检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

共享和特定表示的多视图属性图聚类

软件学报 2024年

作者：曹付元陈晓惠山西大学计算机与信息技术学院

现有的多视图属性图聚类方法通常是在融合多个视图的统一表示中学习一致信息与互补信息,然而先融合再学习的方法不仅会损失原始各个视图的特定信息,而且统一表示难以兼顾一致性与互补性.为了保留各个视图的原始信息,本文采用先学习再融... 详细信息

现有的多视图属性图聚类方法通常是在融合多个视图的统一表示中学习一致信息与互补信息,然而先融合再学习的方法不仅会损失原始各个视图的特定信息,而且统一表示难以兼顾一致性与互补性.为了保留各个视图的原始信息,本文采用先学习再融合的方式,先分别学习每个视图的共享表示与特定表示再进行融合,更细粒度地学习多视图的一致信息和互补信息,构建了一种基于共享和特定表示的多视图属性图聚类模型(A multi-view attribute graph clustering based on shared and specific representation, MSAGC).具体来说,首先通过多视图图编码器获得每个视图的初级表示,进而获得每个视图的共享信息和特定信息;然后对齐视图共享信息来学习多视图的一致信息,联合视图特定信息来利用多视图的互补信息,通过差异性约束来处理冗余信息;之后训练多视图解码器重构图的拓扑结构和属性特征矩阵;最后,附加自监督聚类模块使得图表示的学习和聚类任务趋向一致. MSAGC的有效性在真实的多视图属性图数据集上得到了很好地验证.

关键词：多视图属性图共享信息特定信息聚类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向动态混合数据的多粒度增量特征选择算法

软件学报 2024年

作者：王锋姚珍梁吉业山西大学计算机与信息技术学院

在大数据时代,样本规模以及维数的动态更新和变化极大地增加了计算负担,在这些动态数据中,大多的数据样本并不以单一的数据取值形式存在,而是同时包含符号型数据和数值型数据的混合型数据.为此,学者们提出了许多关于混合数据的特征选择... 详细信息

在大数据时代,样本规模以及维数的动态更新和变化极大地增加了计算负担,在这些动态数据中,大多的数据样本并不以单一的数据取值形式存在,而是同时包含符号型数据和数值型数据的混合型数据.为此,学者们提出了许多关于混合数据的特征选择算法,但现有的算法大多只适用静态数据或者小规模的增量数据,无法处理大规模动态变化的数据,尤其是数据分布不断变化的大规模增量数据集.针对这一局限性,通过分析动态数据中粒空间以及粒结构的变化和更新,基于信息融合机制,提出了一种面向动态混合数据的多粒度增量特征选择算法.该算法重点讨论了动态混合数据中的粒空间构建机制、多数据粒结构的动态更新机制以及面向数据分布变化信息融合机制.最后,通过与其他算法在UCI数据集上的实验结果进行对比,进一步验证了所提算法的可行性和高效性.

关键词：动态混合数据数据分布变化多粒度计算信息融合

发掘精神分裂症大脑连接变异的集成聚类动态功能连接分析方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国生物医学工程学报 2024年第3期43卷 257-266页

作者：方嵩柯杜宇慧山西大学计算机与信息技术学院太原030006

近年来,基于功能磁共振成像的动态功能连接在研究精神疾病方面表现出巨大的潜力。传统的基于聚类的动态功能连接分析方法(如K-means)受到类别个数、初始值和噪声的影响可能导致不可靠的功能连接状态(FCSs)。本研究提出了一种新的集成聚... 详细信息

近年来,基于功能磁共振成像的动态功能连接在研究精神疾病方面表现出巨大的潜力。传统的基于聚类的动态功能连接分析方法(如K-means)受到类别个数、初始值和噪声的影响可能导致不可靠的功能连接状态(FCSs)。本研究提出了一种新的集成聚类动态功能连接分析方法。首先,利用多个不同的类别个数(k值)进行K-means产生多样性的簇;然后,基于Jaccard系数和随机游走挖掘不同簇之间的相似性以构造反应簇间关系的加权图;最终,对加权图进行社区检测获得可靠的元簇,并通过投票的方式将每个功能连接窗口分组到不同的元簇中,计算其质心作为功能连接状态。基于105名健康对照(HC)和70名精神分裂症(SZ)患者的fMRI数据,全方位比较所提出的方法和常用的基于K-means的方法进行动态功能网络分析的效果。相较于K-means方法,所提出方法在FCS 2上的平均类间相似性由83.2%降低至81.1%,在FCS 3上的平均类间相似性由76.8%降低至73.5%,聚类评估指标Davies Bouldin指数由6.74降低至6.44,Silhouette Coefficient指数由0.018提高至0.031。显示HC和SZ组的组间差异更集中于FCS 2,而K-means方法的组间差异分散在FCS 2、FCS 3和FCS 4。所提出方法可以自动获得FCSs数目,并具有更好的聚类质量和更可靠的功能连接状态,还发现了比K-means更有意义的组间差异,支持了该方法在探索精神疾病生物标志物方面的应用潜力。

关键词：功能磁共振成像动态功能连接集成聚类 K-means聚类精神分裂症

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于多形态学成分分析的图像融合

同济大学学报（自然科学版） 2024年第1期52卷 10-17页

作者：马晓乐王志海胡绍海北京交通大学计算机与信息技术学院北京100044

将多尺度分解与稀疏表示相结合,提出了一种基于多形态学成分分析(MCA)的图像融合算法。采用基于联合稀疏表示(JSR)的方法融合卡通子图像中的冗余和互补信息,并利用基于方向特征的方法融合具有更多细节信息和噪声的纹理子图像。结果表明... 详细信息

将多尺度分解与稀疏表示相结合,提出了一种基于多形态学成分分析(MCA)的图像融合算法。采用基于联合稀疏表示(JSR)的方法融合卡通子图像中的冗余和互补信息,并利用基于方向特征的方法融合具有更多细节信息和噪声的纹理子图像。结果表明,提出的图像融合算法在主观视觉效果和客观评价指标上均优于先进的图像融合算法。

关键词：图像融合多尺度分解形态学成分分析(MCA) 联合稀疏表示(JSR)

在线全文

学校读者我要写书评

暂无评论

一种改进的双深度Q网络服务功能链部署算法

西安电子科技大学学报 2024年第1期51卷 52-59页

作者：刘道华魏丁二宣贺君余长鸣寇丽博信阳师范大学计算机与信息技术学院河南信阳464000

网络功能虚拟化已成为未来通信网络的关键技术,动态服务功能链的高效部署是提高网络性能迫切需要解决的问题之一。为降低通信网络服务器能量消耗以及改善通信网络服务质量,提出一种改进的双深度Q网络的动态服务功能链部署算法。由于网... 详细信息

网络功能虚拟化已成为未来通信网络的关键技术,动态服务功能链的高效部署是提高网络性能迫切需要解决的问题之一。为降低通信网络服务器能量消耗以及改善通信网络服务质量,提出一种改进的双深度Q网络的动态服务功能链部署算法。由于网络状态及服务功能链的动态性,首先将服务功能链部署问题建模为马尔可夫决策过程。根据通信网络中资源的状态以及所选择的动作计算奖励函数值,对双深度Q网络进行在线训练,得到最优深度神经网络模型,从而确定最优的在线服务功能链部署策略。为解决传统深度强化学习从经验回放池中采用均匀抽取经验样本而导致神经网络学习效率低的问题,设计一种基于重要性采样的优先级经验回放方法以抽取经验样本,从而有效地避免训练样本之间的高度相关性,进一步提高离线学习神经网络的效率。仿真结果表明,所提出基于改进双深度Q网络的服务功能链部署算法能够提高奖励值,与传统的双深度Q网络算法相比,在能量消耗与阻塞率方面分别降低约19.89%~36.99%与9.52%~16.37%。

关键词：服务功能链马尔科夫决策过程网络能耗双深度Q网络

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

基于奇异值分解的隐式后门攻击方法

软件学报 2024年第5期35卷 2400-2413页

作者：吴尚锡尹雨阳宋思清陈观浩桑基韬于剑北京交通大学计算机与信息技术学院北京100091

深度神经网络训练时可能会受到精心设计的后门攻击的影响.后门攻击是一种通过在训练集中注入带有后门标志的数据,从而实现在测试时控制模型输出的攻击方法.被进攻的模型在干净的测试集上表现正常,但在识别到后门标志后,就会被误判为目... 详细信息

深度神经网络训练时可能会受到精心设计的后门攻击的影响.后门攻击是一种通过在训练集中注入带有后门标志的数据,从而实现在测试时控制模型输出的攻击方法.被进攻的模型在干净的测试集上表现正常,但在识别到后门标志后,就会被误判为目标进攻类.当下的后门攻击方式在视觉上的隐蔽性并不够强,并且在进攻成功率上还有提升空间.为了解决这些局限性,提出基于奇异值分解的后门攻击方法.所提方法有两种实现形式:第1种方式是将图片的部分奇异值直接置零,得到的图片有一定的压缩效果,这可以作为有效的后门触发标志物.第2种是把进攻目标类的奇异向量信息注入到图片的左右奇异向量中,也能实现有效的后门进攻.两种处理得到的后门的图片,从视觉上来看和原图基本保持一致.实验表明,所提方法证明奇异值分解可以有效地利用在后门攻击算法中,并且能在多个数据集上以非常高的成功率进攻神经网络.

关键词：后门攻击奇异值分解进攻成功率隐蔽性

在线全文

学校读者我要写书评

暂无评论

一种消减多模态偏见的鲁棒视觉问答方法

北京大学学报（自然科学版） 2024年第1期60卷 23-33页

作者：张丰硕李豫李向前徐金安陈钰枫北京交通大学计算机与信息技术学院北京100044

为了增强视觉问答模型的鲁棒性,提出一种偏见消减方法,并在此基础上探究语言与视觉信息对偏见的影响。进一步地,构造两个偏见学习分支来分别捕获语言偏见以及语言和图片共同导致的偏见,利用偏见消减方法,得到鲁棒性更强的预测结果。最后... 详细信息

为了增强视觉问答模型的鲁棒性,提出一种偏见消减方法,并在此基础上探究语言与视觉信息对偏见的影响。进一步地,构造两个偏见学习分支来分别捕获语言偏见以及语言和图片共同导致的偏见,利用偏见消减方法,得到鲁棒性更强的预测结果。最后,依据标准视觉问答与偏见分支之间的预测概率差异,对样本进行动态赋权,使模型针对不同偏见程度的样本动态地调节学习程度。在VQA-CP v2.0等数据集上的实验结果证明了所提方法的有效性,缓解了偏见对模型的影响。

关键词：视觉问答数据集偏差语言偏见深度学习

维普期刊数据库博看期刊

基于对称卷积块网络和原型校准的小样本学习方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年

作者：刘帅白雪飞高小方山西大学计算机与信息技术学院

针对基于原型网络的小样本学习模型泛化能力不足以及由少量样本得到的类原型不准确等问题，提出一种新的小样本学习方法。首先采用一个由双向卷积块注意力模块和残差块构成的对称网络SCB-Net对图像不同深度的特征进行自适应学习，从而... 详细信息

针对基于原型网络的小样本学习模型泛化能力不足以及由少量样本得到的类原型不准确等问题，提出一种新的小样本学习方法。首先采用一个由双向卷积块注意力模块和残差块构成的对称网络SCB-Net对图像不同深度的特征进行自适应学习，从而提取到更具代表性的类别特征表示，有效提高模型的泛化能力。其次提出了一种反欧式标签传播原型校准算法IELP-PC，利用伪标签策略扩充支持集样本，然后对支持集样本采用反欧式距离加权对类原型进行校准，进而提高模型的分类精度。在两个常用数据集mini-ImageNet和tiered-ImageNet上的实验结果验证了本文方法的有效性，与基线模型相比，在5-way 1-shot上分别提高6.44%和7.83%，在5-way 5-shot上分别提高2.68%和2.02%。

关键词：原型网络小样本学习对称卷积块网络原型校准反欧式距离

面向CNN和Transformer的自注意力机制自适应性提示学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年

作者：杨鹏跃王锋魏巍山西大学计算机与信息技术学院

随着大规模预训练模型对视觉领域中的一般性数据的深入研究，当将其应用于特定下游任务时，若模型只训练分类头方法则极其依赖于预训练模型且效果一般；而全面微调预训练模型也因模型参数过大而变得不切实际；另外如VPT等视觉提示学习... 详细信息

随着大规模预训练模型对视觉领域中的一般性数据的深入研究，当将其应用于特定下游任务时，若模型只训练分类头方法则极其依赖于预训练模型且效果一般；而全面微调预训练模型也因模型参数过大而变得不切实际；另外如VPT等视觉提示学习方法在图像数据集具有很大的数据多样性时，每个数据集的通用提示在向原始预训练数据分布转变时会带来极大的挑战．基于以上的种种挑战，本文提出一种新的提示学习方法，即在输入空间中添加特定任务的自注意力机制提示块，并在增强通道间的竞争条件下，引入极小的参数量进行预训练模型的自适应性调整，最终实现将视觉领域中具有一般性的特征信息应用于特定的视觉任务．实验以CNN和Transformer代表性的网络为基础模型并选取CIFAR、Tiny ImageNet等数据集，结果表明本文提出的方法相比常见的微调方法在平均准确率上提高了0.55%、1.86%．

关键词：模型的微调数据多样性提示学习自注意力机制提示块自适应性调整