检索结果-内蒙古大学图书馆

宁德师范学院学报(自然科学版) 2024年第4期36卷 444-448页

作者：张芳妹晏云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福建漳州363000

提出两种新算法来计算正余弦矩阵函数。首先,使用Euler公式将正弦矩阵和余弦矩阵用复指数矩阵表示出来。其次,将计算实指数矩阵的精细积分方法推广应用于复指数矩阵的计算,并给出了基于Taylor级数展开和基于Padé级数展开的两种算... 详细信息

提出两种新算法来计算正余弦矩阵函数。首先,使用Euler公式将正弦矩阵和余弦矩阵用复指数矩阵表示出来。其次,将计算实指数矩阵的精细积分方法推广应用于复指数矩阵的计算,并给出了基于Taylor级数展开和基于Padé级数展开的两种算法。最后,利用Euler公式将复指数矩阵的计算结果应用于正弦矩阵和余弦矩阵的求解。为了测试提出的新算法,给出两个数值算例,结果表明这两种新算法的计算精度很高,与基于倍角公式的精细积分方法相差不大,但这两种新算法的计算效率更高。因此,可以考虑将提出的算法应用于需要求解正余弦矩阵的相关领域。

关键词：精细积分法 Euler公式 Padé级数 Taylor级数正余弦矩阵指数矩阵

来源：评论

学校读者我要写书评

暂无评论

基于LightGBM的蛋白质类泛素化修饰位点预测

引用

南京理工大学学报 2022年第2期46卷 156-163页

作者：陈焕超魏志森於东军杨敬民杨静宇闽南师范大学计算机学院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 南京理工大学计算机科学与工程学院江苏南京210094

蛋白质类泛素化修饰位点的准确识别对基础研究和药物开发都具有重要意义。该文提出了一种基于蛋白质序列特征的类泛素化修饰位点预测模型。该模型结合氨基酸的物理化学属性统计特征和氨基酸序列二元语法模式特征,训练一种轻量型梯度提升... 详细信息

蛋白质类泛素化修饰位点的准确识别对基础研究和药物开发都具有重要意义。该文提出了一种基于蛋白质序列特征的类泛素化修饰位点预测模型。该模型结合氨基酸的物理化学属性统计特征和氨基酸序列二元语法模式特征,训练一种轻量型梯度提升机(Light gradient boosting machine,LightGBM)分类器预测某个蛋白质序列的类泛素化修饰位点。该文对比了不同特征的鉴别性,以及不同分类模型的预测性能。在基准数据集上的试验结果证明了该文所提方法的有效性,相比于现有方法在性能上取得了明显的提升,马修斯相关系数为91.64%。

关键词：蛋白质翻译后修饰蛋白质类泛素化修饰位点基于序列的预测轻量型梯度提升机二元语法模式

来源：评论

学校读者我要写书评

暂无评论

用矩阵行运算方法求解原子、知识基和学习空间

引用

河北师范大学学报（自然科学版） 2024年第5期48卷 462-469页

作者：黄丽萍李进金闽南师范大学计算机学院福建漳州363000 福建省数据科学与智能应用重点实验室福建漳州363000 闽南师范大学数学与统计学院福建漳州363000 泉州师范学院数学与计算机科学学院福建泉州362000

原子、知识基和学习空间是知识空间理论的重要概念.本文在Dowling提出的计算知识基方法的基础上,运用矩阵行运算方法求解知识空间中的原子和知识基;根据极小知识状态和极小技能集的定义,发现矩阵行运算方法同样适用于技能约简的求解,并... 详细信息

原子、知识基和学习空间是知识空间理论的重要概念.本文在Dowling提出的计算知识基方法的基础上,运用矩阵行运算方法求解知识空间中的原子和知识基;根据极小知识状态和极小技能集的定义,发现矩阵行运算方法同样适用于技能约简的求解,并通过行运算后的矩阵得到每个问题和极小知识状态的关系,判别知识空间是否是良级;最后,通过添加新的有效技能,将非良级的知识空间转换为学习空间.

关键词：知识基原子知识空间技能约简良级

来源：评论

学校读者我要写书评

暂无评论

基于矩阵的动态局部相容粗糙集的增量方法

引用

南京大学学报（自然科学版） 2022年第3期58卷 519-531页

作者：周悦丽林国平谢淋淋闽南师范大学数学与统计学院漳州363000 数字福建气象大数据研究所漳州363000 福建省粒计算重点实验室漳州363000

粗糙集模型作为一种重要的粒计算模型,是处理数据的重要工具.在实际生活中,由于数据来源的多样性,信息系统常出现集值型数据,这些信息系统被称为集值信息系统.由于信息的更新,集值信息系统中的属性集会发生动态变化,因此,基于局部相容... 详细信息

粗糙集模型作为一种重要的粒计算模型,是处理数据的重要工具.在实际生活中,由于数据来源的多样性,信息系统常出现集值型数据,这些信息系统被称为集值信息系统.由于信息的更新,集值信息系统中的属性集会发生动态变化,因此,基于局部相容粗糙集模型,研究用矩阵来表示其上、下近似的方法,讨论随着属性集的动态变化局部关系矩阵的变化以及上、下近似的变化,并通过具体实例说明提出的更新方法在处理集值型数据时的有效性.最后给出与增量方法对应的算法,并在UCI数据库中选取了几组数据进行实验.实验结果证明,这种通过矩阵表示上、下近似并对其进行更新的方法是有效的,可以提高计算效率,降低时间复杂度.

关键词：相容关系局部粗糙集矩阵集值信息系统

来源：评论

学校读者我要写书评

暂无评论

结合轮廓信息递归融合的显著性检测

引用

南阳理工学院学报 2023年第2期15卷 25-31,42页

作者：刘岗林耀进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福建漳州363000

针对当前显著性检测算法在检测图像目标边界时,由于轮廓信息不能够及时有效地被利用,导致检测目标效果差的问题,提出一种结合轮廓特征信息的显著性检测算法。该算法以深度残差网络的编解码结构为基础,在自下而上的路径中,首先引用一种... 详细信息

针对当前显著性检测算法在检测图像目标边界时,由于轮廓信息不能够及时有效地被利用,导致检测目标效果差的问题,提出一种结合轮廓特征信息的显著性检测算法。该算法以深度残差网络的编解码结构为基础,在自下而上的路径中,首先引用一种融合方式交换轮廓特征与显著特征之间信息的单元模块,然后采用递归结构加强融合进行优化,提升轮廓信息的利用率。最后在此基础上,通过特征提取模块从分阶段的网络模型中提取出最有价值的上层特征,并且与真值图进行监督学习,以生成最优的边界预测。在DUT-OMRON、ECSSD等公开数据集上进行实验,结果表明,相对ITSD、F3Net等算法,该算法能够明显提高检测目标边界的精准度。

关键词：显著性检测轮廓信息深度残差网络监督学习阶段特征提取

来源：评论

学校读者我要写书评

暂无评论

集覆盖问题的粗糙集属性约简方法

引用

模糊系统与数学 2021年第1期35卷 80-91页

作者：许晴媛李进金闽南师范大学计算机学院福建漳州363000 福建省粒计算及其应用重点实验室福建漳州363000 闽南师范大学数学与统计学院福建漳州363000

集覆盖问题和粗糙集属性约简问题都是当前的研究热点,两者均有广泛的应用背景。目前,集覆盖理论与粗糙集理论的交叉研究还处于起步阶段。文章的工作主要是把集覆盖问题转化成测试代价敏感粗糙集属性约简问题,使得可应用粗糙集理论来研... 详细信息

集覆盖问题和粗糙集属性约简问题都是当前的研究热点,两者均有广泛的应用背景。目前,集覆盖理论与粗糙集理论的交叉研究还处于起步阶段。文章的工作主要是把集覆盖问题转化成测试代价敏感粗糙集属性约简问题,使得可应用粗糙集理论来研究集覆盖问题,目的在于丰富集覆盖理论与粗糙集理论的交叉研究。首先构造集覆盖的分辨矩阵,然后在该分辨矩阵上构造集覆盖对应的测试代价敏感信息系统模型,发现求解集合覆盖问题等价于求解对应测试代价敏感信息系统的最小测试代价约简。接着给出了基于正域正向近似加速器最小集覆盖问题的粗糙集解法。最后通过实例验证了该算法的可行性和有效性。

关键词：集覆盖粗糙集属性约简测试代价敏感正向近似

来源：评论

学校读者我要写书评

暂无评论

一种深度学习生成稠密3D点云数据的简捷方法

引用

温州大学学报（自然科学版） 2023年第3期44卷 48-55页

作者：孔春锐陈添丁周小方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校重点实验室福建漳州363000 闽南师范大学物理与信息工程学院福建漳州363000

LiDAR是一种高感知精度的三维传感器,但其存在低成本LiDAR所采集的原始三维点云过于稀疏的问题.针对该问题,提出一种深度学习的稠密3D点云数据生成方法.该方法通过将原始稀疏三维点云投影到二维距离图像,使用深度学习网络对二维距离图... 详细信息

LiDAR是一种高感知精度的三维传感器,但其存在低成本LiDAR所采集的原始三维点云过于稀疏的问题.针对该问题,提出一种深度学习的稠密3D点云数据生成方法.该方法通过将原始稀疏三维点云投影到二维距离图像,使用深度学习网络对二维距离图像进行分辨率提升,提升分辨率后的二维距离图像变换为三维点云的形式,形成增强的点云数据.实验结果表明,该方法与非深度学习算法类相比精度平均提升30%以上,与深度学习算法SR-ResNet对比精度平均提升8.14%.该方法有效解决LiDAR原始三维点云稀疏的问题并可获得媲美高分辨率LiDAR产生的点云.

关键词： LiDAR 深度学习点云数据增强

来源：评论

学校读者我要写书评

暂无评论

面向深度网络的小样本学习综述

引用

计算机应用研究 2023年第10期40卷 2881-2888,2895页

作者：潘雪玲李国和郑艺峰中国石油大学(北京)石油数据挖掘北京市重点实验室北京102249 中国石油大学(北京)信息科学与工程学院北京102249 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福建漳州363000

深度学习以数据为驱动,被广泛应用于各个领域,但由于数据隐私、标记昂贵等导致样本少、数据不完备性等问题,同时小样本难于准确地表示数据分布,使得分类模型误差较大,且泛化能力差。为此,小样本学习被提出,旨在利用较少目标数据训练模... 详细信息

深度学习以数据为驱动,被广泛应用于各个领域,但由于数据隐私、标记昂贵等导致样本少、数据不完备性等问题,同时小样本难于准确地表示数据分布,使得分类模型误差较大,且泛化能力差。为此,小样本学习被提出,旨在利用较少目标数据训练模型快速学习的能力。系统梳理了近几年来小样本学习领域的相关工作,主要整理和总结了基于数据增强、基于元学习和基于转导图小样本学习方法的研究进展。首先,从基于监督增强和基于无监督增强阐述数据增强的主要特点。其次,从基于度量学习和基于参数优化两方面对基于元学习的方法进行分析。接着,详细总结转导图小样本学习方法,介绍常用的小样本数据集,并通过实验阐述分析具有代表性的小样本学习模型。最后总结现有方法的局限性,并对小样本学习的未来研究方向进行展望。

关键词：小样本学习数据增强元学习度量学习转导图小样本学习

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算中基于中继辅助计算方法综述

引用

计算机应用研究 2022年第8期39卷 2241-2248页

作者：陈澈郑艺峰杨敬民谢玲富张文杰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校重点实验室福建漳州363000 台北科技大学电子工程系中国台北106344 宁波大学电气工程与计算机科学系浙江宁波315211

为了满足下一代网络在覆盖范围、部署成本以及容量方面的挑战,移动边缘计算(MEC)通常需要借助中继节点的辅助来完成计算密集型和延迟敏感型的任务。首先介绍了基于中继辅助MEC系统的基本架构,之后从任务卸载、资源分配和中继节点选择三... 详细信息

为了满足下一代网络在覆盖范围、部署成本以及容量方面的挑战,移动边缘计算(MEC)通常需要借助中继节点的辅助来完成计算密集型和延迟敏感型的任务。首先介绍了基于中继辅助MEC系统的基本架构,之后从任务卸载、资源分配和中继节点选择三方面对基于中继辅助MEC系统最新的研究方法进行归纳总结。更进一步地针对现有方法可能存在的问题与挑战进行了讨论和分析,并提出了一些可行的解决方案为后续研究发展提供参考。

关键词：移动边缘计算中继辅助资源分配任务卸载中继选择

来源：评论

学校读者我要写书评

暂无评论

缺失标记下基于类属属性的多标记特征选择

引用

计算机应用 2021年第10期41卷 2849-2857页

作者：张志浩林耀进卢舜郭晨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校重点实验室(闽南师范大学) 福建漳州363000

多标记特征选择已在图像分类、疾病诊断等领域得到广泛应用;然而,现实中数据的标记空间往往存在部分标记缺失的问题,这破坏了标记间的结构性和关联性,使得学习算法难以准确地选择重要特征。针对此问题,提出一种缺失标记下基于类属属性... 详细信息

多标记特征选择已在图像分类、疾病诊断等领域得到广泛应用;然而,现实中数据的标记空间往往存在部分标记缺失的问题,这破坏了标记间的结构性和关联性,使得学习算法难以准确地选择重要特征。针对此问题,提出一种缺失标记下基于类属属性的多标记特征选择(MFSLML)算法。首先,通过利用稀疏学习方法获取每个类标记的类属属性;同时基于线性回归模型构建类属属性与标记的映射关系,以用于恢复缺失标记;最后,选取7组数据集以及4个评价指标进行实验。实验结果表明:相比基于最大依赖度和最小冗余度的多标记特征选择算法(MDMR)和基于特征交互的多标记特征选择算法(MFML)等一些先进的多标记特征选择算法,MFSLML在平均查准率指标上能够提升4.61~5.5个百分点,由此可见MFSLML具有更优的分类性能。

关键词：特征选择类属属性缺失标记线性回归多标记学习

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：