检索结果-内蒙古大学图书馆

陕西师范大学学报(自然科学版) 2025年第1期53卷 60-70页

作者：郭虎升刘正琪刘艳杰王文剑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

多数基于Transformer的目标跟踪模型提取的目标局部空间特征信息有限且时间特征利用不足,显著影响了目标跟踪模型在处理目标遮挡、形变或尺度变化等复杂场景下的性能。为此,提出一种时空特征强化与感知的视觉目标跟踪方法(visual object... 详细信息

多数基于Transformer的目标跟踪模型提取的目标局部空间特征信息有限且时间特征利用不足,显著影响了目标跟踪模型在处理目标遮挡、形变或尺度变化等复杂场景下的性能。为此,提出一种时空特征强化与感知的视觉目标跟踪方法(visual object tracking method with spatial-temporal feature enhancement and perception,STFEP)。一方面,该方法使用Transformer进行搜索区域与时间上下文特征的提取与融合,以得到全局特征信息,通过设计的局部卷积神经网络,提取目标的局部特征信息,并与目标的全局特征信息相关联,进一步强化目标的特征表示。另一方面,提出了时空特征感知机制,对不同时刻的特征信息进行可靠性和必要性分析,构建动态模板以感知更丰富的时空信息,使模型适应目标及场景的复杂变化。在TrackingNet、GOT-10k、LaSOT、UAV123多个数据集上的实验结果表明,研究所提方法能够准确鲁棒的对目标进行跟踪,并在GOT-10k数据集上取得了最优的结果,AO、SR 0.5以及SR 0.75分别达到了73.7%、83.8%、70.6%。

关键词：视觉目标跟踪时空特征强化全局-局部信息关联时空特征感知动态模板

来源：评论

学校读者我要写书评

暂无评论

基于多阶近邻融合的不完整多视图聚类算法

引用

软件学报 2022年第4期33卷 1354-1372页

作者：刘晓琳白亮赵兴旺梁吉业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

在实际应用中,聚类多视图数据是一项重要的数据挖掘任务.样本缺失所导致的多视图不完整给聚类任务带来了巨大的挑战.大部分已有的不完整多视图聚类方法主要基于浅层图结构信息,易受到噪声及缺失数据的影响,且难以准确刻画并兼容所有视... 详细信息

在实际应用中,聚类多视图数据是一项重要的数据挖掘任务.样本缺失所导致的多视图不完整给聚类任务带来了巨大的挑战.大部分已有的不完整多视图聚类方法主要基于浅层图结构信息,易受到噪声及缺失数据的影响,且难以准确刻画并兼容所有视图的潜在结构,从而降低了聚类性能.为此,提出了一种更为鲁棒和灵活的基于多阶近邻扩散融合的不完整多视图聚类算法.该算法在利用多阶相似性学习不完整视图潜在结构的基础上,通过跨视图交叉扩散的方式,将不同阶的深层结构信息进行非线性融合,以此挖掘视图间更全面的结构信息,从而降低了缺失样本所导致的视图结构不确定性.进一步证明了所提算法的收敛性.实验结果表明,相比已有方法,所提出的算法在处理不完整多视图聚类问题上是更加有效的.

关键词：不完整多视图聚类结构信息多阶近邻交叉扩散非线性融合

来源：评论

学校读者我要写书评

暂无评论

多核贝叶斯优化的模型决策树算法

引用

国防科技大学学报 2022年第3期44卷 67-76页

作者：高虹雷门昌骞王文剑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

构造模型决策树时超参数较多,参数组合复杂,利用网格搜索等调参方法将会消耗大量的时间,影响模型性能的提升。提出了一种多核贝叶斯优化的模型决策树算法,该算法为应对不同分类数据特性,采用三种高斯过程建模寻优,利用贝叶斯优化技术,... 详细信息

构造模型决策树时超参数较多,参数组合复杂,利用网格搜索等调参方法将会消耗大量的时间,影响模型性能的提升。提出了一种多核贝叶斯优化的模型决策树算法,该算法为应对不同分类数据特性,采用三种高斯过程建模寻优,利用贝叶斯优化技术,选出最优的参数组合。实验结果表明,所提算法在参数寻优上要优于传统的模型决策树寻优方法,并且能够在迭代次数不多的情况下找到全局最优参数值,在一定程度上提升了算法的分类性能,节省了大量的调参时间。

关键词：模型决策树贝叶斯优化高斯过程

来源：评论

学校读者我要写书评

暂无评论

基于Swin Transformer的嵌入式零样本学习算法

引用

小型微型计算机系统 2024年第4期45卷 784-791页

作者：郜佳琪魏巍岳琴山西大学计算机科学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

零样本学习旨在解决样本缺失情况下的分类问题.以往嵌入式零样本学习算法通常只利用可见类构建嵌入空间,在测试时不可避免会出现过拟合可见类的问题.基于此本文提出了一种基于类别语义相似度的多标签分类损失,该损失可在构建嵌入空间的... 详细信息

零样本学习旨在解决样本缺失情况下的分类问题.以往嵌入式零样本学习算法通常只利用可见类构建嵌入空间,在测试时不可避免会出现过拟合可见类的问题.基于此本文提出了一种基于类别语义相似度的多标签分类损失,该损失可在构建嵌入空间的过程中引导模型同时考虑与当前可见类语义上相似的未见类,进而将语义空间的相似性迁移到最终执行分类的嵌入空间.同时现有零样本学习算法大部分直接使用图像深度特征作为输入,特征提取过程没有考虑语义信息,基于此本文采用Swin Transformer作为骨干网络,输入原始图片利用自注意力机制得到基于语义信息的视觉特征.本文在3个零样本学习基准数据集上进行了大量实验,与目前最先进的算法相比取得了最佳的调和平均精度.

关键词：零样本学习深度学习图像分类注意力 Swin Transformer

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv3-SPP算法的道路车辆检测

引用

通信学报 2024年第2期45卷 68-78页

作者：王涛冯浩秘蓉新李林何振学傅奕茗吴姝北京信息科技大学信息与通信工程学院北京 100101 北京信息科技大学光电测试技术及仪器教育部重点实验室北京 100192 国家计算机网络应急技术处理协调中心北京 100029 河北农业大学河北省农业大数据重点实验室河北保定 071001

针对在城市道路场景下视觉检测车辆时,车辆密集和远处车辆呈现小尺度,导致出现检测精度低或者漏检的问题,提出了一种基于改进的YOLOv3-SPP算法,对激活函数进行优化,以DIOU-NMS Loss作为边界框损失函数,增强网络的表达能力.为提高所提算... 详细信息

针对在城市道路场景下视觉检测车辆时,车辆密集和远处车辆呈现小尺度,导致出现检测精度低或者漏检的问题,提出了一种基于改进的YOLOv3-SPP算法,对激活函数进行优化,以DIOU-NMS Loss作为边界框损失函数,增强网络的表达能力.为提高所提算法对小目标和遮挡目标的特征提取能力,引入空洞卷积模块,增大目标的感受野.实验结果表明,所提算法在检测车辆目标时 mAP 提高了 1.79%,也有效减少了在检测紧密车辆目标时出现的漏检现象.

关键词：车辆检测 YOLOv3-SPP算法激活函数空洞卷积深度学习

来源：评论

学校读者我要写书评

暂无评论

基于余弦相似度的多模态模仿学习方法

引用

计算机研究与发展 2023年第6期60卷 1358-1372页

作者：郝少璞刘全徐平安张立华黄志刚苏州大学计算机科学与技术学院江苏苏州215006 软件新技术与产业化协同创新中心(南京大学) 南京210023 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215006

生成对抗模仿学习(generative adversarial imitation learning,GAIL)是一种基于生成对抗框架的逆向强化学习(inverse reinforcement learning,IRL)方法,旨在从专家样本中模仿专家策略.在实际任务中,专家样本往往由多模态策略产生.然而... 详细信息

生成对抗模仿学习(generative adversarial imitation learning,GAIL)是一种基于生成对抗框架的逆向强化学习(inverse reinforcement learning,IRL)方法,旨在从专家样本中模仿专家策略.在实际任务中,专家样本往往由多模态策略产生.然而,现有的GAIL方法大部分假设专家样本产自于单一模态策略,导致生成对抗模仿学习只能学习到部分模态策略,即出现模式塌缩问题,这极大地限制了模仿学习方法在多模态任务中的应用.针对模式塌缩问题,提出了基于余弦相似度的多模态模仿学习方法(multi-modal imitation learning method with cosine similarity,MCS-GAIL).该方法引入编码器和策略组,通过编码器提取专家样本的模态特征,计算采样样本与专家样本之间特征的余弦相似度,并将其加入策略组的损失函数中,引导策略组学习对应模态的专家策略.此外,MCS-GAIL使用新的极小极大博弈公式指导策略组以互补的方式学习不同模态策略.在假设条件成立的情况下,通过理论分析证明了MCS-GAIL的收敛性.为了验证方法的有效性,将MCS-GAIL用于格子世界和MuJoCo平台上,并与现有模式塌缩方法进行比较.实验结果表明,MCS-GAIL在所有环境中均能有效学习到多个模态策略,且具有较高的准确性和稳定性.

关键词：逆向强化学习生成对抗模仿学习多模态模式塌缩余弦相似度

来源：评论

学校读者我要写书评

暂无评论

结合知识蒸馏与互信息的多模态MRI疾病预后

引用

中国图象图形学报 2025年第4期30卷 1170-1182页

作者：魏然戚晓明何宇霆江升钱雯徐怡祝因苏 Pascal Haigron 舒华忠杨冠羽新一代人工智能技术与交叉应用教育部重点实验室(东南大学) 南京210096 南京医科大学第一附属医院放射科南京210029 江苏省肿瘤医院影像中心CT室南京210009 法国雷恩大学信号与图像处理实验室雷恩F-35000法国

目的多模态心脏磁共振(cardiac magnetic resonance,CMR)图像预测非缺血性扩张型心肌病(nonischemic dilated cardio myopathy,NIDCM)的预后在对临床中心力衰竭或心源性猝死等不同应用中发挥着重要作用。针对多模态CMR图像预后表征困难... 详细信息

目的多模态心脏磁共振(cardiac magnetic resonance,CMR)图像预测非缺血性扩张型心肌病(nonischemic dilated cardio myopathy,NIDCM)的预后在对临床中心力衰竭或心源性猝死等不同应用中发挥着重要作用。针对多模态CMR图像预后表征困难和标注困难两个挑战,提出了一种基于混合匹配蒸馏与对比互信息估计的模型,用于小样本上的多模态CMR图像对NIDCM预后。方法本文的预后模型有两种不同的设计,解决深度学习网络中多模态CMR图像的表征困难和模型容易陷入局部最优的问题。首先将不同模态CMR图像组合为不同的模态对,并提取对应的图像特征。由于不同模态对的预后目标一致而图像特征分布之间存在差异,因此设计一种混合匹配蒸馏网络,利用逻辑分布一致性将不同图像特征分布关联匹配,以此约束深度学习网络中多模态特征的提取和引导联合表征。然后在不同模态对之间设计一种互信息的对比学习策略,从而估计出多模态分布上的潜在的分类边界,以此作为预后模型的正则化项,避免模型在有限的数据上陷入局部最优。结果实验在一个NIDCM临床数据集上分别与6种方法进行了比较。F1值和准确率值达到81.25%和85.61%;为了验证模型的泛化性,在一个脑肿瘤公共数据集上也分别与4种方法进行了比较,F1值和准确率值达到85.07%和87.72%。结论本文所提出的基于混合匹配蒸馏与对比互信息估计的预后网络模型对多模态CMR图像进行了有效表征,同时利用多模态之间的潜在互信息增强深度学习模型在小样本场景下的模型优化,最终使得多模态CMR图像对的NIDCM预后结果更加准确。

关键词：对比学习混合蒸馏多模态心脏磁共振(CMR)图像互信息估计预后

来源：评论

学校读者我要写书评

暂无评论

一种基于链路优化的社团挖掘算法及其应用

引用

计算机应用与软件 2023年第8期40卷 32-37,79页

作者：姚鑫宇肖玉芝赵洪凯青海师范大学计算机学院青海西宁810016 青海省藏文信息处理与机器翻译重点实验室青海西宁810016 藏文信息处理教育部重点实验室青海西宁810016

为了进一步优化Louvain算法在社团挖掘上的质量,使用节点相似度来确定社团初始形状,提出一种基于链路优化的P-L(Priority-Louvain)算法。与经典Louvain算法、GN算法和LPA算法在3个评价准则上进行对比。结果表明,该算法计算效果更好。实... 详细信息

为了进一步优化Louvain算法在社团挖掘上的质量,使用节点相似度来确定社团初始形状,提出一种基于链路优化的P-L(Priority-Louvain)算法。与经典Louvain算法、GN算法和LPA算法在3个评价准则上进行对比。结果表明,该算法计算效果更好。实验构建了基于“用户-App”的两层网络,并对用户使用的App应用进行了社团划分,准确地划分出如爱奇艺、抖音和快手等App应用社团,可为通信行业服务商设计流量套餐提供策略参考信息。

关键词：社团挖掘优化链路 Priority-Louvain算法通信网络

来源：评论

学校读者我要写书评

暂无评论

层次标签引导的属性网络嵌入

引用

计算机科学与探索 2021年第7期15卷 1279-1288页

作者：陈洁陈嘉琳赵姝张燕平安徽大学计算智能与信号处理教育部重点实验室合肥230601 安徽大学计算机科学与技术学院合肥230601

网络嵌入是在保持网络性质不变的前提下,将节点转换为低维向量,以便下游任务的求解。现有网络嵌入方法的研究大多关注于网络结构、节点属性信息或单层次标签信息等方面。然而,许多真实世界的网络节点通常具有丰富的层次标签信息,这些层... 详细信息

网络嵌入是在保持网络性质不变的前提下,将节点转换为低维向量,以便下游任务的求解。现有网络嵌入方法的研究大多关注于网络结构、节点属性信息或单层次标签信息等方面。然而,许多真实世界的网络节点通常具有丰富的层次标签信息,这些层次标签信息对获取高效的网络嵌入具有重要价值。由于不同层次的标签之间的信息很难相互关联或继承,如何合理利用层次标签信息进行网络嵌入,获得更高效的向量表示是亟待研究的问题。针对上述问题,提出了一种新的基于层次标签的属性网络嵌入框架(HLANE),该框架利用层次注意力机制将层次标签信息融入网络嵌入中。HLANE框架首先通过现有的网络嵌入方法获取结构和/或属性信息初始化节点的嵌入向量。然后通过层次注意力机制层建立多层次标签的父节点和子节点之间的联系,并依此指导网络节点初始化嵌入向量在不同层次的学习,最终生成网络节点的多层次嵌入向量表示。在真实数据集上的实验表明,与对比算法相比,HLANE框架具有更好的网络节点嵌入表示。

关键词：网络嵌入属性网络层次标签层次注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于飞秒激光制备的雾水收集驼峰双面神膜

引用

激光与光电子学进展 2022年第3期59卷 157-162页

作者：陈亮苏亚辉安徽大学电气工程与自动化学院安徽合肥230601 安徽大学电子信息工程学院安徽合肥230601 安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039

雾水收集是将气态雾转化为液态水的过程,具有重要的研究价值。控制雾滴的凝结效率是雾水收集的关键因素,主要与基底表面的边界层厚度和有效更新有关。受沙漠甲虫背部结构的启发,基于飞秒激光微纳加工和表面化学修饰在铝箔表面制备了一... 详细信息

雾水收集是将气态雾转化为液态水的过程,具有重要的研究价值。控制雾滴的凝结效率是雾水收集的关键因素,主要与基底表面的边界层厚度和有效更新有关。受沙漠甲虫背部结构的启发,基于飞秒激光微纳加工和表面化学修饰在铝箔表面制备了一种具有驼峰结构的双面神膜,可极大提高雾滴的凝结效率。实验结果表明,相比平面双面神膜,驼峰双面神膜的雾水收集效率提高了80%,且能捕获水平方向的雾流,更适应恶劣的自然环境。

关键词：激光光学雾水收集液滴凝结飞秒激光微纳加工化学修饰

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：