检索结果-内蒙古大学图书馆

计算机应用研究 2025年第1期42卷 93-99页

作者：周粤范永胜桑彬彬周岩重庆师范大学计算机与信息科学学院重庆401331

针对现有的知识图谱补全方法捕获知识图谱结构信息能力不足的问题,提出了一种基于双子图和注意力机制以获取全局结构信息完成知识图谱自动补全的模型。该模型首先分别构建以实体和关系为中心的双子图,来分别捕获实体邻域信息和关系结构... 详细信息

针对现有的知识图谱补全方法捕获知识图谱结构信息能力不足的问题,提出了一种基于双子图和注意力机制以获取全局结构信息完成知识图谱自动补全的模型。该模型首先分别构建以实体和关系为中心的双子图,来分别捕获实体邻域信息和关系结构的潜在有用信息,并将双子图形成的信息输入到编码器中以更好地更新实体和关系结构信息;然后,利用注意力机制自适应地学习更新后实体和关系之间的重要交互特征;最后,将包含全局结构信息的特征向量输入到解码器中,通过一个评分函数,对输入的特征边进行打分预测,最终使用预测结果来完成知识图谱补全任务。与基线方法的性能相比,该方法在FB15K-237和NELL995数据集上的MRR和hits@10评测指标分别取得了5.1、8.8和3.4、2.2百分点的显著提升,同时在WN18RR数据集上,这两个指标也分别提高了0.1和1.9百分点。实验结果表明,所建立模型采用的结构能有效捕获知识图谱全局结构信息,进而显著增强模型的表达能力和预测性能。

关键词：知识图谱补全双子图注意力机制编码器解码器

来源：评论

学校读者我要写书评

暂无评论

基于自然邻域图划分的层次聚类算法

引用

计算机工程与科学 2025年第2期47卷 370-380页

作者：蔡发鹏冯骥杨德刚陈仲尚重庆师范大学计算机与信息科学学院重庆401331

自然邻域图能自适应地识别不同形状、大小和维度的数据,但在面对密度不均匀且结构复杂的数据时,部分小簇无法被算法正确识别。针对这一问题,提出一种基于自然邻域图划分的层次聚类算法HC-PNNG。HC-PNNG算法首先利用自然邻居关系实现了... 详细信息

自然邻域图能自适应地识别不同形状、大小和维度的数据,但在面对密度不均匀且结构复杂的数据时,部分小簇无法被算法正确识别。针对这一问题,提出一种基于自然邻域图划分的层次聚类算法HC-PNNG。HC-PNNG算法首先利用自然邻居关系实现了自然稀疏图的构建,随后利用基于自然稀疏图的图间相似度完成了自然稀疏图的层次化合并,进而实现了更具普适性的层次化聚类结果。在合成数据集和真实数据集上将HC-PNNG与最新的聚类算法进行了对比实验,结果表明该算法明显优于其他聚类算法,验证了HC-PNNG算法的有效性。

关键词：聚类分析层次聚类自然邻域图图划分相似度

来源：评论

学校读者我要写书评

暂无评论

基于多分支CNN与改进级联森林的故障诊断

引用

石河子大学学报(自然科学版) 2025年第2期43卷 239-248页

作者：丁伟哲冉瑞生胡子成重庆师范大学计算机与信息科学学院重庆401331

在故障诊断领域,卷积神经网络(CNN)、深度森林等深度学习模型因表现优异而备受关注。然而,单分支卷积神经网络提取的故障特征有限;深度森林的多粒度扫描针对不同的数据集需要重新设计和调整参数。本文提出了一种多分支CNN与改进的级联... 详细信息

在故障诊断领域,卷积神经网络(CNN)、深度森林等深度学习模型因表现优异而备受关注。然而,单分支卷积神经网络提取的故障特征有限;深度森林的多粒度扫描针对不同的数据集需要重新设计和调整参数。本文提出了一种多分支CNN与改进的级联森林相结合的混合深度学习模型,首先设计了具有不同卷积核大小的多分支CNN,可以并行提取多样特征,适应复杂任务需求。其次,由于极端梯度提升比随机森林更能处理非线性数据,将级联森林中的一个随机森林替换为极端梯度提升。同时,这种部分替换结合了不同算法的优势,优化了模型的整体性能。最后,将多分支CNN与改进的级联森林相结合,构建了一个混合深度学习模型。在3个轴承数据集和1个转子数据集上进行了实验,结果表明,所提出的模型在故障诊断中表现出很强的有效性。

关键词：故障诊断卷积神经网络级联森林极端梯度提升

来源：评论

学校读者我要写书评

暂无评论

一种面向知识图谱多跳问答的分层语义解析方法

引用

计算机应用研究 2025年第3期42卷 714-719页

作者：周岩范永胜孙松周粤重庆师范大学计算机与信息科学学院重庆401331

在知识图谱多跳问答任务中,问题的复杂语义往往难以被完全理解,这常导致回答的准确性低于预期。为此,提出了一种名为HL-GPT(hierarchical parsing and logical reasoning GPT)的新型框架。该框架利用大语言模型的理解和生成能力,通过分... 详细信息

在知识图谱多跳问答任务中,问题的复杂语义往往难以被完全理解,这常导致回答的准确性低于预期。为此,提出了一种名为HL-GPT(hierarchical parsing and logical reasoning GPT)的新型框架。该框架利用大语言模型的理解和生成能力,通过分层解析复杂语义及构建逻辑推理路径,以提升问答任务的准确性。研究方法包括三个阶段:首先,通过大语言模型从问题的不同层次中解析出关键实体和多层关系,并将这些信息转换为逻辑形式;其次,将这些逻辑形式与知识图谱中的数据进行映射,并逐步检索相关实体以构建逻辑推理路径;最后,利用大语言模型固有的推理能力,整合问题和逻辑路径以生成准确的答案。本框架在MetaQA、COKG-DATA、AeroQA和NLPCC-MH四个数据集上进行实验,实验结果表明,HL-GPT相比基线模型有明显的性能提升。

关键词：大语言模型知识图谱多跳问答语义解析

来源：评论

学校读者我要写书评

暂无评论

基于双路径投影层和注意力机制的知识蒸馏

引用

计算机应用研究 2025年第2期42卷 413-418页

作者：周勤范永胜桑彬彬何攀重庆师范大学计算机与信息科学学院重庆401331

现有的知识蒸馏技术主要集中于知识表示、目标损失函数和蒸馏位置的选择,而忽视了特征对齐和融合的重要性,从而限制了学生模型的学习能力。为此,提出了一种基于双路径投影层和注意力机制的知识蒸馏方法。该方法首先在空间维度上对齐学... 详细信息

现有的知识蒸馏技术主要集中于知识表示、目标损失函数和蒸馏位置的选择,而忽视了特征对齐和融合的重要性,从而限制了学生模型的学习能力。为此,提出了一种基于双路径投影层和注意力机制的知识蒸馏方法。该方法首先在空间维度上对齐学生和教师模型的特征,通过双路径投影层在通道维度上对齐师生特征。同时,添加一个集成注意力机制的适配器模块,以确保多尺度特征的均衡融合。采用轻量并行化注意力机制进行深层次的特征融合,并利用教师模型的判别分类器进行推理。在CIFAR-100和Tiny-ImageNet数据集上进行实验验证,结果显示相比于基线学生模型,WRN-40-1模型在CIFAR-100数据集上的top-1准确率提高了5.85百分点,ResNet-10模型在Tiny-ImageNet数据集上的top-1准确率提高了8.09百分点。实验结果表明,该方法能够有效提升学生模型的学习能力,证明了特征对齐和融合在知识蒸馏中的重要作用。

关键词：知识蒸馏模型压缩图像分类注意力机制特征融合

来源：评论

学校读者我要写书评

暂无评论

可变形自注意力的自适应原型算子互学习模型

引用

武汉大学学报(工学版) 2025年第3期58卷 470-481页

作者：吕佳董保森曾梦瑶重庆师范大学计算机与信息科学学院重庆401331 重庆师范大学重庆市数字农业服务工程技术研究中心重庆401331

针对基于度量学习的小样本学习分类模型存在对样本关键特征提取能力不足以及原型在度量空间中特征姿态完整性缺失的问题,提出了一个基于可变形自注意力的自适应原型算子互学习模型。利用可变形卷积自适应地将自注意力中查询向量和键值... 详细信息

针对基于度量学习的小样本学习分类模型存在对样本关键特征提取能力不足以及原型在度量空间中特征姿态完整性缺失的问题,提出了一个基于可变形自注意力的自适应原型算子互学习模型。利用可变形卷积自适应地将自注意力中查询向量和键值向量的感受野引导至重点区域,为自注意力提供更准确的上下文语义信息,进而动态捕获样本的关键特征;在考虑原型全局信息的基础上构建多个局部原型算子以获取局部信息,利用互学习的思想融合原型特征的全局信息和局部信息,补全原型在度量空间中的特征姿态;联合全局损失函数和局部损失函数对模型参数进行反向更新。文中使用ResNet10和ResNet12分别在2个小样本公用数据集上进行实验:在miniImageNet数据集上,所提出模型的分类准确率相较基准提升了2.31%~2.58%;在CUB数据集上,所提出模型的分类准确率相较基准提升了1.38%~2.96%。实验表明,该模型在不同粒度的数据集上,针对不同的骨干网络均有不同程度的性能提升。

关键词：小样本学习度量学习元学习可变形自注意力互学习

来源：评论

学校读者我要写书评

暂无评论

道路行人行为轨迹预测研究综述

引用

计算机科学与探索 2025年第5期19卷 1177-1197页

作者：杨智勇郭洁铷郭子杭张瑞祥周瑜重庆师范大学计算机与信息科学学院重庆401331 重庆工程职业技术学院大数据与物联网学院重庆402260 重庆工程职业技术学院财经与旅游学院重庆402260

在自动驾驶汽车与行人共享空间的路径规划中,精准、高效的行人轨迹预测是保障道路安全的核心问题。行人轨迹预测不仅依赖于历史行为数据,更需全面考虑行人与车辆、交通设施及多方向车辆间的复杂动态交互。近年来,该领域取得了显著进展,... 详细信息

在自动驾驶汽车与行人共享空间的路径规划中,精准、高效的行人轨迹预测是保障道路安全的核心问题。行人轨迹预测不仅依赖于历史行为数据,更需全面考虑行人与车辆、交通设施及多方向车辆间的复杂动态交互。近年来,该领域取得了显著进展,逐渐成为研究热点。系统梳理了现有的研究成果,界定了行人轨迹预测的基本概念,并对主流预测方法进行了深入剖析。归纳了行人行为数据的主要来源,包括激光雷达、摄像头等多模态感知设备,并探讨了关键特征提取方式,涵盖行人运动特征、场景上下文特征及交通设施影响等。基于这些数据,对物理模型与数据驱动的预测方法进行了系统总结,重点分析了统计模型、深度学习与强化学习模型的发展现状,尤其是深度学习方法,依据其网络结构进一步细分为序列模型、卷积神经网络、图卷积神经网络和生成对抗网络等类型。总结了该领域常用的数据集和评价指标,对现有算法的性能进行了综合评估。针对行人轨迹预测在自动驾驶中的挑战,尤其是行人与多方向车辆及交通设施之间的动态耦合问题,提出了潜在的解决思路,并展望了未来的研究方向。

关键词：自动驾驶行人轨迹预测深度学习

来源：评论

学校读者我要写书评

暂无评论

面向视音频事件定位的跨模态时间对齐网络

引用

计算机系统应用 2025年第3期34卷 133-142页

作者：王志豪訾玲玲重庆师范大学计算机与信息科学学院重庆401331

视音频事件定位(audio-visual event localization, AVEL)任务通过观察音频信息和相对应的视觉信息来定位视频中的事件.本文针对AVEL任务设计了一种跨模态时间对齐网络CMTAN,该网络包含预处理、跨模态交互、时间对齐和特征融合这4个部分... 详细信息

视音频事件定位(audio-visual event localization, AVEL)任务通过观察音频信息和相对应的视觉信息来定位视频中的事件.本文针对AVEL任务设计了一种跨模态时间对齐网络CMTAN,该网络包含预处理、跨模态交互、时间对齐和特征融合这4个部分.具体而言,在预处理部分,通过一种新的跨模态音频指导模块和一种噪音弱化模块的处理,模态信息中的背景和噪音被减少.随后,在跨模态交互部分,使用基于多头注意力机制的信息强化和信息补充模块进行跨模态交互,单模态信息得到全局信息优化.在时间对齐部分,本文设计了一种聚焦于跨模态交互前后单模态全局信息的时间对齐模块,用于执行模态信息的特征对齐.最后,在特征融合过程中,通过一种多阶段融合模块,两种模态信息被从浅入深地融合,且融合后的模态信息最终将被用于事件定位.大量实验表明CMTAN在弱监督和全监督AVEL任务中都具有优秀的性能.

关键词：跨模态视音频事件定位弱监督和全监督特征对齐

来源：评论

学校读者我要写书评

暂无评论

基于门控融合的实时语义分割

引用

计算机与现代化 2025年第2期 121-126页

作者：封祖焱魏延陈家坤余昕重庆师范大学计算机与信息科学学院重庆401331

实时语义分割中特征融合需要同时关注浅层信息与深层信息,而目前特征融合方法所需的计算量和参数量庞大,难以在精度与速度上满足实时语义分割的要求。针对这一问题,从网络的实时性和性能2个方面综合考虑,本文提出基于门控融合的实时语... 详细信息

实时语义分割中特征融合需要同时关注浅层信息与深层信息,而目前特征融合方法所需的计算量和参数量庞大,难以在精度与速度上满足实时语义分割的要求。针对这一问题,从网络的实时性和性能2个方面综合考虑,本文提出基于门控融合的实时语义分割方法。该方法包含编码器、门控特征融合模块、像素级特征提取模块以及门控聚合分割头。首先,将待分割图片通过编码器进行特征提取,其次利用像素级特征提取模块对重要特征信息进行精确提取,然后通过门控特征融合模块将深层语义信息与浅层位置信息进行特征融合,最后通过门控聚合分割头完成语义分割。在数据集CamVid上,模型分割的平均交并比为87.31%,分割的帧率为75.3 fps。在数据集Cityscapes上,模型分割的平均交并比为79.19%,分割帧率为44.1 fps。实验结果表明,本文方法在准确性和实时性方面均表现出色,可有效应用于实时语义分割任务。

关键词：实时语义分割特征融合图像处理图像语义分割

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv8改进的水下目标检测算法

引用

计算机与现代化 2025年第1期 113-119页

作者：刘飞杨德刚章鑫秦静重庆师范大学计算机与信息科学学院重庆401331

针对水下图像目标检测中错检、漏检现象导致检测精度低的问题,提出一种改进YOLOv8n的轻量级水下图像目标检测算法,旨在提升水下目标图像的检测精度。首先,用残差网络ResNet10来替换YOLOv8中的骨干网络,以加强骨干网络的特征提取能力;其... 详细信息

针对水下图像目标检测中错检、漏检现象导致检测精度低的问题,提出一种改进YOLOv8n的轻量级水下图像目标检测算法,旨在提升水下目标图像的检测精度。首先,用残差网络ResNet10来替换YOLOv8中的骨干网络,以加强骨干网络的特征提取能力;其次,利用大卷积核注意力机制来改进快速特征金字塔模块,以提高模型融合多尺度特征的能力;再次,使用最新YOLOv9算法中的泛化高效层聚合网络替换原模型的C2f模块,使模型能够在保持高准确性的同时降低计算成本;最后,使用新的损失函数Inner-SIoU来提升模型的泛化能力,同时加快模型的收敛速度。通过实验,在URPC2020水下图像目标检测数据集上,改进后的算法mAP_(50)达到86.2%,比原模型提升了2.6个百分点的精度,相比于先进的YOLOv8s和YOLOv7-tiny检测器,以及相同领域的研究工作,本文方法都获得了较高的检测精度。

关键词：水下目标检测 YOLOv8 残差网络注意力机制损失函数

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：