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

一种融合图数据多元结构和特征的图池化方法

计算机工程 2024年

作者：王翔魏玉锌毛国君福建理工大学计算机科学与数学学院福建理工大学福建省大数据挖掘与应用技术重点实验室

在图神经网络中，图池化是一类用于对图数据进行下采样以提取图表征的重要操作。由于图数据存在较为复杂的网络拓扑结构和高维度的特征信息，现有的图池化方法在设计中还存在以下问题：1、未能充分利用并同时融合图数据的拓扑结构信息... 详细信息

在图神经网络中，图池化是一类用于对图数据进行下采样以提取图表征的重要操作。由于图数据存在较为复杂的网络拓扑结构和高维度的特征信息，现有的图池化方法在设计中还存在以下问题：1、未能充分利用并同时融合图数据的拓扑结构信息和节点的长距离依赖信息；2、在图池化过程中没有考虑丢弃节点的特征，不可避免造成图数据的重要信息损失。针对以上问题，本文提出了一种基于多元特征融合的图池化方法来同时捕获图数据的局部拓扑信息、全局拓扑信息以及长距离节点依赖关系，并使用一个聚合模块聚合这些特征信息得到一个新的池化图。为了缓解图池化过程中节点的特征信息丢失，提出一种新的特征融合方法将丢弃节点的信息以一定比例汇聚到保留节点上。基于该池化方法，构建了一个基于分层池化的图分类模型，并在多个公共数据集上进行实验。结果表明，与最佳基线模型相比，本文所提出的模型在图分类任务上取得了更好的效果，在D&D、PROTEINS、NCI1和NCI109四个数据集上的分类准确率分别提升了2.97%、3.59%、0.48%和0.24%。这表明它能够更有效利用图数据的特征信息、拓扑信息和长距离节点依赖信息，提升图分类效果。

关键词：图池化图分类拓扑信息长距离节点依赖特征融合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

渐进式特征增强的弱监督显著性目标检测

计算机工程 2024年

作者：李沼洁朱恒亮毛国君杨鑫福建省大数据挖掘与应用技术重点实验室福建理工大学计算机科学与数学学院

针对大多数弱监督显著性检测方法在复杂场景下容易出现目标结构缺损、边界粗糙等问题，提出一种渐进式特征增强的弱监督显著性检测方法。首先，针对显著目标结构不完整，设计了渐进式特征增强机制。该机制主要包括双流语义增强模块和层... 详细信息

针对大多数弱监督显著性检测方法在复杂场景下容易出现目标结构缺损、边界粗糙等问题，提出一种渐进式特征增强的弱监督显著性检测方法。首先，针对显著目标结构不完整，设计了渐进式特征增强机制。该机制主要包括双流语义增强模块和层次化自适应特征聚合模块，通过复用这种机制可以捕获更丰富的图像特征；其次，为获取清晰完整的目标边缘，提出了边缘引导模块，可以生成高质量的显著目标边缘图；最后，将得到的边缘对显著区域预测网络进行指导，以生成结构完整且边界平滑的检测结果。在五个公开数据集上进行了大量实验，结果表明本文方法优于大多数先进的弱监督显著性目标检测方法。特别是，相比于经典的WSSA算法，本文方法在PASCAL-S数据集上平均绝对误差(Mean absolute error， MAE)降低21.32%，F-measure提高6.27%。

关键词：弱监督显著性检测渐进式特征聚合边缘引导

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多特征交互的方面情感三元组提取

计算机科学与探索 2024年第4期18卷 1057-1067页

作者：陈林颖刘建华郑智雄林杰徐戈孙水华福建理工大学计算机科学与数学学院福州350118 福建省大数据挖掘与应用技术重点实验室福州350118 闽江学院计算机与控制工程学院福州350108

方面情感三元组提取是方面级情感分析的子任务之一,旨在提取句子中的方面词、其对应的意见词和情感极性。先前研究集中于设计一种新范式以端到端的方式完成三元组提取任务。然而,这些方法忽略外部知识在模型中的作用,没有充分挖掘和利... 详细信息

方面情感三元组提取是方面级情感分析的子任务之一,旨在提取句子中的方面词、其对应的意见词和情感极性。先前研究集中于设计一种新范式以端到端的方式完成三元组提取任务。然而,这些方法忽略外部知识在模型中的作用,没有充分挖掘和利用语义信息、词性信息以及局部上下文信息。针对上述问题,提出了多特征交互的方面情感三元组提取(MFI-ASTE)模型。首先,该模型通过BERT预训练模型学习句子中的上下文语义特征信息,并使用自注意力机制加强语义特征;其次,使语义特征与所提取到的词性特征交互,二者相互学习,加强词性的组合能力与语义信息;再次,使用多个不同窗口的卷积神经网络提取每个单词的多重局部上下文特征并使用多分门控机制筛选这些多重局部特征;然后,采用双线性层融合提取到的三类外部知识特征;最后,利用双仿射注意力机制预测网格标记并通过特定的解码方案解码三元组。实验结果表明,该模型在四个数据集上的F1值比现有的主流模型分别提升了6.83%、5.60%、0.54%和1.22%。

关键词：方面情感三元组提取自注意力机制卷积神经网络网格标记方案双仿射注意力机制

同方期刊数据库

融合强关联依赖和简洁语法的方面级情感分析模型

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年第6期44卷 1786-1795页

作者：柯添赐刘建华孙水华郑智雄蔡子杰福建理工大学计算机科学与数学学院福州350118 福建省大数据挖掘与应用技术重点实验室(福建理工大学) 福州350118

针对语法依赖树存在多个方面词相互干扰的依赖信息、无效单词,以及标点符号带来的冗余信息和方面词与对应情感词之间的关联性较弱等问题,提出一种融合强关联依赖和简洁语法的方面级情感分析模型(SADCS)。首先,构建情感词性(POS)列表,通... 详细信息

针对语法依赖树存在多个方面词相互干扰的依赖信息、无效单词,以及标点符号带来的冗余信息和方面词与对应情感词之间的关联性较弱等问题,提出一种融合强关联依赖和简洁语法的方面级情感分析模型(SADCS)。首先,构建情感词性(POS)列表,通过该列表加强方面词与对应情感的相关性;其次,构建融合POS和依赖关系的联合列表,通过该联合列表去除已优化的依赖树无效单词与标点符号的冗余信息;再次,将优化后的依赖树与图注意力网络(GAT)结合建模提取上下文特征;最后,与依赖关系类型的特征信息进行交互学习并融合特征,增强特征表示,最终使分类器能高效预测每个方面词的情感极性。将所提模型在4个公开数据集上进行实验分析,与DMF-GAT-BERT(Dynamic Multichannel Fusion mechanism based on the GAT and BERT(Bidirectional Encoder Representations from Transformers))模型相比,所提模型的准确率分别提高了1.48、1.81、0.09和0.44个百分点。实验结果表明,所提模型能够有效增强方面词与情感词的联系,使方面词情感极性的预测更准确。

关键词：方面级情感分析依赖关系词性语法依赖树图注意力网络

基于透镜反向学习和差分进化的帝国竞争改进算法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：李斌潘智成福建理工大学机械与汽车工程学院福建理工大学计算机科学与数学学院福建理工大学福建省大数据挖掘与应用技术重点实验室

针对帝国竞争算法(ICA)收敛过快导致求解高维复杂问题容易陷入局部最优以及全局寻优能力不足等问题，提出了一种改进帝国竞争算法(LODE-IICA)。首先，引入透镜反向学习差分进化机制，周期性为算法种群提供新的进化方式和平衡各个帝国势... 详细信息

针对帝国竞争算法(ICA)收敛过快导致求解高维复杂问题容易陷入局部最优以及全局寻优能力不足等问题，提出了一种改进帝国竞争算法(LODE-IICA)。首先，引入透镜反向学习差分进化机制，周期性为算法种群提供新的进化方式和平衡各个帝国势力，帮助算法种群跳出局部最优；其次，将精英保留策略植入到算法演化当中，重新分配殖民地维持种群多样性；最后，引入动态同化系数，协调算法在不同阶段探索，提高算法的稳定性。仿真实验中，采用标准函数测试集、CEC2017测试集及CEC2020测试集检验LODE-IICA在多个维度下对不同类型函数的寻优能力。选取分别在标准函数测试集、CEC2017测试集和CEC2020测试集中具有代表性的15种改进算法与LODE-IICA进行实验结果比较。结果显示LODE-IICA引入的机制在大多数情况下有效地提高算法性能，同时具备较好的收敛速度和寻优能力。

关键词：帝国竞争算法透镜反向学习差分进化精英保留同化系数 CEC2017 CEC2020

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合多狩猎协调策略的爬行动物搜索算法

计算机应用 2024年

作者：力尚龙刘建华贾鹤鸣福建省大数据挖掘与应用技术重点实验室(福建理工大学) 三明学院信息工程学院福建理工大学计算机科学与数学学院

爬行动物搜索算法（RSA）具有较强的全局探索能力，但开发能力相对薄弱，在迭代后期无法较好地收敛。针对上述问题，综合教与学优化算法、二次插值的天牛须搜索算法和透镜成像反向学习策略，提出一种融合多狩猎协调策略的爬行动物搜索... 详细信息

爬行动物搜索算法（RSA）具有较强的全局探索能力，但开发能力相对薄弱，在迭代后期无法较好地收敛。针对上述问题，综合教与学优化算法、二次插值的天牛须搜索算法和透镜成像反向学习策略，提出一种融合多狩猎协调策略的爬行动物搜索算法（MHCS-RSA）。MHCS-RSA保留了RSA包围阶段（全局探索）和狩猎阶段（局部开发）中狩猎合作的位置更新公式，在狩猎阶段狩猎协调融合了教与学优化算法的学习阶段和二次插值的天牛须搜索算法进行位置更新，提高了算法的开发能力和收敛能力；此外，引入透镜成像反向学习策略以增强算法跳出局部最优的能力。在CEC 2020测试函数上的实验结果表明，MHCS-RSA具有良好的寻优能力、收敛能力以及鲁棒性。最后通过对拉力/压力弹簧设计问题和减速器设计问题的求解，进一步验证了MHCS-RSA求解实际问题的有效性。

关键词：爬行动物搜索算法教与学优化算法二次插值的天牛须搜索算法透镜成像反向学习工程问题求解

基于自适应扩散图卷积注意力网络的地铁客流预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

铁道科学与工程学报 2024年

作者：唐郑熠黄嘉欢王金水邢树礼福建理工大学福建省大数据挖掘与应用技术重点实验室湖南工商大学移动商务智能湖南省重点实验室福建理工大学计算机科学与数学学院

准确的地铁客流预测是智能交通系统应对交通挑战、协调运营调度、规划未来建设的重要战略需求。然而，先前将图卷积网络与深度学习模型（如循环神经网络、长短期记忆网络和门控循环神经网络等）相结合的相关研究只能提取基于路网图结构... 详细信息

准确的地铁客流预测是智能交通系统应对交通挑战、协调运营调度、规划未来建设的重要战略需求。然而，先前将图卷积网络与深度学习模型（如循环神经网络、长短期记忆网络和门控循环神经网络等）相结合的相关研究只能提取基于路网图结构的时间和空间相关性，而忽略了地铁站点之间隐藏的空间相关性和随时间变化的动态时间和动态空间相关性。为了挖掘交通数据中复杂的时空相关性以实现精确的地铁客流预测，提出一种基于自适应扩散图卷积注意力（Adaptive Diffusion Graph Convolution Attention,ADGCA）网络的客流预测方法。此方法的创新点主要包括两个方面：首先，通过构建多图和自适应矩阵，并结合多头注意力机制，能够挖掘地铁站点之间隐藏的空间相关性。这种方法优化了现有方法在提取地铁系统空间信息特征方面的不足，使得ADGCA模型能够更全面地提取地铁系统中的空间信息特征。其次，构建了一种结合因果卷积、自适应扩散图卷积和多头注意力机制的深度学习模型组件。该组件能够在局部和全局层面捕捉地铁客流数据中的动态时空相关性，相比于先前的方法，能够更有效地提取复杂的地铁客流数据特征。在根据上海和杭州地铁自动检票系统的乘客刷卡记录所构建的两个真实数据集上，对模型有效性进行评估。研究结果表明，相较于现有的基线模型，ADGCA模型能够提取更加真实的动态时空相关性，从而有效地降低了预测误差。在所有预测时间步长上，ADGCA模型预测准确度指标均优于基线模型。研究结果为进一步优化城市地铁运营计划和保障地铁安全营运提供更加精确的数据支持。

关键词：智能交通地铁客流预测自适应扩散图卷积因果卷积多头注意力

基于计算物流的自动化集装箱码头AGV生产调度

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用研究 2024年第6期41卷 1704-1713页

作者：李斌崔宏阳福建理工大学机械与汽车工程学院福州350118 福建理工大学福建省大数据挖掘与应用技术重点实验室福州350118 福建理工大学计算机科学与数学学院福州350118

针对自动化集装箱码头自动导引车(AGV)在线实时生产调度约束动态复杂和难以可视化的问题,在计算物流框架下,利用AnyLogic平台创建自动化码头水平运输计算实验模型,并针对平台中已有的经典资源分配策略,面向AGV生产调度提出两方面的改进... 详细信息

针对自动化集装箱码头自动导引车(AGV)在线实时生产调度约束动态复杂和难以可视化的问题,在计算物流框架下,利用AnyLogic平台创建自动化码头水平运输计算实验模型,并针对平台中已有的经典资源分配策略,面向AGV生产调度提出两方面的改进:将运筹规划商业求解器与计算实验平台结合来求解动态复杂组合优化问题;基于计算物流的思想方法,迁移和定制出五种面向问题探索的自定义AGV在线调度算法。由于商业求解器的局限性,模型和实验数据是基于自动化码头进口箱作业部分。实验表明,两种改进策略能够弥补商业求解器和计算实验平台的部分不足,尤其是自定义策略相较于经典资源分配策略能够面向特定装卸船需求更好地实现AGV生产调度,实现自动化码头水平运输的高效作业。

关键词：自动化集装箱码头计算物流 AnyLogic仿真 AGV调度策略 CPLEX求解自定义策略

同方期刊数据库

基于连续扰动生成方法的可持续对抗训练（英文）

在线全文

学校读者我要写书评

暂无评论

Frontiers of Information Technology & Electronic Engineering 2024年第4期 527-540页

作者：林巍廖丽娟福建理工大学计算机科学与数学学院福建理工大学福建省大数据挖掘与应用技术重点实验室西安理工大学经济与管理学院

基于在线生成对抗性样本的对抗性训练在防御对抗性攻击和提高卷积神经网络（CNN）模型鲁棒性方面取得良好效果。然而，大多数现有对抗训练方法都致力于寻找强对抗例子迫使模型学习对抗数据分布，这不可避免地增加了大量计算开销并导致... 详细信息

基于在线生成对抗性样本的对抗性训练在防御对抗性攻击和提高卷积神经网络（CNN）模型鲁棒性方面取得良好效果。然而，大多数现有对抗训练方法都致力于寻找强对抗例子迫使模型学习对抗数据分布，这不可避免地增加了大量计算开销并导致干净数据丢失。本文展示了在不同训练世代中渐进式地增强对抗样本本身的对抗强度能有效提高模型鲁棒性，适当的模型转换可以保持模型泛化性能，且这一转换过程的计算成本可忽略不计。因此，本文提出一种针对对抗训练的连续扰动生成方法(SPGAT)，该方法通过在前一训练世代转移的对抗样本上添加扰动逐步增强对抗样本，并跨世代转换模型以提高对抗训练效率。实验表明，本文所提SPGAT方法既高效又有效；例如，所提方法计算时间为900分钟，标准对抗训练持续时间为4100分钟，对抗精度和干净样本精度性能提升分别超过7%和3%。在不同数据集上对SPGAT进行广泛评估，包括小规模MNIST、中等规模CIFAR-10和大规模CIFAR-100。实验结果表明，相比于目前最优方法，所提方法更有效。

关键词：对抗训练对抗攻击随机权重平均机器学习模型的泛化