检索结果-南通市图书馆

ChatGPT内容生成逻辑及其对宏观传播效果的影响

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

现代传播（中国传媒大学学报） 2024年第2期46卷 148-153页

作者：昝小娜北京第二外国语学院经济学院

生成式人工智能(AIGC)的出现标志着人类社会已经正式进入人工智能时代。ChatGPT是AIGC的具体实现方式和开路先锋。研究首先揭示了ChatGPT内容生产的微观机制,提出了ChatGPT内容生产系统模型,由此决定了ChatGPT填平知识鸿沟的微观机制和... 详细信息

生成式人工智能(AIGC)的出现标志着人类社会已经正式进入人工智能时代。ChatGPT是AIGC的具体实现方式和开路先锋。研究首先揭示了ChatGPT内容生产的微观机制,提出了ChatGPT内容生产系统模型,由此决定了ChatGPT填平知识鸿沟的微观机制和基本途径。在此基础上,通过引入智力分布曲线,建立了ChatGPT可以填平的智力鸿沟(I_(p))的定量数学模型,为具体评估ChatGPT提升宏观传播效果(E_(ma))提供了定量基础,从形式上构造了宏观传播效果(E_(ma))和知识鸿沟(I_(p))之间的函数关系,据此可以揭示ChatGPT提升宏观传播效果(E_(ma))的具体实现途径。研究发现了“高阶信息”的存在,提出了高阶信息的概念及其数学描述。提问次数越多,ChatGPT生成的内容越精确的现象,正好反映了高阶信息的作用。

关键词： ChatGPT 内容生产系统智力鸿沟高阶信息宏观传播效果

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

应对显著变化的动态社区检测方法

计算机应用研究 2024年

作者：刘澳张珺杰王焕张庆明西南科技大学计算机科学与技术学院

现实中的网络总是不断变化，网络形态和连接关系也在随着时间推移而不断演变，在动态网络中发现社区的变化一直是个重要课题。当这种变化较为显著时，将导致社区检测算法难以有效利用前一个网络快照中有价值的信息，从而导致下一个时间... 详细信息

现实中的网络总是不断变化，网络形态和连接关系也在随着时间推移而不断演变，在动态网络中发现社区的变化一直是个重要课题。当这种变化较为显著时，将导致社区检测算法难以有效利用前一个网络快照中有价值的信息，从而导致下一个时间步的负迁移。为解决算法无法较好适应网络突变问题，提出了一个基于遗传进化思想和高阶知识转移策略的动态社区检测算法。首先利用相邻快照的邻接矩阵相似度确定使用一阶或高阶信息，然后利用蛛网模型进行种群初始化，再通过非支配排序遗传算法NSGA-II迭代出位于Pareto前沿上的多目标最优解，并设计了新的基因交叉方式以提高种群多样性。最后通过在多个真实数据集及模拟数据集上的实验结果表明，与现有算法相比，所提出算法在发生网络剧变时能获得时间平滑性更高的社区检测结果，同时也能保持良好的社区模块化程度。

关键词：显著变化动态网络高阶信息社区检测

基于高阶信息的特征提取算法及其在图像识别中的应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于高阶信息的特征提取算法及其在图像识别中的应用

作者：张蕊南京航空航天大学

学位级别：硕士

随着科技的迅速发展,图片数据的规模已有着指数级增长的趋势,影响图像识别算法的数据的维度、复杂度及多样性等因素也今非昔比,所以利用特征提取算法从如此大规模的高维度数据中获取最有效的特征信息仍是近年来的研究热点。然而大多数... 详细信息

随着科技的迅速发展,图片数据的规模已有着指数级增长的趋势,影响图像识别算法的数据的维度、复杂度及多样性等因素也今非昔比,所以利用特征提取算法从如此大规模的高维度数据中获取最有效的特征信息仍是近年来的研究热点。然而大多数的特征提取方法只关注数据的一阶局部结构信息,显然无法应对现实中高维且复杂的图像数据。近年来,高阶信息受到了学者们的关注,它能表达出数据更具判别性、更本质的结构,从而在特征提取时发掘高阶结构对提高图像识别的性能是十分有意义的。本文针对图像识别中的不同任务和场景,提出三种基于高阶信息的特征提取算法。首先,为了同时利用数据中的全局信息和高阶局部信息提出了一个基于低秩表示的特征提取算法。全局信息是通过模型中的低秩约束来实现,同时该约束还能使模型避免受到噪声和离群点的影响,提高模型的鲁棒性。局部信息则是通过基于图的流行嵌入来实现的。通过构建一阶、二阶图矩阵使得模型能同时保持样本间的对结构和有序结构。在十个公开的图像数据集上进行的对比实验证明了本方法相对于传统及最新方法在识别准确率指标下有着明显的提升。其次,为了解决多模态数据中的不平衡问题而提出了自步有序保持算法。从特征层面来看,该算法利用了二阶拉普拉斯流形嵌入使得不同模态数据的有序结构保持到新的投影空间中。从样本层面来看,我们设计了分别针对多数类和少数类的自步学习策略,将参与学习的数据从类别平衡的子集动态地扩充到整个集合,减少不平衡类别对模型学习的负面影响。同时,在投影矩阵上施加的组稀疏约束可以发掘不同模态之间的潜在关系模式。在多模态图像数据集913-ADNI和癫痫数据上的实验结果表明,本文提出的方法能达到很好的分类和诊断效果。最后,考虑到传统的模型不能直接识别出来自新类别的样本,即无法适用于零样本识别,本文提出了针对该场景的语义引导的高阶区域注意力嵌入模型。该模型以端到端的方式进行训练,能够利用不同的注意力模块获得全局特征和局部区域特征。最后的二阶池化操作能提取出两种特征的二阶信息。在零样本任务常用的四个数据集上的实验表明,本模型在零样本学习任务中可以取得理想的分类结果。

关键词：高阶信息特征提取图像识别多模态不平衡零样本学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合高阶信息的遥感影像建筑物自动提取

光学精密工程 2019年第11期27卷 2474-2483页

作者：王舒洋慕晓冬杨东方贺浩郑玉航火箭军工程大学作战保障学院陕西西安710025 火箭军工程大学导弹工程学院陕西西安710025

针对遥感影像中建筑物目标与背景环境区分度低而造成的提取效果较差的问题,本文提出了融合高阶信息的编解码网络方法以改善建筑物自动提取的精度。首先,针对遥感影像建筑提取任务,使用深度编解码网络完成对建筑物目标的低阶语义特征提取... 详细信息

针对遥感影像中建筑物目标与背景环境区分度低而造成的提取效果较差的问题,本文提出了融合高阶信息的编解码网络方法以改善建筑物自动提取的精度。首先,针对遥感影像建筑提取任务,使用深度编解码网络完成对建筑物目标的低阶语义特征提取;其次,使用多项式核完成对深度网络中间特征图的高阶描述,以提升网络对于模糊特征的辨识能力;最后,将低阶特征与高阶特征级联后,送入编解码网络的末端,得到对建筑物的分割结果。在Massachusetts Buildings数据集上进行试验,其召回率、准确率和F1-score指标分别达到了85.1%,77.5%和80.9%,综合指标F1-score相比于基础深度编解码网络提升约4%。本文所提方法改进了编解码器网络对于遥感影像建筑物自动提取任务的表现性能,能够更加精确地提取与背景区分度较低的建筑物目标,具有良好的实用价值。

关键词：遥感建筑物提取高阶信息编解码器网络语义分割

维普期刊数据库

基于多模态MR图像逐阶信息交互融合模型的胶质瘤分级研究

在线全文

学校读者我要写书评

暂无评论

基于多模态MR图像逐阶信息交互融合模型的胶质瘤分级研究

作者：何曼南方医科大学

学位级别：硕士

脑胶质瘤是最常见的原发中枢神经系统恶性肿瘤,具有高度侵袭性和复发率。按照肿瘤的恶性程度划分,可将胶质瘤分为胶质母细胞瘤(glioblastoma,GBM)和较低级别胶质瘤(lower-grade gliomas,LGG)。胶质瘤术前的准确分级对于患者个性化治疗... 详细信息

脑胶质瘤是最常见的原发中枢神经系统恶性肿瘤,具有高度侵袭性和复发率。按照肿瘤的恶性程度划分,可将胶质瘤分为胶质母细胞瘤(glioblastoma,GBM)和较低级别胶质瘤(lower-grade gliomas,LGG)。胶质瘤术前的准确分级对于患者个性化治疗方案的制定及预后评估有着重要的指导意义。作为一种无创性辅助技术,磁共振成像(MRI)因其具备多序列成像而提供多样的肿瘤信息等优良特点,在胶质瘤分级诊断中发挥着重要作用。近年来,随着人工智能在医学图像领域的发展与应用,不少基于MRI的研究工作在胶质瘤分级方面取得了不错的成果。然而,目前大部分工作只是研究单模态MR图像或者简单地融合多模态MR图像数据,无法充分利用多模态MR图像中不同角度的、互补的影像信息来达到更好的分级效果。在本文研究中,我们基于常规多模态MR图像提出一种新型的、能有效融合和利用多模态信息的深度网络模型来实现对胶质瘤的准确分级,主要包括两部分研究工作:1.提出基于多模态MR图像逐阶信息交互融合模型(Hierarchical-order multimodal information interaction fusion network,HOMIIF)对胶质瘤分级,该模型创新性地设计了高阶信息多模态交互模块来促进多模态间影像信息的相互学习,实现多模态信息更高效的融合。为了进一步增强模型的特征表达能力,本研究在该交互模块中嵌入了高阶注意力机制,对复杂的高阶统计信息进行建模以增强模型的分级性能。在整体网络中我们运用递增阶数的多个高阶信息交互模块,以获得更具多样性的注意力信息,进而多层次地促进模态间特征的交互学习和高效融合。2.前项HOMIIF分级模型是将基于手动分割得到的胶质瘤3D感兴趣区域作为模型的输入,其存在耗费大量时间精力、对专业知识有一定要求等局限性。因此我们使用深度学习框架3D U-net分割胶质瘤3D感兴趣区域,来进一步完善整个HOMIIF模型,实现胶质瘤全自动分割、分级,并探讨了自动分割与手动分割对分级结果的影响和不同。在本文实验中,我们在两个公开数据集(TCIA数据集和BraTS2017数据集)上分别采用五折交叉验证方式进行了实验来评估HOMIIF模型的胶质瘤分级性能。另外还基于这两个数据集进行了外部验证实验来验证HOMIIF模型的鲁棒性和泛化性。并基于同样的外部验证设置获得3D U-net模型对胶质瘤3D感兴趣区域的分割精度和分析其对于HOMIIF网络的胶质瘤分级影响。实验结果表明,HOMIIF模型在两个数据集上均表现了良好的分级性能。而采用具备一定分割精度的3D U-net模型代替HOMIIF网络中手动分割方法则具有可行性和存在可进步的空间。本文研究验证了提出的HOMIIF模型能有效地对胶质瘤分级,可以作为辅助术前预测胶质瘤分级的有力工具。

关键词：胶质瘤分级多模态学习高阶信息注意力机制深度学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于高阶一致性学习的聚类集成

计算机应用 2023年

作者：甘舰文陈艳周芃杜亮四川大学计算机学院山西大学大数据科学与产业研究院山西大学计算机与信息技术学院安徽大学计算机与信息技术学院

大部分关于聚类集成的研究主要关注于设计有效的集成算法。为解决基聚类器的质量高低不一，低质量的基聚类器对聚类集成性能产生影响的问题，从数据发掘的角度出发，以基聚类器为基础挖掘数据的内在联系，提出了三种样本关系高阶信息的... 详细信息

大部分关于聚类集成的研究主要关注于设计有效的集成算法。为解决基聚类器的质量高低不一，低质量的基聚类器对聚类集成性能产生影响的问题，从数据发掘的角度出发，以基聚类器为基础挖掘数据的内在联系，提出了三种样本关系高阶信息的表示方法，从不同的维度表示数据之间的联系。通过消融实验，分析对比了每种高阶信息的质量和特点，验证了高阶信息融合的有效性。为解决了高阶信息结构复杂，融合消耗大的问题，提出了一种新的算法框架，将多种高阶信息的处理融合在一个统一的框架中，并将多种信息最终融合为一个一致性的结果。实验结果表明，与次优的LWEA算法相比，所提算法的准确率提升了7.21%，归一化互信息（NMI）提升了7.34%，得到了对比聚类集成算法和单独使用一种信息更好的聚类结果。

关键词：聚类集成一致性学习高阶信息双随机约束结构化相似性矩阵

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于高阶一致性学习的聚类集成算法

计算机应用 2023年第9期43卷 2665-2672页

作者：甘舰文陈艳周芃杜亮山西大学计算机与信息技术学院太原030006 四川大学计算机学院成都610065 安徽大学计算机科学与技术学院合肥230601 山西大学大数据科学与产业研究院太原030006

现有的大部分关于聚类集成的研究主要关注有效的集成算法的设计。为解决由于基聚类器的质量高低不一、低质量的基聚类器对聚类集成性能产生影响的问题,从数据发掘的角度出发,以基聚类器为基础挖掘数据的内在联系,提出一种高阶信息融合... 详细信息

现有的大部分关于聚类集成的研究主要关注有效的集成算法的设计。为解决由于基聚类器的质量高低不一、低质量的基聚类器对聚类集成性能产生影响的问题,从数据发掘的角度出发,以基聚类器为基础挖掘数据的内在联系,提出一种高阶信息融合算法——基于高阶一致性学习的聚类集成(HCLCE)算法,从不同的维度表示数据之间的联系。首先,将每种高阶信息融合成一个新的结构化的一致性矩阵;然后,再对得到的多个一致性矩阵进行融合;最后,将多种信息融合为一个一致性的结果。实验结果表明,与次优的LWEA(Locally Weighted Evidence Accumulation)算法相比,HCLCE算法的聚类准确率平均提升了7.22%,归一化互信息(NMI)平均提升了9.19%。可见,HCLCE能得到比聚类集成算法和单独使用一种信息更好的聚类结果。

关键词：聚类集成一致性学习高阶信息双随机约束结构化相似性矩阵

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于门控图神经网络的会话推荐算法研究

基于门控图神经网络的会话推荐算法研究

作者：杨凤男哈尔滨工程大学

学位级别：硕士

随着信息技术的快速发展和智能终端设备的日益普及,互联网在为人们的日常生活提供便利的同时,其产生的海量数据信息也带来了严重的“信息过载”问题。推荐系统作为一种可以解决“信息过载”问题的信息过滤技术被提出,并且广泛应用于各... 详细信息

随着信息技术的快速发展和智能终端设备的日益普及,互联网在为人们的日常生活提供便利的同时,其产生的海量数据信息也带来了严重的“信息过载”问题。推荐系统作为一种可以解决“信息过载”问题的信息过滤技术被提出,并且广泛应用于各种互联网相关产品中。会话推荐系统是当前推荐系统领域的研究重点之一,适用于缺少用户个人信息和用户长期历史行为数据的推荐场景,通过挖掘用户在当前会话中的兴趣偏好来完成推荐任务。相较于传统的推荐系统,会话推荐系统更加注重用户当前的兴趣和偏好变化,可以进行更加精准和及时的推荐。本文以门控图神经网络和注意力机制为重点,主要进行了以下工作:(1)基于图神经网络的会话推荐算法在对当前会话序列进行建模时,仅通过对会话序列中项目间的一阶邻居转换关系进行建模,忽略了非相邻项目之间的高阶转换关系,造成了一定的信息损失。为解决上述问题,提出一种基于高阶门控图神经网络的会话推荐模型(Ho-GNN)。Ho-GNN基于会话序列中不同阶的邻居转换关系构建相应的会话图,通过门控图神经网络以及注意力机制对会话图中节点信息进行更新和传播,生成包含更多高阶邻居信息的项目嵌入表示。该模型采取长、短期兴趣融合的策略生成反映用户总体兴趣偏好的会话嵌入表示,并根据会话嵌入表示计算每个候选项目可能被用户进行交互的概率,生成最终的推荐列表。(2)本文在Ho-GNN的基础上,提出一种融合近邻协同信息的会话推荐模型(SRFNC),该模型利用来自其他会话的项目级协同信息对当前会话信息进行补充,提高当前会话的推荐性能。SR-FNC首先基于当前会话中的每个项目检索出和当前会话具有相似行为模式的邻居会话,将当前会话序列和所有邻居会话序列中的项目转换关系汇聚到一张图上,即构建当前会话的邻居会话图。其次,使用门控图神经网络捕获项目级全局协同信息,生成项目的全局级嵌入表示。最后,将项目的全局协同信息纳入到对当前会话序列的建模中,生成包含更多信息的项目特征,并且完成最终的推荐任务。本文在两个真实流行的电子商务数据集Yoochoose和Diginetica上进行多组实验,结果表明本文提出的Ho-GNN、SR-FNC两种模型可以生成更准确的推荐结果,验证了模型的有效性。

关键词：会话推荐门控图神经网络注意力机制高阶信息协同信息

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于复杂关系挖掘的聚类集成算法研究及应用

基于复杂关系挖掘的聚类集成算法研究及应用

作者：甘舰文山西大学

学位级别：硕士

聚类技术是一种非常重要的无监督机器学习方法,它可以应用于统计学、模式型识别、生物学、和数据挖掘等多个不同领域。传统的数据聚类方法面临挑战,难以满足高效性、稳定性、鲁棒性的需求。聚类集成将单个聚类算法结果进行合并,可以获... 详细信息

聚类技术是一种非常重要的无监督机器学习方法,它可以应用于统计学、模式型识别、生物学、和数据挖掘等多个不同领域。传统的数据聚类方法面临挑战,难以满足高效性、稳定性、鲁棒性的需求。聚类集成将单个聚类算法结果进行合并,可以获得比传统聚类方法更好的结果。聚类集成可以产生更稳定和可靠的聚类结果,有助于解释和分析数据分布。同时,聚类集成可以提供更全面和多样化的聚类结果,帮助用户深入理解数据集的结构和特点。对于大规模和复杂数据集,单一的聚类算法往往不能很好地处理。聚类集成可以将多个聚类算法的结果进行合并,从而提高聚类的可扩展性和适应性。大部分关于聚类集成的研究主要关注于设计有效的集成算法,忽略了质量不好的基聚类器带来的负面影响。同时,大多数方法都是将基聚类器中的簇当作一个整体,忽略了同一类样本相关性排序的重要性。本文考虑基聚类器的质量和多样性,从局部和全局的视角探索样本结构,并取得了以下成果。(1)提出了基于高阶一致性学习的聚类集成算法,从不同的维度表示数据之间的联系。通过消融实验,分析对比了每种高阶信息的质量和特点,验证了高阶信息融合的有效性。为了解决高阶信息结构复杂,融合消耗大的问题,提出了一种新的算法框架,将多种高阶信息的处理融合在一个统一的框架中,并将多种信息最终融合为一个一致性的结果。实验结果表明,与次优的算法相比,所提算法的准确率提升了7.21%,归一化互信息提升了7.34%,得到了对比聚类集成算法和单独使用一种信息更好的聚类结果。(2)提出了一种基于高阶图扩散的局部样本加权聚类集成算法,该算法根据不同邻域的排序重要性隐式优化不同邻域的自适应权重。通过对一致性矩阵的进一步扩散,得到判别能力更强的最优一致性矩阵,揭示样本之间潜在的相似关系。在基准数据集与对比方法上进行了对比实验。所有的实证结果表明,我们的聚类模型始终优于相关的聚类方法。(3)设计并实现了基于高阶一致性学习的聚类集成系统。随着聚类集成技术的发展,越来越多的算法被提出,导致许多科研人员疲于复现论文代码,而不是专注研究算法本身。此系统将目前常用和效果比较好的一部分聚类集成算法和本文提出的算法封装到聚类集成系统中。帮助科研人员解决这一问题。综上所述,本文针对聚类集成中目前存在的问题,提出了一种基于高阶一致性学习的聚类集成方法和基于高阶图扩散的局部样本加权聚类集成算法,并将其应用到聚类集成系统中。

关键词：聚类集成复杂关系挖掘一致性学习高阶信息局部加权图扩散