检索结果-内蒙古大学图书馆

延边大学学报（自然科学版） 2023年第3期49卷 223-229页

作者：何昳毛军军邓丽君安徽大学大数据与统计学院合肥230601 计算智能与信号处理教育部重点实验室(安徽大学) 合肥230601

针对属性权重未知的多属性决策问题,在Z概率语言术语集(ZPLTS)环境下,提出了一种改进的PROMETHEE Ⅱ (preference ranking organization method for enrichment evaluations Ⅱ)方法.在该方法中,各评价信息的综合可靠度由评价本身的可... 详细信息

针对属性权重未知的多属性决策问题,在Z概率语言术语集(ZPLTS)环境下,提出了一种改进的PROMETHEE Ⅱ (preference ranking organization method for enrichment evaluations Ⅱ)方法.在该方法中,各评价信息的综合可靠度由评价本身的可靠度和决策者给出的可靠度来确定,并由此进一步确定属性的权重;距离测度采用扩展的欧式距离,该方法在ZPLTS环境下能够克服不同Z概率语言值(ZPLVs)之间的距离均为0所带来的决策偏差.实例研究表明,该方法在反映原始数据信息和确定未知属性权重方面显著优于TOPSIS方法和传统的PROMETHEE Ⅱ方法,因此该方法可应用于多属性决策问题中.

关键词：多属性决策问题改进的PROMETHEEⅡ方法可靠度 Z概率语言术语集属性权重距离测度

来源：评论

学校读者我要写书评

暂无评论

基于后悔理论和可调多粒度复模糊概率粗糙集的三支群决策

引用

山西大学学报(自然科学版) 2023年

作者：张嘉辉张超李德玉庞继芳山西大学计算机与信息技术学院计算智能与中文信息处理教育部重点实验室(山西大学)

本文针对传统的三支决策方法面临的三个关键挑战进行了深入研究。首先，传统方法需要明确定义主观阈值，这限制了其在不同场景下的适用性。其次，传统方法在信息融合方面缺乏强解释性，难以提供清晰的决策依据。因此，本文利用复模糊集... 详细信息

本文针对传统的三支决策方法面临的三个关键挑战进行了深入研究。首先，传统方法需要明确定义主观阈值，这限制了其在不同场景下的适用性。其次，传统方法在信息融合方面缺乏强解释性，难以提供清晰的决策依据。因此，本文利用复模糊集构建可调多粒度复模糊信息系统，并结合基于决策的三支决策方法客观获取分类阈值，构造了可调多粒度复模糊概率粗糙集。最后，决策者常常受制于有限理性，这在实际决策中不可避免。基于此，本文在行为决策理论下，将决策者在决策过程中心理因素对结果的影响展现出来。综上所述，本文提出了一种基于复模糊集和后悔理论的多粒度三支决策模型，旨在解决复杂多属性群决策问题。进一步地，本文利用共享单车租赁数据集进行了详细的实验分析，验证了该模型在求解复模糊环境下蕴含决策风险和有限理性的决策问题时的可行性和有效性。同时，在容错能力和专家经验所发挥的效能上，都获得了较大提升。

关键词：决策智能行为决策多粒度智能交通系统

来源：评论

学校读者我要写书评

暂无评论

基于动态边界收缩的概念漂移收敛方法

引用

山西大学学报(自然科学版) 2023年第6期46卷 1293-1306页

作者：郭虎升孙妮山西大学计算机与信息技术学院计算智能与中文信息处理教育部重点实验室(山西大学)

概念漂移是流数据挖掘中的重要问题，针对流数据中噪声的存在，以及发生概念漂移后模型泛化性能下降且模型不能快速收敛的问题，提出了一种基于动态边界收缩的概念漂移收敛方法（Concept Drift Convergence Method for Dynamic Boundary... 详细信息

概念漂移是流数据挖掘中的重要问题，针对流数据中噪声的存在，以及发生概念漂移后模型泛化性能下降且模型不能快速收敛的问题，提出了一种基于动态边界收缩的概念漂移收敛方法（Concept Drift Convergence Method for Dynamic Boundary Shrink,CD＿DBS）。一方面，通过调整外延距离和内涵距离，对决策边界进行动态收缩，剔除新样本中的噪声数据，有效减少边界处噪声对模型收敛的负作用，以提升模型的泛化性能。另一方面，本文借助增量学习的思想，对流数据中新样本进行增量训练来更新增量学习器，并利用权重淘汰机制及时删除无法适应当前数据分布的动态分类器。此外，通过动态分类器和增量学习器的集成，使模型在平稳或非稳态环境下都具有较好的适应能力。在多个数据集上进行实验并与经典算法Resnet等进行比较，最终累积精度有2%～5%的提升。该结果表明，本文方法与传统方法相比有更好的分类精度，并且可以有效提高漂移发生后模型性能。

关键词：概念漂移集成学习内涵距离外延距离边界收缩

来源：评论

学校读者我要写书评

暂无评论

面向多源数据的多区域尺度协同高分遥感图像语义分割

引用

小型微型计算机系统 2025年第1期46卷 158-166页

作者：林易丰陈光剑陈浩翁谦林嘉雯福州大学计算机与大数据学院福州350116 福州大学福建省网络计算与智能信息处理重点实验室福州350116 福州大学空间数据挖掘与信息共享教育部重点实验室福州350116 福建省地质测绘院福州350116

在高分遥感图像语义分割中,为解决如何有效融合光谱信息与高程信息以分割相似光谱的不同地物的问题和通过捕获长距离依赖信息来提升局部地物识别精度,本文提出一种面向多源数据的多区域尺度协同语义分割方法.该方法包括:一种不等长的多... 详细信息

在高分遥感图像语义分割中,为解决如何有效融合光谱信息与高程信息以分割相似光谱的不同地物的问题和通过捕获长距离依赖信息来提升局部地物识别精度,本文提出一种面向多源数据的多区域尺度协同语义分割方法.该方法包括:一种不等长的多分支语义分割网络,以有效提取多源特征,充分利用多源数据之间的互补信息;一个轻量级的协同注意力特征融合模块,用于在特征融合阶段有效地融合多分支特征;一种多区域尺度协同的数据增强方法,引导网络捕获长距离依赖信息.在ISPRS提供的公开数据集Vaihingen和Potsdam上的实验结果表明,与同类型主流方法对比,本文提出的方法具有更优的分割性能,且得到的地物细节信息更加完整,参数量也更小.

关键词：语义分割高分遥感图像数字表面模型多源数据融合协同注意力

来源：评论

学校读者我要写书评

暂无评论

基于预检机制的偏振图像去烟研究

引用

大气与环境光学学报 2023年第2期18卷 108-118页

作者：阎庆叶孟孟张晶晶刘晓年福东李腾计算智能与信号处理教育部重点实验室(安徽大学) 安徽合肥230601 偏振光成像探测技术安徽省重点实验室安徽合肥230031 中国科学院通用光学定标与表征技术重点实验室安徽合肥230031 合肥学院先进制造工程学院安徽合肥230031

烟的存在会导致图像目标信息的损减或丢失。针对烟在场景中具有局域性,提出了基于目标检测Yolov3算法的去烟预检机制,即在去烟流程中增加预检机制实现对烟图定向去烟,提升去烟效率和避免对无烟区的影响。不同于现有针对可见光图像的基... 详细信息

烟的存在会导致图像目标信息的损减或丢失。针对烟在场景中具有局域性,提出了基于目标检测Yolov3算法的去烟预检机制,即在去烟流程中增加预检机制实现对烟图定向去烟,提升去烟效率和避免对无烟区的影响。不同于现有针对可见光图像的基于深度学习去雾方法,该方法将四幅偏振态图像作为网络输入,并利用多尺度注意力对抗网络提取烟区目标的偏振态特征信息,从而缓解失真现象以及丰富去烟后目标的结构和细节信息。在真实数据集上的定性与定量实验结果表明,本文提出的算法有效提升了偏振图像的去烟效果和去烟效率。

关键词：图像除烟卷积网络偏振态图像多尺度注意力机制对抗网络

来源：评论

学校读者我要写书评

暂无评论

一种基于MFCC特征的水下目标分类网络

引用

声学与电子工程 2022年第1期 25-29,33页

作者：徐晓刚罗昕炜东南大学水声信号处理教育部重点实验室南京210096

水声目标辐射噪声特征提取和识别技术是水声目标识别的重要任务,也是水声信号处理领域的难题。鉴于梅尔滤波器中提取的听觉特征在语音识别中的广泛应用,文章基于梅尔倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)和卷积神经网络(C... 详细信息

水声目标辐射噪声特征提取和识别技术是水声目标识别的重要任务,也是水声信号处理领域的难题。鉴于梅尔滤波器中提取的听觉特征在语音识别中的广泛应用,文章基于梅尔倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)和卷积神经网络(Convolutional Neural Network,CNN)构建了一个水声信号深度分类网络。该分类网络通过MFCC特征提取方法逐帧提取舰船辐射噪声信号的梅尔倒谱系数,将其构建特征矩阵输入CNN中进行分类,构建了一个4类舰船辐射噪声样本集,并利用所提出的网络考察了不同维度下MFCC和LOFAR特征的分类性能,分析了不同类型特征和不同特征维度输入对网络分类性能的影响,可为水声分类研究相关人员提供参考。

关键词：水声信号梅尔系数目标分类 CNN 时频分析

来源：评论

学校读者我要写书评

暂无评论

基于BERT位置感知的旅游三元组知识抽取方法

引用

计算机应用与软件 2024年第1期41卷 343-349页

作者：张诺王素格李大宇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

直接获取文本中的三元组,往往存在语义联系较弱、距离过长和一词多义的问题,因此,提出基于BERT预训练的位置感知的两阶段旅游三元组知识抽取方法。利用BERT-Span模型通过边界预测方法对旅游实体进行识别;利用旅游数据中的字、语义、位... 详细信息

直接获取文本中的三元组,往往存在语义联系较弱、距离过长和一词多义的问题,因此,提出基于BERT预训练的位置感知的两阶段旅游三元组知识抽取方法。利用BERT-Span模型通过边界预测方法对旅游实体进行识别;利用旅游数据中的字、语义、位置和实体类型特征,构建融合位置感知注意力和头尾实体类型的关系抽取模型。在山西旅游数据集上进行实验,实验结果表明提出的方法优于基准模型的F1值。

关键词：旅游知识图谱三元组实体识别关系抽取位置感知

来源：评论

学校读者我要写书评

暂无评论

基于对比学习和语义增强的多模态推荐算法

引用

模式识别与人工智能 2024年第6期37卷 479-490页

作者：张凯涵冯晨娇姚凯旋宋鹏梁吉业中北大学计算机科学与技术学院太原030051 山西财经大学应用数学学院太原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 山西大学经济与管理学院太原030031

产品的多模态数据通常被作为额外的辅助信息引入推荐算法中,丰富用户与产品的表示特征,有效融合用户与产品的交互信息和多模态信息是关键研究内容之一.现有方法在特征融合与语义关联建模上仍存在不足,对此,文中从特征融合视角出发,构建... 详细信息

产品的多模态数据通常被作为额外的辅助信息引入推荐算法中,丰富用户与产品的表示特征,有效融合用户与产品的交互信息和多模态信息是关键研究内容之一.现有方法在特征融合与语义关联建模上仍存在不足,对此,文中从特征融合视角出发,构建基于对比学习和语义增强的多模态推荐算法.首先,采用图神经网络与注意力机制充分融合协同特征与多模态特征.然后,以协同信息中的交互结构为指导,学习各模态内的语义关联结构.同时,采用对比学习范式捕捉跨模态的表征依赖关系,在对比损失中引入可靠性因子,自适应调整对多模态特征的约束强度,抑制数据噪声的影响.最后,联合优化上述任务,生成推荐结果.在4个真实数据集上的实验表明文中算法的优越性.

关键词：推荐系统多模态推荐算法图神经网络对比学习

来源：评论

学校读者我要写书评

暂无评论

基于属性加权的ML-KNN方法

引用

山东大学学报（理学版） 2024年第3期59卷 107-117页

作者：温欣李德玉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

提出了一种基于属性加权的ML-KNN方法。首先使用变精度邻域粗糙集识别来自每一个标记的决策类非正域中的样本,并构造异质样本对;然后基于属性对异质样本对的区分能力评估不同属性对于分类的重要度;最后计算样本之间的加权距离获得其近... 详细信息

提出了一种基于属性加权的ML-KNN方法。首先使用变精度邻域粗糙集识别来自每一个标记的决策类非正域中的样本,并构造异质样本对;然后基于属性对异质样本对的区分能力评估不同属性对于分类的重要度;最后计算样本之间的加权距离获得其近邻分布,且基于最大化后验概率的原则实现多标记分类。在10个公开的多标记数据集上的实验结果验证了所提方法的有效性。

关键词：多标记分类属性重要度邻域粗糙集分类不确定性异质样本对

来源：评论

学校读者我要写书评

暂无评论

SiamCross:孪生交叉的目标跟踪对象感知网络

引用

计算机学报 2022年第10期45卷 2151-2166页

作者：黄旺辉冯永强保华裴钰璇罗越重庆大学计算机学院重庆400044 重庆大学信息物理社会可信服务计算教育部重点实验室重庆400044 桂林电子科技大学广西可信软件重点实验室广西桂林541004 桂林电子科技大学广西光电信息处理重点实验室培育基地广西桂林541004

近来,基于孪生架构的方法因其能在保持良好速度的同时取得较显著的性能,引起了视觉跟踪领域的广泛关注.然而,孪生网络分支通常是独立的,缺乏信息交互,这限制了模型性能的进一步提升.为了增强孪生网络分支的协作能力,本文提出基于孪生架... 详细信息

近来,基于孪生架构的方法因其能在保持良好速度的同时取得较显著的性能,引起了视觉跟踪领域的广泛关注.然而,孪生网络分支通常是独立的,缺乏信息交互,这限制了模型性能的进一步提升.为了增强孪生网络分支的协作能力,本文提出基于孪生架构的交叉感知网络模型——SiamCross(Siamese Cross Object-Aware Network).孪生网络双分支特征提取是提升模型性能的首要核心操作,区分目标和语义背景在很大程度上依赖模型挖掘的特征鲁棒性.在SiamCross中,我们首先基于孪生网络分支的互监督,设计了全新的孪生交叉感知子网络(Siamese Cross-Aware Network,SCAN)用来提取鲁棒特征.SCAN允许孪生分支彼此全方位高效协同工作,使模板分支可充分利用特征丰富的上下文语义信息,对目标产生更具有区分性的表示;搜索分支结合模板特征,也主动学习到了目标的本质信息.另一方面,无锚框算法将跟踪任务直接映射为对每个像素的分类和回归,网络分支特征可各自聚焦于目标的局部与全局空间信息.以上两种特征具有很好的潜在局部-全局互补性.具体而言,回归特征学习到了更多的目标全局尺寸信息,但同时也引入了周围背景信息,而分类分支专注于学习局部中心定位信息.二者结合,有利于抑制回归特征的背景信息表达.同时,回归特征会在目标周边位置进行突出响应,揭示目标所在区域,也为分类分支进行定位提供了有益参考.为充分利用以上不同的分支空间特征信息来获得更精确的跟踪结果,我们又提出了新型的目标注意力交互网络(Obejct-Attention Interaction Network,OAIN),并将其融入到SiamCross中.OAIN包含并行交叉注意力模块(Parallel Cross Attention Module,PCA)和自适应可形变交叉对齐模块(Adaptive Deformable Cross Align Module,ADCA).PCA模块通过对分支中局部与全局信息的巧妙融合,提升了目标状态估计的准确性.为了进一步使回归特征和目标区域对齐,缓解特征对齐失焦导致的分类分支参考信源可靠性大幅度降低,我们为ADCA模块设计了自适应空间转换操作,可以使得回归特征更好反映目标所在区域.最终,ADCA模块完善了无锚框网络的高效交互机制.最后,我们在OTB2015、VOT2018/2019、GOT-10k和LaSOT五个具有挑战性的公开基准中对SiamCross进行了详尽的实验评估.实验结果显示,SiamCross与当前先进的跟踪器SiamRPN++、ATOM及DiMP相比,均取得了更优异的综合表现,并且可实现实时跟踪.

关键词：视觉目标跟踪孪生网络信息交互交叉注意力

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：