检索结果-内蒙古大学图书馆

吉林大学学报（工学版） 2023年第12期53卷 3536-3546页

作者：王振杨宵晗吴楠楠李国坤冯创山东理工大学计算机科学与技术学院山东淄博255022 吉林大学符号计算与知识工程教育部重点实验室长春130012

为了快速响应遥感图像的近邻检索请求,提出了基于生成对抗网络的序列交叉熵哈希(GANOCH)。首先,建立了基于交叉熵的序列保持目标函数,确保任意三元组样本在不同空间内的序列相似性关系具有相同的概率分布,增强了序列保持约束性。然后,... 详细信息

为了快速响应遥感图像的近邻检索请求,提出了基于生成对抗网络的序列交叉熵哈希(GANOCH)。首先,建立了基于交叉熵的序列保持目标函数,确保任意三元组样本在不同空间内的序列相似性关系具有相同的概率分布,增强了序列保持约束性。然后,为解决优化过程中的非确定性多项式(NP)难问题,对目标函数中的离散编码进行了连续化松驰处理,并建立了基于三元序列交叉熵的量化损失函数,以减少由连续化过程引起的误差。同时,构造了基于类别标签矩阵的监督生成对抗网络,以增广训练数据集,避免由数据不足或不均衡导致深度网络发生过拟合。最后,在UCMD、SAT4和SAT6遥感数据集上设置了近邻检索性能对比实验,结果表明,基于生成对抗网络的序列交叉熵哈希的近邻检索性能较优。

关键词：计算机应用技术哈希算法交叉熵序列保持

来源：评论

学校读者我要写书评

暂无评论

一种高效的FDE并行传播算法

引用

软件学报 2023年第9期34卷 4153-4166页

作者：李哲于哲舟李占山吉林大学计算机科学与技术学院吉林长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012

约束规划(constraint programming, CP)是表示和求解组合问题的经典范式之一.扩展约束(extensional constraint)或称表约束(table constraint)是约束规划中最为常见的约束类型.绝大多数约束规划问题都可以用表约束表达.在问题求解时,相... 详细信息

约束规划(constraint programming, CP)是表示和求解组合问题的经典范式之一.扩展约束(extensional constraint)或称表约束(table constraint)是约束规划中最为常见的约束类型.绝大多数约束规划问题都可以用表约束表达.在问题求解时,相容性算法用于缩减搜索空间.目前,最为高效的表约束相容性算法是简单表约缩减(simple table reduction, STR)算法簇,如Compact-Table (CT)和STRbit算法.它们在搜索过程中维持广义弧相容(generalized arc consistency, GAC).此外,完全成对相容性(full pairwise consistency, fPWC)是一种比GAC剪枝能力更强的相容性.最为高效的维持fPWC算法是PW-CT算法.多年来,人们提出了多种表约束相容性算法来提高剪枝能力和执行效率.因子分解编码(factor-decomposition encoding, FDE)通过对平凡问题重新编码.它一定程度地扩大了问题模型,使在新的问题上维持相对较弱的GAC等价于在原问题上维持fPWC.目前, FDE的合适STR算法是STRFDE和STR2,而不是CT.这是由于CT算法可能产生内存溢出问题.在维持相容性算法的过程中,需要将迭代地调用各个约束执行其相容性算法过滤搜索空间,这个过程称为约束传播.动态提交方案是一个并行约束传播框架,可以并行地调度约束执行传播算法.它在大规模问题中,改进效果尤为明显.改进STRFDE和动态提交传播算法.针对FDE提出了PSTRFDE算法. PSTRFDE可以嵌入到动态提交方案中,进一步提高了约束规划问题的求解效率.大量的实验表明, PSTRFDE与CT和STRbit相比,可以减少内存占用;与STRFDE和STR2相比,可以提高算法的效率.所作工作充分说明了PSTRFDE是FDE上最为高效的过滤算法.

关键词：约束规划并行约束传播相容性算法简单表缩减算法

来源：评论

学校读者我要写书评

暂无评论

基于切比雪夫对立的二进制蝙蝠算法的特征选择多目标优化的生物启发式方法

引用

吉林大学学报(工学版) 2025年

作者：康辉段寒陶依李家辉王渤雄肖沛琳宋莘炎吉林大学计算机科学与技术学院吉林大学符号计算与知识工程教育部重点实验室吉林大学软件学院

特征选择是一项机器学习中的多目标优化问题，旨在减少数据集的维度进而提高机器学习算法的性能。本文设计了一个多目标优化函数以共同优化分类准确率和所选特征的数量，并通过线性加权方法构建了一个单目标适应度函数。然后，提出了一... 详细信息

特征选择是一项机器学习中的多目标优化问题，旨在减少数据集的维度进而提高机器学习算法的性能。本文设计了一个多目标优化函数以共同优化分类准确率和所选特征的数量，并通过线性加权方法构建了一个单目标适应度函数。然后，提出了一种切比雪夫对立二进制蝙蝠算法（Chebyshev opposite-based binary bat algorithm，COBBA）以缓解蝙蝠算法（bat algorithm，BA）在优化中的种群多样性不足对最优解质量的影响，从而提高特征选择的性能。具体地，本文使用混沌映射生成混沌序列以确保初始解的多样性，而后采用对立学习技术进一步优化初始解，最后通过使用切比雪夫多项式调整参数提高最优解的质量。仿真实验在15个经典数据集上进行，结果表明COBBA在平均适应度、分类准确率和所选特征数量方面优于各类常用的群体智能算法。

关键词：多目标优化特征选择群体智能算法蝙蝠算法

来源：评论

学校读者我要写书评

暂无评论

针对MUS求解问题的加强剪枝策略

引用

软件学报 2024年第4期35卷 1964-1979页

作者：蒋璐宇欧阳丹彤董博文张立明吉林大学计算机科学与技术学院吉林长春130012 吉林大学软件学院吉林长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012

极小不可满足子集(minimal unsatisfiable subsets,MUS)的求解是布尔可满足性问题中的一个重要子问题.对于一个给定的不可满足问题,其MUS的求解能够反映出问题中导致其不可满足的关键原因.然而,MUS的求解是一项极其耗时的任务,不同的剪... 详细信息

极小不可满足子集(minimal unsatisfiable subsets,MUS)的求解是布尔可满足性问题中的一个重要子问题.对于一个给定的不可满足问题,其MUS的求解能够反映出问题中导致其不可满足的关键原因.然而,MUS的求解是一项极其耗时的任务,不同的剪枝过程将直接影响到搜索空间的大小、算法的迭代次数,从而影响算法的求解效率.提出一种针对MUS求解的加强剪枝策略ABC(accelerating by critical MSS),依据MSS、MCS、MUS这3者之间的对偶性和碰集关系特点,提出cMSS和subMUS概念,并总结出4条性质,即每个MUS必是subMUS的超集,进而在避免对MCS的碰集进行求解的情况下有效利用MUS和MCS互为碰集的特征,有效避免求解碰集时的时间开销.当subMUS不可满足时,则subMUS是唯一的MUS,算法将提前结束执行;当subMUS可满足时,则剪枝掉此节点,进而有效避免对求解空间中的冗余空间进行搜索.同时,通过理论证明ABC策略的有效性,并将其应用于目前最高效的单一化模型算法MARCO和双模型算法MARCO-MAM,在标准测试用例下的实验结果表明,该策略可以有效地对搜索空间进行进一步剪枝,从而提高MUS的枚举效率.

关键词：极小不可满足子集极大可满足子集 MUS枚举幂集探索不可行分析

来源：评论

学校读者我要写书评

暂无评论

自适应特征融合的迭代实体对齐方法

引用

吉林大学学报（理学版） 2024年第3期62卷 629-635页

作者：李婷婷邵斐温天晓董飒吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室长春130012

针对知识图谱实体对齐任务中缺乏训练数据以及长尾实体对齐准确率较低的问题,提出一种基于自适应特征融合策略的迭代实体对齐方法,并设计一种迭代策略自动扩充训练数据的规模.该方法使用知识图谱的结构信息,并利用关系、属性和实体名称... 详细信息

针对知识图谱实体对齐任务中缺乏训练数据以及长尾实体对齐准确率较低的问题,提出一种基于自适应特征融合策略的迭代实体对齐方法,并设计一种迭代策略自动扩充训练数据的规模.该方法使用知识图谱的结构信息,并利用关系、属性和实体名称信息作为语义信息辅助对齐,从而提升对齐效果.在数据集上的实验结果表明,该模型在知识图谱实体对齐任务中效果良好.

关键词：知识图谱实体对齐迭代策略自适应特征融合

来源：评论

学校读者我要写书评

暂无评论

基于学习-推理的约束求解方法研究进展

引用

软件学报 2024年第1期35卷 220-235页

作者：邹悦赖家洋张永刚吉林大学软件学院吉林长春130012 吉林大学计算机科学与技术学院吉林长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012

机器学习与自动推理的融合是当前人工智能研究的新趋势.约束满足问题是人工智能研究的经典问题,现实世界中大量的调度、规划和配置等问题均可以建模为约束满足问题,高效的求解算法一直是研究热点.近年来涌现出众多将机器学习应用于约束... 详细信息

机器学习与自动推理的融合是当前人工智能研究的新趋势.约束满足问题是人工智能研究的经典问题,现实世界中大量的调度、规划和配置等问题均可以建模为约束满足问题,高效的求解算法一直是研究热点.近年来涌现出众多将机器学习应用于约束满足问题求解的新方法,这些基于“学习-推理”的新方法为约束满足问题求解开辟了新方向并展示出巨大发展潜力,方法的突出优点是适应性强、可在线优化并具有更强的可扩展性.将当前的“学习-推理”方法分为基于消息传递神经网络、基于序列到序列和基于最优化等3类进行综述,详细分析各类方法的特点和在不同的问题集上求解效果,尤其对每类方法所涵盖的相关工作进行多角度的对比分析.最后,对基于“学习-推理”的约束求解方法进行总结和展望.

关键词：约束满足问题消息传递神经网络序列到序列强化学习最优化

来源：评论

学校读者我要写书评

暂无评论

基于特征图网络和多种生物信息预测关键蛋白质的深度学习框架

引用

吉林大学学报（理学版） 2024年第3期62卷 593-605页

作者：刘桂霞曹心恬赵贺吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室长春130012

针对生物实验识别关键蛋白质费时费力,使用计算方法预测关键蛋白质无法有效整合生物信息的问题,提出一个深度学习框架.首先利用网络拓扑结构、基因表达数据和GO(gene ontology)注释数据构建加权蛋白质相互作用网络;然后分别使用特征图... 详细信息

针对生物实验识别关键蛋白质费时费力,使用计算方法预测关键蛋白质无法有效整合生物信息的问题,提出一个深度学习框架.首先利用网络拓扑结构、基因表达数据和GO(gene ontology)注释数据构建加权蛋白质相互作用网络;然后分别使用特征图网络和双向长短期记忆细胞从亚细胞定位数据、蛋白质复合物数据和基因表达数据中提取特征向量;最后将这些特征向量输入到任务学习层预测关键蛋白质.实验结果表明,相比于现有的计算方法,该方法预测性能更好.

关键词：关键蛋白质特征图网络亚细胞定位基因表达 GO注释蛋白质复合物

来源：评论

学校读者我要写书评

暂无评论

联合时空注意力的视频显著性预测

引用

吉林大学学报（工学版） 2024年第6期54卷 1767-1776页

作者：孙铭会薛浩金玉波曲卫东秦贵和吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 上海爱思博特管理咨询有限公司上海200050 光电对抗测试评估技术重点实验室河南洛阳471000

为了解决视频显著性预测任务中时间与空间特征联合建模的问题,提出联合时空注意力机制(COStA),共同提取时间和空间维度的注意信息,突出特定时间和区域的特征供模型来感知。基于该机制,进一步提出视频显著性预测模型TASED-COStA,对比实... 详细信息

为了解决视频显著性预测任务中时间与空间特征联合建模的问题,提出联合时空注意力机制(COStA),共同提取时间和空间维度的注意信息,突出特定时间和区域的特征供模型来感知。基于该机制,进一步提出视频显著性预测模型TASED-COStA,对比实验表明:COStA机制能为神经网络模型在CC、NSS与SIM三个评价指标上获得大于8%的性能提升,TASED-COStA模型能有效地建模视频信息中的时间与空间关系,并给出准确的预测结果。

关键词：计算机应用深度学习计算机视觉卷积神经网络视频显著性预测联合时空注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于会话的结合全局潜在信息的图神经网络推荐模型

引用

吉林大学学报（工学版） 2023年第10期53卷 2964-2972页

作者：董立岩梁伟业王越群李永丽吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 东北师范大学信息科学与技术学院长春130117

针对当前各种基于会话推荐的模型存在对物品间全局关系的获取和使用不足的问题,提出了基于会话的结合全局潜在信息的图神经网络推荐模型。该模型根据全部会话序列构建会话图与全局图,并在全局图中引入了序列中各节点间的间距信息,以及... 详细信息

针对当前各种基于会话推荐的模型存在对物品间全局关系的获取和使用不足的问题,提出了基于会话的结合全局潜在信息的图神经网络推荐模型。该模型根据全部会话序列构建会话图与全局图,并在全局图中引入了序列中各节点间的间距信息,以及序列节点的相邻节点彼此之间的贡献度,通过模型训练获取最后的会话表征预测下一个交互行为。实验结果表明:在结合图神经网络的推荐算法中充分挖掘全局潜在信息可以有效提高推荐算法的准确率,这一改进对提高基于会话的图神经网络模型的性能有一定指导意义。

关键词：计算机软件推荐系统基于会话的推荐图神经网络全局信息

来源：评论

学校读者我要写书评

暂无评论

融合胶囊网络与因果推理的疾病预测

引用

应用科学学报 2025年第1期43卷 1-19页

作者：孙明辰金辉王英吉林大学计算机科学与技术学院吉林长春130012 吉林大学符号计算与知识工程教育部重点实验室吉林长春130012

现有基于深度学习的疾病预测模型通常是数据驱动的,导致模型过度依赖于训练数据集中的样本数量以及疾病类型覆盖范围。现有疾病预测方法主要存在以下局限性:1)若模型在训练过程中所涉及的疾病类型有限,则其在处理罕见疾病时性能会大幅... 详细信息

现有基于深度学习的疾病预测模型通常是数据驱动的,导致模型过度依赖于训练数据集中的样本数量以及疾病类型覆盖范围。现有疾病预测方法主要存在以下局限性:1)若模型在训练过程中所涉及的疾病类型有限,则其在处理罕见疾病时性能会大幅下降甚至做出错误预测。2)训练数据中可能存在与预测目标无关或相关性较小的特征。这种噪声会导致模型无法做出稳定的可靠预测,进而无法满足医疗领域应用对高安全性、高可靠性的现实需求。为解决上述问题,本文构建了融合胶囊网络与因果推理的疾病预测模型CausalCap。首先获取临床特征与疾病标签间的因果效应和因果关系,构建临床特征因果图。其次,对因果图进行剪枝,删除与疾病标签没有因果关系的虚假关联节点,保留对疾病发生有因果影响的关键节点,以得到疾病因果图。最后,利用分层图胶囊神经网络(hierarchical graph capsule network,HGCN)对疾病因果图进行图分类实现疾病预测。本文在6个公共数据集上进行的大量实验表明:与次优方法相比,所提方法在准确率和F1指标上分别有2.50%和6.46%的平均提升。

关键词：疾病预测因果推理胶囊网络动态路由图分类

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：