颖的模糊信息粒.这些粒子可以有效捕捉指定时间范围内时间序列的趋势信息和离散程度,进一步地提出高斯型模糊信息粒距离的函数表达式和几何解释.为了将这些粒子用于时间序列预测,设计一类模糊推理预测系统,该系统可以利用历史数据构造模糊信息粒,并从高斯型模糊信息粒序列中提取模糊推理规则.[结果]高斯型模糊信息粒距离的函数表达式具有简洁的数学表示,可以合理地反映两个高斯模糊信息粒的中心线和离散程度的差异.模糊推理预测系统可以从高斯型模糊信息粒序列中提取有效的规则,实现时间序列的长期预测.实验结果表明,结合线性高斯模糊信息粒与模糊推理系统的预测方法在均方根误差和平均绝对百分比误差方面优于其他数值预测算法和其他模糊信息粒推理方法,包括自回归模型、自回归神经网络和回归向量机等.[结论]结合线性模糊信息粒和模糊推理系统的方法可以提高时间序列长期预测的效率.基于对数据集特征的合理抽象提出了一种新颖的线性模糊信息粒,并简洁地推导出了它们的距离定义.时间序列预测的成功表明,通过巧妙地设计信息粒,能够准确捕捉数据集中的关键特征,从而提高其他数据挖掘任务的效率,例如更快的计算速度和更准确的结果.

关键词：线性模糊信息粒模糊推理系统时间序列预测

来源：评论

学校读者我要写书评

暂无评论

领域数据增强与多粒度语义理解的多轮对话模型

引用

小型微型计算机系统 2024年第7期45卷 1585-1591页

作者：刘律民陈羽中陈敬添福州大学计算机与大数据学院福州350108 福建省网络计算与智能信息处理重点实验室福州350108 福建省广播影视集团福州350004

检索式多轮对话是多轮对话中一个重要的分支,如何从众多的候选回复中选择出最适合当前上下文的答复是检索式多轮对话的关键问题.近年来,深度神经网络模型在多轮回复选择问题上取得了较大进展.然而,现有模型依然存在对上下文语义理解不准... 详细信息

检索式多轮对话是多轮对话中一个重要的分支,如何从众多的候选回复中选择出最适合当前上下文的答复是检索式多轮对话的关键问题.近年来,深度神经网络模型在多轮回复选择问题上取得了较大进展.然而,现有模型依然存在对上下文语义理解不准确,缺乏对上下文内部、话语内部蕴含的时序语义关系的学习等问题.针对上述问题,本文提出了一种基于预训练语言模型的多辅助任务优化的学习方法MSE-BERT.首先,通过区间掩码生成任务优化预训练模型,使其更好地适应当前领域的数据集.提出一种辅助任务是token乱序插入任务,该任务通过随机选择上下文中的一句话语并将其内部的token进行随机打乱,然后预测这句话在上下文中原本的位置,多粒度的学习蕴含在上下文之间的时序语义关系.最后,利用BERT特有的位置嵌入和深层注意力机制,提出了一种双向特征融合机制,将所有的局部信息进行融合,进一步优化模型进行回复选择的能力.在Ubuntu和E-commerce数据集上的实验结果表明,MSE-BERT模型的总体性能优于对比模型.

关键词：多轮对话回复选择辅助任务语义关系双向特征融合

来源：评论

学校读者我要写书评

暂无评论

网络社区发现的多目标分解粒子群优化算法

引用

计算机应用 2013年第9期33卷 2444-2449页

作者：应加炜陈羽中福州大学数学与计算机科学学院福州350108 福建省网络计算与智能信息处理重点实验室(福州大学) 福州350108

通过分析社会网络中社区发现问题的优化目标,构造了社区发现的多目标优化模型,提出一种网络社区发现的多目标分解粒子群优化算法。该算法采用切比雪夫法将多目标优化问题分解为多个单目标优化子问题,使用粒子群优化(PSO)算法对社区结构... 详细信息

通过分析社会网络中社区发现问题的优化目标,构造了社区发现的多目标优化模型,提出一种网络社区发现的多目标分解粒子群优化算法。该算法采用切比雪夫法将多目标优化问题分解为多个单目标优化子问题,使用粒子群优化(PSO)算法对社区结构进行挖掘,并引入了一种新颖的基于局部搜索的变异策略以提高算法的搜索效率和收敛速度,该算法克服了单目标优化算法存在的解单一以及难以发现社区层次结构的缺陷。人工网络及真实网络上的实验结果表明,该算法能够快速准确地挖掘网络社区并揭示社区的层次结构。

关键词：社会网络社区发现多目标分解粒子群优化变异策略

来源：评论

学校读者我要写书评

暂无评论

张量分解在用户影响力度量中的应用

引用

福州大学学报（自然科学版） 2016年第2期44卷 176-181页

作者：唐昌宏刘月福州大学数学与计算机科学学院福建福州350116 福建省网络计算与智能信息处理重点实验室福建福州350116

提出一种基于张量分解的有影响力用户识别算法.该算法首先构建基于查询主题的用户交互关系张量,接着利用张量分解算法对用户行为进行预测,最后融合各种交互关系和用户的主题信息给出用户影响力的综合评判.实验结果表明,与非负矩阵分解相... 详细信息

提出一种基于张量分解的有影响力用户识别算法.该算法首先构建基于查询主题的用户交互关系张量,接着利用张量分解算法对用户行为进行预测,最后融合各种交互关系和用户的主题信息给出用户影响力的综合评判.实验结果表明,与非负矩阵分解相比,张量分解的挖掘精度提升了约10%,而与PageRank相比,张量分解的挖掘精度提升了约20%.

关键词：用户影响力主题相关度互关系张量社交媒介

来源：评论

学校读者我要写书评

暂无评论

无线传感器网络中基于马尔科夫链的数据预测算法

引用

小型微型计算机系统 2016年第11期37卷 2498-2503页

作者：吏济新张雅云黄福川程红举福州大学数学与计算机科学学院福州350108 福州大学福建省网络计算与智能信息处理重点实验室福州350108

无线传感器节点持续感知的数据具有高度的时间关联性,所产生的冗余数据会给传感器节点带来不必要的数据传输和能量消耗.数据预测算法通过预测节点的感知数据序列可以有效避免上述问题.提出一种基于马尔科夫链的数据预测算法(MC-DP),该... 详细信息

无线传感器节点持续感知的数据具有高度的时间关联性,所产生的冗余数据会给传感器节点带来不必要的数据传输和能量消耗.数据预测算法通过预测节点的感知数据序列可以有效避免上述问题.提出一种基于马尔科夫链的数据预测算法(MC-DP),该算法首先对传感器节点感知的数据进行弱化处理来提高数据序列的光滑性,然后采用离散灰色预测模型对节点需要向sink传输的数据序列进行预测,当节点预测的数据精度不够时,进一步使用基于马尔科夫链的数据修正过程来对其进行改进.实验结果表明,MC-DP算法预测准确率更高,预测序列的数据误差率更低,使用该预测算法使得传感器节点可以节约更多能量.

关键词：无线传感器网络离散灰色模型马尔科夫链数据预测

来源：评论

学校读者我要写书评

暂无评论

多尺度特征融合与极限学习机的玉米种子检测

引用

中国图象图形学报 2016年第1期21卷 24-38页

作者：柯逍杜明智福州大学数学与计算机科学学院福州350116 福州大学福建省网络计算与智能信息处理重点实验室福州350116

目的玉米种子等农作物检测是农业信息化领域中一个关键问题,为了能够快速和准确地实现对其检测,提出基于多尺度特征融合与极限学习机的玉米种子无损检测算法。方法首先对种子特征的描述采用局部特征和全局特征相结合的特点,局部特征采... 详细信息

目的玉米种子等农作物检测是农业信息化领域中一个关键问题,为了能够快速和准确地实现对其检测,提出基于多尺度特征融合与极限学习机的玉米种子无损检测算法。方法首先对种子特征的描述采用局部特征和全局特征相结合的特点,局部特征采用多尺度方向梯度直方图特征,而在全局特征上则提取HSV颜色模型特征。其次,针对传统的BP神经网络以及SVM等存在训练时间长、检测速度慢的不足,采用极限学习机作为其检测算法。此外,为了避免样本在训练时带来的过多时间消耗,该检测模型上采用了并行训练算法。再次,针对原始图像分辨率过高问题所带来的检测时间以及内存消耗较大的问题,采用一种基于局部均值的图像缩小算法。最后,针对该文采用的滑动窗口扫描可能带来的同一对象多窗口重叠的问题,提出了一种基于模糊聚类的局部窗口融合算法。结果仿真结果表明,提出的方法可实现对玉米种子的准确检测,对检测样本的测试精度达到97.66%,同时误差控制在0.1%。结论相比传统的方法,提出的方法在检测速度、检测准确率上均有所改善,无需严格的硬件设备要求并且对玉米种子检测时不会产生任何损伤。

关键词：极限学习机特征融合目标检测窗口融合模糊聚类

来源：评论

学校读者我要写书评

暂无评论

改进的残差式3D-CNN和近邻注意力的高光谱遥感图像分类

引用

自然资源遥感 2024年

作者：潘增滢吴瑞姣林易丰翁谦林嘉雯福州大学计算机与大数据学院福州大学福建省网络计算与智能信息处理重点实验室福建省地质测绘院福州大学空间数据挖掘与信息共享教育部重点实验室

在引起广泛关注的高光谱遥感图像分类中,同物异谱、同谱异物和少样本都极大限制了分类方法的性能。为了充分挖掘高光谱图像的空间-光谱特征,该文提出了一种改进的残差卷积和近邻注意力网络用于高光谱遥感图像分类。该方法包括:结合了残... 详细信息

在引起广泛关注的高光谱遥感图像分类中,同物异谱、同谱异物和少样本都极大限制了分类方法的性能。为了充分挖掘高光谱图像的空间-光谱特征,该文提出了一种改进的残差卷积和近邻注意力网络用于高光谱遥感图像分类。该方法包括:结合了残差连接和3D卷积神经网络(3D convolutional neural network,3D-CNN)的残差式光谱特征提取模块;使用混合卷积的空间-光谱特征融合模块;用于增强模型对同质区域的关注能力的近邻注意力模块。在3个公开的高光谱数据集Indian pines,Pavia University,Houston2013上的实验结果显示,相比近期先进高光谱分类方法,该文方法有更高的分类精度,且在使用10%以下训练样本的前提下总体精度可分别达到99.39%,99.67%和98.64%,实现了少样本下的高精度分类。

关键词：高光谱图像分类卷积神经网络残差连接近邻注意力

来源：评论

学校读者我要写书评

暂无评论

基于非完全信息博弈竞标的无线传感器网络资源分配方法

引用

福州大学学报（自然科学版） 2016年第1期44卷 45-51页

作者：张顺华刘漳辉福州大学数学与计算机科学学院福建福州350116 福建省网络计算与智能信息处理重点实验室福建福州350116

针对无线传感器网络任务调度过程中造成的资源冲突问题,将其考虑为节点间的非完全信息博弈竞标过程;在参与竞标的节点进行决策时,引入隐马尔可夫链预测其他竞争者的决策,将资源分配过程中的多个优化目标,分别由任务和节点进行优化,并提... 详细信息

针对无线传感器网络任务调度过程中造成的资源冲突问题,将其考虑为节点间的非完全信息博弈竞标过程;在参与竞标的节点进行决策时,引入隐马尔可夫链预测其他竞争者的决策,将资源分配过程中的多个优化目标,分别由任务和节点进行优化,并提出一种非完全信息博弈竞标算法;在假设节点个人理性的前提条件下,论证此非完全信息博弈竞标模型满足经济学原理中的激励相容性和最大化系统收益.最后并从实验仿真证明其有效性.

关键词：无线传感器网络资源分配竞标博弈

来源：评论

学校读者我要写书评

暂无评论

基于数据特征学习的网络安全数据分类方法研究

引用

信息网络安全 2019年第10期 50-56页

作者：刘延华高晓玲朱敏琛苏培煌福州大学数学与计算机科学学院福建福州350108 福建省网络计算与智能信息处理重点实验室福建福州350108

数据分类在网络安全防护与监测预警中发挥着重要作用。随着网络系统规模的扩大、网络速度的提高以及网络安全事件的增多,安全数据的数量急剧增加,极大影响了数据分类的准确性,从而给入侵检测、安全评估、攻击意图识别等安全应用带来极... 详细信息

数据分类在网络安全防护与监测预警中发挥着重要作用。随着网络系统规模的扩大、网络速度的提高以及网络安全事件的增多,安全数据的数量急剧增加,极大影响了数据分类的准确性,从而给入侵检测、安全评估、攻击意图识别等安全应用带来极大挑战。文章提出一种结合SMOTE-SVM算法和XGBoost算法的数据分类模型。首先,针对数据不平衡的情况,采用过采样和下采样相结合的方法,设计一种基于SMOTE-SVM算法的数据特征平衡方法,提高了训练数据分布的合理性和训练精度。然后,针对多源异构的安全数据的多样性特点,采用独热编码技术实现数据的规范化。最后,基于XGBoost算法对数据集进行特征提取和分类。实验结果表明,该方法在数据分类查准率、召回率和综合有效性方面具有明显优势,能有效提高网络安全大数据的分析能力,对网络安全态势感知具有重要的应用意义。

关键词：网络空间安全不平衡数据 SMOTE XGBoost

来源：评论

学校读者我要写书评

暂无评论

融合Spark与隐性兴趣的用户综合影响力度量

引用

计算机工程 2020年第11期46卷 61-69页

作者：童曼琪黄江升郭昆福州大学福建省空间数据挖掘与信息共享教育部重点实验室福州350002 国网信通亿力科技有限责任公司福州350003 福州大学福建省网络计算与智能信息处理重点实验室福州350002

为解决传统用户影响力度量算法面向海量数据处理时运行速度下降的问题,提出一种基于隐性兴趣的用户综合影响力度量算法.通过隐含狄利克雷分配模型得到用户隐性兴趣偏好,根据困惑度和平均话题相似度综合确定最优兴趣话题数,并改进PageRan... 详细信息

为解决传统用户影响力度量算法面向海量数据处理时运行速度下降的问题,提出一种基于隐性兴趣的用户综合影响力度量算法.通过隐含狄利克雷分配模型得到用户隐性兴趣偏好,根据困惑度和平均话题相似度综合确定最优兴趣话题数,并改进PageRank算法的用户兴趣传播转移率获得用户隐性兴趣传播影响力.在Spark计算框架的基础上,采用层次分析法且结合用户自身影响力和用户隐性兴趣传播影响力,计算得到最终用户影响力.实验结果表明,该算法综合考虑用户兴趣和用户自身影响因素,能够更客观高效地评估用户的真实影响力.

关键词：用户影响力用户兴趣相似度 PageRank算法 Spark计算框架隐含狄利克雷分配模型

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：