检索结果-南通市图书馆

维普期刊数据库博看期刊

多尺度视觉语义增强的多模态命名实体识别方法

在线全文

学校读者我要写书评

暂无评论

自动化学报 2024年第6期50卷 1234-1245页

作者：王海荣徐玺王彤陈芳萍北方民族大学计算机科学与工程学院银川750021 北方民族大学图像图形智能处理国家民委重点实验室银川750021

为解决多模态命名实体识别(Multimodal named entity recognition,MNER)方法研究中存在的图像特征语义缺失和多模态表示语义约束较弱等问题,提出多尺度视觉语义增强的多模态命名实体识别方法(Multi-scale visual semantic enhancement f... 详细信息

为解决多模态命名实体识别(Multimodal named entity recognition,MNER)方法研究中存在的图像特征语义缺失和多模态表示语义约束较弱等问题,提出多尺度视觉语义增强的多模态命名实体识别方法(Multi-scale visual semantic enhancement for multimodal named entity recognition method,MSVSE).该方法提取多种视觉特征用于补全图像语义,挖掘文本特征与多种视觉特征间的语义交互关系,生成多尺度视觉语义特征并进行融合,得到多尺度视觉语义增强的多模态文本表示;使用视觉实体分类器对多尺度视觉语义特征解码,实现视觉特征的语义一致性约束;调用多任务标签解码器挖掘多模态文本表示和文本特征的细粒度语义,通过联合解码解决语义偏差问题,从而进一步提高命名实体识别准确度.为验证该方法的有效性,在Twitter-2015和Twitter-2017数据集上进行实验,并与其他10种方法进行对比,该方法的平均F1值得到提升.

关键词：多模态命名实体识别多任务学习多模态融合 Transformer

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

图文数据的多级关系分析与挖掘方法

北京航空航天大学学报 2024年第2期50卷 684-694页

作者：郭瑞萍王海荣王栋北方民族大学计算机科学与工程学院银川750021

如何高效挖掘多模态数据间隐藏的语义关联是当前多模态知识抽取的重点任务之一,为更细粒度地挖掘图像与文本数据间关系,提出了一种多级关系分析与挖掘(MRAM)方法,引入BERT-Large模型,提取文本特征构建文本连接图,利用Faster-RCNN网络提... 详细信息

如何高效挖掘多模态数据间隐藏的语义关联是当前多模态知识抽取的重点任务之一,为更细粒度地挖掘图像与文本数据间关系,提出了一种多级关系分析与挖掘(MRAM)方法,引入BERT-Large模型,提取文本特征构建文本连接图,利用Faster-RCNN网络提取图像特征来学习空间位置关系和语义关系并构建图像连接图,进而完成单模态内部语义关系计算,在此基础上,使用节点切分方法和带多头注意力机制的图卷积网络(GCN-MA)进行局部和全局的图文关系融合。此外,为提升关系挖掘效率,采用了基于注意力机制的连边权重剪枝策略,用以增强重要分支表示,减少冗余信息干扰。在公开的Flickr30K、MSCOCO-1K、MSCOCO-5K数据集上进行方法实验,并与11种方法进行实验结果的对比分析,所提方法在Flickr30K上的平均召回率提高了0.97%和0.57%,在MSCOCO-1K上的平均召回率提高了0.93%和0.63%,在MSCOCO-5K上的平均召回率提高了0.37%和0.93%,实验结果验证了所提方法的有效性。

关键词：关系挖掘多级关系注意力机制图卷积网络图文数据

在线全文

学校读者我要写书评

暂无评论

自注意力相似度迁移跨模态哈希网络

北京航空航天大学学报 2024年第2期50卷 615-622页

作者：梁焕王海荣王栋北方民族大学计算机科学与工程学院银川750021

为进一步提升跨模态检索性能,提出自注意力相似度迁移跨模态哈希网络模型。设计了一种通道空间混合自注意力机制强化关注图像的关键信息,并使用共同注意力方法加强模态信息交互,提高特征学习质量;为在哈希空间重构相似关系,采用迁移学... 详细信息

为进一步提升跨模态检索性能,提出自注意力相似度迁移跨模态哈希网络模型。设计了一种通道空间混合自注意力机制强化关注图像的关键信息,并使用共同注意力方法加强模态信息交互,提高特征学习质量;为在哈希空间重构相似关系,采用迁移学习的方法利用实值空间相似度引导哈希码的生成。在3个常用的数据集MIRFLICKR-25K、IAPR TC-12和MSCOCO上与深度跨模态哈希(DCMH)、成对关系引导的深度哈希(PRDH)、跨模态汉明哈希(CMHH)等优秀方法进行对比实验,结果显示哈希码长度为64 bit的条件下,所提模型在3个数据集图像检索文本任务的平均精确度均值(MAP)达到72.3%,文本检索图像任务的MAP达到70%,高于对比方法。

关键词：跨模态检索哈希学习注意力机制迁移学习无监督学习

在线全文

学校读者我要写书评

暂无评论

基于小波自编码器的图像盲去噪算法

华中科技大学学报（自然科学版） 2024年第2期52卷 62-68页

作者：马自萍谭力刀北方民族大学数学与信息科学学院宁夏银川750021 北方民族大学计算机科学与工程学院宁夏银川750021

为解决基于深度学习图像去噪方法在图像盲去噪任务中去噪能力有限和去噪效果不佳的问题,构造了小波自编码器(Wavelet-AE),并用于图像盲去噪.首先,使用Haar小波构造小波卷积层(DWT)与逆小波卷积层(IDWT);然后,分别使用DWT和IDWT构建下采... 详细信息

为解决基于深度学习图像去噪方法在图像盲去噪任务中去噪能力有限和去噪效果不佳的问题,构造了小波自编码器(Wavelet-AE),并用于图像盲去噪.首先,使用Haar小波构造小波卷积层(DWT)与逆小波卷积层(IDWT);然后,分别使用DWT和IDWT构建下采样块和上采样块;最后,使用下采样块和上采样块构造小波自编码器.Wavelet-AE可以建立噪声图像与干净图像在特征空间中的映射关系,进而具备更好的图像盲去噪能力.为定量评价所提方法的图像盲去噪能力,将峰值信噪比和结构相似性作为评价指标.在Kodak和SIDD数据集上的图像盲去噪实验结果表明:Wavelet-AE与一些先进的传统方法和深度网络去噪方法相比具有更好的盲去噪能力,平均峰值信噪比(PSNR)最大可提高4.58 dB,平均结构相似性(SSIM)最大可提高0.149.

关键词：图像处理图像盲去噪小波自编码器综合噪声真实噪声

基于VIENNA永磁风电系统的自适应反推控制研究

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2024年第1期45卷 171-178页

作者：王君瑞王丽宝乔煊景吴新举北方民族大学电气信息工程学院银川750021

针对永磁同步电机存在非线性项的不确定性以及系统参数摄动产生的不利影响,提出一种基于VIENNA永磁风电系统的自适应反推控制策略。采用VIENNA整流拓扑实现整机功率密度的最大化,降低谐波干扰,提升系统的可靠性。通过自适应反推控制得... 详细信息

针对永磁同步电机存在非线性项的不确定性以及系统参数摄动产生的不利影响,提出一种基于VIENNA永磁风电系统的自适应反推控制策略。采用VIENNA整流拓扑实现整机功率密度的最大化,降低谐波干扰,提升系统的可靠性。通过自适应反推控制得到系统控制律和参数自适应律,解决了系统的非线性,实现了对定子电阻和负载转矩的参数自适应,从而提高了系统的抗干扰能力。仿真结果表明,该控制系统具有较强的鲁棒性。

关键词：永磁风电系统 VIENNA整流器自适应反推控制鲁棒性

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

基于直觉模糊集的多准则决策方法及其应用

基于直觉模糊集的多准则决策方法及其应用

作者：文雅晴北方民族大学

学位级别：硕士

在多准则决策问题中,由于决策过程中的不确定性导致决策比较困难.直觉模糊集通过隶属度、非隶属度以及犹豫度对决策信息进行表示,使其在实际决策中更具灵活性.另外,圆形直觉模糊集作为直觉模糊集的推广,通过圆形来模拟现实中的不确定性... 详细信息

在多准则决策问题中,由于决策过程中的不确定性导致决策比较困难.直觉模糊集通过隶属度、非隶属度以及犹豫度对决策信息进行表示,使其在实际决策中更具灵活性.另外,圆形直觉模糊集作为直觉模糊集的推广,通过圆形来模拟现实中的不确定性,能更好的将模糊信息转换为数学语言.因此,对直觉模糊集与圆形直觉模糊集的多准则决策问题的研究具有一定的理论意义.本文主要针对直觉模糊集与圆形直觉模糊集的距离度量方法以及多准则决策过程进行研究,并将提出的决策方法应用于桥梁风险评价与伊斯坦布尔流行病医院选址当中,论文的主要内容如下:(1)给出了基于犹豫度再分配的直觉模糊集距离方法(Intuitionistic fuzzy set distance based on hesitancy reassignment,IFSD-HR).在直觉模糊集环境下,综合考虑隶属度、非隶属度以及犹豫度三方面的信息,将犹豫度以一种分配的形式引入到直觉模糊集的距离度量中,构造IFSD-HR度量方法,然后根据理论推导证明IFSD-HR度量满足距离度量的性质条件.其次证明IFSD-HR度量方法的合理性与优势,利用直觉模糊集人工测试集将IFSD-HR度量与现存的直觉模糊集距离度量方法进行测试并比较分析,体现其合理性与优势.(2)给出了基于犹豫度再分配的圆形直觉模糊集距离方法(Circular intuitionistic fuzzy set distance based on hesitancy reassignment,CIFSD-HR).通过将直觉模糊集距离度量方法思想进行扩展,综合考虑隶属度、非隶属度、半径以及犹豫度四个方面的因素,给出新CIFSD-HR度量方法,然后通过理论证明该度量方法满足相关度量条件,最后构建圆形直觉模糊集人工测试集,将新方法与现存方法进行比较分析说明CIFSD-HR度量的优越性.(3)在直觉模糊集上基于IFSD-HR度量构建多准则决策方法.通过将新度量方法、逼近理想解排序法(Technique for order prefere-nce by similarity to ideal solution,TOPSIS)相互结合,提出直觉模糊集多准则决策方法,然后利用新方法解决桥梁风险评估问题.另外,在圆形直觉模糊集上基于CIFSD-HR度量构建多准则决策方法,将新圆形直觉模糊集度量方法与TOPSIS思想进行融合,以一种更简便的方式对伊斯坦布尔流行病医院进行选址,最后通过对选址结果的分析说明所提方法的有效性与可行性.

关键词：直觉模糊集圆形直觉模糊集多准则决策 TOPSIS

基于数据降维和时空特征提取的PM2.5浓度预测模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据降维和时空特征提取的PM2.5浓度预测模型研究

作者：韩雪微北方民族大学

学位级别：硕士

空气质量问题一直是人们关注的重点,建立一个高准确性的PM2.5浓度预测模型,对于环境保护和社会发展具有重要意义。本文提出了基于PCA-CNN-LSTM模型和SAE-CNN-LSTM模型的PM2.5浓度预测算法,其中应用主成分分析法（Principal Component An... 详细信息

空气质量问题一直是人们关注的重点,建立一个高准确性的PM2.5浓度预测模型,对于环境保护和社会发展具有重要意义。本文提出了基于PCA-CNN-LSTM模型和SAE-CNN-LSTM模型的PM2.5浓度预测算法,其中应用主成分分析法（Principal Component Analysis,PCA）和栈式自编码算法（Stacked Autoencoder,SAE）对目标环境监测站点的变量进行特征降维,同时应用K均值聚类算法（K-means clustering algorithm,K-means）根据经纬度对环境监测站点进行聚类,使用卷积神经网络模型（Convolutional Neural Network,CNN）提取聚类后环境监测站点空气污染物变量的数据特征,最后应用长短期记忆神经网络模型（Long Short-Term Memory,LSTM）提取时间特征。选择三个地理位置、气候特点完全不同的城市沈阳市、苏州市、重庆市2020年1月1日到2021年12月31日每小时空气污染物数据和气象数据来验证模型的准确性和普适性,并将本文提出的两种模型分别与BP神经网络模型（Back Propagation Neural Networks,BPNN）,基于主成分分析和长短期记忆神经网络的PCA-LSTM模型,基于栈式自编码算法和长短期记忆神经网络的SAE-LSTM模型等进行对比。得出结论如下:（1）应用PCA算法对目标环境监测站点的空气污染物变量和气象变量进行降维,沈阳市、苏州市、重庆市分别提取了3、3、2个主成分。经实验分析利用PCA算法对变量降维赋权的预测模型与其它模型相比第一到第六小时预测值的均方根误差（Root Mean Square Error,RMSE）降低了7.78%到38.82%,实验结果表明应用PCA算法对变量降维赋权的PM2.5预测方法可以降低模型计算的复杂度,提高模型运算效率。（2）应用SAE模型对特征变量进行降维,将沈阳市、苏州市、重庆市空气污染物变量和气象变量的维度从11维降低到4维,有效的简化了特征的数量。经实验分析进行SAE特征降维的模型与其他模型相比第一到第六小时的预测值RMSE降低了3.63%到30.06%。实验结果表明SAE模型有较强的特征提取功能,可以有效降低数据维度,提升模型预测精度。（3）应用K-means算法根据经纬度分别将沈阳市11个环境空气质量监测站点、苏州市10个环境空气质量监测站点、重庆市17个环境空气质量监测站点分别聚为3类,并利用CNN模型对聚类后的环境监测站点进行空间信息提取,LSTM模型进行时间特征提取。经实验分析,利用K-means算法进行空间聚类和CNN模型进行空间特征提取的模型与其他模型相比第一到第六小时预测值RMSE降低了3.11%到30.21%。实验结果表明利用K-means算法和CNN算法充分考虑了PM2.5浓度变化的空间相关性,提取出对目标环境监测站点影响较大的空间因素,提高模型了的预测精度。（4）PCA-CNN-LSTM、SAE-CNN-LSTM模型与BPNN模型、Bi LSTM模型、CNN-LSTM模型、PCA-LSTM模型、SAE-LSTM模型相比,第一小时RMSE降低了11.73%到38.82%、平均绝对误差（Mean Absolute Error,MAE）降低了11.52%到45.01%、决定系数（Coefficient of Determination,R）提高了1.04%到5.83%,第六小时RMSE降低了2.59%到8.21%、MAE降低了3.15%到12.67%、R提高了1.12%到3.49%。其中PCA-CNN-LSTM模型与SAE-CNN-LSTM模型相比,第一小时PCA-CNN-LSTM模型的预测效果较好,第二到第六小时两个模型在不同城市展示出了不同的预测效果。

关键词： PCA算法 SAE算法 LSTM模型 CNN模型预测

非Lipschitz系数的倒向重随机微分方程

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非Lipschitz系数的倒向重随机微分方程

作者：金启荣北方民族大学

学位级别：硕士

倒向重随机微分方程自1994年被Pardoux和Peng引入以来,得到国内外专家的广泛研究,它在金融数学、随机控制、随机决策和偏微分方程等领域中有着广阔的应用前景.本文主要研究了在一定非Lipschitz条件下,由高斯白噪声和带补偿的Poisson随... 详细信息

倒向重随机微分方程自1994年被Pardoux和Peng引入以来,得到国内外专家的广泛研究,它在金融数学、随机控制、随机决策和偏微分方程等领域中有着广阔的应用前景.本文主要研究了在一定非Lipschitz条件下,由高斯白噪声和带补偿的Poisson随机测度驱动的倒向重随机微分方程解的相关性质.第一部分,研究了满足非Lipschitz系数的由高斯白噪声和带补偿的Poisson随机测度驱动的倒向重随机微分方程解的轨道唯一性和比较定理.通过推广经典的Yamada-Watanabe判断准则,利用关于倒向重随机微分方程的It(?)公式,Bihari不等式的倒向形式,Jensen不等式和控制收敛定理,得到满足非Lipschitz条件的倒向重随机微分方程解的轨道唯一性和比较定理.第二部分,作为比较定理的一个应用,研究了在另一种非Lipschitz系数下,漂移项系数连续且线性增长,由高斯白噪声和带补偿的Poisson随机测度驱动的倒向重随机微分方程最小解和最大解的存在性,给出了几个重要引理及其证明过程.

关键词：倒向重随机微分方程非Lipschitz系数轨道唯一性比较定理最小解

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

对流扩散反应方程的稳定化虚拟元方法

对流扩散反应方程的稳定化虚拟元方法

作者：王晓辉北方民族大学

学位级别：硕士

本文通过应用虚拟元函数和几类偏微分算子的局部投影,建立了在几乎任意多边形网格上逼近对流占优扩散反应方程及其最优控制问题的稳定化虚拟元方法.具体内容包括:通过对双线性型和右端项引入与对流项、扩散项、反应项都相关的稳定化项,... 详细信息

本文通过应用虚拟元函数和几类偏微分算子的局部投影,建立了在几乎任意多边形网格上逼近对流占优扩散反应方程及其最优控制问题的稳定化虚拟元方法.具体内容包括:通过对双线性型和右端项引入与对流项、扩散项、反应项都相关的稳定化项,建立了对流占优扩散反应方程的稳定化虚拟元方法,克服了对流扩散反应方程中当对流占优时一般的数值求解方法产生非物理振荡的问题,并且通过引入平衡网格参数、扩散系数、反应系数和扩散系数的稳定化参数,解决了多数对流占优扩散方程的稳定化方法不能适用于有反应项方程的问题,证明了该虚拟元方法对于任意反应项系数都是稳定的,并且给出了虚拟元解在能量范数和范数下的最优误差收敛阶的证明.最后在几种多边形网格上给出了两个数值算例,例证了上述稳定化虚拟元方法在多种多边形网格上求解对流占优扩散反应方程时是稳定的,并且达到了最优误差阶.基于上述对流占优扩散反应方程的稳定化虚拟元方法框架,构造了对流占优扩散反应方程最优控制问题的一阶虚拟元离散格式,该方法通过引入稳定化项来处理较大P′eclet数时的数值不稳定情形,给出了离散一阶最优性条件,将求泛函极小的问题转化为对原始状态方程、伴随状态方程和一个变分不等式的联立系统,最后给出了该方法的先验误差估计.

关键词：虚拟元方法稳定化对流占优扩散反应方程最优控制问题误差分析