检索结果-内蒙古大学图书馆

现代电子技术 2019年第16期42卷 40-43,48页

作者：苗军周建亭袁睿思宁润泽北京信息科技大学网络文化与数字传播北京市重点实验室

为了对系统采集到的光纤振动数据进行更细致的特征刻画,文中采用傅里叶变换对数据进行特征提取。对特征提取后的数据,通过二分类任务决策树模型以及约束极速学习机(CELM)算法,进行挖掘机挖掘、人工挖掘、汽车行走、人员行走以及环境噪... 详细信息

为了对系统采集到的光纤振动数据进行更细致的特征刻画,文中采用傅里叶变换对数据进行特征提取。对特征提取后的数据,通过二分类任务决策树模型以及约束极速学习机(CELM)算法,进行挖掘机挖掘、人工挖掘、汽车行走、人员行走以及环境噪音总共5个类别进行识别。实验结果表明,与采用传统的短时能量/过零率特征及极速学习机(ELM)算法相比,该文采用傅里叶变换特征和CELM算法对光纤振动数据识别的分类正确率有显著提高。

关键词：信号识别入侵事件检测光纤振动信号数据采集特征提取分类识别

来源：评论

学校读者我要写书评

暂无评论

微博社区快速发现方法

引用

计算机科学与探索 2015年第9期9卷 1100-1107页

作者：刘超徐雅斌武装北京信息科技大学计算机学院北京100101 网络文化与数字传播北京市重点实验室北京100101

微博社区发现在舆情分析、个性化推荐等方面具有重要的应用价值。为了准确而高效地发现微博社交网络中的社区,提出了一种基于连边层次聚类的微博社区发现方法。该方法通过高度重叠社区的合并及划分误差的修正,进一步提高了微博社区发现... 详细信息

微博社区发现在舆情分析、个性化推荐等方面具有重要的应用价值。为了准确而高效地发现微博社交网络中的社区,提出了一种基于连边层次聚类的微博社区发现方法。该方法通过高度重叠社区的合并及划分误差的修正,进一步提高了微博社区发现的准确率。为了提高微博社区发现的效率,利用开源云计算平台Hadoop所提供的Map Reduce编程模型进行了分布式并行处理。实验结果表明,所采用的微博社区发现方法不仅具有较高的准确率,而且具有较高的效率。

关键词：微博微博社区发现连边层次聚类 MapReduce

来源：评论

学校读者我要写书评

暂无评论

基于回溯的QKD网络随机路由选择算法研究

引用

电子科技大学学报 2021年第4期50卷 565-571页

作者：徐雅斌张梅舒李艳平北京信息科技大学网络文化与数字传播北京市重点实验室北京朝阳区100101 北京信息科技大学计算机学院北京朝阳区100101

为了解决已有的基于信任中继的QKD网络路由方案存在的密钥浪费、传输效率低下等问题,该文针对已有的路由算法进行改进,提出了一种基于回溯的随机路由算法。该算法在选路过程中对每个分支添加回溯点,针对已选路径传输过程中遇到某条链路... 详细信息

为了解决已有的基于信任中继的QKD网络路由方案存在的密钥浪费、传输效率低下等问题,该文针对已有的路由算法进行改进,提出了一种基于回溯的随机路由算法。该算法在选路过程中对每个分支添加回溯点,针对已选路径传输过程中遇到某条链路密钥量不足的情况,通过查找最近的回溯点,从回溯点开始沿着随机选择的新路径重新进行密钥传递。对比实验及分析结果表明,该算法在选路时间、密钥消耗量及密钥传输效率方面都有一定的优势。

关键词：回溯量子密钥分发 QKD网络随机路由信任中继

来源：评论

学校读者我要写书评

暂无评论

微博用户推荐模型的研究

引用

电子科技大学学报 2015年第2期44卷 254-259页

作者：徐雅斌石伟杰北京信息科技大学计算机学院北京朝阳区100101 北京信息科技大学网络文化与数字传播北京市重点实验室北京朝阳区100101

微博用户推荐对改善用户体验、促进社交网络长远发展具有重要意义。该文提取了能够充分反映微博用户之间相关性的多个特征,并通过逻辑回归模型对潜在的用户进行评分排序,为目标用户推荐前N个潜在用户。基于新浪微博数据集的实验结果表明... 详细信息

微博用户推荐对改善用户体验、促进社交网络长远发展具有重要意义。该文提取了能够充分反映微博用户之间相关性的多个特征,并通过逻辑回归模型对潜在的用户进行评分排序,为目标用户推荐前N个潜在用户。基于新浪微博数据集的实验结果表明,基于逻辑回归方法的用户推荐模型是切实有效的,可以为微博用户提供高性能的个性化用户推荐。

关键词：逻辑回归微博个性化推荐用户推荐

来源：评论

学校读者我要写书评

暂无评论

“类人”社交机器人检测数据集扩充方法研究

引用

电子科技大学学报 2022年第1期51卷 130-137页

作者：刘欣然徐雅斌北京信息科技大学网络文化与数字传播北京市重点实验室北京朝阳区100101 北京信息科技大学计算机学院北京朝阳区100101

该文提出了基于海林格距离的变分进化生成式对抗网络(HVE-GAN),实现“类人”社交机器人检测数据集的扩充。HVE-GAN将进化生成式对抗网络(E-GAN)的生成器修改为变分自编码器(VAE)结构,提高了生成数据的“真实性”及多样性程度;将E-GAN生... 详细信息

该文提出了基于海林格距离的变分进化生成式对抗网络(HVE-GAN),实现“类人”社交机器人检测数据集的扩充。HVE-GAN将进化生成式对抗网络(E-GAN)的生成器修改为变分自编码器(VAE)结构,提高了生成数据的“真实性”及多样性程度;将E-GAN生成器Heuristic损失函数更改为改进的海林格距离,在训练过程中加快了模型收敛速度、稳定了生成器的梯度,避免了不稳定的训练过程影响生成数据质量。实验结果表明,利用HVE-GAN模型生成的“类人”社交机器人数据的“真实性”与多样性程度均明显优于基线模型。

关键词：检测数据集进化生成式对抗网络损失函数社交机器人变分自编码器

来源：评论

学校读者我要写书评

暂无评论

面向分类网络的视觉语义解释模型

引用

计算机工程 2023年第11期49卷 220-230页

作者：吕学强赵兴强贾智彬韩晶北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 北京信息科技大学机电系统测控北京市重点实验室北京100192

深度学习的可解释性对推动其在军事场景中应用至关重要。当前主流方法使用类激活图的方式可视化最后一层卷积特征,然而对于网络根据该特征进行分类解释比较模糊。针对此问题,设计一种面向分类网络的视觉语义解释模型。综合考虑前向传播... 详细信息

深度学习的可解释性对推动其在军事场景中应用至关重要。当前主流方法使用类激活图的方式可视化最后一层卷积特征,然而对于网络根据该特征进行分类解释比较模糊。针对此问题,设计一种面向分类网络的视觉语义解释模型。综合考虑前向传播与反向传播,提出CGNIS算法获取对分类结果起重要作用的神经元,并将其映射到原图,得到更加细化的视觉特征。提出分类网络IRENet,在VGG16中间层添加SIRM和ECA对视觉特征进行识别,更加客观地提取视觉特征中包含的语义特征,并结合视觉特征、语义特征、重要神经元分数信息生成描述模型分类过程的解释性语句。在ImageNet2012数据集上提取10类图像进行实验,结果表明,删除CGNIS算法得到的某一类重要神经元后,对应类的分类准确率下降3%以上,在语义特征提取任务上,IRENet的F1值、准确率、精确率和召回率4项指标较ResNet101等分类网络提升2%以上。此外,利用CGNIS、IRENet对飞机类别进行实验,可生成模型对其分类过程的解释性语句。

关键词：分类网络可解释性类激活图重要神经元语义信息

来源：评论

学校读者我要写书评

暂无评论

基于动态文本窗口和权重动态分配的中文文本纠错方法

引用

郑州大学学报（理学版） 2020年第3期52卷 9-14页

作者：黄改娟王匆匆张仰森北京信息科技大学智能信息处理研究所北京100101 网络文化与数字传播北京市重点实验室北京100101

提出一种基于动态文本窗口的中文文本查错方法,依靠窗口的不断滑动来检测文本错误。当中文文本有疑似错误时,采用聚类词集平滑数据稀疏问题,然后采用权重动态分配的纠错词集进行纠错,若纠错结果仍不符合检错规则,则用缩小文本窗口法和... 详细信息

提出一种基于动态文本窗口的中文文本查错方法,依靠窗口的不断滑动来检测文本错误。当中文文本有疑似错误时,采用聚类词集平滑数据稀疏问题,然后采用权重动态分配的纠错词集进行纠错,若纠错结果仍不符合检错规则,则用缩小文本窗口法和拓展窗口法来检查具体错误。构建纠错词集则采用基于最小编辑距离和权重动态分配的方法。实验结果表明,基于动态文本窗口查错方法的F值达到了77.9%;再结合权重动态分配的纠错方法,纠错准确率达到78.1%,相较黑马校对系统和基于平均权重的纠错策略,准确率分别提升了9.7%和15.8%。

关键词：语义搭配数据稀疏动态文本窗口权重动态分配

来源：评论

学校读者我要写书评

暂无评论

基于CNN的消费品缺陷领域词典构建方法研究

引用

数据分析与知识发现 2020年第11期4卷 112-120页

作者：彭郴吕学强孙宁张乐姜肇财宋黎北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 中国标准化研究院北京100191

【目的】有效地构建消费品缺陷领域词典,有助于了解专业领域动态与领域关键信息。【方法】首先,通过语料中的词频特征挖掘领域相关短语词;其次,使用TF-IDF算法构建领域词库以减少人工标注成本;最后,基于卷积神经网络(CNN)模型融入语义... 详细信息

【目的】有效地构建消费品缺陷领域词典,有助于了解专业领域动态与领域关键信息。【方法】首先,通过语料中的词频特征挖掘领域相关短语词;其次,使用TF-IDF算法构建领域词库以减少人工标注成本;最后,基于卷积神经网络(CNN)模型融入语义、位置信息进一步生成领域词典,提升领域词典的健壮性与泛化能力。【结果】实验结果表明,本文方法与统计学习方法相比,在准确率、召回率和F1值上提升了6%~9%。【局限】仅在消费品缺陷领域文本上构建词典,在其他领域的效果有待验证。【结论】基于CNN的消费品缺陷领域词典构建方法可以提升消费品缺陷领域词典的构建效果。

关键词：领域词典词频特征 TF-IDF 卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

综合词位置和语义信息的专利文本相似度计算

引用

计算机工程与设计 2018年第10期39卷 3087-3091页

作者：夏冰李宝安吕学强北京信息科技大学网络文化与数字传播北京市重点实验室北京100101

为解决传统文本相似度计算方法没有充分考虑专利文本结构特殊性以及计算文本相似度过程中往往忽略词汇间语义信息的问题,在传统方法的基础上,考虑词性以及专利文本的结构特征,将IPC分类号、标题、摘要、权利要求书作为主要研究对象,词... 详细信息

为解决传统文本相似度计算方法没有充分考虑专利文本结构特殊性以及计算文本相似度过程中往往忽略词汇间语义信息的问题,在传统方法的基础上,考虑词性以及专利文本的结构特征,将IPC分类号、标题、摘要、权利要求书作为主要研究对象,词在不同位置出现分别赋予不同的权重,通过word2vec将词表示成词向量的形式,通过词汇跟词汇之间的语义信息改进余弦相似度公式。实验结果表明,提出方法相比于传统文本相似度计算方法准确率和召回率有所提高,验证了其有效性。

关键词：文本相似度专利文本结构向量空间模型词向量余弦相似度

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的含能材料生成焓预测方法

引用

含能材料 2021年第1期29卷 20-28,I0002页

作者：徐雅斌孙胜杰武装北京信息科技大学计算机学院北京100101 网络文化与数字传播北京市重点实验室北京100101 北京材料基因工程高精尖创新中心北京信息科技大学北京100101

为了加快新型含能材料研发的进度,减少因大量实验而带来的时间和资源的消耗问题,基于材料基因工程理论提出一种含能材料生成焓的预测方法。首先将搜集到的代表含能材料分子结构的原子坐标数据转换成表示分子内笛卡尔坐标系的库仑矩阵,... 详细信息

为了加快新型含能材料研发的进度,减少因大量实验而带来的时间和资源的消耗问题,基于材料基因工程理论提出一种含能材料生成焓的预测方法。首先将搜集到的代表含能材料分子结构的原子坐标数据转换成表示分子内笛卡尔坐标系的库仑矩阵,以消除含能材料分子结构因平移、旋转、交换索引顺序等操作对生成焓预测造成的影响;然后,根据提出的基于Attention机制的卷积神经网络(Convolutional Neural Network,CNN)和双向长短期记忆网络(Bi-directional Long Short-term Memory Network,Bi-LSTM)的融合模型对含能材料的生成焓进行预测。这样,既可以有效提取数据的特征,又能充分考虑数据间的相关性,同时还能够突出重要特征对预测结果的影响。对比实验结果表明,提出的基于深度学习的方法在生成焓的预测上拥有最低的实验误差,其平均绝对误差(Mean Absolute Error,MAE)、平均绝对百分误差(Mean Absolute Percentage Error,MAPE)、均方根误差(Root Mean Square Error,RMSE)和均方根对数误差(Root Mean Squared Logarithmic Error,RMSLE)分别为0.0374、1.32%、0.0541和0.028,实现了“结构—性能”的预测目标,为含能材料生成焓的预测提供了一种新方法。

关键词：含能材料生成焓 Attention机制卷积神经网络双向长短期记忆网络

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：