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 11期 刊出日期 2015-11-30 论文与报告 研究与应用   论文与报告 961 动半监督仿射传播聚类算法* 雷 琪，余慧萍，吴 敏 仿射传播聚类算法的学习过程是无监督的，存在忽略数据集内部结构的问题.针对上述原因，文中提出基于主动学习和成对约束的半监督仿射传播聚类算法，通过构建主动学习策略，针对不确定性最大的数据对进行询问，尽可能获得有价值的约束信息以调整相似度矩阵，从而引导聚类过程.为验证文中算法的有效性，在UCI基准数据库和人脸图像数据集上采用文中算法进行聚类，实验表明文中算法能有效改善聚类性能. 2015 Vol. 28 (11): 961-968 [摘要] ( 509 ) [HTML 1KB] [PDF 721KB] ( 482 ) 969 自主确定社区个数的二模网络社区发现算法* 郭改改，钱宇华，张晓琴，李烨斌 现有算法虽然能发现二模网络的社区结构，但由于实际网络的多样性或复杂性，往往不能预知社区个数及相关信息，无法相对准确地发现真实的社区结构.针对此问题，文中提出自主确定社区个数的二模网络社区发现算法——聚类分配算法(CAA).该算法有效利用二模网络中两类节点的交互信息，解决确定社区个数的难题.对网络中的T类节点进行聚类，再将B类节点按照某种分配机制分配到已有类中.实验表明，CAA比基于资源分布矩阵的算法和基于边集聚系数的算法有更高的准确性，能获得更高质量的社区划分. 2015 Vol. 28 (11): 969-975 [摘要] ( 568 ) [HTML 1KB] [PDF 625KB] ( 1011 ) 976 基于Listwise的深度学习专家排序方法* 李贤慧，余正涛，魏斯超，高盛祥，王立人 针对传统专家列表排序方法易陷入局部最小和训练时间过长、不能较好逼近排序函数的问题，结合深度神经网络与Listwise的专家排序方法，提出基于Listwise的深度学习专家排序方法.该方法首先提出深度学习专家排序模型，通过无监督的自训练得到较优参数逐层初始化权重.再将查询对应的专家文档形成的训练实例输入到受限玻尔兹曼机中进行训练，通过余弦值取代矩阵相减计算权重，完成权重整体更新，构建深度学习专家排序模型.对比实验表明文中方法具有较好效果，引入深度学习能有效提升排序精度. 2015 Vol. 28 (11): 976-982 [摘要] ( 697 ) [HTML 1KB] [PDF 597KB] ( 1681 ) 983 基于二阶段聚类的重叠社区发现算法* 蒋盛益，杨博泓，李敏敏，吴美玲，王连喜 针对当前复杂网络重叠社区发现的热点问题，提出基于二阶段聚类的重叠社区发现算法.对网络邻接矩阵进行特征分解时，节点投影到k维欧氏空间后，对节点先后进行硬聚类和软聚类，高效自适应地挖掘网络中的重叠社区结构.在硬聚类阶段中，引入基于距离最小原则的一趟聚类算法对节点进行自适应的硬划分，确定软聚类阶段中的聚类中心和网络的社区数量.在软聚类阶段中，引入以模糊模块度为目标函数的模糊C均值算法，通过迭代优化模糊模块度实现对节点的软划分，挖掘网络中的重叠社区结构.在多个真实网络数据集上的实验验证文中算法能高效挖掘复杂网络中的重叠社区结构. 2015 Vol. 28 (11): 983-991 [摘要] ( 463 ) [HTML 1KB] [PDF 572KB] ( 839 ) 992 基于相关性及语义的n-grams特征加权算法* 邱云飞，刘世兴，林明明，邵良杉 n-grams作为文本分类特征时易造成分类准确率下降，并且在对n-grams加权时通常忽略单词间的冗余度和相关性.针对上述问题，文中提出基于相关性及语义的n-grams特征加权算法.在文本预处理时，对n-grams进行特征约简，降低内部冗余，再根据n-grams内单词与类别的相关性及n-grams与测试集的语义近似度加权.搜狗中文新闻语料库和网易文本分类语料库上的实验表明，文中算法能筛选高类别相关且低冗余的n-grams特征，在量化测试集时减少稀疏数据的产生. 2015 Vol. 28 (11): 992-1001 [摘要] ( 458 ) [HTML 1KB] [PDF 901KB] ( 473 ) 研究与应用 1002 基于句法分析和属性概率权重的跨语言情感分类算法* 张玲玲，冀俊忠， 贝 飞，吴晨生 在篇章级情感分类研究方法中，算法常仅考虑情感的分布信息，忽略情感知识的语义信息，影响跨语言情感分类的准确率.针对上述问题，文中提出基于句法分析和属性概率权重的跨语言情感分类算法.首先，通过句法分析得到表征词语之间关系的依赖对，再将依赖对翻译到目标语言.然后，基于词典极性的分布信息与文档情感分类的相关性，将类别属性的语义权重特征融合到朴素贝叶斯分类方法中，实现新的分类方法.使用带标签的英文分类数据集作为训练语料，标准中文数据集作为测试语料进行实验，结果表明文中算法的有效性. 2015 Vol. 28 (11): 1002-1012 [摘要] ( 538 ) [HTML 1KB] [PDF 793KB] ( 588 ) 1013 基于变粒度仿反馈机制的回转窑烧成状态智能认知方法* 陈克琼，王建平，李帷韬，赵丽欣 采用改进的压缩Gabor滤波器组对火焰图像进行预处理，由比例不变特征变换描述符、视觉单词本和潜在语义分析结合的方法提取火焰图像感兴趣区域局部形态特征.在给定的认知信息粒度层次中基于特征分辨度、认知粒度熵和特征权值的定义，构建相应的简约特征空间.生成多类训练样本的多维逆向正态粒子云模型，并基于云隶属度构造模式分类器获取回转窑烧成状态分类规则.基于认知误差的定义，给出基于变粒度仿反馈机制的回转窑烧成状态智能认知方法.实验表明，文中方法对回转窑烧成状态认知效果较优. 2015 Vol. 28 (11): 1013-1022 [摘要] ( 419 ) [HTML 1KB] [PDF 657KB] ( 402 ) 1023 边界和曲率驱动修复的图像编码算法* 王相海，汲海巍，宋传鸣 提出面向人眼视觉的基于边界和曲率驱动修复的图像编码算法.首先利用梯度方差和二值边缘将图像分成结构块、梯度块和平凡块.然后采用JPEG和算术编码压缩平凡块、必要的结构块和梯度块及其辅助信息.最后在解码端利用JPEG解码平凡块，利用梯度加权的线性插值重构梯度块，采用边界指导的像素扩散方法和曲率驱动扩散模型解码结构块，较好保持解码图像边界的完整性和强度.实验表明，文中算法在压缩效率和解码图像的视觉效果上均有较大幅度的提高，且计算复杂度较低. 2015 Vol. 28 (11): 1023-1032 [摘要] ( 465 ) [HTML 1KB] [PDF 596KB] ( 641 ) 1033 基于索引的快速手写中文文档关键词检索* 喻 庚，殷 飞，陈友斌，刘成林 手写文档检索很难同时保证较高的检索精度和速度.基于上述原因，文中提出快速手写中文文档关键词检索方法，大幅提高检索速度并保持检索精度.该方法基于文本行识别的候选切分-识别网格预先生成压缩的索引文件，然后在索引上快速检索关键词.在手写中文文档数据库CASIA-HWDB上的实验证明文中方法的有效性，该方法不但压缩索引大小，而且缩短词检索的耗时. 2015 Vol. 28 (11): 1033-1040 [摘要] ( 456 ) [HTML 1KB] [PDF 653KB] ( 785 ) 1041 改进随机森林算法在电信业客户流失预测中的应用* 丁君美，刘贵全，李慧 为有效处理不平衡分类，提高电信业客户流失预测中高价值客户流失预测的准确率，提出改进的随机森林算法(IRFA).该算法改进随机森林中生成每棵树时节点划分的方法，基于客户生命价值划分节点，这是对信息增益的修改，不但解决数据分布不平衡问题，而且提高对有流失倾向的高价值客户预测的准确率.将算法应用于某电信公司的客户流失预测，实验表明，与其他方法相比，IRFA具有更好的分类性能，而且提高高价值客户流失预测的准确率. 2015 Vol. 28 (11): 1041-1049 [摘要] ( 630 ) [HTML 1KB] [PDF 664KB] ( 1051 ) 1050 基于模糊数据融合的水下传感器网络节点部署策略* 张聚伟，刘亚闯，杨挺 针对水下传感器网络节点的部署，根据被动声呐的概率感知模型，结合水下环境影响因素，建立模糊感知模型和模糊数据融合模型.研究模糊数据融合算法在水下传感器网络部署中的应用，提出基于模糊数据融合的水下传感器网络节点部署策略.实验证明，文中策略能有效减少部署节点，提高网络覆盖度和单个节点的检测效率，从而提高网络的检测性能. 2015 Vol. 28 (11): 1050-1056 [摘要] ( 392 ) [HTML 1KB] [PDF 470KB] ( 592 )

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