检索结果-内蒙古大学图书馆

数据采集与处理 2018年第6期33卷 1077-1085页

作者：王磊邹恩岑曾诚奚雪峰陆悠苏州科技大学电子与信息工程学院苏州215009 苏州市虚拟现实智能交互及应用技术重点实验室苏州215009 苏州科技大学普开大数据重点实验室苏州215009 昆山市公安局指挥中心苏州215300

传统聚类算法由于单机内存和运算能力的限制已经不能满足当前大数据处理的要求,因而迫切需要寻找新的解决方法。针对单机内存运算问题,结合聚类算法的迭代计算特点,提出并实现了一种基于Spark平台的聚类系统。针对稀疏集和密集集两种不... 详细信息

传统聚类算法由于单机内存和运算能力的限制已经不能满足当前大数据处理的要求,因而迫切需要寻找新的解决方法。针对单机内存运算问题,结合聚类算法的迭代计算特点,提出并实现了一种基于Spark平台的聚类系统。针对稀疏集和密集集两种不同类型的数据集,系统首先采用不同策略实现数据预处理;其次分析比较了不同聚类算法在Spark平台下的聚类性能,并给出最佳方案;最后利用数据持久化技术提高了计算速度。实验结果表明,所提系统能够有效满足海量数据聚类分析的任务要求。

关键词： Spark 聚类大数据

来源：评论

学校读者我要写书评

暂无评论

面向数据可视化的自然语言接口研究综述

引用

计算机工程与应用 2024年第15期60卷 24-41页

作者：高帅奚雪峰郑倩崔志明盛胜利苏州科技大学电子与信息工程学院江苏苏州215000 苏州市虚拟现实智能交互及应用技术重点实验室江苏苏州215000 苏州智慧城市研究院江苏苏州215000 德州理工大学得克萨斯拉伯克美国79401

数据可视化领域长期以来的目标是寻找直接从自然语言生成可视化的解决方案,而自然语言接口(NLI)的研究为该领域提供了新的解决办法。该接口接受自然语言形式的查询和表格数据集作为输入,并输出与之对应的可视化渲染。在作为一种辅助输... 详细信息

数据可视化领域长期以来的目标是寻找直接从自然语言生成可视化的解决方案,而自然语言接口(NLI)的研究为该领域提供了新的解决办法。该接口接受自然语言形式的查询和表格数据集作为输入,并输出与之对应的可视化渲染。在作为一种辅助输入方式的同时,传统用户需将分析意图转化为一系列逻辑操作并与之进行交互(如编程指令或图形化界面操作方式等),与利用面向数据可视化的自然语言接口(DV-NLI)相结合,能够使用户专注于可视化任务,而无需担心如何操作可视化工具。近年来,随着大语言模型(LLM)GPT-3、GPT-4的兴起,将LLM与可视化相结合已成为研究热点。对现有的DV-NLI进行了全面的回顾,并进行了新的研究补充。按照其实现方法,将DV-NLI分为符号化NLP方法、深度学习模型方法、大语言模型方法三类,对每个分类下的相关技术进行分析论述。最后,总结并展望DV-NLI的未来工作。

关键词：数据可视化自然语言接口机器学习神经网络模型大语言模型

来源：评论

学校读者我要写书评

暂无评论

基于改进全局—局部注意网络的室内场景识别方法

引用

计算机应用研究 2022年第1期39卷 316-320页

作者：徐江浪万新军夏振平胡伏原苏州科技大学电子与信息工程学院江苏苏州215009 苏州科技大学苏州市虚拟现实智能交互及应用技术重点实验室江苏苏州215009

由于卷积神经网络(CNN)大多侧重于全局特征学习,忽略了包含更多细节的局部特征信息,使得室内场景识别的准确率难以提高。针对这一问题,提出了基于改进全局—局部注意网络(GLANet)的室内场景识别方法。首先,利用GLANet捕捉场景图像的全... 详细信息

由于卷积神经网络(CNN)大多侧重于全局特征学习,忽略了包含更多细节的局部特征信息,使得室内场景识别的准确率难以提高。针对这一问题,提出了基于改进全局—局部注意网络(GLANet)的室内场景识别方法。首先,利用GLANet捕捉场景图像的全局特征和局部特征,增加图像特征中的细节信息;然后,在局部网络中引入non-local注意力模块,通过注意力图和特征图的卷积来进一步保留图像的细节特征,最后融合网络不同阶段的多种特征进行分类。通过在MIT Indoor67和SUN397数据集上的训练和验证,所提方法的识别准确率与LGN方法相比分别提高了1.98%和3.07%。实验结果表明,该算法能够有效捕获全局语义信息和精细的局部细节,显著提高了识别准确率。

关键词：深度学习卷积神经网络室内场景识别全局特征局部特征

来源：评论

学校读者我要写书评

暂无评论

基于杂波抑制的海平线红外弱小目标检测

引用

液晶与显示 2017年第4期32卷 316-324页

作者：杨会玲吴玉宏孙慧婷杜博军何昕苏州科技大学苏州市虚拟现实智能交互应用技术重点实验室江苏苏州215000 中国科学院长春光学精密机械与物理研究所吉林长春130033 中国白城兵器试验中心吉林白城137000

针对红外图像中海天交接处目标能量较弱,难以获得精确检测的问题,本文提出一种基于杂波抑制的海平线弱小目标检测方法。该方法通过对红外图像特征分析,检测海平线像素特征,去除障碍物干扰,确定海平线区域;对海平线区域采用改进的均值差... 详细信息

针对红外图像中海天交接处目标能量较弱,难以获得精确检测的问题,本文提出一种基于杂波抑制的海平线弱小目标检测方法。该方法通过对红外图像特征分析,检测海平线像素特征,去除障碍物干扰,确定海平线区域;对海平线区域采用改进的均值差滤波与背景建模,去除海平线杂波;杂波滤除后,计算两个区间自适应阈值作为滞后阈值,从而检测出海平线弱小目标像素。实验结果表明,本文提出的算法能够有效去除海平线杂波,确定海平线区域,有效提取海平线像素,从而准确检测出海平线弱小目标,具有较高的检测率与较低的虚警率,验证了该算法的有效性。

关键词：区域分割杂波抑制滞后阈值红外弱小目标检测

来源：评论

学校读者我要写书评

暂无评论

一种面向长文本小数据集自动摘要任务的数据增强策略

引用

中文信息学报 2022年第9期36卷 46-56页

作者：皮洲奚雪峰崔志明周国栋苏州科技大学电子与信息工程学院江苏苏州215009 苏州市虚拟现实智能交互及应用技术重点实验室江苏苏州215000 苏州大学计算机科学与技术学院江苏苏州215000

当前长文本自动摘要任务缺乏充足的数据集,限制了该领域相关算法、模型的研究。数据增强是在不直接补充训练数据的情况下增加训练数据的方法。针对上述长文本自动摘要数据缺乏问题,基于CogLTX框架,该文提出了一种面向长文本自动摘要任... 详细信息

当前长文本自动摘要任务缺乏充足的数据集,限制了该领域相关算法、模型的研究。数据增强是在不直接补充训练数据的情况下增加训练数据的方法。针对上述长文本自动摘要数据缺乏问题,基于CogLTX框架,该文提出了一种面向长文本自动摘要任务的数据增强方法EMDAM(Extract-Merge Data Augmentation Method)。EMDAM主要分为抽取和归并两个核心环节。首先,从原有长文本数据集中“抽取”得到若干短句;其次,将抽取出的短句按照定义顺序“归并”为长文本;最终形成满足限定条件的新增长文本数据集。与基线模型相比较,该文在PubMED_Min、CNN/DM_Min、news2016zh_Min数据集上采用增强策略能明显提高基线模型的性能;而在SLCTDSets上使用该文的数据集增强策略,最终的Rouge得分相比未使用增强策略的模型提高了近两个百分点。上述实验结果表明,EMDAM可以在小数据集上进行扩展,为文本摘要研究提供数据支持。

关键词：数据增强 TextRank Seq2Seq 生成式摘要

来源：评论

学校读者我要写书评

暂无评论

地名实体识别研究与展望

引用

计算机工程与应用 2023年第21期59卷 66-82页

作者：王文涛奚雪峰崔志明徐川苏州科技大学电子与信息工程学院江苏苏州215000 苏州市虚拟现实智能交互及应用技术重点实验室江苏苏州215000 苏州智慧城市研究院江苏苏州215000 昆山市社会治理现代化综合指挥中心江苏昆山215300

地名作为一种常见的命名实体,广泛存在于非结构化文本中。是非结构化数据转为结构化过程中重要的关联实体。为了全面了解地名识别的最新研究成果和现状,概述了地名识别现有的应用场景、地名识别技术在具体场景的详细应用以及地名识别数... 详细信息

地名作为一种常见的命名实体,广泛存在于非结构化文本中。是非结构化数据转为结构化过程中重要的关联实体。为了全面了解地名识别的最新研究成果和现状,概述了地名识别现有的应用场景、地名识别技术在具体场景的详细应用以及地名识别数据集和评价指标。总结分析了现有的地名识别方法:基于规则和地名词典匹配的方法、基于统计机器学习的方法、基于深度学习模型和混合模型方法。归纳总结了每一种地名识别方法的关键思路、优缺点和具体模型。同时对混合方法的融合特征和模型特点进行了总结归纳。并从模型性能展开比对分析,以及对词嵌入模型和预训练模型的模型特点进行了总结归纳。对地名实体识别研究方向进行总结和展望。

关键词：命名实体识别地名实体识别自然语言处理深度学习信息抽取

来源：评论

学校读者我要写书评

暂无评论

基于特征自动提取的足迹图像聚类方法

引用

计算机科学 2021年第S01期48卷 255-259页

作者：陈扬王金亮夏炜杨颢朱润奚雪峰苏州科技大学电子与信息工程学院江苏苏州215009 苏州市虚拟现实智能交互及应用技术重点实验室江苏苏州215009 昆山市公安局江苏昆山215300

足迹图像是公安在串并案的侦破过程中最为重要的线索,且每年各处公安都会收集很多犯罪现场的足迹,如何自动化地整理和归类这些足迹图像成为当前公安信息化的一个难点。面向公安实战需求,文中结合卷积神经网络和DBSCAN算法,提出了一种对... 详细信息

足迹图像是公安在串并案的侦破过程中最为重要的线索,且每年各处公安都会收集很多犯罪现场的足迹,如何自动化地整理和归类这些足迹图像成为当前公安信息化的一个难点。面向公安实战需求,文中结合卷积神经网络和DBSCAN算法,提出了一种对足迹图像聚类的方法。首先,对足迹图像进行预处理以便满足模型训练要求;接着,通过模型预训练改进了Resnnet50和Densenet121两类卷积神经网络模型结构,提取足迹图像特征并建立特征向量库;随后,基于DBSCAN聚类算法,利用上述特征向量库实现对足迹图像的整理归类。实验结果表明,该方法具有良好的实用性和有效性。

关键词：足迹图像卷积神经网络图像聚类特征自动抽取

来源：评论

学校读者我要写书评

暂无评论

低功耗紫外光能量计的研究与设计

引用

激光与光电子学进展 2017年第10期54卷 248-254页

作者：王军韩力杜博军杨会玲何昕苏州科技大学虚拟现实智能交互及应用技术重点实验室江苏苏州215009 中国科学院长春光学精密机械与物理研究所吉林长春130033 中国白城兵器试验中心吉林白城137000

为解决传统紫外光能量计所存在的功耗大、成本高、精度低以及设计复杂等问题,提出一种基于双补偿机制的电流积分型低功耗紫外能量检测方案。该方案利用低功耗单片机实现对紫外光能量的计算;紫外光电探测器输出的电流通过电流积分模块转... 详细信息

为解决传统紫外光能量计所存在的功耗大、成本高、精度低以及设计复杂等问题,提出一种基于双补偿机制的电流积分型低功耗紫外能量检测方案。该方案利用低功耗单片机实现对紫外光能量的计算;紫外光电探测器输出的电流通过电流积分模块转换为方波脉冲;放电补偿电路和环境光补偿电路对电流积分模块进行误差校正,提高检测精度;主控制器对脉冲数进行统计,计算能量大小;充分利用低功耗模式优化显示程序,显示程序不使用芯片驱动,而是采用微处理器直接驱动,使显示程序的功耗进一步降低。实验证明:该方案功耗不超过165μW,对紫外光能量值的检测误差小于1%,电路复杂度低,使用芯片成本低,具有很强的续航能力和很高的实用价值。

关键词：测量光能量检测低功耗双补偿高精度

来源：评论

学校读者我要写书评

暂无评论

基于姿态编码器的2D/3D脊椎医学图像实时配准方法

引用

计算机应用 2023年第2期43卷 589-594页

作者：徐少康张战成姚浩男邹智伟张宝成苏州科技大学电子与信息工程学院江苏苏州215009 苏州科技大学苏州市虚拟现实智能交互及应用技术重点实验室江苏苏州215009 中部战区总医院骨科武汉430070

2D/3D医学图像配准是骨科手术三维实时导航中的一项关键技术,然而传统的基于优化迭代的2D/3D配准方法需要经过多次迭代计算,无法满足医生在手术过程中对于实时配准的要求。针对该问题,提出一种基于自编码器的姿态回归网络来通过隐空间... 详细信息

2D/3D医学图像配准是骨科手术三维实时导航中的一项关键技术,然而传统的基于优化迭代的2D/3D配准方法需要经过多次迭代计算,无法满足医生在手术过程中对于实时配准的要求。针对该问题,提出一种基于自编码器的姿态回归网络来通过隐空间解码捕获几何姿态信息,从而快速地回归出术中X射线图像对应的术前脊椎位置的3D姿态,并经过重新投影生成最终的配准图像。通过引入新的损失函数,以“粗细”结合配准的方式对模型进行约束,保证了姿态回归的精确度。在CTSpine1K脊椎数据集中抽取100组CT扫描图像进行10折交叉验证,实验结果表明:所提出的模型所生成的配准结果图像与X射线图像的平均绝对误差(MAE)为0.04,平均目标配准误差(mTRE)为1.16 mm,单帧耗时1.7 s。与基于传统优化的方法相比,该模型配准时间大幅缩短。相较于基于学习的方法,该模型在快速配准的同时,保证了较高的配准精度。可见,所提模型可以满足术中实时高精配准的要求。

关键词： 2D/3D图像配准自编码器隐空间姿态回归骨科手术

来源：评论

学校读者我要写书评

暂无评论

深度学习中文命名实体识别研究进展

引用

计算机工程与应用 2023年第24期59卷 46-69页

作者：李莉奚雪峰盛胜利崔志明徐家保苏州科技大学电子与信息工程学院江苏苏州215000 苏州市虚拟现实智能交互应用技术重点实验室江苏苏州215000 苏州科技大学智慧城市研究院江苏苏州215000 德州理工大学美国德克萨斯州拉伯克市79401

中文命名实体识别(CNER)指识别中文文本中具有特定意义的实体,是自然语言处理诸多下游任务的重要基石。近年来,深度学习技术依托其端到端的方法,自动学习到更深层次和更抽象的数据特征,摆脱了人工标注的依赖,解决了高维特征空间的数据... 详细信息

中文命名实体识别(CNER)指识别中文文本中具有特定意义的实体,是自然语言处理诸多下游任务的重要基石。近年来,深度学习技术依托其端到端的方法,自动学习到更深层次和更抽象的数据特征,摆脱了人工标注的依赖,解决了高维特征空间的数据稀疏问题,从而逐渐成为中文命名实体识别方法的主流。回顾了命名实体识别的发展进程和CNER的特殊性和难点;围绕着中文命名实体识别的不同处理特点,将基于深度学习的中文命名实体识别的方法分类为扁平实体边界问题、中文嵌套命名实体识别和CNER小样本问题处理三个领域,并具体阐述这三类领域的模型、细分领域和最近的研究进展并整理了部分典型深度学习方法在相关数据集上的实验结果;再次总结了中文命名实体识别任务的常用数据集和评估方法;指出了当前中文命名实体识别技术面临的挑战和未来的研究方向。

关键词：中文命名实体识别深度学习实体边界中文嵌套命名实体识别低资源中文命名实体识别

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：