检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于改进属性约简的细粒度并行AP聚类算法

计算机研究与发展 2012年第12期49卷 2638-2644页

作者：朱红丁世飞许新征中国矿业大学计算机科学与技术学院江苏徐州221116 徐州医学院医学信息学院江苏徐州221004 中国科学院计算技术研究所智能信息处理重点实验室北京100190

Affinity Propagation(AP)聚类算法将所有数据点作为潜在的聚类中心,在相似度矩阵的基础上通过消息传递进行聚类.与传统聚类方法相比,对于规模很大的数据集,AP是一种快速、有效的聚类方法.正是这样,属性约简对于AP算法非常重要.另外,在... 详细信息

Affinity Propagation(AP)聚类算法将所有数据点作为潜在的聚类中心,在相似度矩阵的基础上通过消息传递进行聚类.与传统聚类方法相比,对于规模很大的数据集,AP是一种快速、有效的聚类方法.正是这样,属性约简对于AP算法非常重要.另外,在大规模并行系统的设计中,细粒度并行是实现高性能的基本策略.提出了一种基于改进属性约简的细粒度并行AP聚类算法(IRPAP),将粒度思想引入到并行计算中.首先分析了并行计算中的粒度原理.然后用改进的属性约简算法对数据集预处理.此算法并行计算并选择差别矩阵元素,降低了时间空间复杂度,最后用AP算法聚类.整个IRPAP算法将任务划分到多个线程同时处理.实验证明,对于大规模数据集的聚类,IRPAP算法比AP算法效率更高.

关键词：属性约简细粒度并行计算 AP算法聚类

基于径向基神经网络和正则化极限学习机的多标签学习模型

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2017年第9期30卷 833-840页

作者：单东许新征中国矿业大学计算机科学与技术学院徐州221116

相比径向基(RBF)神经网络,极限学习机(ELM)训练速度更快,泛化能力更强.同时,近邻传播聚类算法(AP)可以自动确定聚类个数.因此,文中提出融合AP聚类、多标签RBF(ML-RBF)和正则化ELM(RELM)的多标签学习模型(ML-AP-RBF-RELM).首先,在该模型... 详细信息

相比径向基(RBF)神经网络,极限学习机(ELM)训练速度更快,泛化能力更强.同时,近邻传播聚类算法(AP)可以自动确定聚类个数.因此,文中提出融合AP聚类、多标签RBF(ML-RBF)和正则化ELM(RELM)的多标签学习模型(ML-AP-RBF-RELM).首先,在该模型中输入层使用ML-RBF进行映射,且通过AP聚类算法自动确定每一类标签的聚类个数,计算隐层节点个数.然后,利用每类标签的聚类个数通过K均值聚类确定隐层节点RBF函数的中心.最后,通过RELM快速求解隐层到输出层的连接权值.实验表明,ML-AP-RBF-RELM效果较好.

关键词：多标签学习正则化极限学习机(RELM) 径向基神经网络(RBFNN) 前馈神经网络

基于StarGAN和类别编码器的图像风格转换

在线全文

学校读者我要写书评

暂无评论

软件学报 2022年第4期33卷 1516-1526页

作者：许新征常建英丁世飞中国矿业大学计算机科学与技术学院江苏徐州221116 矿山数字化教育部工程研究中心(中国矿业大学) 江苏徐州221116

图像风格转换技术已经融入到人们的生活中,并被广泛应用于图像艺术化、卡通化、图像着色、滤镜处理和去遮挡等实际场景中,因此,图像风格转换具有重要的研究意义与应用价值.StarGAN是近年来用于多域图像风格转换的生成对抗网络框架.Star... 详细信息

图像风格转换技术已经融入到人们的生活中,并被广泛应用于图像艺术化、卡通化、图像着色、滤镜处理和去遮挡等实际场景中,因此,图像风格转换具有重要的研究意义与应用价值.StarGAN是近年来用于多域图像风格转换的生成对抗网络框架.StarGAN通过简单地下采样提取特征,然后通过上采样生成图片,但是生成图片的背景颜色信息、人物脸部的细节特征会与输入图像有较大差异.对StarGAN的网络结构进行改进,通过引入U-Net和边缘损失函数,提出了用于图像风格转换的UE-StarGAN模型.同时,将类别编码器引入到UE-StarGAN模型的生成器中,构建了融合类别编码器的小样本图像风格转换模型,实现了小样本的图像风格转换.实验结果表明:该模型可以提取到更精细的特征,在小样本的情况下具有一定的优势,以此进行图像风格转换后的图片无论是定性分析还是定量分析都有一定的提升,验证了所提模型的有效性.

关键词：图像风格转换生成对抗网络 StarGAN U-Net 类别编码器

在线全文

学校读者我要写书评

暂无评论

一种结构自适应的径向基函数神经网络

计算机工程与应用 2007年第14期43卷 75-76,109页

作者：许新征中国矿业大学计算机科学与技术学院江苏徐州221008

提出了一种新的结构自适应的径向基函数(RBF)神经网络模型。在该模型中,自组织映射(SOM)神经网络作为聚类网络,采用无监督学习算法对输入样本进行自组织分类,并将分类中心及其对应的权值向量传递给RBF神经网络,分别作为径向基函数的中... 详细信息

提出了一种新的结构自适应的径向基函数(RBF)神经网络模型。在该模型中,自组织映射(SOM)神经网络作为聚类网络,采用无监督学习算法对输入样本进行自组织分类,并将分类中心及其对应的权值向量传递给RBF神经网络,分别作为径向基函数的中心和相应的权值向量;RBF神经网络作为基础网络,采用高斯函数实现输入层到隐层的非线性映射,输出层则采用有监督学习算法训练网络的权值,从而实现输入层到输出层的非线性映射。通过对字母数据集进行仿真,表明该网络具有较好的性能。

关键词：径向基神经网络自组织映射结构自适应

ADIC:一种面向可解释图像识别的自适应解纠缠CNN分类器

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2023年第8期60卷 1754-1767页

作者：赵小阳李仲年王文玉许新征中国矿业大学计算机学院江苏徐州221116 中国矿业大学教育部矿山数字化工程研究中心江苏徐州221116

近年来,卷积神经网络(convolutional neural network,CNN)作为一种典型的深度神经网络模型,在图像识别、目标检测和语义分割等计算机视觉领域中取得了令人瞩目的成效.然而,CNN端到端的学习模式使其隐藏层的逻辑关系以及模型决策结果难... 详细信息

近年来,卷积神经网络(convolutional neural network,CNN)作为一种典型的深度神经网络模型,在图像识别、目标检测和语义分割等计算机视觉领域中取得了令人瞩目的成效.然而,CNN端到端的学习模式使其隐藏层的逻辑关系以及模型决策结果难以被解释,这限制了其推广应用.因此,研究可解释的CNN具有重要意义和应用价值.为了使CNN的分类器具有可解释性,近年来涌现出了很多在CNN架构中引入基础概念作为插入式成分的研究.事后概念激活向量方法以基础概念为表现形式,用于分析预训练的模型,但依赖独立于原始模型的额外的分类器,解释结果可能并不符合原始模型逻辑.另外,现有的一些基于概念的事前可解释方法对于CNN潜在分类空间中的概念处理太过绝对.引入图卷积网络模块,设计了一种类内概念图编码器(within-class concepts graphs encoder, CGE)学习类内基础概念及其潜在交互.在CGE基础上,设计实现不同依赖关系的基础概念不同程度解纠缠的正则化项,提出了潜在空间自适应解纠缠的可解释CNN分类器(adaptive disentangled interpretable CNN classifier, ADIC).将ADIC嵌入ResNet-18和ResNet-50架构,在Mini-ImageNet和Places365数据集上的分类实验和可解释图像识别实验结果表明,ADIC在保证基准模型具有自解释能力的前提下,可以进一步提高基准模型的精度.

关键词：卷积神经网络可解释性类别基础概念解纠缠图卷积网络

在线全文

学校读者我要写书评

暂无评论

基于熵的模糊信息测度研究

计算机学报 2012年第4期35卷 796-801页

作者：丁世飞朱红许新征史忠植中国矿业大学计算机科学与技术学院江苏徐州221116 中国科学院计算技术研究所智能信息处理重点实验室北京100190

模糊信息测度(Fuzzy Information Measures,FIM)是度量两个模糊集之间相似性大小的一种量度,在模式识别、机器学习、聚类分析等研究中,起着重要的作用.文中对模糊测度进行了分析,研究了基于熵的模糊信息测度理论:首先,概述了模糊测度理... 详细信息

模糊信息测度(Fuzzy Information Measures,FIM)是度量两个模糊集之间相似性大小的一种量度,在模式识别、机器学习、聚类分析等研究中,起着重要的作用.文中对模糊测度进行了分析,研究了基于熵的模糊信息测度理论:首先,概述了模糊测度理论,指出了其优缺点;其次,基于信息熵理论,研究了模糊熵理论,建立了模糊熵公理化体系,讨论了各种模糊熵,在此基础上,提出了模糊绝对熵测度、模糊相对熵测度等模糊熵测度;最后,基于交互熵理论,建立了模糊交互熵理论,进而提出了模糊交互熵测度.这些测度理论,不仅丰富与发展了FIM理论,而且为模式识别、机器学习、聚类分析等理论与应用研究提供了新的研究方法.

关键词：模糊熵模糊交互熵模糊绝对熵测度模糊相对熵测度模糊交互熵测度

在线全文

学校读者我要写书评

暂无评论

物联网应用中的可解释人工智能研究综述

计算机应用 2024年

作者：赵小阳许新征李仲年中国矿业大学徐海学院中国矿业大学计算机科学与技术学院

在物联网(IoT)时代，人工智能(AI)与物联网的结合已经成为推动技术发展和应用创新的重要趋势。随着连接设备数量的指数级增长，提升终端用户对智能系统的信任度变得尤为关键。可解释人工智能(Explainable Artificial Intelligence, XAI... 详细信息

在物联网(IoT)时代，人工智能(AI)与物联网的结合已经成为推动技术发展和应用创新的重要趋势。随着连接设备数量的指数级增长，提升终端用户对智能系统的信任度变得尤为关键。可解释人工智能(Explainable Artificial Intelligence, XAI)指能够提供其决策过程和结果解释的AI系统。XAI的出现，推动了AI技术的发展，增强了用户对AI系统的信任。对物联网应用中的可解释人工智能研究进行综述，首先介绍了IoT和XAI的相关背景及意义；进而，介绍了XAI的定义及关键技术；接着，介绍了传统AI驱动的IoT应用的最新进展和XAI驱动的IoT应用的最新进展；此外，对XAI在IoT应用中的未来发展方向和挑战进行了总结和展望。

关键词：可解释人工智能深度学习物联网智慧医疗智慧工业智慧城市

基于YCbCr模型的巷道监控中矿工脸部图像识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

煤炭科学技术 2009年第9期37卷 79-82,85页

作者：陈伟丁世飞许新征中国矿业大学计算机科学与技术学院江苏徐州221116

矿工脸部区域的分割对于快速检索煤矿监控图像存档资料中矿工图像有十分重要的实际意义。在典型监控角度方向采集了巷道中矿工的监控图像。为了在低照度的巷道监控图像中分割矿工的脸部,研究了在YCbCr颜色模型的各分量中矿工脸部肤色的... 详细信息

矿工脸部区域的分割对于快速检索煤矿监控图像存档资料中矿工图像有十分重要的实际意义。在典型监控角度方向采集了巷道中矿工的监控图像。为了在低照度的巷道监控图像中分割矿工的脸部,研究了在YCbCr颜色模型的各分量中矿工脸部肤色的统计特征;在Cr分量空间,采用统计上限和下限阈值的方法分割出肤色区域像素和相似色度的背景像素;对脸部区域的二值图像进行邻域平滑处理和再次分割,大幅度降低背景像素的影响,缩小脸部区域的范围。试验结果表明,该方法计算简单、速度快,能成功地分割巷道监控图像中的脸部区域。

关键词：监控图像巷道 YCbCr颜色模型矿工脸部分割平滑

一种基于QPSO的脉冲耦合神经网络参数的自适应确定方法

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2012年第6期25卷 909-915页

作者：许新征丁世飞史忠植赵作鹏朱红中国矿业大学计算机科学与技术学院徐州221116 中国科学院计算技术研究所智能信息处理重点实验室北京100190

针对目前脉冲耦合神经网络(PCNN)神经元模型中的参数主要通过人工定义的问题,提出一种基于量子微粒群优化(QPSO)算法的PCNN参数自动确定方法,并分析该算法的时间复杂度.该方法利用PCNN分割后的图像熵作为QPSO算法的适应度函数,在解空间... 详细信息

针对目前脉冲耦合神经网络(PCNN)神经元模型中的参数主要通过人工定义的问题,提出一种基于量子微粒群优化(QPSO)算法的PCNN参数自动确定方法,并分析该算法的时间复杂度.该方法利用PCNN分割后的图像熵作为QPSO算法的适应度函数,在解空间中自动搜索PCNN中待确定参数的最优值,提供一种PCNN神经元模型中的参数自动确定方法.将该方法应用于图像分割时,以互信息量作为图像分割评价标准.仿真结果表明文中方法实现正确的图像分割,其性能优于Otsu方法、人工调整PCNN参数方法、遗传算法优化方法和微粒群优化方法,表现出较好的鲁棒性.

关键词：脉冲耦合神经网络(PCNN) 量子微粒群优化(QPSO) 自适应图像分割互信息