检索结果-内蒙古大学图书馆

中国科学：信息科学 2017年第11期47卷 1483-1492页

作者：吴西竹周志华南京大学计算机软件新技术国家重点实验室南京210023

机器学习模型的生命周期通常比较短暂,大量的机器学习模型针对特定任务设计,在完成任务之后即失去使用价值.然而,一个精心设计和训练的模型通常更精炼地概括了训练数据中蕴含的知识.更进一步地,当无法获取原始训练数据时,已有的预训练... 详细信息

机器学习模型的生命周期通常比较短暂,大量的机器学习模型针对特定任务设计,在完成任务之后即失去使用价值.然而,一个精心设计和训练的模型通常更精炼地概括了训练数据中蕴含的知识.更进一步地,当无法获取原始训练数据时,已有的预训练模型就是仅剩的信息来源.本文提出了一种重用已有的预训练机器学习模型来辅助当前任务学习的框架,尤其适用于当前任务数据量不足的情形.该方法把已有模型视为黑盒,不需要已有模型的结构信息,并使用领域知识对已有模型进行筛选和结合.实验表明,在该框架下,通过对已有模型的重用,多个实际任务上的性能可以得到显著提升.

关键词：机器学习模型重用领域知识环境变化学件

来源：评论

学校读者我要写书评

暂无评论

基于有监督显著性检测的目标跟踪

引用

南京大学学报（自然科学版） 2017年第4期53卷 747-755页

作者：朱尧朱启海毛晓蛟杨育彬南京大学计算机软件新技术国家重点实验室南京210023

通过构建基于超像素的图作为视觉表示引入超像素间的空间信息.采用基于图模型的流形排序作为显著性检测方法得到第一阶段每个超像素的显著性,判别式表观模型则通过基于中层特征的分类器进行判别并利用空间信息对分类结果进行调整,将流... 详细信息

通过构建基于超像素的图作为视觉表示引入超像素间的空间信息.采用基于图模型的流形排序作为显著性检测方法得到第一阶段每个超像素的显著性,判别式表观模型则通过基于中层特征的分类器进行判别并利用空间信息对分类结果进行调整,将流形排序和分类结果结合作为先验信息选择随机游走种子点.结合随机游走得到的第二阶段的显著值和分类结果,最终得到当前帧的置信图.在置信图的基础上,采用积分图方法快速计算得到候选的观测值,将观测值最大的候选作为跟踪结果.在数据集上的实验结果表明,该方法可以有效处理快速运动和形变等问题,从而实现复杂背景下鲁棒的目标跟踪.

关键词：流形排序随机游走超像素目标跟踪

来源：评论

学校读者我要写书评

暂无评论

基于简单再生码的带宽感知的分布式存储节点修复优化

引用

软件学报 2017年第8期28卷 1940-1951页

作者：丁尚童鑫陈艳叶保留计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 上海市电力公司上海200122

分布式存储系统为了保证可靠性,会采用一定的存储冗余策略,如多副本策略、纠删码策略.纠删码相对于副本具有存储开销小的优点,但节点修复网络开销大.针对修复网络开销优化,业界提出再生码和以简单再生码为代表的局部可修复码,显著降低... 详细信息

分布式存储系统为了保证可靠性,会采用一定的存储冗余策略,如多副本策略、纠删码策略.纠删码相对于副本具有存储开销小的优点,但节点修复网络开销大.针对修复网络开销优化,业界提出再生码和以简单再生码为代表的局部可修复码,显著降低了修复网络开销.然而,现有的基于编码的分布式容错存储方案大都假设节点处于星型逻辑网络结构中,忽略了实际的物理网络拓扑结构和带宽信息.为了实现拓扑感知的容错存储优化,相关研究在纠删码和再生码修复过程中结合网络链路带宽能力,建立树型修复路径,进一步提高了修复效率.但是,由于编码和修复过程的差异性,上述工作并不适合于简单再生码修复.针对该问题,结合实际物理网络拓扑结构,将链路带宽能力引入到简单再生码的修复过程中,对带宽感知的简单再生码修复优化技术开展研究.建立了带宽感知节点修复时延模型,提出了基于最优瓶颈路径和最优修复树的并行修复树构建算法,并通过实验对算法性能进行了评估.实验结果表明,与星型修复方式相比,该算法有效地降低了节点修复时延,提高了修复效率.

关键词：分布式存储简单再生码网络拓扑节点修复

来源：评论

学校读者我要写书评

暂无评论

面向多用户的高动态范围视频动态范围可分级编码

引用

光电子．激光 2018年第8期29卷 865-875页

作者：陈璐俊郁梅姜浩杜宝祯蒋刚毅宁波大学信息科学与工程学院浙江宁波315211 南京大学计算机软件新技术国家重点实验室江苏南京210093 浙江工商职业技术学院智能家电宁波市重点实验室浙江宁波315012

提出了面向多用户的高动态范围(HDR,high dynamic range)视频动态范围可分级编码方法,并利用视觉掩蔽特性抑制了噪声,提高了动态范围可分级编码的效率。首先,考虑HDR视频感知特性,提出了动态范围可分级模型(DRSM,dynamic range scalable... 详细信息

提出了面向多用户的高动态范围(HDR,high dynamic range)视频动态范围可分级编码方法,并利用视觉掩蔽特性抑制了噪声,提高了动态范围可分级编码的效率。首先,考虑HDR视频感知特性,提出了动态范围可分级模型(DRSM,dynamic range scalable model),将不同动态范围级的HDR视频分解成为一个标准动态范围(SDR,standard dynamic range)视频和多个残差信号帧(RSFs,residual signal frames)序列。然后,结合亮度掩蔽效应和人眼感知特性,对RSFs进行量化和滤波处理,滤除残差中的零散数据点,保留RSFs相邻动态范围级之间的整体差异信息,提高RSFs的编码效率。最后,在解码端重建得到SDR视频和各个动态范围级的HDR视频,以适应多用户端MDR显示设备。结果表明,所提出方法能在保持重建HDR视频的主观感知质量的同时降低编码码率,并在全帧内预测编码模式下,相同HDR-VDP-2.2和PSNR分值时,BD-rate(Bjntegaard Delta rate)平均节省了32.03%和31.28%,其编码率失真性能有明显提升。

关键词：高动态范围(HDR)视频动态范围可分级模型(DRSM) 多动态范围(MDR) 视觉掩蔽特性视觉感知特性

来源：评论

学校读者我要写书评

暂无评论

Goldfish:基于矩阵分解的大规模RDF数据存储与查询系统

引用

计算机学报 2017年第10期40卷 2212-2230页

作者：顾荣仇红剑杨文家胡伟袁春风黄宜华南京大学计算机软件新技术国家重点实验室南京210093 江苏省软件新技术与产业化协同创新中心南京210093

随着互联网应用的迅猛发展和语义网技术研究的深入,语义数据呈现出爆炸性增长趋势.一方面,对于语义数据实现高效存储和查询是语义网应用的重要基础,越来越多的语义应用可以依赖于此以提供更好的服务;另一方面,语义数据的爆炸性增长,对... 详细信息

随着互联网应用的迅猛发展和语义网技术研究的深入,语义数据呈现出爆炸性增长趋势.一方面,对于语义数据实现高效存储和查询是语义网应用的重要基础,越来越多的语义应用可以依赖于此以提供更好的服务;另一方面,语义数据的爆炸性增长,对大数据环境下的语义数据的存储与查询技术提出了新的挑战.传统的基于关系型数据库的语义数据与查询系统已难以满足大规模语义数据的存储与查询需求.该文针对大规模RDF数据的存储与查询问题,以OpenRDF Sesame框架为基础,采用分布式分层式存储架构,提出并实现了属性表存储结构来进行语义数据的存储.在此基础上,针对布尔矩阵分解算法在对大规模语义数据构造属性表较慢的问题,基于Spark分布式计算框架提出并实现了并行化频繁项集挖掘算法求解大规模矩阵分解,以加速属性表的构造过程.并且,在查询层增加了基于哈希转换等查询优化.最后,基于该文所提出的索引结构和优化方法设计实现了原型系统Goldfish,并在大规模合成和真实数据集上进行了实验对比.结果表明,Goldfish原型系统比Rainbow系统查询性能平均提升约6倍,比Jena-HBase查询性能平均提升约500倍,比基于MapReduce的RDF查询系统SHARD性能平均提升约1200倍.

关键词：大规模RDF存储矩阵分解分层式存储大数据语义网 Spark

来源：评论

学校读者我要写书评

暂无评论

融合视觉感知特性的HDR视频编码率失真优化算法

引用

光电工程 2018年第1期45卷 80-90页

作者：杨桐郁梅姜浩蒋刚毅宁波大学信息科学与工程学院浙江宁波315211 南京大学计算机软件新技术国家重点实验室江苏南京210093 浙江工商职业技术学院智能家电宁波市重点实验室浙江宁波315012

针对高动态范围(HDR)视频较之于传统低动态范围(LDR)视频所需存储资源和传输带宽急剧增加的问题,本文提出了一种基于视觉感知特性的HDR视频编码的动态率失真优化算法,以提高高效视频编码(HEVC)Main 10编码HDR视频的性能。本文通过引入... 详细信息

针对高动态范围(HDR)视频较之于传统低动态范围(LDR)视频所需存储资源和传输带宽急剧增加的问题,本文提出了一种基于视觉感知特性的HDR视频编码的动态率失真优化算法,以提高高效视频编码(HEVC)Main 10编码HDR视频的性能。本文通过引入视觉选择性关注信息,对不同区域采取非均等的失真权重分配策略,优化常规的失真计算方法;同时,为了进一步去除视频中的感知冗余,融合视频内容的纹理特性自适应调节拉格朗日乘子,并应用于编码量化器动态调节量化参数,实现编码比特和失真感知权衡。实验结果表明:与HEVC Main 10相比,在相同HDR-VDP和PSNR DE质量指标下,所提算法平均节省7.46%和6.53%码率,最大分别节省18.52%和11.49%,所提算法在保持视觉质量的前提下能够有效降低码率。

关键词：高动态范围视频编码率失真优化人类视觉系统视觉显著

来源：评论

学校读者我要写书评

暂无评论

集成最大汇合:最大汇合时只有最大值有用吗

引用

中国科学技术大学学报 2017年第10期47卷 799-807页

作者：张皓吴建鑫计算机软件新技术国家重点实验室江苏南京210023 南京大学计算机科学与技术系江苏南京210023

卷积神经网络中的汇合层基于局部相关性原理进行亚采样,在减少数据量的同时保留有用信息,从而有助于提升泛化能力.同时,汇合层可以有效提高感受野.经典的最大汇合采用赢者通吃策略,这有时会影响网络的泛化能力.为此提出集成最大汇合,用... 详细信息

卷积神经网络中的汇合层基于局部相关性原理进行亚采样,在减少数据量的同时保留有用信息,从而有助于提升泛化能力.同时,汇合层可以有效提高感受野.经典的最大汇合采用赢者通吃策略,这有时会影响网络的泛化能力.为此提出集成最大汇合,用于替代传统卷积神经网络中的汇合层.在每个局部汇合区域,集成最大汇合以p的概率使输出最大的神经元失活,激活输出第二大的神经元.集成最大汇合可以看作多个基础潜在网络的集成,也可以理解为一种输入经历一定局部形变下的经典最大汇合过程.实验结果表明,相比经典汇合方法及其他相关汇合方法,集成最大汇合取得了更好的性能.DFN-MR是近期主流结构ResNet的一个衍生,相比ResNet,DFN-MR有着更多的基础潜在网络数目,同时避免了极深网络.保持其他超参数不变,通过将DFN-MR中步长为2的卷积层改为集成最大汇合串联步长为1的卷积层的结构,可以使网络性能得到显著提高.

关键词：卷积神经网络汇合层网络集成数据扩充

来源：评论

学校读者我要写书评

暂无评论

面向动作的上下文感知应用的规约与运行时验证

引用

软件学报 2017年第5期28卷 1167-1182页

作者：李晅松陶先平吕建宋巍南京理工大学计算机科学与工程学院江苏南京210094 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

面向动作的上下文感知(activity-oriented context-aware,简称AOCA)应用组织环境中的资源,为用户动作的顺利进行提供支持.为应对环境和动作相关需求的开放性,这类应用采用轻量级、增量式的开发方法进行开发.相对于在开发阶段描述全局信... 详细信息

面向动作的上下文感知(activity-oriented context-aware,简称AOCA)应用组织环境中的资源,为用户动作的顺利进行提供支持.为应对环境和动作相关需求的开放性,这类应用采用轻量级、增量式的开发方法进行开发.相对于在开发阶段描述全局信息的开发方法,AOCA应用的开发可能由不同开发者在不同时间共同参与,这可能会导致较多的不一致等问题,且难以在开发阶段被发现.围绕使用运行时验证手段提高AOCA应用可靠性这一目标展开研究.给出了对于AOCA应用运行状态进行形式化规约、对于系统级和应用级性质进行描述的方法.进一步地设计实现了AOCA应用监控器.最后,通过案例分析以及性能评估证实了该方法的有效性.

关键词：普适计算上下文感知形式规约运行时验证

来源：评论

学校读者我要写书评

暂无评论

校园移动社交网络中基于种子的数据分发算法

引用

北京邮电大学学报 2017年第2期40卷 97-101页

作者：王青山汤颖王琦王翟陈莉君合肥工业大学数学学院合肥230009 南京大学计算机软件新技术国家重点实验室南京210093

为了研究如何利用节点间间歇性连接传输数据,提出了校园移动社交网络中基于种子的数据分发算法,其主要思想是为每一个社区选择一个种子节点,并利用种子节点来进行数据分发.仿真实验表明,与著名的Epidemic、PS和SGBR算法相比,该算法可明... 详细信息

为了研究如何利用节点间间歇性连接传输数据,提出了校园移动社交网络中基于种子的数据分发算法,其主要思想是为每一个社区选择一个种子节点,并利用种子节点来进行数据分发.仿真实验表明,与著名的Epidemic、PS和SGBR算法相比,该算法可明显地降低网络开销,同时接近Epidemic算法达到的最大传递率.

关键词：数据分发课程表网络开销移动社交网络

来源：评论

学校读者我要写书评

暂无评论

一种基于原型学习的多示例卷积神经网络

引用

计算机学报 2017年第6期40卷 1265-1274页

作者：何克磊史颖欢高阳霍静汪栋张缨南京大学计算机软件新技术国家重点实验室南京210093 中国人民解放军第八一医院南京210002

卷积神经网络是一种全监督的深度学习模型,其要求样本类标完整.在样本类标缺失等弱监督的实际应用中,卷积神经网络的应用受到了极大的制约.为解决弱标记环境下的多示例学习问题,该文提出了一种新的多示例深度卷积网络模型.该模型引入了... 详细信息

卷积神经网络是一种全监督的深度学习模型,其要求样本类标完整.在样本类标缺失等弱监督的实际应用中,卷积神经网络的应用受到了极大的制约.为解决弱标记环境下的多示例学习问题,该文提出了一种新的多示例深度卷积网络模型.该模型引入了一种新的原型学习层.该层使用基于原型度量的算法,实现了示例特征至包特征的映射,从而使网络能够在包的层面给予类标信息,进而完成整个模型的学习过程.该文首先在肺癌病理图像细胞分类的问题中,验证了该网络的性能.实验表明,相较于传统基于手工图像特征的方法,该文所提出的方法在准确率方面约有12%的提升.相较于卷积神经网络结合传统多示例学习的方法,所提出的方法在各项指标上同样取得了更好的效果.此外,在自然图像分类数据集GRAZ-02上,所提出的方法相较于目前最优的算法也取得了相当的效果.

关键词：深度学习多示例学习原型学习卷积神经网络图像分类人工智能

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：