检索结果-内蒙古大学图书馆

山东大学学报（理学版） 2023年第12期58卷 63-76页

作者：何秋红李进金周银凤吴靖闽南师范大学计算机学院福建漳州363000 闽南师范大学数学与统计学院福建漳州363000 闽南师范大学数据科学与智能应用福建省高校重点实验室福建漳州363000 闽南师范大学福建省粒计算及其应用重点实验室福建漳州363000 闽南师范大学附属中学(漳州市第二中学) 福建漳州363000

将技能多映射与面向属性概念相结合可获得概念(X,B),由此得到构建知识结构与技能结构的方法应用于自适应技能测评。首先,由专家教师给出问题集Q和技能集S及其技能多映射(Q,S;μ);其次,从概念(X,B)外延和内涵分别获得知识结构和技能结构... 详细信息

将技能多映射与面向属性概念相结合可获得概念(X,B),由此得到构建知识结构与技能结构的方法应用于自适应技能测评。首先,由专家教师给出问题集Q和技能集S及其技能多映射(Q,S;μ);其次,从概念(X,B)外延和内涵分别获得知识结构和技能结构;再次,由知识结构进行考生样本的自适应知识测评,并统计样本的知识状态比例;然后,优化知识空间理论“二分法”的等比例选题规则为样本比例选题规则,获得针对不同地域和年龄段考生更快速的测评效果;最后,画出技能集学习路径图。

关键词：知识结构技能结构学习路径技能背景面向属性概念

来源：评论

学校读者我要写书评

暂无评论

面向属性概念格下的知识状态转移方法

引用

小型微型计算机系统 2024年第11期45卷 2647-2655页

作者：朱泳帆许晴媛周银凤王大利李进金张培林闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高校重点实验室(闽南师范大学) 福建漳州363000 陕西师范大学数学与统计学院西安710119 闽南师范大学数学与统计学院福建漳州363000 福建省粒计算及其应用重点实验室(闽南师范大学) 福建漳州363000

如何高效率地寻找猜测答对或粗心答错情况下不相容答题状态对应受测者真实的知识状态是目前计算机自适应测试领域研究的一个热点问题.现有知识状态转移方法时间成本高,不适用于含有大量测试问题和技能的应用场景.并且,现有知识状态转移... 详细信息

如何高效率地寻找猜测答对或粗心答错情况下不相容答题状态对应受测者真实的知识状态是目前计算机自适应测试领域研究的一个热点问题.现有知识状态转移方法时间成本高,不适用于含有大量测试问题和技能的应用场景.并且,现有知识状态转移方法将合取模型和能力模型均视为能力模型,采用同一种方法进行知识状态转移,灵活性不够,评估效率不高.本文针对合取模型和能力模型,分别提出基于面向属性概念格的知识状态转移方法.首先由技能映射或多映射建立技能背景并诱导出对应的面向属性概念格,进一步使用概念格中概念的外延并结合最大概率方法得到受测者猜测或粗心情况下的真实知识状态,最后给出知识评估过程.实验表明,在知识评估结果相同的前提下,本文所提方法相比现有方法极大地降低了评估时间成本,因此具有更好的性能.

关键词：知识空间理论形式概念分析自适应测试知识评估知识状态转移面向属性概念格

来源：评论

学校读者我要写书评

暂无评论

结合邻域信息和标记相关性的在线多标记流特征选择算法

引用

重庆邮电大学学报（自然科学版） 2023年第1期35卷 79-89页

作者：包丰浩林耀进李育林毛煜闽南师范大学计算机学院福建漳州363000 闽南师范大学数据科学与智能应用福建省高等学校重点实验室福建漳州363000

现有大多数多标记流特征选择算法在进行特征选择时,往往忽略标记间的相关性,易导致算法预测精度的下降。为解决这一问题,提出一种结合邻域信息和标记相关性的在线多标记流特征选择算法;定义自适应邻域关系解决邻域粗糙集的粒度选择问题... 详细信息

现有大多数多标记流特征选择算法在进行特征选择时,往往忽略标记间的相关性,易导致算法预测精度的下降。为解决这一问题,提出一种结合邻域信息和标记相关性的在线多标记流特征选择算法;定义自适应邻域关系解决邻域粗糙集的粒度选择问题,将其推广到多标记学习中;利用互信息计算标记间的相关性得到标记权重;通过邻域粗糙集和标记权重评估特征和标记间的相关性,并设计特征在线重要度分析、在线相关性分析和在线冗余度分析3种指标,以实现在线评价动态候选特征。在7组多标记数据集以及5个评价指标上的实验结果表明,所提算法综合性能较优。

关键词：流特征特征选择邻域粗糙集标记相关性多标记学习

来源：评论

学校读者我要写书评

暂无评论

基于格的分层无证书代理签名方案

引用

计算机应用 2023年第1期43卷 154-159页

作者：农强张棒棒欧阳玉豪闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高等学校重点实验室(闽南师范大学) 福建漳州363000

现有基于经典数论问题假设的无证书代理签名方案无法抵御量子计算机攻击,在应用于有大量用户的系统时会存在单点失效和不易扩展等局限。针对这些问题,提出一种基于格的分层无证书代理签名方案。首先,采用拒绝采样技术和无陷门技术提高... 详细信息

现有基于经典数论问题假设的无证书代理签名方案无法抵御量子计算机攻击,在应用于有大量用户的系统时会存在单点失效和不易扩展等局限。针对这些问题,提出一种基于格的分层无证书代理签名方案。首先,采用拒绝采样技术和无陷门技术提高密钥生成的计算效率;其次,不同层级的原始签名人和代理签名人通过交换随机选取的矩阵进行互认证,实现代理授权;最后,在随机预言机模型下的小整数解(SIS)困难问题假设下证明了该方案的安全性。相较于现有的代理签名方案,所提方案允许签名人来自不同层级且隶属于不同密钥生成中心(KGC)。性能评价实验结果表明,该方案的公钥尺寸是一个常数,代理签名和验证开销与层级无关,且代理密钥和签名尺寸非层级的线性量。因此,该方案可更好地满足大规模分布式异构网络对均衡负载的需求,是高效可行的。

关键词：分层无证书代理签名格单点失效拒绝采样无陷门

来源：评论

学校读者我要写书评

暂无评论

面向长尾分布数据的在线流特征选择

引用

昆明理工大学学报（自然科学版） 2023年第1期48卷 77-88页

作者：范凯钧林耀进张智慧毛煜王晨曦闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高等学校重点实验室闽南师范大学福建漳州363000

在开放动态环境下分类学习的任务中,数据通常存在类别长尾分布的特点,且数据标记空间存在层次化结构关系以及动态性.针对实际任务中不同的需求,许多特征选择算法被提出,但是这些已有的特征选择算法忽略数据的长尾分布特点和特征空间的... 详细信息

在开放动态环境下分类学习的任务中,数据通常存在类别长尾分布的特点,且数据标记空间存在层次化结构关系以及动态性.针对实际任务中不同的需求,许多特征选择算法被提出,但是这些已有的特征选择算法忽略数据的长尾分布特点和特征空间的不确定性.针对上述问题,文中提出基于邻域粗糙集的长尾分布数据在线流特征选择算法.借助邻域粗糙集模型,并考虑邻域内样本间的关系后,定义了自适应邻域关系,设计基于稀有类样本重要性的依赖度计算公式.同时,利用层次结构降低类别不平衡性,提出在线冗余度分析和在线重要度分析两种在线特征评价指标,用于选出具有高可分离性和强区分性的特征子集.实验结果表明所提算法优于其它先进算法.

关键词：特征选择长尾分布数据集在线流特征选择层次分类邻域粗糙集

来源：评论

学校读者我要写书评

暂无评论

联合邻域边界的在线流特征选择算法

引用

山西大学学报(自然科学版) 2020年第4期43卷 698-705页

作者：吕彦林耀进陈祥焰李珑珠王晨曦闽南师范大学计算机学院数据科学与智能应用福建省高等学校重点实验室

在许多实际应用领域,特征随时间逐个流进特征空间并需及时进行在线选择,称为在线流特征选择。现有基于邻域粗糙集的在线流特征选择算法,仅考虑条件属性子集正域中包含的信息,而忽视了边界区域中的信息。基于此,文章提出了一种联合邻域... 详细信息

在许多实际应用领域,特征随时间逐个流进特征空间并需及时进行在线选择,称为在线流特征选择。现有基于邻域粗糙集的在线流特征选择算法,仅考虑条件属性子集正域中包含的信息,而忽视了边界区域中的信息。基于此,文章提出了一种联合邻域边界的在线流特征选择算法(Joint Neighborhood Boundary for Online Streaming Feature Selection,OFS-JNB)。设计了一种新的计算邻域粗糙依赖度方法,同时,定义在线依赖度分析、在线重要度分析和在线冗余度分析等三种策略选择具有辨别能力的在线候选特征。在8个数据集上的实验显示,该算法能够选择出一个较好的特征子集。同时,在KNN、CART和LSVM分类器下,OFS-JNB算法的平均预测精度都是最优的,且精度值相对稳定。

关键词：在线特征选择邻域粗糙依赖度邻域粗糙集边界区域

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算中资源供给不确定下的最优投资和定价问题

引用

南京大学学报（自然科学版） 2024年第3期60卷 416-428页

作者：林德铭林姿琼郑艺峰杨敬民张文杰闽南师范大学计算机学院漳州363000 数据科学与智能应用福建省高校重点实验室闽南师范大学漳州363000 台北科技大学电子工程系台北106344

为了缓解能源性能的瓶颈,满足更多用户的资源需求,将移动边缘计算(Mobile Edge Computing,MEC)与能量收集(Energy Harvesting,EH)技术相结合,其中,EH技术可以通过捕获环境中的绿色能量来促进设备的可持续计算,提出一个具有随机能量收集... 详细信息

为了缓解能源性能的瓶颈,满足更多用户的资源需求,将移动边缘计算(Mobile Edge Computing,MEC)与能量收集(Energy Harvesting,EH)技术相结合,其中,EH技术可以通过捕获环境中的绿色能量来促进设备的可持续计算,提出一个具有随机能量收集的EH-MEC系统,以研究资源供给不确定性的投资和定价问题.用户可以租赁MEC系统的固有资源,也可以使用EH装置收集的资源.由于无线环境的时变性,EH收集的能源具有不确定性,所以,在MEC系统中找到MEC服务器和用户之间的平衡是值得研究的问题.针对这一问题,提出一种序贯决策方法,将用户的投资和MEC服务器资源定价的交互行为建模为一个四阶段的Stackelberg博弈,利用逆向归纳法得到用户与MEC服务器在利润最大化下的纳什均衡解,证明MEC服务器的最优能量收集时间、最优租赁资源和定价决策遵循良好的阈值结构.实验结果表明,绿色资源获取可以显著提高MEC服务器和用户的预期收益.

关键词：移动边缘计算 Stackelberg博弈能量收集资源分配投资与定价

来源：评论

学校读者我要写书评

暂无评论

多尺度决策系统的覆盖粗糙模糊集及其最优尺度选择

引用

山东大学学报（理学版） 2024年第5期59卷 114-130页

作者：施虹艺马周明闽南师范大学数学与统计学院福建漳州363000 数字福建气象大数据研究所(闽南师范大学) 福建漳州363000 福建省闽南师范大学粒计算重点实验室福建漳州363000

进一步推广基于覆盖的粗糙模糊集模型,在对象最小描述的近邻域上考虑对象在决策属性下的隶属度,提出了2种不同的覆盖粗糙模糊集,将覆盖粗糙模糊集与多尺度决策系统结合,构建了4种多尺度决策系统中的覆盖粗糙集模型。定义了对应的正域和... 详细信息

进一步推广基于覆盖的粗糙模糊集模型,在对象最小描述的近邻域上考虑对象在决策属性下的隶属度,提出了2种不同的覆盖粗糙模糊集,将覆盖粗糙模糊集与多尺度决策系统结合,构建了4种多尺度决策系统中的覆盖粗糙集模型。定义了对应的正域和属性重要度,设计相应的最优尺度选择算法。最后通过实验分析,比较了4种覆盖粗糙模糊集模型在多尺度决策系统中的最优尺度与原始尺度在回归预测效果上的差异。实验结果表明,第4种多尺度决策系统覆盖粗糙模糊集模型所选择的最优尺度组合有效提高回归模型的预测能力。

关键词：粗糙模糊集多尺度决策系统最优尺度选择回归预测最小描述

来源：评论

学校读者我要写书评

暂无评论

基于邻域交互增益信息的多标记流特征选择算法

引用

南京大学学报（自然科学版） 2020年第1期56卷 30-40页

作者：陈超逸林耀进唐莉王晨曦闽南师范大学计算机学院漳州363000 数据科学与智能应用福建省教育厅重点实验室漳州363000

现有的多标记特征选择一般假设特征空间是固定已知的,然而实际应用中很多特征是需要在提取过程中实时地进行筛选.为此,提出基于邻域交互增益信息的多标记在线流特征选择算法.首先,基于多标记邻域互信息和邻域交互增益信息提出在线相关... 详细信息

现有的多标记特征选择一般假设特征空间是固定已知的,然而实际应用中很多特征是需要在提取过程中实时地进行筛选.为此,提出基于邻域交互增益信息的多标记在线流特征选择算法.首先,基于多标记邻域互信息和邻域交互增益信息提出在线相关性分析与在线冗余性分析两种策略来评价特征;其次,基于邻域交互增益信息构建了在线流多标记特征选择的目标优化函数;最后,在六个多标记数据集和四个评价指标上,实验结果证明了该算法的有效性和稳定性.

关键词：在线流特征多标记学习邻域熵邻域交互增益信息

来源：评论

学校读者我要写书评

暂无评论

基于图像属性的零样本分类方法综述

引用

南京大学学报（自然科学版） 2021年第4期57卷 531-543页

作者：贾霄郭顺心赵红数据科学与智能应用福建省高等学校重点实验室漳州363000 闽南师范大学计算机学院漳州363000

随着机器学习技术的不断发展,深度学习在许多研究领域取得了巨大的突破.然而,多数深度学习方法需要大量的有标注数据进行模型拟合,不符合现实世界的一些应用场景,而零样本学习则可有效地缓解该问题.具体地,零样本学习主要针对样本数量... 详细信息

随着机器学习技术的不断发展,深度学习在许多研究领域取得了巨大的突破.然而,多数深度学习方法需要大量的有标注数据进行模型拟合,不符合现实世界的一些应用场景,而零样本学习则可有效地缓解该问题.具体地,零样本学习主要针对样本数量稀少、新样本的出现和分类任务人工标注成本高等一系列问题给出有效的解决方案,对图像分类有重要意义.系统综述基于图像属性的零样本学习方法:首先,系统概述零样本学习的定义及零样本学习的发展历程;其次,对基于图像属性的零样本分类的三类主要方法进行介绍,并讨论了各方法的区别和联系;最后,指出了零样本学习现在仍存在的问题以及未来发展的方向.

关键词：深度学习机器学习零样本学习图像分类

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：