检索结果-内蒙古大学图书馆

电子学报 2023年第12期51卷 3496-3506页

作者：王元龙雷鸣王智强张虎李茹梁吉业山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

视觉关系检测是在目标识别的基础上,进一步检测出目标之间的关系,属于视觉理解和推理的关键技术.然而,由于关系标签视觉上的相似性以及数据不平衡问题造成少样本的尾部关系检测召回率较低.为了提高尾部关系的检测效果,本文将关系标签进... 详细信息

视觉关系检测是在目标识别的基础上,进一步检测出目标之间的关系,属于视觉理解和推理的关键技术.然而,由于关系标签视觉上的相似性以及数据不平衡问题造成少样本的尾部关系检测召回率较低.为了提高尾部关系的检测效果,本文将关系标签进行粗细粒度划分构建了标签的层次结构表示,提出了基于标签层次结构的视觉关系检测模型.模型利用视觉关系之间的相似性以及数据带有的偏见性构建关系标签的层次结构表示,以此将关系区分为粗粒度关系和细粒度关系,使尾部关系在由粗粒度到细粒度的结构上获得更多的关注.同时,针对标签层次结构的性质设计其损失函数,该损失函数通过结构化信息逐层学习不同类别关系之间的差异,使模型更好的检测尾部细粒度关系.分别在公开数据集Visual Relationship Detection(VRD)和Visual Genome(VG)中验证了本文模型检测尾部关系的效果.与现有模型相比,在VRD数据集中平均召回率mR@20、mR@50和mR@100分别提高了0.62%、1.57%和2.47%;在VG数据集中,mR@20、mR@50和mR@100分别提高了0.67%、0.83%和1.15%.

关键词：视觉关系检测标签层次结构表示长尾分布粗粒度关系细粒度关系

来源：评论

学校读者我要写书评

暂无评论

一种融合伴随信息的网络表示学习模型

引用

软件学报 2023年第6期34卷 2749-2764页

作者：杜航原王文剑白亮山西大学计算机与信息技术学院山西太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 山西太原030006

网络表示学习被认为是提高信息网络分析效率的关键技术之一,旨在将网络中每个节点映射为低维隐空间中的向量表示,并使这些向量高效的保持原网络的结构和特性.近年来,大量研究致力于网络拓扑和节点属性的深度挖掘,并在一些网络分析任务... 详细信息

网络表示学习被认为是提高信息网络分析效率的关键技术之一,旨在将网络中每个节点映射为低维隐空间中的向量表示,并使这些向量高效的保持原网络的结构和特性.近年来,大量研究致力于网络拓扑和节点属性的深度挖掘,并在一些网络分析任务中取得了良好应用效果.事实上,在这两类关键信息之外,真实网络中广泛存在的伴随信息,反映了网络中复杂微妙的各种关系,对网络的形成和演化起着重要作用.为提高网络表示学习的有效性,提出了一种能够融合伴随信息的网络表示学习模型NRLIAI.该模型以变分自编码器(VAE)作为信息传播和处理的框架,在编码器中利用图卷积算子进行网络拓扑和节点属性的聚合与映射,在解码器中完成网络的重构,并融合伴随信息对网络表示学习过程进行指导.该模型克服了现有方法无法有效利用伴随信息的缺点,同时具有一定的生成能力,能减轻表示学习过程中的过拟合问题.在真实网络数据集上,通过节点分类和链路预测任务对NRLIAI模型与几种现有方法进行了对比实验,实验结果验证了该模型的有效性.

关键词：网络表示学习伴随信息变分自编码器(VAE) 图卷积网络(GCN) 互信息

来源：评论

学校读者我要写书评

暂无评论

基于社区发现的网络异常检测方法

引用

计算机学报 2022年第4期45卷 825-837页

作者：钱爱娟樊昕董笑菊褚衍杰袁晓如上海交通大学计算机科学与工程系上海200240 盲信号处理国家级重点实验室成都610041 北京大学机器感知与智能教育部重点实验室智能学院北京100871 大数据分析与应用技术国家工程实验室北京100871

随着互联网的不断普及与网络通信技术的不断进步,网络已经逐渐进入到人们生活的每一个层面,越来越多的网络应用应运而生.但是另一方面,随着当前网络结构的日益复杂,会引起各种各样的网络安全问题,对社会构成了巨大的威胁和挑战.因此,网... 详细信息

随着互联网的不断普及与网络通信技术的不断进步,网络已经逐渐进入到人们生活的每一个层面,越来越多的网络应用应运而生.但是另一方面,随着当前网络结构的日益复杂,会引起各种各样的网络安全问题,对社会构成了巨大的威胁和挑战.因此,网络安全问题至关重要.其中网络异常检测得到了研究人员的普遍关注.多年来,虽然已有许多异常检测的工作可以一定程度上发现和抵御网络攻击,但是有些方法难以适用于无标签的数据集,有些方法则训练成本过高,无法应用于实时场景.此外,对于细微异常的检测也是现有方法面临的一大问题.考虑到模型可解释性对于很多场景的必要性,本文以可视分析作为基础,提出了基于社区发现的网络异常检测方法,通过一个较为合适的粒度来提高系统对于细微异常的检测能力.该方法首先使用多层常量玻茨模型(CPM)算法对移动时间窗内的网络数据检测社区,并以社区为单位提取特征向量,然后用社区匹配方法将相邻时间步的社区关联起来,通过监控各社区特征的变化情况来检测异常.这种方法既考虑了网络数据作为动态图的特性,又能从一个比较合适的粒度提取特征.此外,系统提供可视化界面来帮助用户确认异常点前后的网络情况、关联异常事件.通过在Vast Challenge 2013挑战三的NetFlow数据集上的实验证明了该方法能够有效地检测更加细微的网络异常,验证了所提方法的有效性.

关键词：网络异常检测可视分析社区发现社区匹配

来源：评论

学校读者我要写书评

暂无评论

缓解随机一致性的基尼指数与决策树方法

引用

中国科学：信息科学 2024年第1期54卷 159-190页

作者：王婕婷李飞江李珏钱宇华梁吉业山西大学大数据科学与产业研究院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

决策树模型具有较强的可解释性,是随机森林、深度森林等机器学习方法的基础.如何选择节点的分割属性与分割值是决策树算法的关键问题,对树的泛化能力、深度、平衡程度等重要性能产生影响.传统属性选择准则的定义大多基于凹函数,使得决... 详细信息

决策树模型具有较强的可解释性,是随机森林、深度森林等机器学习方法的基础.如何选择节点的分割属性与分割值是决策树算法的关键问题,对树的泛化能力、深度、平衡程度等重要性能产生影响.传统属性选择准则的定义大多基于凹函数,使得决策树算法存在多值偏向问题,即倾向于选择取值种类多的属性作为节点分割属性.已有研究表明缓解随机一致性的评价准则能够降低分类偏差与类簇个数偏向.本文将基于标准化框架缓解基尼指数的随机一致性,以此缓解其多值偏向问题.通过人造数据集验证,标准基尼指数能够缓解基尼指数的多值偏向问题,并且选择出具有决策信息的属性.通过12个基准数据集与两个图像数据集的实验验证,基于标准基尼指数的决策树算法比现有缓解多值偏向的决策树算法具有较高的泛化性能.

关键词：基尼指数多值偏向决策树随机一致性

来源：评论

学校读者我要写书评

暂无评论

基于遗传-启发算法的微动目标认知ISAR成像资源调度

引用

电子学报 2023年第6期51卷 1421-1429页

作者：王樾黄璐祁浩凡田旭东白雪茹西安电子科技大学雷达信号处理国家重点实验室陕西西安710071 北京跟踪与通信技术研究所北京100094 西安电子科技大学电子信息攻防对抗与仿真技术教育部重点实验室陕西西安710071

认知逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)将认知雷达理论与ISAR成像技术相结合,利用目标与环境的离线先验知识及在线感知结果,提升ISAR在复杂环境下的成像能力.与传统单脉冲雷达相比较,相控阵ISAR可实现波束的快速扫... 详细信息

认知逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)将认知雷达理论与ISAR成像技术相结合,利用目标与环境的离线先验知识及在线感知结果,提升ISAR在复杂环境下的成像能力.与传统单脉冲雷达相比较,相控阵ISAR可实现波束的快速扫描,因此具备多目标观测能力.在实际空间微动目标成像场景中,相控阵ISAR很可能存在多波束多目标情况.为实现系统效能的充分发挥,需要在系统能量、时间资源有限条件下实现成像任务有效调度.然而,面向成像任务的资源调度方法主要针对刚体目标,其约束条件及调度模型并不适用于微动目标,并且存在求解方法稳定性差、调度成功率不高等问题.此外,微动目标运动形式复杂,回波非平稳性很强,且方位缺损时难以聚焦成像.因此,迫切需要针对微动目标的特性,研究有效的ISAR资源调度和高分辨成像方法.针对上述问题,本文提出基于遗传-启发算法的微动目标认知ISAR成像资源调度方法 .该方法首先根据微动目标认知结果计算其成像所需的雷达资源及综合优先级;接着基于脉冲交错技术,在时间、能量双重约束下建立微动多目标资源调度模型.在此基础上,本文提出了基于遗传-启发算法的最优调度求解方法 .进一步,针对资源调度导致微动目标回波缺损,难以聚焦成像的问题,本文提出了基于交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)的距离-瞬时多普勒(Range-Instantaneous Doppler,RID)成像方法,从而实现成功调度任务对应微动目标回波的高分辨聚焦成像.实验结果表明,相比于现有资源调度方法,本文所提方法调度结果更为稳定,调度成功率更高,并可实现回波缺损时的微动目标聚焦成像.

关键词：认知逆合成孔径雷达资源调度微动目标遗传-启发算法交替方向乘子法距离-瞬时多普勒成像

来源：评论

学校读者我要写书评

暂无评论

基于边缘辅助和多尺度Transformer的无参考屏幕内容图像质量评估

引用

电子学报 2024年第7期52卷 2242-2256页

作者：陈羽中陈友昆林闽沪牛玉贞福州大学计算机与大数据学院福建福州350108 福建省网络计算与智能信息处理重点实验室(福州大学) 福建福州350108 大数据智能教育部工程研究中心福建福州350108

与从现实场景中拍摄的自然图像不同,屏幕内容图像是一种合成图像,通常由计算机生成的文本、图形和动画等各种多媒体形式组合而成.现有评估方法通常未能充分考虑图像边缘结构信息和全局上下文信息对屏幕内容图像质量感知的影响.为解决上... 详细信息

与从现实场景中拍摄的自然图像不同,屏幕内容图像是一种合成图像,通常由计算机生成的文本、图形和动画等各种多媒体形式组合而成.现有评估方法通常未能充分考虑图像边缘结构信息和全局上下文信息对屏幕内容图像质量感知的影响.为解决上述问题,本文提出一种基于边缘辅助和多尺度Transformer的无参考屏幕内容图像质量评估模型.首先,使用高斯拉普拉斯算子构造由失真屏幕内容图像高频信息组成的边缘结构图,然后通过卷积神经网络(Convolutional Neural Network,CNN)对输入的失真屏幕内容图像和相应的边缘结构图进行多尺度的特征提取与融合,以图像的边缘结构信息为模型训练提供额外的信息增益.此外,本文进一步构建了基于Transformer的多尺度特征编码模块,从而在CNN获得的局部特征基础上更好地建模不同尺度图像和边缘特征的全局上下文信息.实验结果表明,本文提出的方法在指标上优于其他现有的无参考和全参考屏幕内容图像质量评估方法,能够取得更高的主客观视觉感知一致性.

关键词：无参考屏幕内容图像质量评估高斯拉普拉斯算子卷积神经网络 Transformer 多尺度特征

来源：评论

学校读者我要写书评

暂无评论

面向节点分类任务的节点级自适应图卷积神经网络

引用

模式识别与人工智能 2024年第4期37卷 287-298页

作者：王鑫隆胡睿郭亚梁杜航原张槟淇王文剑山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006 山西警察学院网络安全保卫系太原030401

图神经网络通过对图中节点的递归采样与聚合以学习节点嵌入,而现有方法中节点采样与聚合的模式较固定,对局部模式的多样性捕获存在不足,从而降低模型性能.因此,文中提出节点级自适应图卷积神经网络(Node-Level Adaptive Graph Convoluti... 详细信息

图神经网络通过对图中节点的递归采样与聚合以学习节点嵌入,而现有方法中节点采样与聚合的模式较固定,对局部模式的多样性捕获存在不足,从而降低模型性能.因此,文中提出节点级自适应图卷积神经网络(Node-Level Adaptive Graph Convolutional Neural Network,NA-GCN).设计基于节点重要性的采样策略,自适应地确定各节点的邻域规模.同时,提出基于自注意力机制的聚合策略,自适应地融合给定邻域内的节点信息.在多个基准图数据集上的实验表明,NA-GCN在节点分类任务上具有较优性能.

关键词：自适应采样自适应聚合节点分类图神经网络(GNNs) 谱图理论

来源：评论

学校读者我要写书评

暂无评论

基于稀疏步进调频信号的低信噪比逆合成孔径雷达成像

引用

电子与信息学报 2022年第3期44卷 1034-1043页

作者：王樾白雪茹周峰西安电子科技大学电子信息攻防对抗与仿真技术教育部重点实验室西安710071 西安电子科技大学雷达信号处理国家重点实验室西安710071

针对稀疏步进调频信号对目标径向运动敏感且低信噪比(SNR)下难以聚焦成像的问题,该文提出基于遗传算法和稀疏贝叶斯学习的平动补偿与高分辨逆合成孔径雷达(ISAR)成像方法。首先,针对稀疏步进调频信号建立回波模型和稀疏观测模型,通过构... 详细信息

针对稀疏步进调频信号对目标径向运动敏感且低信噪比(SNR)下难以聚焦成像的问题,该文提出基于遗传算法和稀疏贝叶斯学习的平动补偿与高分辨逆合成孔径雷达(ISAR)成像方法。首先,针对稀疏步进调频信号建立回波模型和稀疏观测模型,通过构造参数化字典,将ISAR成像问题转换为目标运动参数估计与高分辨距离像(HRRP)合成的联合问题。然后,对目标高分辨距离像引入Gamma-Gauss先验,并采用变分贝叶斯推断(VBI)对散射点进行估计。在此基础上,通过遗传算法迭代同步获得目标运动参数与高质量HRRP,最终实现高分辨聚焦成像和运动参数精确估计。不同场景下的仿真和实测数据处理结果验证了所提算法的有效性。

关键词：逆合成孔径雷达(ISAR) 运动参数估计稀疏贝叶斯学习遗传算法

来源：评论

学校读者我要写书评

暂无评论

基于层次保留的知识图谱嵌入链路预测方法

引用

计算机科学与探索 2023年第9期17卷 2174-2183页

作者：钱付兰王文学郑文杰陈洁赵姝安徽大学计算机科学与技术学院合肥230601 计算智能与信号处理教育部重点实验室合肥230601 信息材料和智能感知安徽省实验室合肥230601 南京理工大学计算机科学与工程学院南京210094

知识图谱嵌入(KGE)是预测知识图谱(KGs)中缺失链接的重要工具,它将知识图谱中的实体和关系嵌入到连续低维空间中,并尽可能地保留原数据中隐含的各种信息。近年来,一些知识图谱嵌入方法利用极坐标系对知识图谱中普遍存在的语义层次结构... 详细信息

知识图谱嵌入(KGE)是预测知识图谱(KGs)中缺失链接的重要工具,它将知识图谱中的实体和关系嵌入到连续低维空间中,并尽可能地保留原数据中隐含的各种信息。近年来,一些知识图谱嵌入方法利用极坐标系对知识图谱中普遍存在的语义层次结构进行建模,提升了链路预测任务的性能。然而,这些方法在建模关系时,使用了简单的标度变换并过度关注于实体的层次差,这在一定程度上限制了模型的拟合力。为了应对上述问题,提出了基于层次保留的知识图谱嵌入方法(RHKE),它在建模知识图谱中的关系时考虑了实体本身的层次。具体来说,提出了混合变换,它包含一个倍率项和一个偏差项,当实体层次较低或较高时,标度变换主要受偏差项或倍率项影响。此外,由于变换后模型丢失了实体原本的层次,RHKE使用层次修正项,它将头尾实体的原本层次用不同比例组合后作为关系的附加信息。在多个公开数据集上的实验结果显示,RHKE在链路预测上的性能优于现有的语义层次模型。

关键词：知识图谱嵌入(KGE) 链路预测语义层次极坐标系

来源：评论

学校读者我要写书评

暂无评论

特征特定标记关联挖掘的类属属性学习

引用

计算机研究与发展 2021年第1期58卷 34-47页

作者：程玉胜张露露王一宾裴根生安庆师范大学计算机与信息学院安徽安庆246133 计算智能与信号处理教育部重点实验室(安徽大学) 合肥230601

在多标记分类中,某个标记可能只由其自身的某些特有属性决定,这些特定属性称之为类属属性.利用类属属性进行多标记分类,可以有效避免某些无用特征影响构建分类模型的性能.然而类属属性算法仅从标记角度去提取重要特征,而忽略了从特征角... 详细信息

在多标记分类中,某个标记可能只由其自身的某些特有属性决定,这些特定属性称之为类属属性.利用类属属性进行多标记分类,可以有效避免某些无用特征影响构建分类模型的性能.然而类属属性算法仅从标记角度去提取重要特征,而忽略了从特征角度去提取重要标记.事实上,如果能从特征角度提前关注某些标记,更容易获取这些标记的特有属性.基于此,提出了一种新型类属属性学习的多标记分类算法,将从特征层面提取重要标记与从标记层面提取重要特征进行双向联合学习.首先,为了保证模型求解速度与精度都较为合理,采用极限学习机构建学习模型.随后,将弹性网络正则化理论添加到极限学习机损失函数中,使用互信息构建特征标记相关性矩阵作为L 2正则化项,而L 1正则化项即提取类属属性.该学习模型改进了类属属性在多标记学习中的不足,通过在标准多标记数据集上与多个先进算法对比,实验结果表明了所提模型的合理性和有效性.

关键词：多标记学习类属属性特征特定标记极限学习机标记相关性

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：