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....

2015年 28卷 4期 刊出日期 2015-04-30 论文与报告 研究与应用   论文与报告 289 基于节点层级与标签传播增益的重叠社区发现* 陈羽中，施松，陈国龙，於志勇 多标签传播算法具有接近线性的时间复杂度，但用于重叠社区发现时存在精度低、稳定性差的问题.文中基于重叠节点更可能出现在社区边缘的思想，提出基于节点层级与标签传播增益的重叠社区发现算法.该算法首先利用改进的基于节点中心度与社区分布约束的单标签传播方法发现非重叠社区，并在标签传播过程中利用局部信息同步计算节点中心度.然后根据节点中心度定义节点层级函数，标记节点在所属社区中的层级.最后基于节点间的标签传播增益，利用新的多标签更新规则，获得重叠社区结构.实验表明该算法能有效提高精度和稳定性. 2015 Vol. 28 (4): 289-298 [摘要] ( 641 ) [HTML 1KB] [PDF 559KB] ( 808 ) 299 基于词向量特征的循环神经网络语言模型* 张剑，屈丹，李真 循环神经网络语言模型能解决传统N-gram模型中存在的数据稀疏和维数灾难问题，但仍缺乏对长距离信息的描述能力.为此文中提出一种基于词向量特征的循环神经网络语言模型改进方法.该方法在输入层中增加特征层，改进模型结构.在模型训练时，通过特征层加入上下文词向量，增强网络对长距离信息约束的学习能力.实验表明，文中方法能有效提高语言模型的性能. 2015 Vol. 28 (4): 299-305 [摘要] ( 750 ) [HTML 1KB] [PDF 416KB] ( 2487 ) 306 面向数据中心虚拟机部署的智能优化策略* 倪志伟，梁婷，伍章俊，肖宏旺 虚拟机部署问题是影响数据中心性能的关键问题之一.文中综合考虑资源损耗、系统功耗和负载均衡度，提出面向数据中心虚拟机部署的智能优化策略.该策略首先建立虚拟机部署优化的多目标数学模型，然后将虚拟机部署问题抽象为装箱问题，最后提出基于改进的自适应离散型人工萤火虫群优化算法的优化策略.仿真实验表明，文中的自适应离散型人工萤火虫群优化算法具有较强的鲁棒性和较快的收敛速度，提出的智能优化策略能有效解决虚拟机部署问题. 2015 Vol. 28 (4): 306-315 [摘要] ( 556 ) [HTML 1KB] [PDF 715KB] ( 1095 ) 316 基于层级实时记忆的地图创建方法* 张新征，麦晓春，张建芬 提出基于层级实现记忆(HTM)网络的地图创建方法.该方法利用层级实时记忆将制图问题等效为场景识别问题，环境地图由一系列HTM模型输出的场景构成.首先从获取图像中提取位置不变鲁棒特征(PIRF).并利用PIRF构建视觉词汇表，根据词汇表将图像的PIRF描述符映射为视觉单词频率矢量.多个视觉单词频率矢量构成的序列输入HTM网络，用于实现环境地图的学习与创建及环路场景的推断识别.采用两组实验数据验证文中方法，结果表明基于HTM的制图策略能成功建立环境地图，并能高效处理环路检测问题. 2015 Vol. 28 (4): 316-326 [摘要] ( 588 ) [HTML 1KB] [PDF 1452KB] ( 721 ) 327 基于粒计算与区分能力的属性约简算法* 冀素琴，石洪波，吕亚丽 传统的属性约简方法将整个数据集一次性装入内存，很难适应大数据背景下的数据分析.为此文中提出基于粒计算与区分能力的属性约简算法.该算法运用统计学中的分层抽样技术，拆分原始大数据集为多个样本子集(粒)，在每个粒上运用属性的区分能力进行属性约简，最后将各粒约简结果进行加权融合，得到原始大数据集的属性约简结果.实验表明该算法对海量数据集进行属性约简的可行性和高效性. 2015 Vol. 28 (4): 327-334 [摘要] ( 488 ) [HTML 1KB] [PDF 470KB] ( 655 ) 335 基于贡献模型的多机器人多目标观测方法* 杨建华，曾文佳，吴朝晖 如何在减少重叠观测现象的同时提高平均观测率是多机器人多目标观测的一个难题.文中提出基于贡献模型的多机器人多目标观测方法(C-CMOMMT)，将机器人所观测的目标数记为贡献值，增加贡献值低的机器人所受的排斥力，扩大排斥力的作用距离，减小权重小的目标对贡献值高的机器人的吸引力，从而减少重叠观测现象.同时降低贡献值高的机器人所受到的排斥力，减轻排斥力的副作用，减少目标丢失现象，因此提高整体的平均观测率.为更系统地评价观测性能，建立由平均观测率、位置标准差和位置熵这3个因素构成的综合评价体系.仿真实验表明，相比A-CMOMMT和B-CMOMMT，C-CMOMMT可提高平均观测率，减少重叠观测现象，体现出较好的可行性和高效性. 2015 Vol. 28 (4): 335-343 [摘要] ( 500 ) [HTML 1KB] [PDF 599KB] ( 601 ) 研究与应用 344 物体轮廓形状超像素图割快速提取方法* 张荣国，刘小君，董磊，李富萍，刘焜 提出一种水平集框架下物体轮廓形状超像素图割快速提取方法.该方法首先均匀化放置种子点，通过对超像素化演化力的设定，生成具有区域相似特征的超像素，这些超像素对原图像的划分既能保持目标轮廓形状的几何特性，又可避免超像素间的互相重叠.然后构建超像素标号和Heaviside函数的关联关系，应用图割建立M-S能量函数的优化模型.最终利用超像素图割提取目标轮廓的几何形状.实验表明，超像素化的图像像素数目大幅度减少，转化后的优化模型符合图割对能量函数进行优化的要求，图割中最小割/最大流方法避开微分方程的求解，这些措施在保证轮廓形状提取效果的基础上提高提取效率. 2015 Vol. 28 (4): 344-353 [摘要] ( 574 ) [HTML 1KB] [PDF 1653KB] ( 840 ) 354 基于局部和全局映射函数的流形降维空间球形覆盖分类算法* 胡正平，杜立翠，赵淑欢 为探索高维数据本质结构和低维表示，并避免一般流形学习中测试数据不能显式降维的不足，提出基于局部和全局映射函数的流形降维空间球形覆盖分类算法.该算法首先抽象融合局部和全局信息映射模型，分别优化局部拉普拉斯矩阵和全局拉普拉斯矩阵，通过对局部和全局拉普拉斯矩阵进行特征值分解，得到训练样本的低维表示.然后借助核映射获取测试样本的低维表示.最后在低维空间建立球形覆盖分类模型，实现目标分类.在MNIST手写体数据集、YaleB和AR人脸数据集上的实验表明文中算法的有效性，证明其在实际应用领域具有一定价值. 2015 Vol. 28 (4): 354-360 [摘要] ( 460 ) [HTML 1KB] [PDF 609KB] ( 617 ) 361 基于自适应压缩特征选择的实时目标跟踪算法* 齐美彬，陆磊，杨勋，杨艳芳，蒋建国 针对压缩感知算法中的低维特征对目标重构效果较差的问题，提出基于自适应压缩特征选择的目标跟踪算法.该算法首先提取满足目标重构要求的高维压缩特征，再通过所提出的特征选择方法选择区分度高的低维特征作为目标的外观模型，从而降低计算复杂度.为自适应选择特征，采用一种差分方法控制特征维数，满足实时性要求.实验表明，与其他算法相比，文中算法具有更强的鲁棒性和实时性. 2015 Vol. 28 (4): 361-368 [摘要] ( 513 ) [HTML 1KB] [PDF 1904KB] ( 703 ) 369 多智能体环境下的情绪决策模型* 林君焕，刘箴，陈月芬 建立一种基于情绪的Nash-Q决策模型，它由认知层和情绪层组成.认知层模型由Nash-Q算法实现，情绪层建立在情绪记忆和评价理论之上，由高兴、伤心、恐惧、厌烦组成情绪空间，建立相应刺激与情绪映射模型、情绪与行为动作映射模型、每种情绪下的动作信任度评价模型.将文中模型应用到两智能体网格决策实验中，结果表明情绪层的引入可加快收敛速度，同时能有效防止陷入局部最优，更好兼顾在线学习的“保守”和“探索”平衡. 2015 Vol. 28 (4): 369-376 [摘要] ( 550 ) [HTML 1KB] [PDF 562KB] ( 584 ) 377 基于无线传感器网络和线性神经网络的事件边界检测方法* 吴鹏飞，李光辉，朱虹，曾松伟，卢文伟 环境监测是无线传感器网络的典型应用，事件边界检测是其中的重要内容.文中首先建立无线传感器网络数据的时空模型，提出基于线性神经网络的事件边界检测方法.该方法利用传感器数据流的时间相关性，基于线性神经网络预测与验证数据流，并确定异常数据集合.在此基础上，根据传感器节点之间的空间相关性进行事件边界检测，不仅可识别故障节点，而且能识别事件边界节点，从而准确估算事件发生的区域位置与大小.理论分析及实验表明，文中方法在获得较高的故障节点和事件边界节点的检测准确率的同时，保持较低的误判率. 2015 Vol. 28 (4): 377-384 [摘要] ( 529 ) [HTML 1KB] [PDF 814KB] ( 936 )

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