检索结果-内蒙古大学图书馆

软件学报 2020年第5期31卷 1511-1524页

作者：刘兆赓李占山王丽王涛于海鸿吉林大学软件学院吉林长春130012 吉林大学计算机科学与技术学院吉林长春130012 长春工业大学计算机科学与工程学院吉林长春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

特征选择作为一种重要的数据预处理方法,不但能解决维数灾难问题,还能提高算法的泛化能力.各种各样的方法已被应用于解决特征选择问题,其中,基于演化计算的特征选择算法近年来获得了更多的关注并取得了一些成功.近期研究结果表明,森林... 详细信息

特征选择作为一种重要的数据预处理方法,不但能解决维数灾难问题,还能提高算法的泛化能力.各种各样的方法已被应用于解决特征选择问题,其中,基于演化计算的特征选择算法近年来获得了更多的关注并取得了一些成功.近期研究结果表明,森林优化特征选择算法具有更好的分类性能及维度缩减能力.然而,初始化阶段的随机性、全局播种阶段的人为参数设定,影响了该算法的准确率和维度缩减能力;同时,算法本身存在着高维数据处理能力不足的本质缺陷.从信息增益率的角度给出了一种初始化策略,在全局播种阶段,借用模拟退火控温函数的思想自动生成参数,并结合维度缩减率给出了适应度函数;同时,针对形成的优质森林采取贪心算法,形成一种特征选择算法EFSFOA(enhanced feature selection using forest optimization algorithm).此外,在面对高维数据的处理时,采用集成特征选择的方案形成了一个适用于EFSFOA的集成特征选择框架,使其能够有效处理高维数据特征选择问题.通过设计对比实验,验证了EFSFOA与FSFOA相比在分类准确率和维度缩减率上均有明显的提高,高维数据处理能力更是提高到了100 000维.将EFSFOA与近年来提出的比较高效的基于演化计算的特征选择方法进行对比,EFSFOA仍具有很强的竞争力.

关键词： enhanced feature selection using forest optimization algorithm(EFSFOA) 高维特征选择演化计算

来源：评论

学校读者我要写书评

暂无评论

差分进化樽海鞘群特征选择算法

引用

吉林大学学报（信息科学版） 2021年第1期39卷 1-7页

作者：李占山杨鑫凯胡彪张博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 吉林大学软件学院长春130012

针对樽海鞘群优化算法(SSA:Salp Swarm Algorithm)在求解特征选择问题时存在易陷入局部最优、收敛速度慢的不足,基于樽海鞘群优化算法提出了新的改进算法差分进化樽海鞘群特征选择算法(DESSA:Differential Evolution Salp Swarm Algorit... 详细信息

针对樽海鞘群优化算法(SSA:Salp Swarm Algorithm)在求解特征选择问题时存在易陷入局部最优、收敛速度慢的不足,基于樽海鞘群优化算法提出了新的改进算法差分进化樽海鞘群特征选择算法(DESSA:Differential Evolution Salp Swarm Algorithm)。DESSA中采用了差分进化策略替代平均算子作为新的粒子迁移方式以增强搜索能力,并加入进化种群动态机制(EPD:Evolution Population Dynamics),加强收敛能力。实验中以KNN(K-Nearest Neighbor)分类器作为基分类器,以UCI(University of California Irvine)数据库中的8组数据集作为实验数据,将DESSA与SSA同具有代表性的算法进行对比实验,实验结果表明,DESSA算法各考察指标较原算法有明显提升,较其他算法相对优越。

关键词：特征选择樽海鞘群优化算法差分进化进化种群动态机制

来源：评论

学校读者我要写书评

暂无评论

本体指导下的安全强化学习最优化策略

引用

吉林大学学报(理学版) 2025年第1期63卷 83-90页

作者：郝嘉宁姚永伟叶育鑫吉林大学计算机科学与技术学院长春130012 浪潮通用软件有限公司济南250101 中国人民解放军63611部队新疆库尔勒841000 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对安全强化学习实现过程中,基于屏蔽的实现方式可能受制于没有合适的备用策略可供使用,导致判断出危险也不能阻止系统离开安全状态,结合知识的实现方式虽然能通过提取概念特征,用结构化的知识对指定状态给予安全指导,但有时知识蕴含... 详细信息

针对安全强化学习实现过程中,基于屏蔽的实现方式可能受制于没有合适的备用策略可供使用,导致判断出危险也不能阻止系统离开安全状态,结合知识的实现方式虽然能通过提取概念特征,用结构化的知识对指定状态给予安全指导,但有时知识蕴含的指导可能并不是最优的策略,甚至可能不如智能体探索习得策略的问题,提出一个本体指导下的安全强化学习最优化策略,实现风险识别规避、动作生成最优化.基于该理论设计和实现了一个在无人机避障场景下的仿真系统,并使用5种不同的强化学习算法进行效果验证.实验结果表明,基于本体指导的安全强化学习最优化策略能在屏蔽风险动作的基础上,实现智能体备用策略选取,比传统强化学习方法性能更优.

关键词：安全强化学习屏蔽机制本体深度神经网络联合查询

来源：评论

学校读者我要写书评

暂无评论

基于GA-BP神经网络的序列虹膜质量评价算法

引用

吉林大学学报（理学版） 2020年第6期58卷 1382-1390页

作者：张齐贤朱晓冬刘元宁王超群吴祖慷李昕龙吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学软件学院长春130012 吉林大学计算机科学与技术学院长春130012

针对虹膜质量评价指标单一或过多的情形,提出一种基于GA-BP神经网络的序列虹膜质量评价算法.首先对虹膜图像进行粗质量评价,筛选掉大多数不合格的较差质量图像;然后对虹膜图像进行精质量评价,选用3个较重要的指标得出指标值;最后结合BP... 详细信息

针对虹膜质量评价指标单一或过多的情形,提出一种基于GA-BP神经网络的序列虹膜质量评价算法.首先对虹膜图像进行粗质量评价,筛选掉大多数不合格的较差质量图像;然后对虹膜图像进行精质量评价,选用3个较重要的指标得出指标值;最后结合BP神经网络融合精质量评价指标进行图像质量的最终评价.在JLU-6.0虹膜库中进行验证,并与其他算法进行对比测试,测试结果表明,该算法能保留较多的有效虹膜图像,且分类精确度较高.

关键词：虹膜质量评价序列虹膜 BP神经网络精确度

来源：评论

学校读者我要写书评

暂无评论

基于GAN改进的人脸表情识别算法及应用

引用

吉林大学学报（理学版） 2020年第3期58卷 605-610页

作者：李婷婷胡玉龙魏枫林吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学计算机科学与技术学院长春130012 吉林大学软件学院长春130012

针对传统人脸表情识别算法存在的特征提取能力差、识别率低和误分类率较高等问题,提出一种基于生成对抗网络(GAN)改进的人脸表情识别算法.利用生成对抗网络的博弈思想,分别设计特征提取器、特征合成器和判别器,通过判别器与特征提取器... 详细信息

针对传统人脸表情识别算法存在的特征提取能力差、识别率低和误分类率较高等问题,提出一种基于生成对抗网络(GAN)改进的人脸表情识别算法.利用生成对抗网络的博弈思想,分别设计特征提取器、特征合成器和判别器,通过判别器与特征提取器之间的对抗训练,不断增强特征提取器提取特征的能力和分类器对人脸表情识别的准确率,并将其应用在工作人员工作状态智能监测中,根据表情识别结果判断工作状态,从而合理分配实验室资源,提高实验室资源利用率.改进算法在CK+数据集上多次实验的结果表明:该算法有较高的鲁棒性,能有效提高人脸表情识别率.

关键词：表情识别对抗生成网络卷积神经网络深度学习工作状态智能监测

来源：评论

学校读者我要写书评

暂无评论

基于现场可编程门电路的人脸检测识别加速平台

引用

吉林大学学报（工学版） 2019年第6期49卷 2051-2057页

作者：周柚杨森李大琳吴春国王岩王康平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

采用现场可编程门电路(FPGA)和中央处理器相结合的异构计算技术,解决人脸检测和识别计算加速问题。基于并发和流水线的方法加速Viola-Jones人脸检测算法,提高了数据吞吐量,增加了级联分类器的并行度;通过并发卷积操作和流水线特征图加... 详细信息

采用现场可编程门电路(FPGA)和中央处理器相结合的异构计算技术,解决人脸检测和识别计算加速问题。基于并发和流水线的方法加速Viola-Jones人脸检测算法,提高了数据吞吐量,增加了级联分类器的并行度;通过并发卷积操作和流水线特征图加速了卷积神经网络计算过程。实验结果表明,硬件平台较软件平台实现了2.9倍的加速比。

关键词：计算机应用人脸检测人脸识别卷积神经网络现场可编程门电路算法算法硬件

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的目标检测研究综述

引用

光学精密工程 2020年第5期28卷 1152-1164页

作者：范丽丽赵宏伟赵浩宇胡黄水王振吉林大学计算机科学与技术学院吉林长春130012 吉林大学符号计算与知识工程教育部重点实验室吉林长春130012 吉林大学学报(工学版)编辑部吉林长春130012 长春工业大学计算机科学与工程学院吉林长春130012 山东理工大学计算机科学与技术学院山东淄博255000

作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究。目标检测旨在给定图像中找到具有准确定位的特定对象,并为每个对象分配一个对应的标签。近年来,深度卷积神经网络DCNN(Deep Convolutional Neural Netwo... 详细信息

作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究。目标检测旨在给定图像中找到具有准确定位的特定对象,并为每个对象分配一个对应的标签。近年来,深度卷积神经网络DCNN(Deep Convolutional Neural Networks)凭借其特征学习和迁移学习的强大能力在图像分类方面取得了一系列突破,在目标检测方面,它越来越受到人们的重视。因此,如何将CNN应用于目标检测并获得更好的性能是一项重要的研究。首先回顾和介绍了几类经典的目标检测算法;然后将深度学习算法的产生过程作为切入点,以系统的方式全面概述了各种目标检测方法;最后针对目标检测和深度学习算法面临的重大挑战,讨论了一些未来的方向,以促进深度学习对目标检测的研究。

关键词：图像处理深度卷积神经网络目标检测特征表示深度学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的行人和车辆检测

引用

吉林大学学报（工学版） 2019年第5期49卷 1661-1667页

作者：徐谦李颖王刚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

为解决自动驾驶行车环境目标检测的问题,提出了一种基于深度学习的行人和车辆检测网络PVDNet。在网络底层,改进了跳跃连接结构,提出多级跳跃连接MLSC,加速了模型的收敛速度和收敛精度;在网络顶层,设计了一种多层特征融合方法 MLFF,将底... 详细信息

为解决自动驾驶行车环境目标检测的问题,提出了一种基于深度学习的行人和车辆检测网络PVDNet。在网络底层,改进了跳跃连接结构,提出多级跳跃连接MLSC,加速了模型的收敛速度和收敛精度;在网络顶层,设计了一种多层特征融合方法 MLFF,将底层特征与顶层特征融合以提高检测精度;在网络输出层,提出了一种单维卷积方法 ODC替代全连接层,减少了模型参数以提高检测速度。实验表明:与原始的Faster R-CNN相比,PVDNet在数据集PascalVOC2007、PascalVOC2012、MS COCO、KITTI上行人和车辆平均检测准确率分别提高了3.7%、6.1%、5.6%、9.62%。

关键词：人工智能目标检测深度学习无人驾驶

来源：评论

学校读者我要写书评

暂无评论

基于实体对弱约束的远监督关系抽取

引用

吉林大学学报（工学版） 2019年第3期49卷 912-919页

作者：欧阳丹彤肖君叶育鑫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

为缓解远监督关系抽取中的假阳性问题并进一步提高关系抽取的准确率和召回率,提出基于实体对弱约束的远监督关系抽取模型。首先,从知识库和文本中获取实体对的约束信息,约束信息由实体对关键词和实体类型两部分组成;然后,通过训练神经... 详细信息

为缓解远监督关系抽取中的假阳性问题并进一步提高关系抽取的准确率和召回率,提出基于实体对弱约束的远监督关系抽取模型。首先,从知识库和文本中获取实体对的约束信息,约束信息由实体对关键词和实体类型两部分组成;然后,通过训练神经网络模型自动获取不同关系所对应的实体对约束信息的特征;最后,将这些特征用作弱约束联合语句特征一起进行关系预测。在对比实验中,基于实体对弱约束的模型达到了更高的准确率和召回率,表明了实体对弱约束能有效缓解假阳性问题、加强关系抽取。

关键词：人工智能远监督关系抽取神经网络实体对弱约束注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于深度学习图像语义分割的机器人环境感知

引用

吉林大学学报（工学版） 2019年第1期49卷 248-260页

作者：徐谦李颖王刚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

基于深度学习图像语义分割模型SegNet,提出了一种基于深度学习的实时图像语义分割框架RT-SegNet(Real time segmentation network)。框架分为3个阶段:编码阶段、解码阶段和降维阶段。在编码阶段,提出了一种跨层叠加特征图的方法(Feature... 详细信息

基于深度学习图像语义分割模型SegNet,提出了一种基于深度学习的实时图像语义分割框架RT-SegNet(Real time segmentation network)。框架分为3个阶段:编码阶段、解码阶段和降维阶段。在编码阶段,提出了一种跨层叠加特征图的方法(Feature map skip superposition,FMSS)来提升特征提取效果;在解码阶段,设计了新的轻量化解码器(Light decoder,LD)结构,减少了卷积层数量,以加快模型训练与预测速度;在降维阶段,提出了卷积降维方法(Dimension reduced module,DRM)将编码器与解码器逐层连接,增强解码器效果。与原始SegNet模型相比,RT-SegNet模型在公共数据集Cityscapes、SUN RGB-D、CamVid、KITTI和作者自行标注的数据集JLUData上平均交叉联合度量分别提升了3.2%、1.8%、5.3%、14.6%、6.8%。

关键词：计算机应用环境感知深度学习机器人语义分割

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：