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

密度峰值聚类算法研究进展

软件学报 2022年第5期33卷 1800-1816页

作者：徐晓丁世飞丁玲中国矿业大学计算机科学与技术学院江苏徐州221116 矿山数字化教育部工程研究中心江苏徐州221116

密度峰值聚类(density peaks clustering,DPC)算法是聚类分析中基于密度的一种新兴算法,该算法考虑局部密度和相对距离绘制决策图,快速识别簇中心,完成聚类.DPC具有唯一的输入参数,且无需先验知识,也无需迭代.自2014年提出以来,DPC引起... 详细信息

密度峰值聚类(density peaks clustering,DPC)算法是聚类分析中基于密度的一种新兴算法,该算法考虑局部密度和相对距离绘制决策图,快速识别簇中心,完成聚类.DPC具有唯一的输入参数,且无需先验知识,也无需迭代.自2014年提出以来,DPC引起了学者们的极大兴趣,并得到了快速发展.首先阐述DPC的基本理论,并通过与经典聚类算法比较,分析了DPC的特点;其次,分别从聚类精度和计算复杂度两个角度分析了DPC的弊端及其优化方法,包括局部密度优化、分配策略优化、多密度峰优化以及计算复杂度优化,并介绍了每个类别的主要代表算法;最后介绍了DPC在不同领域中的相关应用研究.对DPC的优缺点提供了全面的理论分析,并对DPC的优化以及应用进行了全面阐述.还试图找出进一步的挑战来促进DPC研究发展.

关键词：密度峰值聚类聚类精度计算复杂度应用

在线全文

学校读者我要写书评

暂无评论

基于深度学习的点云分割研究进展分析

电子与信息学报 2022年第12期44卷 4426-4440页

作者：赵佳琦周勇何欣卜一凡姚睿郭睿中国矿业大学计算机科学与技术学院徐州221116 矿山数字化教育部工程研究中心徐州221116 灾害智能防控与应急救援创新研究中心徐州221116

深度传感器及激光扫描技术的快速发展使人们可以轻易地采集到大量的点云数据。点云数据可以提供丰富的场景及对象信息,现已成为自动驾驶、虚拟现实、机器人导航等应用的首选研究对象。作为点云处理的有效手段,点云分割技术受到了各界的... 详细信息

深度传感器及激光扫描技术的快速发展使人们可以轻易地采集到大量的点云数据。点云数据可以提供丰富的场景及对象信息,现已成为自动驾驶、虚拟现实、机器人导航等应用的首选研究对象。作为点云处理的有效手段,点云分割技术受到了各界的广泛关注。尤其是在深度学习的推动下,点云分割的精度和鲁棒性有了很大的提升。该文首先介绍了点云分割存在的问题与挑战,接着从间接、直接处理点云的角度对点云分割近年来的工作进行了对比分析,其中,间接的方法有基于多视图、基于体素的方法两类,对于直接的方法,该文将其归纳为5类,分别为基于点处理、基于优化卷积神经网络、基于图卷积、基于时序和基于无监督学习的方法。然后介绍了每个类别中具有代表性的方法的基本思想,并阐述了每个方法的优缺点。此外,该文还介绍了点云分割的常用数据集以及评价指标。最后对点云分类、分割技术的未来进行了展望。

关键词：深度学习点云语义分割进展分析

基于广泛激活深度残差网络的图像超分辨率重建

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2022年第2期17卷 440-446页

作者：王凡超丁世飞中国矿业大学计算机科学与技术学院江苏徐州221116 矿山数字化教育部工程研究中心江苏徐州221116

为了得到更好的图像评价指标,均方误差损失是大多数现有的与深度学习方法结合的图像超分辨率技术都在使用的目标优化函数,但大多数算法构建出来的图像因严重丢失高频信息和模糊的纹理边缘而不能达到视觉感受的需求。针对上述问题,本文... 详细信息

为了得到更好的图像评价指标,均方误差损失是大多数现有的与深度学习方法结合的图像超分辨率技术都在使用的目标优化函数,但大多数算法构建出来的图像因严重丢失高频信息和模糊的纹理边缘而不能达到视觉感受的需求。针对上述问题,本文提出融合感知损失的广泛激活的非常深的残差网络的超分辨率模型,通过引入感知损失、对抗损失,并结合平均绝对误差组成新的损失函数,通过调整不同损失项的权重对损失函数进行优化,提高了对低分率图像的特征重构能力,高度还原图像缺失的高频信息。本文选取峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似度(structural similarity,SSIM)两个国际公认的评判指标作为客观评判标准,更换数据集进行实验分析、结果对比,在主观视觉上直观观察效果,结果从不同角度证明本文方法性能较对比模型有所提升,证明了引入感知损失后,模型更好地构建了低分辨率图的纹理细节,可以获得更好的视觉体验。

关键词：深度学习超分辨率广泛激活感知损失特征重构峰值信噪比结构相似度视觉体验

面向Kullback-Leibler散度不确定集的正则化线性判别分析

在线全文

学校读者我要写书评

暂无评论

自动化学报 2022年第4期48卷 1033-1047页

作者：梁志贞张磊中国矿业大学计算机科学与技术学院徐州221116 中国矿业大学矿山数字化教育部工程研究中心徐州221116

线性判别分析是一种统计学习方法.针对线性判别分析的小样本奇异性问题和对污染样本敏感性问题,目前许多线性判别分析的改进算法已被提出.本文提出了基于Kullback-Leibler(KL)散度不确定集的判别分析方法.提出的方法不仅利用了Ls范数定... 详细信息

线性判别分析是一种统计学习方法.针对线性判别分析的小样本奇异性问题和对污染样本敏感性问题,目前许多线性判别分析的改进算法已被提出.本文提出了基于Kullback-Leibler(KL)散度不确定集的判别分析方法.提出的方法不仅利用了Ls范数定义类间距离和Lr范数定义类内距离,而且对类内样本和各类中心的信息进行基于KL散度不确定集的概率建模.首先通过优先考虑不利区分的样本提出了一种正则化对抗判别分析模型并利用广义Dinkelbach算法求解此模型.这种算法的一个优点是在适当的条件下优化子问题不需要取得精确解.投影(次)梯度法被用来求解优化子问题.此外,也提出了正则化乐观判别分析并采用交替优化技术求解广义Dinkelbach算法的优化子问题.许多数据集上的实验表明了本文的模型优于现有的一些模型,特别是在污染的数据集上,正则化乐观判别分析由于优先考虑了类中心附近的样本点,从而表现出良好的性能.

关键词：判别分析 KL散度不确定集正则化数据分类

在线全文

学校读者我要写书评

暂无评论

弱监督场景下的支持向量机算法综述

计算机学报 2024年

作者：丁世飞孙玉婷梁志贞郭丽丽张健徐晓矿山数字化教育部工程研究中心(中国矿业大学) 中国矿业大学计算机科学与技术学院

支持向量机 (Support Vector Machine， SVM) 是一种建立在结构风险最小化原则上的统计学习方法，以其在非线性、小样本以及高维问题中的独特优势被广泛应用于图像识别、故障诊断、以及文本分类等领域. 但SVM是一种监督学习算法，它旨... 详细信息

支持向量机 (Support Vector Machine， SVM) 是一种建立在结构风险最小化原则上的统计学习方法，以其在非线性、小样本以及高维问题中的独特优势被广泛应用于图像识别、故障诊断、以及文本分类等领域. 但SVM是一种监督学习算法，它旨在利用大量的、唯一且明确的真值标记样本来训练学习器，在不完全监督、不确切的监督以及多义监督等弱监督场景下难以取得较好的效果.本文首先阐述了弱监督场景的概念和SVM的相关理论，然后从弱监督场景角度出发，系统的梳理了目前SVM算法的研究现状和发展，包括基于半监督学习、多示例学习以及多标记学习的方法; 其中基于半监督学习的方法根据数据假设可细分为基于聚类假设和基于流形假设的方法，基于多标记学习的方法根据解决方案可细分为基于示例水平空间、基于包水平空间以及基于嵌入空间的方法，基于多标记学习的方法根据处理思路可细分为基于问题转换和基于算法自适应的方法; 随后，总结了部分代表性算法在公开数据集上的实验结果; 最后，探讨并展望了未来可能的研究方向。

关键词：弱监督场景支持向量机半监督学习多示例学习多标记学习

基于全局与序列混合变分Transformer的多样化图像描述生成方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电子学报 2024年第4期52卷 1305-1314页

作者：刘兵李穗刘明明刘浩中国矿业大学计算机科学与技术学院江苏徐州221116 矿山数字化教育部工程研究中心江苏徐州221116

多样化图像描述生成已成为图像描述领域研究热点.然而,现有方法忽视了全局和序列隐向量之间的依赖关系,严重限制了图像描述性能的提升.针对该问题,本文提出了基于混合变分Transformer的多样化图像描述生成框架.具体地,首先构建全局与序... 详细信息

多样化图像描述生成已成为图像描述领域研究热点.然而,现有方法忽视了全局和序列隐向量之间的依赖关系,严重限制了图像描述性能的提升.针对该问题,本文提出了基于混合变分Transformer的多样化图像描述生成框架.具体地,首先构建全局与序列混合条件变分自编码模型,解决全局与序列隐向量之间依赖关系表示的问题.其次,通过最大化条件似然推导混合模型的变分证据下界,解决多样化图像描述目标函数设计问题.最后,无缝融合Transformer和混合变分自编码模型,通过联合优化提升多样化图像描述的泛化性能.在MSCOCO数据集上实验结果表明,与当前最优基准方法相比,在随机生成20和100个描述语句时,多样性指标m-BLEU(mutual overlap-BiLingual Evaluation Understudy)分别提升了4.2%和4.7%,同时准确性指标CIDEr(Consensus-based Image Description Evaluation)分别提升了4.4%和15.2%.

关键词：图像理解图像描述变分自编码隐嵌入多模态学习生成模型

移动群智感知中发掘潜在高质量用户的激励机制

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：江海峰商景杰王树豪张寿军矿山数字化教育部工程研究中心(中国矿业大学) 中国矿业大学计算机科学与技术学院

在移动群智感知的激励机制中，用户的感知质量和能力是重要的指标，对不同类型的任务是有差异的，用笼统的感知质量与能力标准选择用户往往会埋没潜在的高质量用户。针对这一问题，本文将用户的感知质量与能力根据任务的不同类型进行细... 详细信息

在移动群智感知的激励机制中，用户的感知质量和能力是重要的指标，对不同类型的任务是有差异的，用笼统的感知质量与能力标准选择用户往往会埋没潜在的高质量用户。针对这一问题，本文将用户的感知质量与能力根据任务的不同类型进行细分，在用户感知质量与能力未知的情况下，将用户选择问题建模成反向拍卖与多臂赌博机模型，不断学习与更新用户的感知质量与能力值，使用置信区间上界的方法估计用户的感知质量，并将其与用户的能力和报价作为选择用户的标准，提出了基于置信区间上界的质量与能力并驱的激励机制。当能力值均值达到平台规定的阈值时，用户将拥有招募其他用户的权限，并从其招募的用户完成的任务中获得额外的收益。本文证明了该激励机制满足计算有效性、真实性和个体理性。仿真实验结果表明，本文所提的激励机制在用户平均效用、任务平均质量和不同任务类型高能力值用户占比等方面具有良好的性能。

关键词：移动群智感知激励机制多臂赌博机置信区间上界

基于双评论家的多智能体深度确定性策略梯度方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机研究与发展 2023年第10期60卷 2394-2404页

作者：丁世飞杜威郭丽丽张健徐晓中国矿业大学计算机科学与技术学院江苏徐州221116 矿山数字化教育部工程研究中心(中国矿业大学) 江苏徐州221116

在现实世界的复杂多智能体环境中,任务的完成通常需要多个智能体之间的相互协作,这促使各种多智能体强化学习方法不断涌现.动作价值函数估计偏差是单智能体强化学习领域中备受关注的一个重要问题,而在多智能体环境中却鲜有研究.针对这... 详细信息

在现实世界的复杂多智能体环境中,任务的完成通常需要多个智能体之间的相互协作,这促使各种多智能体强化学习方法不断涌现.动作价值函数估计偏差是单智能体强化学习领域中备受关注的一个重要问题,而在多智能体环境中却鲜有研究.针对这一问题,分别从理论和实验上证明了多智能体深度确定性策略梯度方法存在价值函数被高估.提出基于双评论家的多智能体深度确定性策略梯度(multiagent deep deterministic policy gradient method based on double critics,MADDPG-DC)方法,通过在双评论家网络上的最小值操作来避免价值被高估,进一步促进智能体学得最优的策略.此外,延迟行动者网络更新,保证行动者网络策略更新的效率和稳定性,提高策略学习和更新的质量.在多智能体粒子环境和交通信号控制环境上的实验结果证明了所提方法的可行性和优越性.

关键词：强化学习价值估计双评论家交通信号控制多智能体深度确定性策略梯度

云边端协同移动群智感知中基于两阶段资源均衡的任务分配方法

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 2023年

作者：王树豪江海峰唐朝刚商景杰张寿军中国矿业大学计算机科学与技术学院矿山数字化教育部工程研究中心(中国矿业大学)

在集中式移动群智感知中，云平台负责任务分发和数据收集等全部过程。当面对各种实时应用场景的需求时，云平台将面临数据计算、存储以及通信压力。针对上述问题，本文结合云边端体系结构，设计了两阶段的任务分配策略，分析参与者资源... 详细信息

在集中式移动群智感知中，云平台负责任务分发和数据收集等全部过程。当面对各种实时应用场景的需求时，云平台将面临数据计算、存储以及通信压力。针对上述问题，本文结合云边端体系结构，设计了两阶段的任务分配策略，分析参与者资源状态对任务的影响，构建了资源评估模型。以最小化任务平均响应时间为优化目标，以资源均衡为约束，提出了基于两阶段资源均衡的任务分配方法。该方法首先提出基于资源占用率的边缘服务器资源均衡任务分配方法，为边缘服务器选择任务集，再提出基于改进蚁群算法的参与者资源均衡任务分配方法，通过边缘服务器和参与者之间的协作实现资源均衡。仿真实验结果表明，本文所提算法同其他算法相比具有良好的性能。

关键词：移动群智感知云边端协同多任务分配两阶段资源均衡