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

非平衡概念漂移数据流主动学习方法

自动化学报 2024年第3期50卷 589-606页

作者：李艳红王甜甜王素格李德玉山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

数据流分类研究在开放、动态环境中如何提供更可靠的数据驱动预测模型,关键在于从实时到达且不断变化的数据流中检测并适应概念漂移.目前,为检测概念漂移和更新分类模型,数据流分类方法通常假设所有样本的标签都是已知的,这一假设在真... 详细信息

数据流分类研究在开放、动态环境中如何提供更可靠的数据驱动预测模型,关键在于从实时到达且不断变化的数据流中检测并适应概念漂移.目前,为检测概念漂移和更新分类模型,数据流分类方法通常假设所有样本的标签都是已知的,这一假设在真实场景下是不现实的.此外,真实数据流可能表现出较高且不断变化的类不平衡比率,会进一步增加数据流分类任务的复杂性.为此,提出一种非平衡概念漂移数据流主动学习方法 (Active learning method for imbalanced concept drift data stream, ALM-ICDDS).定义基于多预测概率的样本预测确定性度量,提出边缘阈值矩阵的自适应调整方法,使得标签查询策略适用于类别数较多的非平衡数据流;提出基于记忆强度的样本替换策略,将难区分、少数类样本和代表当前数据分布的样本保存在记忆窗口中,提升新基分类器的分类性能;定义基于分类精度的基分类器重要性评价及更新方法,实现漂移后的集成分类器更新.在7个合成数据流和3个真实数据流上的对比实验表明,提出的非平衡概念漂移数据流主动学习方法的分类性能优于6种概念漂移数据流学习方法.

关键词：数据流分类主动学习概念漂移多类不平衡

在线全文

学校读者我要写书评

暂无评论

基于自适应深度集成网络的概念漂移收敛方法

计算机研究与发展 2024年第1期61卷 172-183页

作者：郭虎升孙妮王嘉豪王文剑山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

概念漂移是流数据挖掘领域中的一个重要且具有挑战性的难题.然而,目前的方法大多仅能够处理线性或简单的非线性映射,深度神经网络虽然有较强的非线性拟合能力,但在流数据挖掘任务中,每次只能在新得到的1个或一批样本上进行训练,学习模... 详细信息

概念漂移是流数据挖掘领域中的一个重要且具有挑战性的难题.然而,目前的方法大多仅能够处理线性或简单的非线性映射,深度神经网络虽然有较强的非线性拟合能力,但在流数据挖掘任务中,每次只能在新得到的1个或一批样本上进行训练,学习模型难以实时调整以适应动态变化的数据流.为解决上述问题,将梯度提升算法的纠错思想引入含概念漂移的流数据挖掘任务之中,提出了一种基于自适应深度集成网络的概念漂移收敛方法(concept drift convergence method based on adaptive deep ensemble networks,CD_ADEN).该模型集成多个浅层神经网络作为基学习器,后序基学习器在前序基学习器输出的基础上不断纠错,具有较高的实时泛化性能.此外,由于浅层神经网络有较快的收敛速度,因此所提出的模型能够较快地从概念漂移造成的精度下降中恢复.多个数据集上的实验结果表明,所提出的CD_ADEN方法平均实时精度有明显提高,相较于对比方法,平均实时精度有1%~5%的提升,且平均序值在7种典型的对比算法中排名第一.说明所提出的方法能够对前序输出进行纠错,且学习模型能够快速地从概念漂移造成的精度下降中恢复,提升了在线学习模型的实时泛化性能.

关键词：流数据概念漂移梯度提升深度学习快速适应

在线全文

学校读者我要写书评

暂无评论

联合方面注意力交互的图文方面类情感识别

北京航空航天大学学报 2024年第2期50卷 569-578页

作者：赵一成王素格廖健何东欢山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

随着多媒体的快速发展,单纯采用文本的方面类情感分析,不能准确识别用户所表达的情感。而现有图文数据的方面类情感分析方法仅考虑图文模态间的交互,忽略图文数据的不一致性和相关性。因此,提出联合方面注意力交互网络(JAAIN)模型的图... 详细信息

随着多媒体的快速发展,单纯采用文本的方面类情感分析,不能准确识别用户所表达的情感。而现有图文数据的方面类情感分析方法仅考虑图文模态间的交互,忽略图文数据的不一致性和相关性。因此,提出联合方面注意力交互网络(JAAIN)模型的图文方面类情感识别方法。所提方法针对图文数据的不一致性与相关性,通过多层次融合方面信息和图文信息,去除与给定方面无关的文本和图像,增强给定方面的图文模态数据的情感表示,将文本数据情感表示、图像数据情感表示及方面类情感表示进行拼接融合与全连接,实现图文方面类情感判别。在数据集Multi-ZOL上进行实验,实验结果表明:所提模型能够提升图文方面类情感判别的性能。

关键词：方面类情感分析注意力机制多模态情感分析情感表示多模态融合

在线全文

学校读者我要写书评

暂无评论

遥感图像密集小目标全方位精准检测算法

吉林大学学报（工学版） 2024年第4期54卷 1105-1113页

作者：张云佐郭威李文博石家庄铁道大学信息科学与技术学院石家庄050043 河北省电磁环境效应与信息处理重点实验室石家庄050043

针对遥感图像中目标排列密集且方向不相同,导致现有检测算法难以准确定位实例目标的问题,提出了一种遥感图像密集小目标全方位精准检测算法。首先,为提升特征提取能力,在主干网络的残差结构中引入Meta-ACON激活函数,自适应地学习信道特... 详细信息

针对遥感图像中目标排列密集且方向不相同,导致现有检测算法难以准确定位实例目标的问题,提出了一种遥感图像密集小目标全方位精准检测算法。首先,为提升特征提取能力,在主干网络的残差结构中引入Meta-ACON激活函数,自适应地学习信道特征的重要性;其次,提出一种加强连接特征金字塔网络,重新设计了用于深浅层特征融合的侧向连接部分,并在同层次特征图输入与输出之间添加了跳跃连接,丰富特征语义信息;再次,引入角度预测分支,使用环形平滑标签方法将角度回归问题转化为分类问题,在实现目标框旋转的同时解决了旋转框边界突变的问题;最后,设计针对旋转检测框的后处理方法(Rotate-Soft-NMS),通过抑制检测框的置信度去除相邻的重复旋转检测框。在DOTA数据集上的实验结果表明:该算法的平均精度均值达到76.15%,相比于基准模型YOLOv5m提升了5.22%,与其他先进算法相比取得了最好的检测结果。本文算法对复杂遥感场景的目标具有更优的检测效果。

关键词：计算机应用遥感目标检测 Meta-ACON激活函数加强连接特征金字塔网络角度预测旋转检测框

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

自适应压缩频谱感知的采样率动态调整策略

重庆邮电大学学报(自然科学版) 2024年

作者：梁燕彭川桂王光宇邵凯重庆邮电大学通信与信息工程学院信号与信息处理重庆市重点实验室移动通信技术重点实验室(重庆)

受奈奎斯特-香农采样定理的限制，宽带频谱感知（wideband spectrum sensing， WBSS）的首要难点是采集宽带信号。本文根据变步长自适应滤波算法原理，基于自适应压缩频谱感知（adaptive compressed spectrum sensing， ACSS）提出了一... 详细信息

受奈奎斯特-香农采样定理的限制，宽带频谱感知（wideband spectrum sensing， WBSS）的首要难点是采集宽带信号。本文根据变步长自适应滤波算法原理，基于自适应压缩频谱感知（adaptive compressed spectrum sensing， ACSS）提出了一种动态调整采样率的压缩频谱感知方法（dynamically adjust sampling rate， ACSS， DASR-ACSS）。DASR-ACSS采用调制宽带转换器结构，针对传统ACSS固定步长的问题设计了步长动态调整策略。所设计方案首先针对原始信号难以获取的问题，通过对信道占用状态相关性和检测率的变化趋势进行数据统计分析，设计了利用信道占用状态相关性的停止准则；其次，通过对停止准则的实验数据分析，以sigmod函数为基础设计了分段函数作为步长调整策略，设计了步长补偿因子充分提升性能。仿真结果表明相比传统ACSS，DASR-ACSS能更快达到高检测率；更能够平衡算法的实时性能和采样率压缩比性能；在SNR为-30dB到30dB的范围内，DASR-ACSS表现出了与大步长ACSS基本一致，比小步长ACSS更好的检测性能。

关键词：宽带频谱感知压缩感知自适应频谱感知采样率动态调整策略

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种大孔径静态干涉高光谱成像数据压缩方法

光子学报 2024年第6期53卷 226-239页

作者：汪巍冯向朋张耿刘学斌李思远中国科学院西安光学精密机械研究所光谱成像技术重点实验室西安710119 中国科学院大学北京100049 陕西省光学遥感与智能信息处理重点实验室西安710119

大孔径静态干涉成像遥感数据的数据量较大,需要寻找一种合适的方法对其压缩。从大孔径静态干涉成像机理出发,分析了干涉数据的空间和干涉维冗余性,并基于现有成熟混合压缩编码方法,提出了基于相似干涉曲线与不同光程差之间冗余去除的算... 详细信息

大孔径静态干涉成像遥感数据的数据量较大,需要寻找一种合适的方法对其压缩。从大孔径静态干涉成像机理出发,分析了干涉数据的空间和干涉维冗余性,并基于现有成熟混合压缩编码方法,提出了基于相似干涉曲线与不同光程差之间冗余去除的算法,对冗余数据进行去除预处理。对干涉数据进行基于曲线表的干涉曲线编码表示,对不同光程差之间的图像进行相关性预测,减少了大孔径静态干涉成像遥感图像的量化深度并降低了图像的信息熵,再结合JPEG2000算法进行无损或有损压缩。实验结果表明,对于大孔径静态干涉成像数据,该算法可实现压缩比为3.1倍的无损压缩,有损压缩的率失真曲线也优于其他对比算法,其复原图像反演出的光谱曲线的光谱角和相对二次误差均优于其他对比算法处理的数据,有效保护了光谱信息。

关键词：大孔径静态干涉成像图像压缩信息冗余干涉光谱

在线全文

学校读者我要写书评

暂无评论

基于全局频域池化的行为识别算法

计算机应用研究 2024年

作者：贾志超张海超张闯颜蒙蒙储金祺颜之岳南京信息工程大学电子与信息工程学院江苏省气象探测与信息处理重点实验室

目前基于3D-ConvNet的行为识别算法普遍使用全局平均池化(Global average pooling,GAP)压缩特征信息，但会产生信息损失、信息冗余和网络过拟合等问题。为了解决上述问题，更好地保留卷积层提取到的高级语义信息，提出了基于全局频域池... 详细信息

目前基于3D-ConvNet的行为识别算法普遍使用全局平均池化(Global average pooling,GAP)压缩特征信息，但会产生信息损失、信息冗余和网络过拟合等问题。为了解决上述问题，更好地保留卷积层提取到的高级语义信息，提出了基于全局频域池化(Global frequency domain pooling,GFDP)的行为识别算法。首先，根据离散余弦变换(Discrete Cosine Transform,DCT)看出GAP是频域中特征分解的一种特例，从而引入更多频率分量增加特征通道间的特异性，减少信息压缩后的信息冗余。其次，为了更好地抑制过拟合问题，引入卷积层的批标准化策略，并将其拓展在以ERB(Efficient Residual Block)-Res3D为骨架的行为识别模型的全连接层以优化数据分布。最后，将所提方法在UCF101数据集上进行验证。结果表明，模型计算量为3.5GFlops，参数量为7.4M，最终的识别准确率在ERB-Res3D模型的基础上提升了3.9%，在原始的Res3D模型基础上提升了17.4%，高效实现了更加准确的行为识别结果。

关键词： 3D-ConvNet 人体行为识别全局平均池化离散余弦变换

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

低复杂度数字辅助非线性自干扰光域模拟消除

光学学报 2024年第3期44卷 30-37页

作者：韩墨璇石泰峡张苏南陈阳华东师范大学通信与电子工程学院上海200241 华东师范大学上海市多维度信息处理重点实验室上海200241

在带内全双工(IBFD)多输入多输出(MIMO)通信系统中,通道间串扰、非线性失真及多径效应的共同作用使自干扰信号异常复杂。为在大带宽应用场景下消除此复杂自干扰信号,提出一种由最小二乘(LS)算法辅助的MIMO非线性自干扰光域消除方案,并... 详细信息

在带内全双工(IBFD)多输入多输出(MIMO)通信系统中,通道间串扰、非线性失真及多径效应的共同作用使自干扰信号异常复杂。为在大带宽应用场景下消除此复杂自干扰信号,提出一种由最小二乘(LS)算法辅助的MIMO非线性自干扰光域消除方案,并将其与数字域消除相结合。该方案对IBFD MIMO系统中的复杂自干扰信号进行建模,并利用LS算法对模型参数进行估计,进而重建出模拟参考信号并用于实现光域模拟自干扰消除。此外,通过设置门限,在保证模拟消除深度的情况下忽略自干扰信号中功率较低的分量来降低LS算法阶数,提高参考重建速度。经实验验证,当MIMO多径自干扰信号的载波频率和波特率分别为1 GHz和0.5 Gbaud时,所提方案经过光域模拟和数字域自干扰消除后,可实现约35 dB的自干扰消除深度。

关键词：光纤光学射频光子学带内全双工自干扰消除多输入多输出非线性串扰

基于ControlVAE的约束嵌入稠密时变阵列构建

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年第1期52卷 354-363页

作者：孙文力原达姜新波山东工商学院山东高校智能信息处理重点实验室山东烟台264005 山东大学齐鲁交通学院山东济南250002

在对探地雷达(Ground Penetrating Radar,GPR)数据进行三维建模与可视化分析过程中,其所依赖的三维时变阵列通常是由一维数据道或二维阵列间接生成的.由于采集到的数据往往比较稀疏,且存在不规则偏移,需要进行稠密处理,以获得高密度三... 详细信息

在对探地雷达(Ground Penetrating Radar,GPR)数据进行三维建模与可视化分析过程中,其所依赖的三维时变阵列通常是由一维数据道或二维阵列间接生成的.由于采集到的数据往往比较稀疏,且存在不规则偏移,需要进行稠密处理,以获得高密度三维时变阵列.本文提出了一种基于可控变分自编码(Controllable Variational AutoEncoder,ControlVAE)的约束嵌入稠密时变阵列构建方法 .使用基于ControlVAE的时变数据重构网络,通过隐空间采样插值和深浅层特征信息的融合,生成接近真实分布的伪道数据来增加阵列密度.构建了基于尺度不变特征变换的数据配准模块,提取道间梯度特征与结构对称性特征,可以在时空域内完成数据配准.同时将浅层特征作为约束信息嵌入数据重构网络,以消除数据道偏移对阵列生成的影响.实验结果表明,本文方法仅使用单测线二维B-scan数据集即可重建稠密时变阵列,可以有效降低重构模型累积误差,提高面对复杂真实数据时的鲁棒性.

关键词：时变阵列数据生成探地雷达约束嵌入可控变分自编码模型