检索结果-南通市图书馆

多尺度信息系统下基于证据理论的三支多属性决策建模

维普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

小型微型计算机系统 2024年

作者：李瑞张超李德玉山西大学计算机与信息技术学院山西大学计算智能与中文信息处理教育部重点实验室

多尺度信息系统为智能决策提供多个粒度层次的数据信息．本文旨在克服单尺度信息系统的局限，改进三支决策的主观性缺陷，并解决D-S证据理论在处理高度冲突证据时的矛盾问题，进而探索三支多属性决策方法．首先，提出基于熵权法的多尺... 详细信息

多尺度信息系统为智能决策提供多个粒度层次的数据信息．本文旨在克服单尺度信息系统的局限，改进三支决策的主观性缺陷，并解决D-S证据理论在处理高度冲突证据时的矛盾问题，进而探索三支多属性决策方法．首先，提出基于熵权法的多尺度信息系统融合模型，以综合考虑各尺度的重要性．其次，将灰色关联度融入TOPSIS法，获取备选方案的评价值，并作为三支决策的条件概率．然后，利用D-S证据理论和信息散度融合三支决策的多组阈值，以获得最终决策结果．最后，通过高中教育综合评估数据集验证该方法在人才评价中的可行性与有效性．本文模型丰富了多尺度信息系统、三支决策、证据理论和信息散度的理论，并有效降低了多属性决策的风险．

关键词：粒计算多尺度信息系统三支决策 D-S证据理论信息散度

一种近似图神经网络框架的无监督链路预测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

郑州大学学报（工学版） 2024年第6期45卷 75-82页

作者：李格格冶忠林曹淑娟周琳王雪力青海师范大学计算机学院青海西宁810008 青海师范大学藏语智能信息处理及应用国家重点实验室青海西宁810008

对于无标签网络,由于基于图神经网络的链路预测方法使用其高效建模机制进行链路预测任务时性能较差,因此,提出了一种近似图神经网络框架的无监督链路预测算法(ALIP),旨在模拟图神经网络算法的高效建模机制和学习过程,解决网络节点标签... 详细信息

对于无标签网络,由于基于图神经网络的链路预测方法使用其高效建模机制进行链路预测任务时性能较差,因此,提出了一种近似图神经网络框架的无监督链路预测算法(ALIP),旨在模拟图神经网络算法的高效建模机制和学习过程,解决网络节点标签缺失导致的建模不充分问题。首先,参照GCN的输入层,融合网络的结构信息和节点属性;其次,使用矩阵分解替代GCN的隐藏层,模拟正向传播;再次,借鉴恒等映射和高阶近邻的思想实现向量转化和模型优化,从而得出网络节点表示向量,该过程模拟GCN的反向传播;最后,计算相似度矩阵,进行链路预测任务性能评测。在Citeseer数据集、DBLP数据集和Cora数据集上的实验结果表明:所提ALIP算法AUC值最高为98.01%,其性能优于其他23种链路预测算法,证明了该算法的有效性和可行性,同时也为无标签的复杂网络链路预测任务提供了一种新的解决方案。

关键词：矩阵分解向量优化图卷积神经网络相似度矩阵链路预测高阶近邻

维普期刊数据库

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于特征融合的部分有序深度森林模型

计算机工程与应用 2024年

作者：许行温萧轲王文剑山西大学计算机与信息技术学院计算智能与中文信息处理教育部重点实验室(山西大学)

部分有序数据是同时包含有序特征与无序特征的一类数据，其广泛存在于现实生活中．传统的有序分类方法或者将所有特征都视为有序特征，或者对有序与无序特征分别进行处理，忽略了二者之间的关系，这些方法难以有效解决部分有序数据上的... 详细信息

部分有序数据是同时包含有序特征与无序特征的一类数据，其广泛存在于现实生活中．传统的有序分类方法或者将所有特征都视为有序特征，或者对有序与无序特征分别进行处理，忽略了二者之间的关系，这些方法难以有效解决部分有序数据上的分类问题．针对该问题，提出一种基于特征融合的部分有序深度森林模型，称为FFDF（Feature Fusion-based Deep Forest）．首先，利用典型相关分析的思想，设计特征融合的贡献度计算方法，将有序特征和无序特征融合到同一特征空间，统一度量二者之间的关系．然后，对融合的特征空间进行数据粒化，降低模型处理连续变量时的复杂性．最后，设计融合空间下的特征矩阵输入级联森林，构建部分有序的深度森林模型．在来自UCI和WEKA的13个公共数据集上与部分单调决策树、有序分类模型、深度森林模型等六种方法进行比较实验，结果表明所提方法在准确性和平均绝对误差方面均优于对比方法；与集成模型深度森林gcForest和DF21进行了时间性能上的对比实验，结果表明所提方法在时间性能上优于对比方法．

关键词：有序分类部分有序数据特征融合深度森林典型相关分析

基于个体—整体跨度调整的博弈粗糙群共识决策模型及其应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学 2024年

作者：侯涵中张超李德玉山西大学计算机与信息技术学院计算智能与中文信息处理教育部重点实验室(山西大学)

群共识决策是指在面对多个备选方案时，一组个体通过集体协商，调整不同个体意见，以确保在达成共识的前提下解决问题的过程。以空气质量评估为例探索群共识模型，首先，采用直觉模糊数来对个体评价进行表示，同时提出新型映射函数来将... 详细信息

群共识决策是指在面对多个备选方案时，一组个体通过集体协商，调整不同个体意见，以确保在达成共识的前提下解决问题的过程。以空气质量评估为例探索群共识模型，首先，采用直觉模糊数来对个体评价进行表示，同时提出新型映射函数来将实数转化为直觉模糊数。其次，本文提出调整个体与整体相对跨度的方法来达成共识，有助于快速锁定个体和整体的差异，从而对个体评价进行调整。然后，在达成共识的基础上，采用博弈粗糙集模型，通过权衡准确性与通用性来确定阈值。在提升性能的基础上，减少边界区域的大小，从而增加决策结果的准确性。最后，通过空气质量评价的实例，验证所提方法的可行性和有效性。综上所述，该模型的提出不仅丰富了相关理论体系，有效降低群共识决策的风险，更为复杂决策问题的解决提供了一种可行的路径。

关键词：粒计算三支决策群共识决策直觉模糊数博弈粗糙集

可重构智能反射面辅助太赫兹通信系统鲁棒波束赋形算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电子与信息学报 2024年第3期46卷 808-816页

作者：袁一铭徐勇军周继华重庆邮电大学通信与信息工程学院重庆400065 浙江省信息处理与通信网络重点实验室杭州310058 航天新通科技有限公司重庆401332

太赫兹通信作为6G的关键技术之一,被认为是能够解决频谱资源短缺、提升系统容量的有效手段。然而,由于路径损耗极高和分子的吸收作用,太赫兹容易被障碍物阻挡导致通信中断。为了解决该问题,该文将可重构智能反射面(RIS)引入到太赫兹通... 详细信息

太赫兹通信作为6G的关键技术之一,被认为是能够解决频谱资源短缺、提升系统容量的有效手段。然而,由于路径损耗极高和分子的吸收作用,太赫兹容易被障碍物阻挡导致通信中断。为了解决该问题,该文将可重构智能反射面(RIS)引入到太赫兹通信系统中,且考虑信道不确定性对传输稳定性的影响,基于用户服务质量约束、基站发射功率约束及RIS离散相移约束,建立多用户能效最大化波束赋形模型。利用丁克尔巴赫、连续凸近似、S-程序、半正定松弛、相位映射和块坐标下降将原非凸优化问题转化为凸优化问题进行求解。仿真结果表明,与传统非鲁棒波束赋形对比,所提算法能效提升了15.4%,中断概率减小了15.48%。

关键词：太赫兹通信可重构智能反射面鲁棒波束赋形能量效率

维普期刊数据库

FGITA:一种基于细粒度对齐的多模态命名实体识别框架

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年

作者：吕学强王涛游新冬赵海兴才藏太陈玉忠北京信息科技大学网络文化与数字传播北京市重点实验室青海师范大学藏语智能信息处理及应用国家重点实验室

命名实体识别任务旨在识别出非结构化文本中所包含的实体并将其分配给预定义的实体类别中。随着互联网和社交媒体的发展，文本信息往往伴随着图像等视觉模态信息出现，传统的命名实体识别方法在多模态信息中表现不佳。近年来，多模态命... 详细信息

命名实体识别任务旨在识别出非结构化文本中所包含的实体并将其分配给预定义的实体类别中。随着互联网和社交媒体的发展，文本信息往往伴随着图像等视觉模态信息出现，传统的命名实体识别方法在多模态信息中表现不佳。近年来，多模态命名实体识别任务广受重视。然而，现有的多模态命名实体识别方法中，存在跨模态知识间的细粒度对齐不足问题，文本表征会融合语义不相关的图像信息，进而引入噪声。为了解决这些问题，提出了一种基于细粒度图文对齐的多模态命名实体识别方法(FGITA: A Multi-Modal NER Frame based on Fine-Grained Image-Text Alignment)。首先，该方法通过目标检测、语义相似性判断等，确定更为细粒度的文本实体和图像子对象之间的语义相关性；其次，通过双线性注意力机制，计算出图像子对象与实体的相关性权重，并依据权重将子对象信息融入到实体表征中；最后，提出了一种跨模态对比学习方法，依据图像和实体之间的匹配程度，优化实体和图像在嵌入空间中的距离，借此帮助实体表征学习相关的图像信息。在两个公开数据集上的实验表明，FGITA优于5个主流多模态命名实体识别方法，验证了方法的有效性，同时验证了细粒度跨模态对齐在多模态命名实体识别任务中的重要性和优越性。

关键词：多模态命名实体识别信息抽取知识图谱对比学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

学习驱动的图像压缩算法研究

计算机工程 2024年

作者：杨红菊吉昌山西大学计算智能与中文信息处理教育部重点实验室山西大学计算机与信息技术学院

目前，基于CNN（卷积神经网络）深度学习的图像压缩已经取得了非常优异的成果，但是由于其感受野受限，不能学习到图像非局部区域内像素之间的上下文关系，缺少了长距离建模和感知能力，造成结果出现失真、伪影和压缩率较高等问题。为... 详细信息

目前，基于CNN（卷积神经网络）深度学习的图像压缩已经取得了非常优异的成果，但是由于其感受野受限，不能学习到图像非局部区域内像素之间的上下文关系，缺少了长距离建模和感知能力，造成结果出现失真、伪影和压缩率较高等问题。为了解决以上问题，本文提出了以下两种解决办法：第一，本文设计了一种由CNN、多尺度注意力机制 (Multi scale attention，MSA)和残差单元所构成的对称编解码器架构，该架构在对图片进行通道变换和空间变换的同时引入多尺度注意力机制，能够对特征进行重新校准，减少潜在表示的冗余像素。第二：设计了一种基于U型框架的超先验网络，可以在不同层级上获取多尺度的上下文信息，在帮助提取高级语义特征的同时，保留详细的低级特征信息，能够更好的进行边界细化和细节恢复。在Kodak，Tecnick和CLIC三种数据集上，与其他先进的图像压缩方法进行对比实验，在相同比特率下，本文提出的模型在PSNR指标上分别提高了约0.3 dB、0.6 dB、0.5 dB。并且在保证压缩率的同时，有效的提高了对非重复纹理特征和图像细节特征的重建效果。

关键词：深度学习图像压缩多尺度注意力机制超先验网络 Transformer

基于D-ResNeXt骨干网络的小样本图像分类算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

山西大学学报(自然科学版) 2024年第4期47卷 761-766页

作者：杨红菊翟艳峰山西大学计算机与信息技术学院山西大学计算智能与中文信息处理教育部重点实验室

小样本图像分类目前是人工智能领域中非常重要的方向之一，其中基于度量学习的方法具有简洁高效的特点。针对目前图像分类中特征提取阶段所使用的骨干网络问题，现有工作大多使用传统残差网络，受数据集的影响，对类内差异大的图片特征... 详细信息

小样本图像分类目前是人工智能领域中非常重要的方向之一，其中基于度量学习的方法具有简洁高效的特点。针对目前图像分类中特征提取阶段所使用的骨干网络问题，现有工作大多使用传统残差网络，受数据集的影响，对类内差异大的图片特征提取效果不佳。ResNeXt为传统残差网络ResNet的升级版本，优化了在特征提取阶段准确度不高，误差较大的问题。根据其网络特点，本文设计出一种适用于小样本模型的网络变体，运用其变体作为骨干网络，提高其特征提取能力，同时结合两种注意力模块，进一步提升对图像类内相似性以及类间差异性的识别效果，减少无关因素影响，有效提升整体分类精度。

关键词：小样本学习图像分类注意力机制度量学习残差网络

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

基于频域解离特征的OCT指纹表征攻击检测

计算机学报 2024年第2期47卷 323-336页

作者：刘凤曾文锋张文天孔哲王磊沈琳琳深圳大学计算机与软件学院广东深圳518060 广东省智能信息处理重点实验室广东深圳518060 深圳市人工智能与机器人研究院广东深圳518060 中国科学院深圳先进技术研究院广东深圳518055

在自动指纹识别系统中,指纹防伪能力的发展至关重要.传统指纹一般由表面成像得到,而这种表面的纹理特征极容易被盗取.基于这种传统指纹的识别系统,检测指纹表征攻击的能力十分有限.因此,现有研究普遍针对具有防伪特征的指纹模态,如具有... 详细信息

在自动指纹识别系统中,指纹防伪能力的发展至关重要.传统指纹一般由表面成像得到,而这种表面的纹理特征极容易被盗取.基于这种传统指纹的识别系统,检测指纹表征攻击的能力十分有限.因此,现有研究普遍针对具有防伪特征的指纹模态,如具有汗腺特征的高精度指纹和具有指静脉特征的指纹开发表征攻击检测算法.在本篇工作中,为了进一步提高指纹系统的表征攻击检测能力,我们提出一种基于光学相干断层扫描技术(Optical Coherence Tomography,OCT)的频域指纹表征攻击检测方法.与以往方法不同,我们首先利用卷积神经网络和残差结构设计了一个频域特征解离模型,通过该模型可以分别解离出时域中叠加在原始OCT指纹图像上的信息(如区分性特征、无效特征和冗余特征).然后,我们让它学习不同的频域编码,并结合OCT指纹在时域中的重构编码形成相应的潜层编码.利用潜层编码,我们设计了一种用于区分表征攻击指纹和真实指纹的预测模型,用于表征攻击检测.在目前常用的OCT指纹数据集上的实验结果表明,我们的方法可以通过在频域中分离出一些叠加在时域中的无用干扰信息,从而有效地消除干扰.在实例方面,该方法的最小误差(Err.)为0.67%,与已有的基于时域的最优方法相比,最小误差降低了3.03%,性能提高了81.89%.

关键词：表征攻击检测光学相干断层扫描技术离散小波变换频域解离自动编码器

维普期刊数据库