检索结果-南通市图书馆

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

面向三维点云的域自适应学习

遥感学报 2024年第4期28卷 825-842页

作者：范文辉林茜罗欢郭文忠汪汉云戴晨光福州大学计算机与大数据学院福州350108 信息工程大学地理空间信息学院郑州450001

三维点云数据在自动驾驶、机器人和高精地图等领域得到了广泛应用。目前,基于深度学习的三维点云数据处理主要基于有监督学习,其算法性能依赖于大规模高质量的标注数据集。此外,仅在单一设备与场景中训练的三维点云数据处理模型难以应... 详细信息

三维点云数据在自动驾驶、机器人和高精地图等领域得到了广泛应用。目前,基于深度学习的三维点云数据处理主要基于有监督学习,其算法性能依赖于大规模高质量的标注数据集。此外,仅在单一设备与场景中训练的三维点云数据处理模型难以应用于不同设备与环境,泛化性能有限。因此,如何减少三维点云标注数据集的需求以及提高三维点云处理模型的适应性是当前三维点云数据处理面临的重要难题。作为迁移学习的一个重要分支,域自适应学习旨在不同域间特征分布存在差异的情况下提高模型的适应性,可为解决上述难题提供重要思路。为便于对点云域自适应学习领域进行更深入有效的探索,本文主要从对抗学习、跨模态学习、伪标签学习、数据对齐及其他方法5个方面对近年来的三维点云域自适应学习方法进行了系统梳理与分类归纳,并分析总结每类点云域自适应学习方法所具备的优势及面临的问题。最后,对三维点云域自适应学习研究领域的未来发展进行了展望。

关键词：遥感三维点云域自适应学习对抗学习跨模态学习伪标签学习数据对齐

郑州城市公园鸟类群落嵌套分布格局及其影响因素

在线全文

学校读者我要写书评

暂无评论

生物多样性 2024年第3期32卷 48-58页

作者：王鹏隋佳容丁欣瑶王伟中曹雪倩赵海鹏王彦平河南大学生命科学学院河南开封450004 西藏大学生态环境学院拉萨850000 武汉大学生命科学学院武汉430072 信阳生态研究院河南信阳464000 南京师范大学生命科学学院南京210023

为了探究郑州城市公园鸟类群落是否符合嵌套分布格局及其影响因素,本研究从中国观鸟记录中心收集了2019–2022年每年3–7月河南省郑州市15个城市公园的鸟类记录数据。使用WNODF(weighted nestedness metric based on overlap and decrea... 详细信息

为了探究郑州城市公园鸟类群落是否符合嵌套分布格局及其影响因素,本研究从中国观鸟记录中心收集了2019–2022年每年3–7月河南省郑州市15个城市公园的鸟类记录数据。使用WNODF(weighted nestedness metric based on overlap and decreasing fill)分别计算郑州城市公园全部鸟类、林鸟和水鸟群落的嵌套分布格局,采用Spearman偏相关检验分析了公园嵌套序列与公园特征参数(公园面积、隔离度、生境类型数量和建筑指数)的关系,以及物种嵌套序列与物种生态学特征(体长、地理分布范围、窝卵数和最小面积需求)的关系。WNODF分析结果显示,郑州城市公园全部鸟类、林鸟和水鸟群落均是显著嵌套的。Spearman偏相关分析结果显示,公园面积和最小面积需求与鸟类群落嵌套程度显著相关,生境地点矩阵分析结果显示为显著嵌套,建筑指数也会影响水鸟群落的嵌套分布格局,但随机放置模型结果显示城市公园鸟类不符合被动取样假说。因此,选择性灭绝与生境嵌套是郑州城市公园全部鸟类、林鸟和水鸟群落嵌套分布格局的主要驱动因素。研究结果表明,为了更好地保护郑州城市公园的鸟类多样性,应优先保护面积较大和生境类型多的公园,以及最小面积需求大的鸟类;同时由于水鸟与林鸟对城市化的反应不同,在制定保护策略时应区别对待。

关键词：鸟类嵌套分布格局选择性灭绝城市公园生境嵌套 WNODF

在线全文

学校读者我要写书评

暂无评论

用户生成内容场景下角色导向图神经推荐方法

计算机学报 2024年第6期47卷 1288-1303页

作者：娄铮铮朱军娇张万闯吴宾郑州大学计算机与人工智能学院郑州450001

近年来互联网的飞速发展不断改变着信息的生产和传递方式,随之出现了用户使用互联网的新方式——用户生成内容(User-Generated Content,UGC).该场景中内容以传播速度快、获取成本低等优势迅速占据互联网信息传播的重要地位.不同于传统... 详细信息

近年来互联网的飞速发展不断改变着信息的生产和传递方式,随之出现了用户使用互联网的新方式——用户生成内容(User-Generated Content,UGC).该场景中内容以传播速度快、获取成本低等优势迅速占据互联网信息传播的重要地位.不同于传统推荐场景,UGC场景下用户同时扮演生产者和消费者双重角色,这使得在构建推荐模型时既需要考虑消费者与内容之间的交互信息,也需关注内容生产者对于消费者决策的影响.因此,UGC场景下个性化推荐算法研究的关键在于如何充分挖掘消费者-内容和消费者-生产者之间的关联关系.在面向UGC场景的推荐研究中,比较有代表性的模型为CPRec,该模型虽取得一定进展,但仍存在两点不足之处.其一,在模型构建层面,未能显式建模消费者-内容与消费者-生产者之间的高阶连通关系,难以学习出高质量的节点表征.其二,在模型优化层面,无法区分每个观测数据在不同训练阶段的贡献度,将影响推荐结果的质量.为此,本文提出一种新颖的角色导向图神经推荐方法RGNRec(Role-Guided Graph Neural Recommendation)用于UGC场景的个性化排序任务.特别地,基于用户的历史行为数据与内容的创作者信息分别构建了消费者-内容交互图和消费者-生产者交互图.进一步,为了显式捕获两种交互图中的高阶连通信息,构建一种双通道线性传播模块,同时刻画了消费者兴趣与内容生产者影响的扩散过程.最终,提出设计一种自适应的正样本权重生成策略,将其融入非采样损失函数,并建立双层优化机制来学习模型的参数.本文的核心贡献包括:(1)引入双通道线性传播模块,以显式解耦出自身兴趣与内容生产者效应对于用户偏好建模的不同贡献度;(2)提出权重自适应的非采样损失函数,以解决不同观测样例在模型不同训练阶段贡献不同的问题.本文分别采用经典的和最先进的图神经网络方法作为基准,在3个UGC场景Pinterest、Recipes和Reddit下进行了实验对比.在整体推荐性能方面,无论模型精度亦或训练效率上均优于各基准方法,尤其在Precision@10指标上获得了 4.31%~17.83%的提升;然后通过消融实验验证了双通道线性传播模块和权重自适应优化机制的合理性与必要性;最后通过实验验证了本文方法在缓解数据稀疏和用户冷启动方面的优越性.

关键词：推荐系统图神经网络用户生成内容双重角色非采样学习

在线全文

学校读者我要写书评

暂无评论

基于级联残差的弯道增强车道线检测

测绘科学 2024年第07期 37-44页

作者：潘玉恒李慧洁鲁维佳李国燕丛佳李飞腾张金燕天津城建大学计算机与信息工程学院

为增强车道线弯道场景的检测效果，提出一种结合级联改进残差块和动态蛇形卷积模块的特征提取网络，优化特征提取，并采用基于混合锚点的位置选择与分类方法，加速准确定位和分类。特征提取网络中包含多尺度特征融合残差块以及集成空间... 详细信息

为增强车道线弯道场景的检测效果，提出一种结合级联改进残差块和动态蛇形卷积模块的特征提取网络，优化特征提取，并采用基于混合锚点的位置选择与分类方法，加速准确定位和分类。特征提取网络中包含多尺度特征融合残差块以及集成空间通道重组卷积的改进残差块，深度捕捉车道线的精细特征。动态蛇形卷积模块通过动态调整卷积核，增强网络在弯道区域的识别性能。在Tusimple数据集中，准确率可达95.88%,误检率和漏检率分别为2.84%和4.25%,表明具有较高检测性能，FPS为50.7,满足自动驾驶汽车对实时检测的需求。在弯道场景数据集Tusimple＿Curve中，本方法相较于UFLD V2算法，准确率实现了0.23%的提升，误检率和漏检率分别降低了0.22%和0.36%,进一步证实了其在弯道场景中的有效性。

关键词：自动驾驶车道线检测多尺度特征动态蛇形卷积锚点分类弯道检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于全局-局部协同增强的遥感目标检测

激光与光电子学进展 2024年

作者：张众维郭芙蓉刘树东天津城建大学计算机与信息工程学院

为了提高遥感图像中各类目标的检测性能，本文提出了一种基于LSKNet-S的改进算法。该算法通过融合不同层级感受野的特征，大幅提升了网络对遥感目标的检测能力。首先，我们设计了一个多尺度特征融合模块，通过改进多层感知器增强模型对... 详细信息

为了提高遥感图像中各类目标的检测性能，本文提出了一种基于LSKNet-S的改进算法。该算法通过融合不同层级感受野的特征，大幅提升了网络对遥感目标的检测能力。首先，我们设计了一个多尺度特征融合模块，通过改进多层感知器增强模型对全局上下文信息的提取能力。同时，引入轻量级局部视觉中心模块，以提高模型对局部特征的感知能力。两者结合，实现了模型对多尺度特征的有效提取和融合。其次，在检测头中引入了用于尺度增强的上采样操作，通过提高特征图的分辨率，使模型能够更好地捕捉遥感图像中各类目标的细节信息。实验结果表明，所提方法在HRSC2016数据集上的mAP指标相比原模型提升了3.43%，在DIOR-R数据集上的mAP指标较原模型提升了1.12%，且均优于目前主流算法，验证了本文所提算法在遥感目标检测场景中的有效性。

关键词：图像处理遥感图像目标检测多尺度特征融合上采样策略

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合时空领域知识与数据驱动的骨架行为识别

计算机工程与应用 2024年

作者：梁成武胡伟杨杰蒋松琪侯宁三峡大学电气与新能源学院河南城建学院电气与控制工程学院

基于骨架数据的行为识别由于其数据紧凑性和抗背景干扰性，逐渐引起研究者的关注。现有数据驱动方法对融合骨架行为的时空领域知识尚未充分研究。基于此，本文提出一种融合人体行为时空领域先验知识与CNN改进网络结构的骨架行为识别方... 详细信息

基于骨架数据的行为识别由于其数据紧凑性和抗背景干扰性，逐渐引起研究者的关注。现有数据驱动方法对融合骨架行为的时空领域知识尚未充分研究。基于此，本文提出一种融合人体行为时空领域先验知识与CNN改进网络结构的骨架行为识别方法。首先，基于关键时空特征领域知识提出时通聚焦模块，通过产生聚集系数矩阵引导模型关注鉴别性特征表达。然后，融合长时空跨度领域知识提出多尺度卷积融合模块，沿通道采用分组残差连接方式灵活扩大卷积的时间感受野，在不引入大量参数情况下可获得长时空跨度特征表达能力。本文方法在NTU RGB+D、NTU RGB+D 120及FineGYM三个大型数据集上进行性能评估与验证，分别取得96.6%、89.6%、94.1%的识别准确率。结果表明，融合时空领域知识与数据驱动可充分挖掘骨架行为时空特征，能够提升骨架行为识别性能并具有跨数据集泛化性。

关键词：时空领域知识数据驱动骨架行为识别卷积神经网络长时空建模

一种融合多头自注意力机制的粉笔字书写规范性评价方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

内蒙古师范大学学报（自然科学版） 2024年第3期53卷 321-330页

作者：张伟李成城邬友范勇峰内蒙古师范大学计算机科学技术学院内蒙古呼和浩特010022 内蒙古师范大学科技处内蒙古呼和浩特010022 河南城建学院计算机与数据科学学院河南平顶山467036

在粉笔字书写规范性评价系统中,采用数据到文本生成技术对粉笔字进行评价。基线模型使用双向门控循环单元(BiGRU)对输入序列建模,并在分组规划阶段利用GRU为每个句子生成要覆盖的输入项子集。对于直接拼接BiGRU状态信息可能无法充分捕... 详细信息

在粉笔字书写规范性评价系统中,采用数据到文本生成技术对粉笔字进行评价。基线模型使用双向门控循环单元(BiGRU)对输入序列建模,并在分组规划阶段利用GRU为每个句子生成要覆盖的输入项子集。对于直接拼接BiGRU状态信息可能无法充分捕捉键值对之间的复杂关系的问题,在数据分组规划前引入了多头自注意力机制来更精细地捕捉键值关系。在手写汉字数据集上的实验结果表明,该方法在BLEU-4、ROUGE和METEOR指标上分别达到0.68、0.75与0.67,为粉笔字书写规范性的自动评价提供了实际应用价值。

关键词：结构化数据数据到文本生成多头自注意力机制自然语言生成粉笔字书写规范性评价

在线全文

学校读者我要写书评

暂无评论

面向多视图融合的用户一致性社交推荐

计算机工程与应用 2024年第10期60卷 156-163页

作者：赵文涛刘甜甜薛赛丽王德望河南理工大学计算机科学与技术学院河南焦作454000

针对传统社交推荐准确率不高的问题,提出一种基于多视图融合的用户一致性社交推荐模型。该社交推荐模型考虑到社交网络中用户的不一致性和单一视图信息对推荐结果的影响,使用注意力机制动态过滤出不一致的社交邻居,并结合用户-项目交互... 详细信息

针对传统社交推荐准确率不高的问题,提出一种基于多视图融合的用户一致性社交推荐模型。该社交推荐模型考虑到社交网络中用户的不一致性和单一视图信息对推荐结果的影响,使用注意力机制动态过滤出不一致的社交邻居,并结合用户-项目交互信息来学习用户特征表达;同时从知识图谱(knowledge graph,KG)、用户-项目历史交互信息等多个视图学习项目在低维空间的特征表示;最后将用户和项目的特征表示进行内积操作,从而完成最终的推荐任务。为了验证推荐算法的有效性,在Douban和Yelp两个公开的数据集上与六个基线模型进行对比实验,并采用召回率、归一化折损累计增益(normalized discounted cumulative gain,NDCG)和精确率作为评估指标,实验结果表明,所提出的社交推荐模型的性能优于其他模型。

关键词：社交推荐知识图谱神经网络注意力机制

融入混合注意力的低缩放因子SeamCarving篡改检测算法

在线全文

学校读者我要写书评

暂无评论

智能科学与技术学报 2024年第2期6卷 244-252页

作者：赵洁常皓婵武斌天津城建大学计算机与信息工程学院天津300384

针对现有的Seam Carving篡改检测算法对于低缩放因子情况存在检测精度不高、鲁棒性不强的问题,提出一种融入混合注意力机制的Seam Carving篡改检测算法。首先,利用BayarConv2D约束卷积对图像进行预处理,充分学习图像的噪声特征,并通过... 详细信息

针对现有的Seam Carving篡改检测算法对于低缩放因子情况存在检测精度不高、鲁棒性不强的问题,提出一种融入混合注意力机制的Seam Carving篡改检测算法。首先,利用BayarConv2D约束卷积对图像进行预处理,充分学习图像的噪声特征,并通过矩阵乘法与RGB图像进行特征融合;然后,采用ResNet作为骨干网络进行特征学习,引入残差传播和残差反馈机制,凸显Seam Carving的操作痕迹;最后,利用混合注意力机制同时提取相邻位置和通道之间的特征,更好地捕捉全局特征,进而将其输入全连接层进行分类。实验结果表明,在BOSSbase1.01数据集上,当缩放因子为1%和9%时,检测精度分别达到了89.48%和97.94%,优于现有主流方法,同时具有较低的计算复杂度和较好的鲁棒性,能够抵抗JPEG压缩攻击。

关键词：混合注意力机制图像取证 Seam Carving检测低缩放因子