检索结果-南通市图书馆

计算机研究与发展 2021年第7期58卷 1385-1394页

作者：张东杰黄龙涛张荣薛晖林俊宇路瑶阿里巴巴集团北京100102 中国科学院信息工程研究所北京100093 廊坊职业技术学院河北廊坊065001

商品评论信息是用户线上决策的重要依据,但在利益的驱使下商家往往会通过雇佣专业的写手撰写大量虚假评论的方式来误导用户,进而达到包装自己或诋毁竞争对手的目的.这种现象会造成不正当的商业竞争和极差的用户体验.针对这一现象,我们... 详细信息

商品评论信息是用户线上决策的重要依据,但在利益的驱使下商家往往会通过雇佣专业的写手撰写大量虚假评论的方式来误导用户,进而达到包装自己或诋毁竞争对手的目的.这种现象会造成不正当的商业竞争和极差的用户体验.针对这一现象,我们通过情感预训练的方法对现有的虚假评论识别模型进行了改进,并提出了一种能够同时整合评论语义和情感信息的联合预训练学习方法.鉴于预训练模型强大的语义表示能力,在联合学习框架中采用了2种预训练模型编码器分别用于抽取评论的语义和情感上下文特征,并通过联合训练的方法整合2种特征,最后使用center loss损失函数对模型进行优化.在多个公开数据集和多个不同任务上进行了验证实验,实验表明提出的联合模型在虚假评论检测与情感极性分析任务上都取得了目前最好的效果且具有更强的泛化能力.

关键词：虚假评论检测预训练模型情感分析联合训练 center loss

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络和度量学习的脱机手写汉字识别

基于卷积神经网络和度量学习的脱机手写汉字识别

引用

作者：张茹玉华东师范大学

学位级别：硕士

脱机手写汉字由于其字量大、类别多、字形结构复杂、存在相似字和变形问题等,一直是模式识别领域中的研究热点和难点之一。由于传统识别框架“预处理+特征提取+分类器”近年来没有取得较大进展,同时深度学习方法为计算机视觉领域注入了... 详细信息

脱机手写汉字由于其字量大、类别多、字形结构复杂、存在相似字和变形问题等,一直是模式识别领域中的研究热点和难点之一。由于传统识别框架“预处理+特征提取+分类器”近年来没有取得较大进展,同时深度学习方法为计算机视觉领域注入了新的活力,越来越多的人尝试用深度学习方法进行脱机手写汉字的识别工作。目前,一些常用的卷积神经网络被广泛用于脱机手写汉字识别,如AlexNet、GoogLe Net等,并取得了较好的识别结果。但是卷积神经网络只采用了交叉熵作为损失函数,并没有考虑到输入样本之间的类内距和类间距信息。本文提出将卷积神经网络和度量学习模块相结合的网络用于脱机手写汉字识别,在实现样本分类的同时,增大分类的正确率。本文的主要工作包括:1、提出了将GoogLeNet网络、ResNet网络分别和Triplet loss度量学习模块相结合,形成GoogLeNet+Triplet loss和ResNet+Triplet loss两个新的网络结构,并将这两个新网络用于脱机手写汉字识别,得到了90.07%和97.07%的识别结果。Triplet loss度量学习模块要求输入图像必须是三元组样本对,其中包括属于同一类的两个样本和不同类的一个样本。实验结果表明,如果三元组选择不合理,将会严重影响网络的识别精度;只有选择合理的三元组样本对,Triplet loss才能有效地减小输入样本的类内距离、扩大类间距离,提高最终的识别结果。2、提出了将GoogLeNet网络、ResNet网络分别和center loss度量学习模块相结合,形成GoogLeNet+center loss和ResNet+center loss两个新的网络结构。将这两个网络分别进行脱机手写汉字实验,得到96.18%和97.03%的识别结果。实验结果表明,center loss度量学习模块可以有效地提高手写汉字识别精度。同时,center loss模块省略了构造样本对的要求,降低了计算复杂度。3、提出了将ResNet网络和基于余弦距离的center loss相结合用于脱机手写汉字识别,该方法有效避免了传统的center loss采用欧氏距离进行计算时丢失输入特征向量之间的方向信息的问题。本文将ResNet网络和基于余弦距的center loss相结合用于手写汉字识别,进一步提高识别率,最终取得了97.24%的识别结果。

关键词：卷积神经网络度量学习脱机手写汉字识别 Triplet loss center loss 基于余弦距的center loss

来源：

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

基于概念学习和深度学习的手背静脉识别研究

基于概念学习和深度学习的手背静脉识别研究

引用

作者：董姗北方工业大学

学位级别：硕士

如今手背静脉识别技术因其独有的特性使得它更符合人们的使用心理成为目前研究和应用的热点。但受外界因素如地域、姿态、设备等的限制会使得手背静脉图像样本的数量存在“大样本”和“小样本”两种极限情况,而相应的识别方法和策略各... 详细信息

如今手背静脉识别技术因其独有的特性使得它更符合人们的使用心理成为目前研究和应用的热点。但受外界因素如地域、姿态、设备等的限制会使得手背静脉图像样本的数量存在“大样本”和“小样本”两种极限情况,而相应的识别方法和策略各不相同。因此本文以此为背景提出了一种“小样本”下手背静脉身份识别的“概念学习”策略,以及一种“大样本”下手背静脉身份识别的“深度学习”策略,并对这两种情况分别进行了实验验证。论文的主要工作及创新性如下:(1)针对传统词袋模型(Bag of word,BOW)在聚类过程存在运行效率低、类内表现力差的问题,提出基于K-means++多聚类模型的“概念学习”方法用于手背静脉识别。主要包括将静脉纹线使用Dense SIFT算法生成几何基元描述,再使用改进的K-means++多聚类算法对每个类别单独聚类后将所有聚类中心组合在一起使用互信息算法去除冗余来构建几何部件集,以提高运行效率和突出类内表现力,最后使用空间金字塔模型统计基元映射到部件集的直方图特征完成识别。(2)针对在跨设备、跨区域、跨时间的弱约束条件下采集的大样本手背静脉图像存在旋转、亮度等差异问题,使用了一种center loss结合Softmax loss的损失函数用于AlexNet模型的“深度学习”方法。主要包括合理构造图像训练集以使多种特征变化体现在训练集,再加入center loss层以提高多种变化特征的内聚性来解决跨设备、跨区域、跨时间采集的图像差异问题。(3)对基于“概念学习”和基于“深度学习”两个方法在实际采集到的手背静脉图库上分别进行了验证,实验结果表明:改进的K-means++多聚类模型较传统BOW模型在运行速率上提升了近32%且识别率达到了85.714%。而增加center loss层的AlexNet模型较原模型及Lenet-5模型在大量样本图像训练下识别率也得到了进一步的提升可达到92.6%。本文针对大小样本两种极限情况对手背静脉身份识别问题进行了深入研究,经实验验证两种方法均有着较优的识别性能。

关键词：手背静脉识别深度学习概念学习弱约束 center loss K-means++

来源：

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

基于改进残差网络的指静脉识别算法

基于改进残差网络的指静脉识别算法

引用

作者：易芮浙江理工大学

学位级别：硕士

随着生物特征识别技术的进步,这些技术获得了广阔的应用前景。相对于其他身份识别技术而言,指静脉识别技术更加安全、高效和稳定。然而目前采集到的指静脉图像普遍存在质量不高以及手指的自由度导致图像存在的偏移等问题,给指静脉识别... 详细信息

随着生物特征识别技术的进步,这些技术获得了广阔的应用前景。相对于其他身份识别技术而言,指静脉识别技术更加安全、高效和稳定。然而目前采集到的指静脉图像普遍存在质量不高以及手指的自由度导致图像存在的偏移等问题,给指静脉识别技术带来了较大的挑战。传统的指静脉识别技术是基于图像的纹理、特征点等细节进行特征提取,若图像质量较差的话,提取到的指静脉特征会不稳定,会降低指静脉识别的准确性。针对以上问题,本文采用了一种基于改进残差网络的指静脉识别算法。在深度学习算法中,由于公开的指静脉数据集较少,如何利用有限的数据集训练得到鲁棒性较好的模型性能是主要研究问题之一。指静脉识别技术中具有区分性的特征在于图片的细节部分,需要对网络重新设计减少特征图的信息丢失,提取到具有鲁棒性的指静脉特征。目前,常见的卷积神经网络是以分类为目的,而对于指静脉识别技术而言,预先采集所有类别的指静脉图片是不切实际的,因此需要对网络的监督信号重新设计,使网络学习到具有判别性能的指静脉特征,本文的主要研究工作如下:(1)针对指静脉采集过程中出现的手指偏移问题,本文提出了一种用于感兴趣区域的角度矫正以及提取的预处理方法,可以消除偏移带来的干扰,并获得归一化后的感兴趣区域图片。(2)针对公开的指静脉数据集较少的问题,本文采用了传统的图像处理算法对数据集进行扩增,并采用预训练权重用于网络的训练阶段,缓解指静脉数据集不足的问题。(3)为减少网络训练过程中特征图的信息丢失,本文采用了改进残差模块的卷积神经网络,减少小卷积核的步长过大造成的信息丢失,同时将网络中的大卷积核采用多个小卷积核进行代替,减少网络参数的同时提高了模型的表达能力。(4)为了进一步提高模型的性能,残差网络采用改进的激活函数提高了模型的表达能力,同时为了提高模型对未知类别的判别能力,网络采用Softmax loss用于扩大指静脉特征的类间距离,center loss用于缩小类内距离,将二者融合作为网络的损失函数用于约束网络的反向传播过程。为了验证本文采用的指静脉识别算法的性能,在FV-USM和MMCBNU000两个公开数据集上经多组实验对比表明,改进后的残差网络较改进之前,算法的性能获得了一定程度的提升,识别的准确率也得到了提高。

关键词： ResNet center loss Swish ROI提取数据集扩充

来源：

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

基于深度学习的ADS-B辐射源个体识别

引用

信息技术 2021年第2期45卷 120-124,130页

作者：严科谢烨西南通信研究所成都610093

辐射源个体识别技术在电子对抗领域起着关键性作用。针对传统人工提取特征主要依赖于专家经验,文中提出了一种基于深度学习的ADS-B辐射源个体识别方法。该方法采用卷积神经网络结合center loss损失函数来训练和测试相位数据。并加入假... 详细信息

辐射源个体识别技术在电子对抗领域起着关键性作用。针对传统人工提取特征主要依赖于专家经验,文中提出了一种基于深度学习的ADS-B辐射源个体识别方法。该方法采用卷积神经网络结合center loss损失函数来训练和测试相位数据。并加入假冒飞机序列号,查看中心损失值来判断是否异常。实验表明,文中提出的方法识别精度能达到99%左右,且能区分真实消息和假冒消息。

关键词：辐射源识别深度学习 ADS-B center loss

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

在线全文

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：