首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English

学术不端论文认定及处理办法 版权转让协议 保密证明 录用稿件电子版要求 修改说明格式 更多.... 中国自动化学会 国家智能计算机研发中心 中科院合肥智能机械所 更多....

2026年 39卷 8期 刊出日期 2026-08-25 论文与报告 研究与应用   论文与报告 665 基于对比学习与大语言模型的文本因果特征选择方法 杨嘉豪, 杨俊涛, 曹大元, 熊寿久, 俞奎 从文本数据中学习与目标变量相关的因果特征,是提升模型可解释性与决策可靠性的重要途径之一.然而,文本因果特征选择仍面临两方面挑战:1)潜在特征通常隐含于非结构化文本中,且句子表示常混合潜在特征语义与情感信息,导致潜在特征提取结果不稳定;2)潜在特征在提取、赋值与补充过程中动态变化,难以实现稳定高效的因果特征选择.针对上述问题,文中提出基于对比学习与大语言模型的文本因果特征选择方法(Textual Causal Feature Selection via Contrastive Learning and Large Language Model, TCFS).首先,针对潜在特征提取不稳定的问题,设计解耦潜在特征提取方法,并结合迭代聚类优化,构建语义一致、结构稳定的潜在特征簇.然后,针对因果特征动态变化带来的选择困难,提出动态因果特征选择方法,动态维护与目标变量相关的马尔可夫毯,实现关键因果特征的稳定识别与冗余剔除.最后,通过潜在特征赋值将非结构化文本转化为结构化数值数据,并引入缺失特征发现机制,对难以解释的样本进行分析与迭代补充,持续优化潜在特征集合与特征选择结果.实验表明,TCFS能有效提升文本场景中潜在特征提取的稳定性和因果特征选择的准确性,为可解释预测与文本因果分析提供有效支持. 2026 Vol. 39 (8): 665-682 [摘要] ( 12 ) [HTML 1KB] [PDF 983KB] ( 10 ) 683 基于全局轨迹感知的多相机多目标跟踪 范宇腾, 王强, 甄奕豪, 陈希爱, 马驰, 范慧杰 现有全局跟踪方法主要将全局轨迹视为历史目标特征的集合,缺乏对轨迹级身份语义的显式建模与一致性约束,难以充分挖掘目标跨时空的长期身份一致性.针对上述问题,文中提出基于全局轨迹感知的多相机多目标跟踪方法(Global Trajectory-Aware Multi-camera Multi-target Tracking, GTAT).首先,设计全局轨迹语义编码模块,为每条全局轨迹聚合具有长期身份语义的轨迹级表示.再构建全局轨迹感知增强模块,利用交叉注意力机制将全局轨迹级身份语义注入时间窗口内的目标关联特征,实现目标级表示对轨迹级上下文信息的显式感知.最后,设计全局轨迹一致性损失,约束轨迹级表示与目标级关联特征之间的匹配关系,提升全局轨迹表示的身份一致性建模能力和关联特征的身份判别能力.实验表明,GTAT在6个公开多相机多目标跟踪数据集上均取得较优性能. 2026 Vol. 39 (8): 683-696 [摘要] ( 12 ) [HTML 1KB] [PDF 2395KB] ( 15 ) 697 三支知识空间模糊概念格模型 智慧来, 吴伟志, 朱达欣 知识空间理论的核心挑战在于从技能数据中有效构建反映学习者真实认知能力的知识结构,进而影响个性化学习指导的精准性.现有生成方式与概念格模型仅利用正属性刻画知识状态,完全忽略负属性蕴含的诊断信息,使得知识状态种类极其有限,无法覆盖实际学习中的复杂路径,严重制约评价精度与学习路径规划.针对此信息缺失问题,文中引入三支决策思想,将负属性纳入知识建模,首次建立模糊技能形式背景的三支概念格模型.在理论层面上,定义三支视角下的知识空间与知识状态,严格证明所有三支模糊概念的外延构成完备知识空间,并通过上确界运算验证格结构的正确性.在方法层面上,引入粒描述思想,定义技能诱导的原子粒,提出基于原子粒组合判定问题集合是否为知识状态的准则.实验表明,文中模型导出的知识状态数量显著多于未考虑负属性的传统模型,验证其具有更强的区分能力.理论分析证实,该三支概念在结构上独立于现有任何三支概念类型,且在二值情形下退化为三支面向对象概念.上述结果共同表明,文中模型通过纳入负属性补全信息维度,不仅在表达能力上有所增强,更在完备性层面为知识空间理论提供概念分析框架. 2026 Vol. 39 (8): 697-710 [摘要] ( 7 ) [HTML 1KB] [PDF 748KB] ( 5 ) 711 基于分层触觉引导空间注意力和动态时序融合的视觉-触觉多模态学习方法 范成龙, 胡立华, 胡建华 视觉与触觉在感知范围和信息形式上存在差异,现有方法难以有效关联触觉接触信息与视觉局部区域,并且固定融合策略难以适应不同交互阶段两种模态贡献的动态变化.针对上述问题,文中提出基于分层触觉引导空间注意力和动态时序融合的视觉-触觉多模态学习方法.首先,以触觉特征为查询条件,引导视觉分支关注接触关联区域,并融合中、高层视觉特征,兼顾局部纹理细节与高层语义信息.然后,采用双流Mamba对视觉序列与触觉序列进行时序建模,并通过动态门控机制自适应调节两种模态的融合比例.最后,利用时序注意力池化模块对融合序列进行加权汇聚,突出关键交互时刻并抑制冗余时间步的干扰.在Touch and Go材料识别数据集上的实验表明,文中方法的材料类别识别准确率较高,消融实验和可视化分析进一步验证方法各组成模块的有效性. 2026 Vol. 39 (8): 711-724 [摘要] ( 10 ) [HTML 1KB] [PDF 1813KB] ( 7 ) 研究与应用 725 面向数字取证的可溯源生成方法 林国凯, 孙媛媛, 郭弘, 帕尔哈提·吐拉江, 杨亮, 林鸿飞 针对多源异构电子证据场景中证据边界易被破坏、来源与定位信息难以保留、生成结果缺乏可核验支撑等问题,文中提出面向数字取证的可溯源生成方法(Traceable Evidence-Centric Generation, TEC-Gen).首先,统一解析聊天记录、文件记录、通话记录和系统日志等多源取证数据,并以原始记录为基本单元构建证据元组.在每个证据元组中,联合建模原始记录文本与来源文件、定位信息、时间戳及关键实体等元数据,保留原始证据边界及其定位锚点.然后,围绕案件分析查询组织候选证据,并在检索相关记录的同时保留来源文件、定位信息和关键实体等结构属性,为后续生成与核验提供统一证据基础.在生成阶段,候选证据与引用规则被共同注入提示模板,并要求大语言模型在关键事实类陈述后附加来源标记.最后,在生成阶段,输出引用被解析并与候选证据中的有效原始位置进行匹配,建立生成陈述与原始证据之间的显式回链关系.实验表明,TEC-Gen在不同大语言模型基座上均优于闭卷生成方法和通用检索增强生成方法,并在文本对齐、关键事实覆盖和结果可溯源性方面优势稳定,可为数字取证场景中的案情摘要生成、证据定位和辅助研判提供方法支撑. 2026 Vol. 39 (8): 725-736 [摘要] ( 10 ) [HTML 1KB] [PDF 956KB] ( 6 ) 737 面向不平衡特征选择的多目标多任务深度学习进化方法 王浩任, 杨家儒, 华启冲, 姜舒, 丁卫平 在医疗诊断、金融风控等数据密集型领域,高维不平衡数据导致特征选择面临多数类偏向、高阶非线性交互捕捉缺失及多目标协同优化困难等多重挑战.传统方法难以同时实现不平衡数据适配、高阶特征关联挖掘与多目标全局优化等多个目标.因此,针对有监督特征选择场景,文中提出面向不平衡特征选择的多目标多任务深度学习进化方法(DLME),构建三阶段模块化协同优化框架.首先,融合自适应采样与SMOTE技术,基于粒子群优化算法实现动态过采样与初步特征筛选,缓解类别分布失衡的问题.然后,嵌入深度神经网络,基于平衡样本集学习特征间非线性高阶关联,完成特征子集的二次精炼.最后,构建基于灰狼优化器的多任务多目标优化框架,结合NSGA-II帕累托前沿搜索与前沿知识迁移机制,实现兼顾分类精度与稀疏性的最优特征子集的输出.在各数据集上的实验表明,DLME在极端不平衡与高维场景中优势突出,同时具备较优的多目标优化性能与鲁棒性,为高维不平衡数据的特征选择任务提供有效解决方案. 2026 Vol. 39 (8): 737-750 [摘要] ( 8 ) [HTML 1KB] [PDF 991KB] ( 7 ) 751 面向遥感路径规划的神经符号协同方法 杨铭, 周植, 张晨曦, 田时雨, 于坤杨, 李宇峰 面向任务的遥感路径规划需要同时理解开放式语义约束并精细感知复杂地表环境,现有依赖高精地图、道路网络、车载传感器或人工规则的方法难以适应此类场景.为此,文中提出面向遥感路径规划的神经符号协同路径规划器(Neuro-Symbolic Collaborative Route Planner, NSCRP).首先,利用多模态大语言模型,将自然语言任务解析为结构化可通行规则与偏好表示,集成多个语义分割模型,构建稳定的地表语义图.然后,将语义约束与环境感知结果统一映射为像素级代价图,并通过启发式搜索在预测代价图上生成累计代价最小的可解释路径.NeSy-Route基准上的实验表明,NSCRP在约束满足、路径质量和整体规划能力方面均较优. 2026 Vol. 39 (8): 751-760 [摘要] ( 9 ) [HTML 1KB] [PDF 861KB] ( 7 )

主管：中国科学技术协会 主办：中国自动化学会 　　　国家智能计算机研究开发中心 　　　中国科学院合肥智能机械研究所 出版：科学出版社

版权所有 © 《模式识别与人工智能》编辑部 地址：安微省合肥市蜀山湖路350号　电话：0551-65591176　传真：0551-65591176　Email：bjb@iim.ac.cn 本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn