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 10期 刊出日期 2015-10-30 论文与报告 研究与应用   论文与报告 865 多云环境下基于代价驱动的科学工作流调度策略* 林兵，郭文忠，陈国龙，陈煌宁 针对多云环境下带截止日期约束的科学工作流调度问题，引入局部关键路径算法思想，提出基于代价驱动的科学工作流调度策略，目的是在满足科学工作流截止日期约束的同时，尽可能降低执行代价.该策略充分考虑多云环境和科学工作流的独有特性，首先根据工作流自身结构合并存在有向割边的相邻任务;再基于关键父任务迭代机制寻找带局部截止日期的局部关键路径;最后为局部关键路径分配最适合实例，并执行所有任务.实验表明，文中策略有效提高现有真实科学工作流的执行效率，并大幅减少执行代价. 2015 Vol. 28 (10): 865-875 [摘要] ( 539 ) [HTML 1KB] [PDF 807KB] ( 939 ) 876 基于随机步长具有最优瞬时收敛速率的稀疏随机优化算法* 周柏，陶卿，储德军 几乎所有的稀疏随机算法都来源于在线形式，只能获得平均输出方式的收敛速率，对于强凸优化问题无法达到最优的瞬时收敛速率.文中避开在线形式转到随机模式，直接研究随机优化算法.首先在含有L1正则化项的稀疏优化问题中加入L2正则化项，使之具有强凸特性.然后将黑箱优化方法中的随机步长策略引入到当前通用的结构优化算法COMID中，得到基于随机步长的混合正则化镜面下降稀疏随机优化算法.最后通过分析L1正则化问题中软阈值方法的求解特点，证明算法具有最优的瞬时收敛速率.实验表明，文中算法的稀疏性优于COMID. 2015 Vol. 28 (10): 876-885 [摘要] ( 418 ) [HTML 1KB] [PDF 597KB] ( 537 ) 886 决策演化集的纵向演化* 胡玉文，徐久成，张倩倩 目前对决策演化集的研究仅限于横向演化，缺少对纵向演化的研究.文中在决策演化集的基础上对决策信息系统进行不同的粒度划分，使一个决策信息系统在不同的粒度空间形成不同的粒集，然后针对这些时间粒，分析它们生成的决策规则在不同粒度空间的相互影响及相互关系，并通过实例展示决策信息系统纵向演化的运行过程. 2015 Vol. 28 (10): 886-895 [摘要] ( 421 ) [HTML 1KB] [PDF 396KB] ( 424 ) 896 线性不动点近邻嵌入分析方法* 邱虹，王万良，郑建炜 针对t分布随机近邻嵌入分析方法(t-SNE)存在的样本外问题和实际应用中利用快速下降法进行梯度最优化过程时多参数设定及调整的不可行性，提出线性不动点近邻嵌入分析方法.该方法在t-SNE的基础上引入线性投影变换矩阵，揭示数据的本质低维结构，然后在最小化原空间和子空间两个概率分布的KL散度准则下建立目标函数.通过简单不动点迭代法求解目标函数的最小值，有效提高t-SNE迭代最优过程的效率和鲁棒性.在人工合成数据和COIL-20图像库上的实验表明，文中方法具有较好的可视化能力. 2015 Vol. 28 (10): 896-902 [摘要] ( 396 ) [HTML 1KB] [PDF 1907KB] ( 708 ) 903 基于粒子群优化的软子空间聚类算法* 邱云飞，杨倩，唐晓亮 目标函数和子空间搜索策略决定软子空间聚类算法的性能，而聚类有效性分析是衡量其性能的主要指标.针对子空间聚类性能，提出基于粒子群优化的软子空间聚类算法(SC-WPSO).首先，利用K均值类型框架，结合类间分散度和特征权重，提出模糊加权软子空间聚类目标函数.然后，为跳出局部最优，将带惯性权重的粒子群算法作为子空间的搜索策略.最后，根据提出的聚类有效性函数，选取最佳聚类数目.在数据集上的实验证实SC-PSO能提高聚类准确度，同时自动确定最佳聚类数目. 2015 Vol. 28 (10): 903-912 [摘要] ( 539 ) [HTML 1KB] [PDF 579KB] ( 636 ) 913 基于用户-兴趣-项目三部图的推荐算法* 张艳梅，王 璐，曹怀虎，毛国君 目前大多数个性化推荐算法为了追求较高的推荐精度而在不同程度上受到用户兴趣过拟合问题的影响，因此提出通过挖掘用户隐含的兴趣信息进行推荐的算法.首先利用概率主题模型抽取用户兴趣分布，并建立用户-兴趣-项目加权三部图.然后在用户-兴趣和兴趣-项目的概率加权二部子图上依次利用物质扩散算法配置项目资源值，并根据项目资源值的高低排序产生Top-K推荐.在Movielens数据集上的实验表明，基于用户-兴趣-项目三部图的推荐算法能缓解过拟合问题，同时可提高准确率等方面的性能. 2015 Vol. 28 (10): 913-921 [摘要] ( 629 ) [HTML 1KB] [PDF 542KB] ( 843 ) 研究与应用 922 改进的多类不平衡数据关联分类算法* 黄再祥，周忠眉，何田中，郑艺峰 由于多类不平衡数据中某些类别的样例数特别少，使得基于支持度-置信度的关联分类方法在这些类上产生的规则较少，甚至没有，从而导致这些类别的样例很难准确分类.针对此问题，文中提出改进的多类不平衡数据关联分类算法.为了提取更多小类的规则，根据项集与类别的正相关度提取规则.为了提高小类规则的优先级，提出利用项集类分布规则强度排序规则.此外，为解决规则冲突或无规则匹配问题，结合KNN分类新样例.实验表明，与基于支持度-置信度的关联分类方法相比，文中算法能提取更多的小类规则，且提高小类规则的优先级，在多类不平衡数据上取得较高的G-mean值和F-score值. 2015 Vol. 28 (10): 922-929 [摘要] ( 437 ) [HTML 1KB] [PDF 438KB] ( 572 ) 930 最小最大车辆路径问题的动态自适应蚁群优化算法* 葛斌，韩江洪，魏臻，程磊，韩越 为求解最小最大车辆路径问题，提出动态自适应蚁群优化算法.该算法采用动态最大最小蚂蚁系统策略调整最优解，每次迭代更新τmin，将τmin作为当前信息素矩阵最大值的函数，根据当前最优弧调整选择弧的概率.采用一种灰色模型预测及控制信息素矩阵的边界，以增强蚁群算法参数的自适应性能.对信息素浓度相对较高的多个节点及其附近的边，利用信息素关联累积规则进行信息素更新.将文中算法进行场景的实例测试，仿真结果表明，该算法与线性规划、其他相关的蚁群算法相比，收敛速度更快，具有更好的优化性能和应用效果. 2015 Vol. 28 (10): 930-938 [摘要] ( 525 ) [HTML 1KB] [PDF 550KB] ( 907 ) 939 基于深度稠密时空兴趣点的人体动作描述算法* 宋健明，张桦，高赞，张 燕，薛彦兵，徐光平 目前基于深度数据的动作识别算法得到极大关注，至今仍无一种鲁棒、区分性好的基于深度数据的动作描述算法.针对该问题，文中提出基于深度稠密时空兴趣点的人体动作描述算法.该算法选择多尺度深度稠密特征时空兴趣点，跟踪兴趣点并保存对应轨迹，基于轨迹信息描述动作.通过在DHA、MSR Action 3D和UTKinect深度动作数据集上评估可知，与一些代表性算法相比，文中算法性能更优. 2015 Vol. 28 (10): 939-945 [摘要] ( 405 ) [HTML 1KB] [PDF 591KB] ( 858 ) 946 基于Log-Gabor滤波与黎曼流形学习的图像识别算法* 刘元，吴小俊 在图像识别的研究中，黎曼流形学习不能有效消除图像中的冗余信息.基于上述原因，文中提出基于Log-Gabor滤波与黎曼流形学习的图像识别算法.首先使用Log-Gabor滤波器处理图像，获得维数较高的Log-Gabor图像特征，然后使用黎曼流形学习降维图像特征.研究表明，Log-Gabor滤波与黎曼流形学习的融合算法符合人类视觉感知的过程.文中算法对于光照、角度变化具有较好的鲁棒性，在多个标准数据库上的仿真实验验证文中算法的有效性. 2015 Vol. 28 (10): 946-952 [摘要] ( 575 ) [HTML 1KB] [PDF 544KB] ( 847 ) 953 嵌入层叠混沌策略的随机粒子群算法 李胜，何明辉，李建林，张力 鉴于求解复杂问题时粒子群优化算法易出现早熟收敛的问题，通过引入轨迹扰动因子，提出随机粒子群进化迭代方程.该方程在统计行为中保证粒子向特定的收敛中心逼近，但对“旧址”的依赖性呈现出随机特性，从而使粒子群的快速跳转和迁移成为可能，避免过早落入局部陷阱.同时该进化方程还利用层叠混沌策略和对称极值扰动策略进一步增强算法的局部收敛性和全局搜索性.实验表明，由上述进化方程和改进策略构成的随机混沌粒子群算法具有鲁棒性较强、收敛速度较快和精度较高等优势，性能优于其他同源粒子群算法. 2015 Vol. 28 (10): 953-960 [摘要] ( 453 ) [HTML 1KB] [PDF 576KB] ( 565 )

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