检索结果-内蒙古大学图书馆

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

融合二连通模体结构信息的节点分类算法

引用

计算机应用 2024年第5期44卷 1464-1470页

作者：郑文萍葛慧琳刘美麟杨贵山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006 山西大学智能信息处理研究所太原030006

节点表示学习将图结构数据信息编码到低维的潜在空间中,在节点分类、聚类、链路预测等机器学习任务中被广泛应用。在复杂网络中,节点与节点之间不仅存在直接相连的低阶结构,也存在以特殊连接模式形成的高阶结构,称为模体。提出一种融合... 详细信息

节点表示学习将图结构数据信息编码到低维的潜在空间中,在节点分类、聚类、链路预测等机器学习任务中被广泛应用。在复杂网络中,节点与节点之间不仅存在直接相连的低阶结构,也存在以特殊连接模式形成的高阶结构,称为模体。提出一种融合二连通模体结构信息的节点分类算法(FMI),利用节点间高阶二连通模体信息学习节点表示,完成节点分类任务。首先,统计网络中的二连通模体,利用其中信息提出一个节点重要性的度量指标——模体比值。根据模体比值计算采样概率进行邻域采样;构造一个带权辅助图以融合网络节点连接的低阶关系与高阶关系,对节点进行加权邻域聚合以得到节点表示。在5个数据集Cora、Citeseer、Pubmed、Wiki和DBLP上执行节点分类任务,与5种经典基准算法进行对比,所提算法FMI在准确度和F1-分数等指标上表现良好。

关键词：节点表示二连通模体邻域采样邻域聚合节点分类

来源：评论

学校读者我要写书评

暂无评论

面向高维小样本数据的层次子空间ReliefF特征选择算法

引用

南京大学学报（自然科学版） 2023年第6期59卷 928-936页

作者：程凤伟王文剑张珍珍太原学院计算机科学与技术系太原030032 计算智能与中文信息处理教育部重点实验室山西大学太原030006

高维小样本数据的特征维数远远高于样本数,因为其通常包含大量的冗余特征,ReliefF算法在处理这类数据时存在以下挑战:传统ReliefF算法无法剔除冗余特征,而现有的改进ReliefF算法大多通过启发式地计算特征与特征之间的互信息来剔除冗余特... 详细信息

高维小样本数据的特征维数远远高于样本数,因为其通常包含大量的冗余特征,ReliefF算法在处理这类数据时存在以下挑战:传统ReliefF算法无法剔除冗余特征,而现有的改进ReliefF算法大多通过启发式地计算特征与特征之间的互信息来剔除冗余特征,不适用于高维数据;通过截取与标记相关性最大的若干特征来进行分类,可能不是最优选择,因其没有考虑不同特征组合对分类性能的影响.为了解决以上问题,提出一种基于层次子空间的ReliefF特征选择算法,将原始特征集划分为具有层次结构的子空间,并利用邻域粗糙集理论来计算低层子空间的局部依赖度,能在高维小样本数据上高效率地批量剔除冗余特征.此外,为了考量不同特征组合对结果的影响,引入“局部领导力”的概念,保留部分子空间中“带队”能力较强的特征,从局部和全局的角度共同给予特征更加客观的评价.在六个微阵列基因数据集上的实验表明,与现有方法相比,提出的方法更高效,而且能保持良好的分类性能.

关键词：高维小样本数据特征选择 ReliefF 层次子空间邻域粗糙集

来源：评论

学校读者我要写书评

暂无评论

基于多样性引导与联合优化的多视图聚类算法

引用

山西大学学报(自然科学版) 2025年

作者：李顺勇杨梦瑶曹付元李青辉山西大学数学与统计学院复杂系统与数据科学教育部重点实验室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

传统的多视图聚类算法存在视图间多样性利用不足、缺乏抗噪和处理不完整数据的能力等问题。为此，文中提出一种基于多样性引导与联合优化的多视图聚类算法—DGJO。该算法首先通过K-近邻法构建初始相似图，并设计自适应联合优化框架，对... 详细信息

传统的多视图聚类算法存在视图间多样性利用不足、缺乏抗噪和处理不完整数据的能力等问题。为此，文中提出一种基于多样性引导与联合优化的多视图聚类算法—DGJO。该算法首先通过K-近邻法构建初始相似图，并设计自适应联合优化框架，对初始相似图进行重构，从而提升相似图的质量。其次利用多样性引导，充分探索视图间的多样信息，生成一致性相似矩阵，再将各视图的一致性相似矩阵融合为共识图，同时在共识图上施加L1范数抑制噪声。最后利用非负矩阵分解直接获得聚类结果，避免后处理带来的不确定问题。6个真实数据集上的实验验证了DGJO的稳健性，在ACC和F-score指标上均可以达到80%以上，并且在Caltech101-7数据集上NMI指标比次优算法提升了20.77%。

关键词：多视图聚类测量多样性相似图自适应优化非负矩阵分解

来源：评论

学校读者我要写书评

暂无评论

旅游自动问答系统中多任务问句分类研究

引用

计算机应用与软件 2024年第1期41卷 336-342页

作者：陈千冯子珍王素格郭鑫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

目前旅游产业信息化建设需要构建旅游自动问答系统,其中问句分类是问答系统的重要组成部分,传统问句类别体系角度单一,且传统分类模型对不平衡的问句数据集表现欠佳。针对这一问题,该文从问题主题和问句答案类型两个角度构建了旅游领域... 详细信息

目前旅游产业信息化建设需要构建旅游自动问答系统,其中问句分类是问答系统的重要组成部分,传统问句类别体系角度单一,且传统分类模型对不平衡的问句数据集表现欠佳。针对这一问题,该文从问题主题和问句答案类型两个角度构建了旅游领域的问句类别体系架构,并提出多任务问句分类模型MT-Bert,在BERT上进行多任务训练,并加入自注意力机制,使用Softmax分类器,并设计了多任务融合损失函数。在山西旅游数据集的结果表明,MT-Bert在两种类别体系的微平均F1值分别为97.6%、91.7%,且避免了非平衡数据的预测失败问题,可以有效处理非平衡数据。

关键词：旅游问答问句分类分类体系 BERT 自注意力多任务

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

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

基于标签语义信息感知的少样本命名实体识别方法

引用

北京大学学报（自然科学版） 2024年第3期60卷 413-421页

作者：张越王长征苏雪峰闫智超张广军邵文远李茹山西大学计算机与信息技术学院太原030006 山西同方知网数字出版技术有限公司太原030032 山西工程科技职业大学现代物流学院晋中030609 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

在少样本命名实体识别方法中,目前广泛应用的方法是基于原型网络的两阶段模型。但是,该方法未充分利用实体标签中的语义信息,且在距离计算中过度依赖实体类型原型向量,导致模型泛化能力差。针对这些问题,提出一种基于标签语义信息感知... 详细信息

在少样本命名实体识别方法中,目前广泛应用的方法是基于原型网络的两阶段模型。但是,该方法未充分利用实体标签中的语义信息,且在距离计算中过度依赖实体类型原型向量,导致模型泛化能力差。针对这些问题,提出一种基于标签语义信息感知的少样本命名实体识别方法。该方法是一种先进行实体跨度检测,再判断实体类型的两阶段方法。在构建实体类型原型向量时,将对应实体类型包含的语义信息考虑在内,通过维度转换层将其与原型向量相融合。在对新样本进行实体识别时,将实体类型的正负样本与实体类型原型向量组成实体类型三元组,依据样本到三元组的距离对其进行分类。在多个数据集上的实验结果证明,该模型的性能比以往的模型有较大的提升。

关键词：少样本命名实体识别标签语义信息感知实体类型三元组原型网络

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

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：