检索结果-内蒙古大学图书馆

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

地理链接数据的空间拓扑完整性验证

引用

吉林大学学报(理学版) 2025年第1期63卷 60-66页

作者：卢禹博叶育鑫欧阳丹彤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

为能准确且快捷地验证地理链接数据多重实体空间拓扑关系的完整性,提出一种基于RCC8模型的饱和推理方法,用于检验多重空间拓扑关系是否具有冲突.该方法应用推理规则,将关系对进行两两组合推理,逐步推导出潜在空间关系并对推理结果进行检... 详细信息

为能准确且快捷地验证地理链接数据多重实体空间拓扑关系的完整性,提出一种基于RCC8模型的饱和推理方法,用于检验多重空间拓扑关系是否具有冲突.该方法应用推理规则,将关系对进行两两组合推理,逐步推导出潜在空间关系并对推理结果进行检验,不断重复以上过程,直到确保推理过程在所有关系对均被推导后终止.在此基础上,封装一个基于RCC8模型的饱和推理验证组件,以方便使用者在无需重复编写代码的情况下,通过直接调用组件验证多重空间拓扑关系.利用该方法和组件对SLIPO项目的链接数据集的部分数据进行测试,成功识别出GeoSHACL组件无法检测到的多个空间拓扑关系冲突实体.

关键词：地理链接数据空间完整性约束饱和式推理完整性验证空间约束组件

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

多媒体终端上新型压力交互范式研究

引用

吉林大学学报（工学版） 2023年第11期53卷 3186-3193页

作者：秦贵和王曼莹孙铭会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 一汽大众汽车有限公司长春130011

针对移动终端上压力交互提出一种新型界面范式LWHP,并通过Bayes方法推理用户交互意图,优化压力空间划分。LWHP范式采用三维办公桌隐喻,包含图层(Layer),部件(Widget)、层级菜单(Hierarchical Menu)和压力手势(Pressure+Gesture)4个组成... 详细信息

针对移动终端上压力交互提出一种新型界面范式LWHP,并通过Bayes方法推理用户交互意图,优化压力空间划分。LWHP范式采用三维办公桌隐喻,包含图层(Layer),部件(Widget)、层级菜单(Hierarchical Menu)和压力手势(Pressure+Gesture)4个组成要素。基于用户历史输入的Bayes层级菜单分层优化算法,结合压力信号、交互特征(时间和跨越选项次数)和情境信息对用户意图分析解释,优化压力空间划分方式,提高交互准确性和自然性。最后,通过一个基于LWHP范式的相册交互场景阐述其应用和相关部件设计。

关键词：人机交互界面范式用户界面压力输入智能手机组件

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征和注意力机制的轻量级虹膜分割模型

引用

吉林大学学报（工学版） 2023年第9期53卷 2591-2600页

作者：霍光林大为刘元宁朱晓冬袁梦盖迪东北电力大学计算机学院吉林省吉林市132012 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 南昌大学软件学院南昌330047

针对基于深度学习的虹膜分割模型存在参数量大、计算量大、占用空间大的问题,提出了一种轻量级的虹膜分割模型。首先,将Linknet中特征提取网络替换为改进的轻量级网络MobileNetv3。这种设计在保持准确性的同时显著地提高了模型效率。其... 详细信息

针对基于深度学习的虹膜分割模型存在参数量大、计算量大、占用空间大的问题,提出了一种轻量级的虹膜分割模型。首先,将Linknet中特征提取网络替换为改进的轻量级网络MobileNetv3。这种设计在保持准确性的同时显著地提高了模型效率。其次,为了减少虹膜特征信息丢失,设计了一个多尺度特征提取模块。再次,引入了通道注意力机制,抑制无关噪声,加大虹膜区域的权重。最后,在3个虹膜数据库上将本文模型与其他虹膜分割模型进行比较,结果表明,本文模型在虹膜分割准确率和效率之间取得了更好的平衡。

关键词：计算机应用虹膜分割深度学习轻量级网络注意力机制多尺度特征

来源：评论

学校读者我要写书评

暂无评论

基于偏好和虚拟适应度的两阶段依赖任务卸载算法

引用

吉林大学学报（理学版） 2024年第4期62卷 923-932页

作者：董立岩齐竞则刘元宁冯嘉辉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

针对云边端协同环境中依赖任务卸载时效率低以及任务卸载失败的问题,提出一种基于偏好和虚拟适应度的两阶段依赖任务卸载算法.第一阶段,根据提出的二维卸载偏好因子对依赖任务的部分子任务进行直接卸载决策,从而有效缩小遗传算法初始种... 详细信息

针对云边端协同环境中依赖任务卸载时效率低以及任务卸载失败的问题,提出一种基于偏好和虚拟适应度的两阶段依赖任务卸载算法.第一阶段,根据提出的二维卸载偏好因子对依赖任务的部分子任务进行直接卸载决策,从而有效缩小遗传算法初始种群的规模.第二阶段,提出基于虚拟适应度的启发式交叉方法,并对基于参考点的快速非支配排序遗传算法(non-dominated sorting genetic algorithmⅢ, NSGA-Ⅲ)的交叉算子进行改进,保留了种群多样性并提升了算法收敛速度,最后使用改进的算法对所有依赖任务的子任务进行最优卸载决策集的搜索.实验结果表明,与其他算法相比,该算法在任务完成时间、任务能耗和边缘云集群成本方面平均优化了10.2%~18.3%,并且将任务失败率平均降低了10.7%~25.6%.

关键词：云边端协同环境依赖任务卸载多目标优化虚拟适应度遗传算法

来源：评论

学校读者我要写书评

暂无评论

基于细粒度分析的不均衡图像分类算法

引用

吉林大学学报(工学版) 2023年

作者：刘萍萍商文理解小宇杨晓康吉林大学计算机科学与技术学院吉林大学符号计算与知识工程教育部重点实验室吉林大学软件学院

细粒度属性分析和数据不均衡问题一直是计算机视觉领域的研究热点。由于细粒度属性图像的复杂性和多样性，传统的图像分类方法在关注图像细粒度属性方面存在不足，并在处理不均衡数据集时表现不佳。为了克服这些问题，本研究提出了一种... 详细信息

细粒度属性分析和数据不均衡问题一直是计算机视觉领域的研究热点。由于细粒度属性图像的复杂性和多样性，传统的图像分类方法在关注图像细粒度属性方面存在不足，并在处理不均衡数据集时表现不佳。为了克服这些问题，本研究提出了一种基于深度度量学习的细粒度图像阈值分类算法。通过引入度量学习方法，来增强对图像细粒度属性的关注。同时，通过应用成对损失和代理损失，提高了模型的分类准确性并加快了模型的收敛速度。为了应对数据不均衡问题，设计了一个基于阈值分析的分类器。该分类器利用阈值分析技术，实现了对细粒度图像的多级分类，从而改善了在不均衡数据集中少数类别分类准确性较低的问题。实验结果表明，所提出的基于深度度量学习的细粒度图像阈值分类算法在分类准确性方面显著优于其他方法。

关键词：计算机应用深度度量学习细粒度分类不均衡数据阈值分类器

来源：评论

学校读者我要写书评

暂无评论

融合结构和特征的图层次化池化模型

引用

计算机科学与探索 2023年第1期17卷 179-186页

作者：马涪元王英李丽娜汪洪吉吉林大学计算机科学与技术学院长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 吉林大学人工智能学院长春130012

作为深度神经网络向非欧式数据上的扩展,图神经网络(GNN)已经在图节点分类任务、链接预测任务和图分类任务中取得了显著成就。在图分类任务上,当前方法一般通过层次化的池化过程同时考虑图的局部和全局结构信息以学习高层次的图表示。... 详细信息

作为深度神经网络向非欧式数据上的扩展,图神经网络(GNN)已经在图节点分类任务、链接预测任务和图分类任务中取得了显著成就。在图分类任务上,当前方法一般通过层次化的池化过程同时考虑图的局部和全局结构信息以学习高层次的图表示。在对当前的图分类模型进行对比分析后,考虑当前方法的不足,结合不同方法的优势,提出结构和特征融合池化模型(SAFPool)。SAFPool模型在池化时使用了两个聚类分配矩阵生成模块,分别是基于结构的聚类学习和基于特征的聚类学习模块,基于结构的聚类学习根据图结构信息对结构相似的节点聚类,基于特征的聚类学习则根据图节点特征对特征相似的节点聚类。二者的聚类结果加权聚合后便能获取实现聚类策略的聚类分配矩阵以同时利用图结构和节点特征信息。最后,在多个图分类数据集上通过对比实验和可视化说明了同时显式地利用图节点特征信息和图结构信息实现聚类策略的有效性。

关键词：图神经网络图分类图池化聚类分配矩阵层次化模型

来源：评论

学校读者我要写书评

暂无评论

基于置信学习和协同训练的医学图像分割方法

引用

吉林大学学报(工学版) 2023年

作者：赵宏伟周明珠刘萍萍周求湛吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室吉林大学通信工程学院

在医学图像低质量标注数据的训练中，置信学习发挥了重要的作用，但目前置信学习的应用均基于平均教师模型，并未探讨在其它网络上的可能性。针对这个问题，提出了基于置信学习和协同训练的分割模型。该模型使用两个不同的网络，鼓励两... 详细信息

在医学图像低质量标注数据的训练中，置信学习发挥了重要的作用，但目前置信学习的应用均基于平均教师模型，并未探讨在其它网络上的可能性。针对这个问题，提出了基于置信学习和协同训练的分割模型。该模型使用两个不同的网络，鼓励两网络的输出结果一致，接着将其中一网络的输出利用置信学习同原低质量标注进行对比，修正低质量标注数据从而使其提供有效训练参考。将提出模型在三个不同模态的医学图像数据集上进行对比，实验结果表明，提出模型的分割效果均优于已有的置信学习模型。

关键词：计算机应用医学图像分割置信学习协同训练

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：