检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种双视角下的社区检测算法

复杂系统与复杂性科学 2025年

作者：骆凯宾晟孙更新青岛大学计算机科学技术学院

针对现有社区检测算法中普遍存在的表示学习与聚类分离及忽视社区结构层面信息的局限性，导致社区识别效率与精度受限的问题，本研究提出了MBCD模型。该模型通过优化图卷积网络架构，融合马尔可夫稳定性和节点间的相似度信息，以捕捉多... 详细信息

针对现有社区检测算法中普遍存在的表示学习与聚类分离及忽视社区结构层面信息的局限性，导致社区识别效率与精度受限的问题，本研究提出了MBCD模型。该模型通过优化图卷积网络架构，融合马尔可夫稳定性和节点间的相似度信息，以捕捉多尺度的社区结构，更精确地识别社区边界。实验表明，与多种现有的社区检测模型相比，MBCD模型在处理非重叠与重叠社区检测任务时展现出显著性能提升，证实了其在提升社区检测效能方面的有效性和优越性。

关键词：社区检测图卷积网络社区结构稳定性节点相似性

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

离散测地距离场的高精度等值线提取

图学学报 2025年

作者：王文嵩周子珺辛士庆屠长河王文平山东大学计算机科学与技术学院德克萨斯农工大学计算机科学与工程系

测地等值线在可视化几何形状的内在度量变化方面以及验证给定测地算法的准确性上，具有重要的意义。通常，在线性三角网格上绘制测地等值线的具体做法是通过在三角形的内部根据顶点的距离值进行简单的线性插值。这种方法因其易于实现而... 详细信息

测地等值线在可视化几何形状的内在度量变化方面以及验证给定测地算法的准确性上，具有重要的意义。通常，在线性三角网格上绘制测地等值线的具体做法是通过在三角形的内部根据顶点的距离值进行简单的线性插值。这种方法因其易于实现而被广泛应用，但由于测地距离场具有高度的非线性特征，其精度受到限制。因此，使用线性插值得到的等值线常常会出现各种失真现象，尽管可以对输入网格进行极高分辨率的细分，依然难以捕捉到真实等值线的拓扑特征，例如捕获尖锐的拐角部分很困难。考虑到脊线能够有效地表征测地路径的不连续过渡，提出了一种新的思路：类似于中轴面可以通过密集边界采样点的维诺图进行编码，测地等值线的几何和拓扑特征同样可以借助阿波罗尼乌斯图进行编码。具体而言，采用三次函数来逼近每条网格边上的距离函数变化，并依据分布在网格边的一组加权采样点生成阿波罗尼乌斯图。随后，将每个三角形根据生成的阿波罗尼乌斯图划分为若干个子区域，使得每个子区域内的距离场可以用线性函数进行有效近似。通过大量实验，验证了该方法的有效性，结果显示在较少的额外计算成本下，所生成的测地等值线相较于传统的线性插值方法，具有更高的准确性。

关键词：计算几何等值线测地距离阿波罗尼乌斯图脊线

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

用于高维小样本特征选择的超网络设计

智能系统学报 2025年

作者：魏俊伊董红斌余紫康哈尔滨工程大学计算机科学与技术学院

特征选择是受各行业广泛关注的问题。特征选择针对的数据集通常是高维的，且样本数较少，例如生物、医学领域的数据集。虽然很多的正则化网络在这种数据集上的表现能够优于复杂的网络，但是在小数据量上许多潜在的特征关系仍然会被过度... 详细信息

特征选择是受各行业广泛关注的问题。特征选择针对的数据集通常是高维的，且样本数较少，例如生物、医学领域的数据集。虽然很多的正则化网络在这种数据集上的表现能够优于复杂的网络，但是在小数据量上许多潜在的特征关系仍然会被过度挖掘，从而出现过拟合的情况。为了解决此类问题，提出了端到端的稀疏重构网络，模型先对特征进行稀有增强和奇异值嵌入，之后通过并行辅助网络对嵌入矩阵进行训练，重构预测权重，实现了削减参数的超网络学习方式。参数较少的网络受过拟合的影响也会随之减少，有效降低了无效参数对网络的影响。对生物、医学领域的12种高维小样本数据集进行了实验，并通过对比实验发现在8种特征选择网络中降维后，本网络的分类准确率平均提升了3.26百分点。另外，通过消融实验分别证明了分解层、重构层、关联层的作用，最后分析权重结果，进一步阐述了模型的扩展应用。

关键词：特征选择正则化网络过拟合端到端稀疏重构奇异值辅助网络超网络高维小样本

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于变分量子电路的量子机器学习算法综述

计算机研究与发展 2025年

作者：于瑞祺张鑫云任爽北京交通大学计算机科学与技术学院

随着数据规模的增加，机器学习的重要性与影响力随之增大.借助量子力学的原理能够实现量子计算，结合量子计算和机器学习形成的量子机器学习算法对经典机器学习算法理论上能够产生指数级的加速优势.部分经典算法的量子版本已经被提出，... 详细信息

随着数据规模的增加，机器学习的重要性与影响力随之增大.借助量子力学的原理能够实现量子计算，结合量子计算和机器学习形成的量子机器学习算法对经典机器学习算法理论上能够产生指数级的加速优势.部分经典算法的量子版本已经被提出，有望解决使用经典计算机难以解决的问题.当前受量子计算硬件所限，可操控的量子比特数目和噪声等因素制约着量子计算机的发展.短期内量子计算硬件难以达到通用量子计算机需要的程度，当前研究重点是能够在中等规模含噪声量子（noisy intermediate-scale quantum，NISQ）计算设备上运行的算法.变分量子算法是一种混合量子-经典算法，适合应用于当前量子计算设备，是量子机器学习领域的研究热点之一.变分量子电路是一种参数化量子电路，变分量子算法利用其完成量子机器学习任务.变分量子电路也被称为拟设或量子神经网络.变分量子算法框架主要由5个步骤组成：1）根据任务设计损失函数和量子电路结构；2）将经典数据预处理后编码到量子态上，量子数据可以省略编码；3）计算损失函数；4）测量和后处理；5）经优化器优化参数.在此背景下，综述了量子计算基础理论与变分量子算法的基础框架，详细介绍了变分量子算法在量子机器学习领域的应用及进展，分别对量子有监督学习、量子无监督学习、量子半监督学习、量子强化学习以及量子电路结构搜索相关模型进行了介绍与对比，对相关数据集及相关模拟平台进行了简要介绍和汇总，最后提出了基于变分量子电路量子机器学习算法所面临的挑战及今后的研究趋势.

关键词：量子计算量子机器学习变分量子算法量子神经网络量子深度学习量子强化学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于集成学习的不平衡图节点分类算法

电子科技大学学报 2025年

作者：赵华健杨钦程胡兆龙浙江师范大学计算机科学与技术学院

图神经网络（graph neural network, GNN）在过去几年里被广泛应用于节点分类。然而，现有研究集中于平衡数据集，但是不平衡数据却普遍存在。传统处理不平衡数据集的方法，如重采样和重加权，往往需要进行较多的预处理或提出新的网络... 详细信息

图神经网络（graph neural network, GNN）在过去几年里被广泛应用于节点分类。然而，现有研究集中于平衡数据集，但是不平衡数据却普遍存在。传统处理不平衡数据集的方法，如重采样和重加权，往往需要进行较多的预处理或提出新的网络结构，容易引入新的偏差和导致信息丢失。提出了一种改良的装袋（Bootstrap aggregating,Bagging）集成学习方法，对不平衡图数据集进行了k折划分，并采用GNN为基础模型对子数据集进行训练得到多个不同的子模型。最后，通过融合不同模型提升了节点分类精度而不引入过多的预处理。基于不平衡图数据集的实验结果，表明所提出的方法在准确性和鲁棒性上优于基本分类器，此外，还发现分类精度随着k的增加先提高后降低。

关键词：图神经网络节点分类图网络结构不平衡图数据集集成学习

面向新工科的“数据挖掘”课程创新体系探索与实践

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

高等工程教育研究 2025年第1期 68-74页

作者：冯林李子豪韩鸿宇李晓宁四川师范大学计算机科学学院

针对大数据、人工智能、数字经济等新质生产力对数据挖掘人才的需求，建立了以“知识&应用创新能力&素质(Knowledge&application Innovation Abilities&Qualities, KIAQ)”为核心价值的“数据挖掘”课程体系，形成了具有新工科特点的“... 详细信息

针对大数据、人工智能、数字经济等新质生产力对数据挖掘人才的需求，建立了以“知识&应用创新能力&素质(Knowledge&application Innovation Abilities&Qualities, KIAQ)”为核心价值的“数据挖掘”课程体系，形成了具有新工科特点的“数据挖掘”知识结构。多年的课程实施结果表明，新的课程创新体系较好地解决了传统教学方法存在的问题，有效实现了课程目标。

关键词：新工科数据挖掘创新能力教学改革实践教学

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向大规模图像检索的哈希学习综述

软件学报 2025年第1期36卷 79-106页

作者：张雪凝刘兴波宋井宽聂秀山王少华尹义龙山东大学软件学院山东建筑大学计算机科学与技术学院电子科技大学计算机科学与工程学院

随着互联网空间中图像数据的爆发式增长和图像应用领域的拓宽,大规模图像检索的需求与日俱增.哈希学习为大规模图像检索提供显著的存储与检索效率,并成为近年来一个研究热点.现有哈希学习综述存在着时效性弱与技术路线不清晰的问题,即... 详细信息

随着互联网空间中图像数据的爆发式增长和图像应用领域的拓宽,大规模图像检索的需求与日俱增.哈希学习为大规模图像检索提供显著的存储与检索效率,并成为近年来一个研究热点.现有哈希学习综述存在着时效性弱与技术路线不清晰的问题,即多总结5–10年前的研究成果,且较少总结哈希学习算法各组成部分间的关联关系.鉴于此,通过总结近20年公开发表的哈希学习文献,对面向大规模图像检索的哈希学习进行系统的综述性研究.首先,介绍哈希学习的技术路线和哈希学习算法的主要组成部分,包括损失函数、优化策略及样本外扩展映射.其次,将面向图像检索的哈希学习算法分为无监督哈希方法和监督哈希方法两类,并分别梳理每类方法的研究现状和演化过程.然后,介绍哈希学习算法评估通用的图像数据集与评估指标,并通过对比实验分析部分经典算法的性能.最后,结合哈希学习的局限性与新挑战对其发展前景进行阶段性总结与展望.

关键词：图像检索大规模数据近似最近邻检索哈希学习相似性保持

基于亲和关系学习与区域感知增强的小样本语义分割方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

山西大学学报(自然科学版) 2025年

作者：苟旭晨王邦军李凡长张莉樊佳庆苏州大学计算机科学与技术学院

小样本语义分割旨在利用少量标注样本对未见新类的目标进行分割。最近一些面向该任务的模型集成原型学习与亲和学习两类方法的优点，在充分利用支持集中语义信息的同时避免模型过拟合基类。然而，这些方法依然面临数据集分布偏移和二值... 详细信息

小样本语义分割旨在利用少量标注样本对未见新类的目标进行分割。最近一些面向该任务的模型集成原型学习与亲和学习两类方法的优点，在充分利用支持集中语义信息的同时避免模型过拟合基类。然而，这些方法依然面临数据集分布偏移和二值掩码使用不当造成特征判别性下降的问题。针对这一问题，本文提出交叉注意力信息增强网络，首先通过信息增强模块基于注意力机制进行特征间的密集匹配，然后使用区域感知增强模块在空间上下文信息的引导下增强支持掩码，从而过滤边缘特征引入的背景噪声。本文还考虑了训练集类别不平衡问题造成的模型泛化损失。实验结果表明，本文提出的模型在COCO-20i和PASCAL-5i数据集上使用VGG-16作为骨干网络时在不同设定下的m IoU指标比当前最优模型分别提升1.5%、2.3%、3.7%和4.6%，充分表明该方法的有效性与优越性。

关键词：小样本学习双分支网络先验分割框架类别不平衡

一种基于核数据变换方法的遥感图像谱聚类算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

林业工程学报 2025年

作者：赵海军陈华月崔梦天西华师范大学计算机学院西南民族大学计算机科学与技术学院

随着遥感图像在各行各业的日益广泛应用,遥感图像的处理变得愈来愈重要。为了实现谱聚类算法应用于林业工程中的遥感图像处理,本研究提出了一种新的基于核数据变换和基于角距离度量的谱聚类算法。首先,通过对基于多变量核特征提取的一... 详细信息

随着遥感图像在各行各业的日益广泛应用,遥感图像的处理变得愈来愈重要。为了实现谱聚类算法应用于林业工程中的遥感图像处理,本研究提出了一种新的基于核数据变换和基于角距离度量的谱聚类算法。首先,通过对基于多变量核特征提取的一般核熵成分分析法的分析,并基于信息论概念和核密度估计密切相关的瑞利二次熵,提出了一种新的最佳特征提取和无监督降维方法,即最佳核熵成分分析法。它根据类或聚类信息方面的数据结构,采用一个额外的旋转,使得成分之间的独立性最大化;在这些成分中最佳地捕捉数据的高信息势部分,直接找到关于保留成分的数量的最大化信息势的基,以确保得到的解比标准的核熵成分分析得到的解保留更多(或相等)的信息势;并提出了采用梯度上升法来求解最佳核熵成分分析优化问题,具体实现是采用了一种简单的提前终止方案,以确保梯度达到一个额外迭代不会显著修改成本函数的区域。其次,通过对最佳核熵成分分析变换和样本外扩展的分析,构建了一种基于角距离度量的谱聚类算法,它采用角距离度量的核k-均值聚类目标,而不是采用基于欧氏距离的度量。优化过程采用最佳核熵成分分析空间中的角距离,以保证收敛到局部最优,从而实现图像的聚类。基于多光谱卫星图像的实验结果表明,本研究提出的谱聚类算法不仅适用于遥感图像的云筛选问题,而且相比目前其他先进的聚类算法有更好的分类性能。

关键词：遥感图像非线性特征提取概率密度函数 k-均值瑞利熵谱聚类