检索结果-南通市图书馆

维普期刊数据库博看期刊

同方期刊数据库

基于多维度特征融合的网络课程推荐方法构建研究

在线全文

学校读者我要写书评

暂无评论

开放学习研究 2024年第3期29卷 53-62页

作者：邓伟伟傅凌峻陈寒奉国和华南师范大学经济与管理学院广东广州510006 华南师范大学教师教育学部广东广州510631

现有网络课程推荐的相关研究较少考虑用户对不同维度课程特征偏好,针对此不足提出融合多维度特征的网络课程推荐方法。利用多种数据分析技术获取课程描述文本、课程关系数据和课程类别属性的特征表示,基于深度自编码器融合各维度特征表... 详细信息

现有网络课程推荐的相关研究较少考虑用户对不同维度课程特征偏好,针对此不足提出融合多维度特征的网络课程推荐方法。利用多种数据分析技术获取课程描述文本、课程关系数据和课程类别属性的特征表示,基于深度自编码器融合各维度特征表示以构建课程与用户特征画像,并将其输入深度神经网络实现课程推荐。实验证明,相较于基于单一维度特征方法、基于双重维度特征方法以及传统机器学习方法,该方法在Precision@K和mAP@K评价指标上均有明显提高,对促进个性化课程推荐的实践应用具有一定的指导意义。

关键词：网络课程推荐多维度特征特征融合深度学习

基于多维度特征融合网络的人体行为识别技术研究

在线全文

学校读者我要写书评

暂无评论

基于多维度特征融合网络的人体行为识别技术研究

作者：周双山东大学

学位级别：硕士

人体行为识别(Human Action Recognition,HAR)作为一种人机交互的智能技术在虚拟现实、视频监控等领域得到了广泛应用。特别是近年来,视频监控的普及与视频数据采集设备的更新为基于视频的HAR技术发展提供了良好的研究基础。虽然基于视... 详细信息

人体行为识别(Human Action Recognition,HAR)作为一种人机交互的智能技术在虚拟现实、视频监控等领域得到了广泛应用。特别是近年来,视频监控的普及与视频数据采集设备的更新为基于视频的HAR技术发展提供了良好的研究基础。虽然基于视频的HAR技术已经相对成熟,但仍面临着一些困难与挑战。在HAR系统框架方面,现有的HAR框架存在通用性低、在多场景下的实用性不强的问题;在特征提取维度方面,现有的HAR算法提取到的特征维度单一,大多数算法只能在时间、空间或时间与空间维度上进行特征提取,导致提取到不完整且不具备多样性的行为特征;在应用场景方面,目前针对具体场景的行为数据采集与行为识别比较少,尤其是特殊场景,例如监狱、医疗监护等。针对以上基于视频的HAR技术存在的问题与挑战,以真实场景应用为目标,本论文的主要研究内容分为以下几个方面:(1)针对现有HAR系统框架通用性低、实用性不强的问题,提出一种基于多维度特征融合的HAR框架。该框架针对不同场景,通过抓取不同的行为特征来提高行为识别准确率,具有较高的普适性与实用性。(2)在模型结构上,分析了行为数据基础特征与维度特征的串联结构与并联结构之间的优劣。在分析讨论过程中提出一个新模块,即基于多尺度卷积与挤压激励的上下文建模模块(Global Context Modeling Model based on Multi-scale Convolution Combined Squeeze and Excitation,MGSE),该模块可以扩大空间维度上的感受野并且保留通道上的特征。(3)针对特征维度单一的问题,提出基于上下文建模与自注意力时序自适应模块的三维卷积并行网络(Parallel Network based on Context Modeling and Temporal Adaptive Module with Self-attention Combined Three-dimension Convolution,P-MTSC3D),该网络可以提取并融合时间、空间与通道维度上的特征。P-MTSC3D网络在中佛罗里达大学(University of Central Florida,UCF)101数据集上的识别准确率为97.92%,在人体运动数据库(Human Motion Database,HMBD)51数据集上的识别准确率为75.59%。(4)针对实际场景的应用需求,本论文通过模拟监狱犯人的生活场景构建了一个小型的监狱行为数据集。该数据集包括服刑人员搬东西、递东西的日常行为与袭警、打架、摔倒的异常行为。在该数据集上,所提P-MTSC3D模型的行为识别准确率高达99.29%,体现出所提模型良好的实用性,也证明了所构建的监狱数据集的有效性。通过上述研究工作,本论文为HAR系统框架与识别模型中所存在的问题提供了可行且有效的解决方案。一方面,所提方案在两个公开数据集——UCF101数据集与HMBD51数据集上进行实验分析,实验结果证明所提的P-MTSC3D网络可以在时间、空间、通道三个维度上提取行为特征。另一方面,在监狱行为数据集上的实验结果验证了所提P-MTSC3D网络模型应用在真实场景中的可行性,也体现了该模型具备较好的实用性。本论文的研究对基于视频的HAR技术的发展具有一定的推动作用,并具有良好的应用价值。

关键词：人体行为识别深度学习多维度特征监狱行为

基于多维度特征和LightGBM的大闸蟹质量估算方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

农业机械学报 2022年第8期53卷 353-360页

作者：段青玲陈鑫许冠华樊宇星张玉玲中国农业大学信息与电气工程学院北京100083 中国农业大学国家数字渔业创新中心北京100083 江苏中农物联网科技有限公司宜兴214200 中国农业大学烟台研究院烟台261400

大闸蟹是我国特有的名优水产养殖品种,其质量既是确定投喂量的重要依据,亦是评判其生长状况、品质等级的重要指标。为了准确估算蟹体质量,提出一种基于多维度特征和轻量梯度提升机(Light gradient boosting machine,LightGBM)的大闸蟹... 详细信息

大闸蟹是我国特有的名优水产养殖品种,其质量既是确定投喂量的重要依据,亦是评判其生长状况、品质等级的重要指标。为了准确估算蟹体质量,提出一种基于多维度特征和轻量梯度提升机(Light gradient boosting machine,LightGBM)的大闸蟹质量估算方法。首先通过相机获取蟹体图像,其次采用图像处理技术对图像进行分割以获取背甲图像,然后提取背甲二值图像的几何特征构成形状特征(Shape features,SF);提取不同颜色空间背甲图像的各通道分量值构成颜色特征(Color features,CF),并采用标定法计算特征值;最后采用基于LightGBM的方法预测大闸蟹质量。本文根据色泽表征其发育状况,提取背甲颜色特征与形状特征构成多维度特征,解决单一形状特征导致预测精度不高的问题;提取背甲轮廓比值作为形状特征,有效降低随机调整相机高度对特征值稳定性的影响;在真实数据集上进行预测,结果表明平均绝对误差(MAE)为2.751 g,均方根误差(RMSE)为3.680 g,决定系数R~2为0.949。并与SF-LightGBM、SF3-LightGBM、area-OLS、MF-BPNN和MF-SVM质量估算方法进行对比,本文方法的各评价指标的性能均有较大幅度提升,能够较准确地估算出大闸蟹蟹体质量。

关键词：大闸蟹水产养殖质量估算多维度特征 LightGBM

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

多维度特征融合的教学行为智能分析模式构建

电化教育研究 2020年第10期41卷 36-44页

作者：赵刚朱文娟胡碧灵夏青刘闪初洁华中师范大学人工智能教育学部教育信息技术学院湖北武汉430079

分析课堂教学行为是揭示课堂教学规律的一个重要途径。如何利用信息技术手段处理与分析累积的海量教学视频公开课中的教学行为,成为当前改革教学过程评价服务的热点之一。由于教学中教学行为具有教学性、有序性、关联性等固有教育特性,... 详细信息

分析课堂教学行为是揭示课堂教学规律的一个重要途径。如何利用信息技术手段处理与分析累积的海量教学视频公开课中的教学行为,成为当前改革教学过程评价服务的热点之一。由于教学中教学行为具有教学性、有序性、关联性等固有教育特性,使得基于深度学习的视频分割与识别技术仍然无法有效理解教学场景和教学行为。因此,文章设计了包含"基于视听觉特征的教学行为分析编码系统、教学行为听觉特征识别、教学行为视觉特征识别、教学分析过程数据可视化呈现"四个核心要素的一种多维度特征融合的教学行为智能分析模式,提出了"视觉特征为主、听觉特征为主、融合特征为主"三条实践路径,以厘清教学行为智能分析要素的关系,并以视觉特征为主的实践路径初步分析了43节课堂教学视频,提取了时间维度上的教学行为视觉特征,以期为"一师一优课、一课一名师""教师研修"等教学行为智能分析活动提供借鉴。

关键词：教学行为多维度特征智能分析人工智能技术

在线全文

学校读者我要写书评

暂无评论

基于多维度特征的大学生心理健康状态评估

九江学院学报（自然科学版） 2022年第4期37卷 7-12页

作者：蔡婉君姚俊漳州职业技术学院心理健康咨询科漳州职业技术学院智能制造学院福建漳州363000

以大学生行为特征为基础,进行心理健康状态评估时,主要依据单一维度的特征,使得评估结果均方误差较大。因此,文章引入多维度特征理念,设计一种新的大学生心理健康状态评估方法。引入信息熵概念对心理状态感知数据进行分析,完成数据特征... 详细信息

以大学生行为特征为基础,进行心理健康状态评估时,主要依据单一维度的特征,使得评估结果均方误差较大。因此,文章引入多维度特征理念,设计一种新的大学生心理健康状态评估方法。引入信息熵概念对心理状态感知数据进行分析,完成数据特征维度的构造与选择。结合常规心理状态自评标准,建立心理健康评估指标体系,并为每项评估指标进行赋权。通过局部线性嵌入算法对多维度特征数据进行降维处理,再结合支持向量机算法,构建基于多维度特征的评价模型。最后,运用模糊综合算法和最大隶属原则,得到大学生心理健康评估结果。实验结果表明:所提方法评估结果的均方误差为0.02,与基于决策树、基于前馈神经网络的评估方法相比,均方误差分别降低了11%、17%。

关键词：多维度特征大学生心理健康状态评估局部线性嵌入支持向量机

在线全文

学校读者我要写书评

暂无评论

融合多维度特征的特定领域新词发现方法

自动化应用 2023年第8期64卷 159-162页

作者：常兵贵阳信息科技学院信息工程系贵州贵阳550025

政务领域新词的出现往往带有时间、空间、地域等行文特点。如何准确识别政务领域文本中的新词是开展政务智能化业务研究的重要任务之一。本文针对政务语料集的特点,提出一种融合多维度特征的特定领域新词发现方法。首先,获取语料集并进... 详细信息

政务领域新词的出现往往带有时间、空间、地域等行文特点。如何准确识别政务领域文本中的新词是开展政务智能化业务研究的重要任务之一。本文针对政务语料集的特点,提出一种融合多维度特征的特定领域新词发现方法。首先,获取语料集并进行预处理;其次,进行数据序列化和字符序列,获取候选集和新词种子数据集,完成新词的筛选;最后,结合通用词典完成语料集中新词的词频对齐和映射,获得领域用户词典。本文通过实验和真实领域语料集验证了该方法的有效性。

关键词：特定领域新词发现多维度特征词频统计

在线全文

学校读者我要写书评

暂无评论

基于文本多维度特征的自动摘要生成方法

计算机工程 2020年第9期46卷 110-116页

作者：王青松张衡李菲辽宁大学信息学院沈阳110036

现有长文本自动摘要生成方法存在句子特征单一化和无法全面衡量句子相似特征的问题,导致摘要生成的准确率降低。为此,提出一种基于图集成模型的自动摘要生成方法。在计算得到文本句子词频、语义和句法特征后,利用朴素贝叶斯方法将文本... 详细信息

现有长文本自动摘要生成方法存在句子特征单一化和无法全面衡量句子相似特征的问题,导致摘要生成的准确率降低。为此,提出一种基于图集成模型的自动摘要生成方法。在计算得到文本句子词频、语义和句法特征后,利用朴素贝叶斯方法将文本多维度特征的融合问题转化为图集成方式,提高句子间相似计算的准确性,并在此基础上通过TextRank算法生成文本摘要。实验结果表明,相比传统基于序列到序列模型的摘要生成方法和基于句子多维特征的摘要抽取方法,该方法取得了更高的ROUGE指标值,能够有效综合句子的多维特征,提高摘要生成的准确率。

关键词：句子相似度图集成模型文本摘要朴素贝叶斯多维度特征

英文科技论文标题多维度特征研究--以SCI百篇高被引论文为例

在线全文

学校读者我要写书评

暂无评论

中国科技期刊研究 2016年第10期27卷 1055-1060页

作者：肖庚生张再红南华大学外国语学院湖南省衡阳市421001 华中科技大学外国语学院湖北省武汉市430074

【目的】探索英文科技论文标题撰写规范,提升国内学者英文标题写译质量。【方法】以SCI百篇高被引论文标题为语料,利用SPSS17.0统计软件与文本检索工具Antconc3.4.4对英文科技论文标题的长度、高频词、词块及结构类型进行多维度特征分... 详细信息

【目的】探索英文科技论文标题撰写规范,提升国内学者英文标题写译质量。【方法】以SCI百篇高被引论文标题为语料,利用SPSS17.0统计软件与文本检索工具Antconc3.4.4对英文科技论文标题的长度、高频词、词块及结构类型进行多维度特征分析。【结果】英文科技论文标题长度不一,但以5~13个词为主;科技论文标题的高频词既包括使用于所有语域的功能词,亦包括彰显学科与文体属性的名词、形容词等实义词;科技论文标题中的高频词块与研究程序、方法、论题等要素相关;科技论文标题结构包括四种类型,尤以名词短语结构最为常用,这其中名词短语＋介词短语是使用最为高频次的类型。【结论】SCI百篇高被引论文标题的多维特征分析结果可为英文科技论文标题写作及我国期刊论文标题英译提供借鉴。

关键词：英文科技论文标题多维度特征 SCI百篇高被引论文

基于多维度特征和深度学习模型的地址实体识别

在线全文

学校读者我要写书评

暂无评论

计算机应用 2021年第S2期41卷 48-53页

作者：秦华王岩松宣伟浩杭州市勘测设计研究院有限公司杭州310000

地址实体识别是一项在智慧城市建设中应用极其广泛的基础性任务,而在实际的业务数据中,中文地址实体描述经常出现用字生僻、含义模糊、简称乱用等现象,导致现有的基于规则或者基于统计的识别方法,已经难以有效地解决语义层面的深层次地... 详细信息

地址实体识别是一项在智慧城市建设中应用极其广泛的基础性任务,而在实际的业务数据中,中文地址实体描述经常出现用字生僻、含义模糊、简称乱用等现象,导致现有的基于规则或者基于统计的识别方法,已经难以有效地解决语义层面的深层次地址实体识别问题。针对上述问题,提出了一种基于多维度特征和深度学习模型相结合的中文地址实体识别方法(Bi-LSTM-Self-Attention-CRF)。首先,提取语料数据中地址实体的界限特征、词性特征、标签特征以及预先训练好的高维空间的字向量特征作为多维度特征;然后,采用双向的长短期记忆(Bi-LSTM)网络模型捕获输入的地址实体特征;接着,使用自注意力机制(Self-Attention)计算不同特征对地址实体的注意力权重,使用条件随机场(CRF)学习实体标签之间的转移概率矩阵;最后,使用维特比算法预测实体标签的最优序列。在相同的多维度特征基础上,与Bi-LSTM模型和Bi-LSTM-CRF模型相比,所提方法的识别精确率、召回率、F1值均优于对比算法,分别达到了0.891、0.880、0.885。实验结果表明,所提方法的精确率和召回率可以满足实际业务中对地址实体的识别要求。

关键词：智慧城市地址实体识别多维度特征双向的长短期记忆网络自注意力机制条件随机场