检索结果-内蒙古大学图书馆

吉林大学学报（工学版） 2022年第4期52卷 874-884页

作者：魏晓辉苗艳微王兴旺吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

记录数据出现的次数(频数估计)是流数据管理的一类重要任务。在该类任务的解决方案中,sketch是内存使用效率较高的数据结构之一。目前的多层sketch方案,通常使用相同长度的计数器记录数据能够到达的最高层级。然而,数据频数的高度偏斜... 详细信息

记录数据出现的次数(频数估计)是流数据管理的一类重要任务。在该类任务的解决方案中,sketch是内存使用效率较高的数据结构之一。目前的多层sketch方案,通常使用相同长度的计数器记录数据能够到达的最高层级。然而,数据频数的高度偏斜会导致部分计数器的高位内存被浪费。另一方面,由于数据分布是不断变化的,静态的sketch数据结构会造成内存分配不合理的问题。为了解决上述问题,本文提出一种弹性层级结构Rhombus sketch,能够按需将计数器分配给数据,并通过估计数据的分布动态调整内存分配。实验结果表明,相比于其他典型sketch方法,特别是在内存紧张的情况下,Rhombus sketch的准确性有明显的提高。

关键词：计算机应用数据流近似算法弹性 sketch

来源：评论

学校读者我要写书评

暂无评论

基于稀疏自编码器的无监督特征工程算法BioSAE

引用

吉林大学学报（工学版） 2022年第7期52卷 1645-1656页

作者：周丰丰张亦弛吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

为了研究特征间的内在关系,提出了一种基于稀疏自编码器的无监督特征工程算法BioSAE对给定数据集进行编码,并猜想经过稀疏自编码器编码的新构造特征可以训练出更好的分类模型。使用来自TCGA的6种癌症类型的3494个甲基化样本进行了综合... 详细信息

为了研究特征间的内在关系,提出了一种基于稀疏自编码器的无监督特征工程算法BioSAE对给定数据集进行编码,并猜想经过稀疏自编码器编码的新构造特征可以训练出更好的分类模型。使用来自TCGA的6种癌症类型的3494个甲基化样本进行了综合评估与实验,首先通过稀疏自编码器得到经过编码的特征,然后使用这些特征与原始的甲基化特征进行分析和对比。实验结果表明:在本研究进行的大多数建模实验中,经过BioSAE编码的特征均优于原始的甲基化特征。同时,将这一算法应用于一些其他领域数据集,如图像数据等,同样取得了相似的提升效果。

关键词：计算机应用特征工程稀疏自编码器甲基化 BioSAE

来源：评论

学校读者我要写书评

暂无评论

基于多层次多尺度注意力融合网络的多模态眼底疾病诊断模型

引用

吉林大学学报(理学版) 2025年第3期63卷 783-794页

作者：郭晓新杨梅杨广奇董洪良徐海啸吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对单模态眼底图像提取眼底特征的局限性,提出一个基于多层次多尺度注意力融合网络的多模态眼底疾病诊断模型.首先,分别针对彩色眼底图像和视网膜光学相干断层成像设计多层次注意力网络和多尺度注意力网络,并在特征层进行融合得到融合... 详细信息

针对单模态眼底图像提取眼底特征的局限性,提出一个基于多层次多尺度注意力融合网络的多模态眼底疾病诊断模型.首先,分别针对彩色眼底图像和视网膜光学相干断层成像设计多层次注意力网络和多尺度注意力网络,并在特征层进行融合得到融合特征;其次,将两种模态的损失函数加权,与融合特征的损失函数相加,提取模态的独特和互补信息,以提高眼底疾病诊断的准确率.在数据集MMC-AMD和GAMMA上进行评估的实验结果表明,该模型优于当前主流模型,诊断效果优越.

关键词：医学图像分类眼底疾病诊断模型多模态分类注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于三段式特征选择策略的脑电情感识别算法SEE

引用

吉林大学学报（工学版） 2022年第8期52卷 1834-1841页

作者：周丰丰朱海洋吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

情感可以通过脑电信号中的隐藏模式来识别,基于众多的脑电通道提取的脑电特征数量庞大,使情感识别任务非常复杂。针对上述问题,提出了基于三段式特征选择策略的脑电情感识别算法(SEE)。本文从时域、频域、空间域系统地提取脑电特征,基... 详细信息

情感可以通过脑电信号中的隐藏模式来识别,基于众多的脑电通道提取的脑电特征数量庞大,使情感识别任务非常复杂。针对上述问题,提出了基于三段式特征选择策略的脑电情感识别算法(SEE)。本文从时域、频域、空间域系统地提取脑电特征,基于提取的脑电特征集合,首先通过t检验去除类间无显著差异的特征,再使用递归特征消除策略进行目标相关的特征选择,最后通过顺序后向特征选择策略确定最终的特征子集用于情感识别。实验结果表明:相较于其他方法,本文构建的模型有更好的情感识别能力。与现有的特征选择算法相比,SEE具有较低的时间复杂度并且能筛选出较优的特征子集。此外,分析了与情感相关的脑电通道和频带,实验结果体现了一定的生理学意义,为开发情绪靶向的脑电设备提供可能。

关键词：计算机应用脑电图情感识别特征工程特征选择

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的蛋白质⁃ATP结合位点预测

引用

吉林大学学报（工学版） 2022年第1期52卷 187-194页

作者：刘桂霞裴志尧宋佳智吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

为了提高识别蛋白质-ATP结合位点预测精度,提出了基于Inception架构的深度网络模型Inception_base,同时对网络模型和训练策略进行优化和改进,提出了新的网络模型Inception_evolution。通过两组数据集在该模型上测试,获得AUC分别为0.885... 详细信息

为了提高识别蛋白质-ATP结合位点预测精度,提出了基于Inception架构的深度网络模型Inception_base,同时对网络模型和训练策略进行优化和改进,提出了新的网络模型Inception_evolution。通过两组数据集在该模型上测试,获得AUC分别为0.885和0.918,均优于其他对比机器学习方法。实验结果表明,深度学习方法可以应用于蛋白质-ATP结合位点预测问题中,该模型能够更精确预测蛋白质-ATP结合位点。

关键词：生物信息学蛋白质⁃ATP结合位点预测特征提取深度学习 Inception网络模型

来源：评论

学校读者我要写书评

暂无评论

结合测试点质量的混合测试点集合约简方法

引用

电子学报 2023年第6期51卷 1552-1561页

作者：欧阳丹彤许斌董博文周慧思张立明吉林大学计算机科学与技术学院吉林长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012 吉林大学软件学院吉林长春130012

集成电路中插入测试点是芯片测试中不可或缺的环节,其方法是通过在电路上插入一定数量的测试点来提高芯片的故障覆盖率.集成电路测试是整个设计流程中不可或缺的关键步骤之一.为了进一步缩短测试时间和提高芯片良品率,越来越多的国内外... 详细信息

集成电路中插入测试点是芯片测试中不可或缺的环节,其方法是通过在电路上插入一定数量的测试点来提高芯片的故障覆盖率.集成电路测试是整个设计流程中不可或缺的关键步骤之一.为了进一步缩短测试时间和提高芯片良品率,越来越多的国内外学者们从事集成电路测试方法的研究.通过对插入测试点故障覆盖率的HTPI(Hybrid Test Point Insertion)方法深入研究,提出了结合测试点质量对测试点进行约简的RHTPI(Reduction of Hybrid Test Point Insertion)方法 .此方法在保证故障覆盖率相等的情况下,有效提高了测试点选择的效率.从测试点覆盖率特征出发提出负质量测试点概念,依据负质量测试点对测试点集合进行约简,进而减小需要计算测试点集合的规模,有效缩短了求解时间.为避免负质量测试点删除部分具有较高覆盖率的测试点,提出了结合自适应系数的自适应负质量测试点的概念,依据自适应负质量测试点对测试点集合进行约简,进而在保证故障覆盖率相等的情况下有效提高了测试点选择效率.在标准测试用例上的实验结果表明,与HTPI方法相比,RHTPI方法计算候选测试点最小减少率为0.16%,最大减少率为44.56%,平均为24.56%,其求解效率最低提高了1.03,最高提高了2.37,平均提高了1.52,有效提高了测试点选择效率.本文给出的方法有效减少了芯片测试时间,进而缩短了芯片设计周期.

关键词：测试点插入测试点约简电路测试集成电路

来源：评论

学校读者我要写书评

暂无评论

细胞穿膜肽识别问题的多特征融合卷积网络预测算法

引用

电子科技大学学报 2022年第4期51卷 494-499页

作者：周丰丰牛甲昱吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

细胞穿膜肽是一类特殊的多肽,具有独特的医学价值,因此如何通过计算方法高效地识别细胞穿膜肽是一个值得研究的重要问题。目前的主流方法是使用各种特征表示算法获取序列特征,然后使用机器学习分类器进行分类。提出了一种新的识别算法Co... 详细信息

细胞穿膜肽是一类特殊的多肽,具有独特的医学价值,因此如何通过计算方法高效地识别细胞穿膜肽是一个值得研究的重要问题。目前的主流方法是使用各种特征表示算法获取序列特征,然后使用机器学习分类器进行分类。提出了一种新的识别算法ConvCPP,利用改进的卷积神经网络提取蛋白质序列特征。改进之处包括在卷积层之前添加注意力层,并且优化了池化层的池化方式。设计消融实验来验证改进的有效性,之后结合多种其他基于蛋白质序列特征的特征提取算法,并测试了两种特征选择算法,最终得到最优的向量表示。再根据得到的向量表示,结合多种机器学习分类器对蛋白质序列进行分类识别。在基准数据集上的实验表明,该算法比当前的细胞穿膜肽识别方法具有更好的预测性能。

关键词：注意力机制计算机应用技术卷积神经网络细胞穿膜肽机器学习

来源：评论

学校读者我要写书评

暂无评论

基于知识图谱嵌入的定义域值域约束补全方法

引用

吉林大学学报（工学版） 2022年第1期52卷 154-161页

作者：雷景佩欧阳丹彤张立明吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对知识图谱中定义域值域约束补全问题,将其转化成链接预测问题并使用基于知识图谱嵌入模型预测缺失数据。针对定义域值域约束补全问题的结构,在两种基于翻译的知识图谱嵌入模型TransE和RotatE基础上给出了两种高效的约束补全方法DCaT-... 详细信息

针对知识图谱中定义域值域约束补全问题,将其转化成链接预测问题并使用基于知识图谱嵌入模型预测缺失数据。针对定义域值域约束补全问题的结构,在两种基于翻译的知识图谱嵌入模型TransE和RotatE基础上给出了两种高效的约束补全方法DCaT-T和DCaT-R。特别地,为提升补全方法的预测性能,DCaT-T与DCaT-R方法均采用了两阶段的训练方法。实验结果表明,DCaT-T和DCaT-R优于类型预测方法SDType,DCaT-T方法优于同在TransE基础上实现的嵌入表示模型ConnectE类型预测方法,并且两阶段的训练方法能够进一步提高模型的预测能力。

关键词：人工智能知识图谱定义域值域约束补全知识图谱嵌入

来源：评论

学校读者我要写书评

暂无评论

基于稀疏系数矩阵重构的多标记特征选择

引用

计算机学报 2022年第9期45卷 1827-1841页

作者：李永豪胡亮高万夫吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

处理复杂的多标记数据对于特征选择而言是一项挑战性任务.然而,现存的多标记特征选择方法存在三个问题未解决.首先,现有的多标记特征选择方法利用样例层流形正则化项保持样例的相似性结构或借助标签关联来指导特征选择,但两者对于特征... 详细信息

处理复杂的多标记数据对于特征选择而言是一项挑战性任务.然而,现存的多标记特征选择方法存在三个问题未解决.首先,现有的多标记特征选择方法利用样例层流形正则化项保持样例的相似性结构或借助标签关联来指导特征选择,但两者对于特征选择的指导存在互补关系.其次,早期方法基于样例相似性所构造的近邻矩阵来探索标签关联,却忽略了成对标签本身的关联性.最后,早期方法整合多个未知变量,导致目标函数的求解变得困难.为解决上述问题,本文基于最小二乘回归模型构建经验损失函数,然后在目标函数中引入标签正则化项探索标签之间的关联,同时利用特征矩阵与重构稀疏系数矩阵的乘积表示预测标签并保留数据本身的局部几何结构.上述各项被整合在一个联合学习框架内.针对该学习框架,一套证明可收敛的优化方案被设计.在13个真实的多标记基准数据集上进行实验,实验结果验证了所提方法的有效性.

关键词：特征选择多标记学习流形学习稀疏化学习分类

来源：评论

学校读者我要写书评

暂无评论

预训练驱动的多模态边界感知视觉Transformer

引用

软件学报 2023年第5期34卷 2051-2067页

作者：石泽男陈海鹏张冬申铉京吉林大学计算机科学与技术学院吉林长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012 香港科技大学计算机科学与工程系中国香港999077

卷积神经网络(convolutional neural network,CNN)在图像篡改检测任务中不断取得性能突破,但在面向真实场景下篡改手段未知的情况时,现有方法仍然无法有效地捕获输入图像的长远依赖关系以缓解识别偏差问题,从而影响检测精度.此外,由于... 详细信息

卷积神经网络(convolutional neural network,CNN)在图像篡改检测任务中不断取得性能突破,但在面向真实场景下篡改手段未知的情况时,现有方法仍然无法有效地捕获输入图像的长远依赖关系以缓解识别偏差问题,从而影响检测精度.此外,由于标注困难,图像篡改检测任务通常缺乏精准的像素级图像标注信息.针对以上问题,提出一种预训练驱动的多模态边界感知视觉Transformer.首先,为捕获在RGB域中不可见的细微伪造痕迹,引入图像的频域模态并将其与RGB空间域结合作为多模态嵌入形式.其次利用ImageNet对主干网络的编码器进行训练以缓解当前训练样本不足的问题.然后,Transformer模块被整合到该编码器的尾部,以达到同时捕获低级空间细节信息和全局上下文的目的,从而提升模型的整体表征能力.最后,为有效地缓解因伪造区域边界模糊导致的定位难问题,构建边界感知模块,其可以通过Scharr卷积层获得的噪声分布以更多地关注噪声信息而不是语义内容,并利用边界残差块锐化边界信息,从而提升模型的边界分割性能.大量实验结果表明,所提方法在识别精度上优于现有的图像篡改检测方法,并对不同的篡改手段具有较好的泛化性和鲁棒性.

关键词：模型预训练多模态视觉Transformer 边界感知图像篡改检测

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：