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....

2017年 30卷 3期 刊出日期 2017-03-31 论文与报告 研究与应用   论文与报告 193 融合深度特征和语义邻域的自动图像标注* 柯逍，周铭柯，牛玉贞 传统图像标注方法中人工选取特征费时费力,传统标签传播算法忽视语义近邻,导致视觉相似而语义不相似,影响标注效果.针对上述问题,文中提出融合深度特征和语义邻域的自动图像标注方法.首先构建基于深度卷积神经网络的统一、自适应深度特征提取框架,然后对训练集划分语义组并建立待标注图像的邻域图像集,最后根据视觉距离计算邻域图像各标签的贡献值并排序得到标注关键词.在基准数据集上实验表明,相比传统人工综合特征,文中提出的深度特征维数更低,效果更好.文中方法改善传统视觉近邻标注方法中的视觉相似而语义不相似的问题,有效提升准确率和准确预测的标签总数. 2017 Vol. 30 (3): 193-203 [摘要] ( 967 ) [HTML 1KB] [PDF 1344KB] ( 677 ) 204 离散多目标量子微粒群聚类算法* 张勇，王庆，夏长红，孙晓燕，巩敦卫 聚类是数据挖掘中重要的数据处理方法.文中提出改进的离散多目标量子微粒群聚类算法.针对类中心数目未知的情况,引入整数编码策略,基于Canopy策略预测类中心的数目,设计有效的微粒群初始化策略.通过引入与、并和差异算子,定义改进的离散量子微粒更新公式.将文中算法应用于7组真实数据集,并对比2种典型单目标聚类算法和3种多目标聚类算法,验证文中算法性能. 2017 Vol. 30 (3): 204-213 [摘要] ( 748 ) [HTML 1KB] [PDF 961KB] ( 472 ) 214 邻域约束高斯混合模型的模糊聚类图像分割* 赵泉华，张洪云，赵雪梅，李玉 针对传统模糊聚类分割方法无法有效模拟数据分布特征的问题,提出基于邻域约束高斯混合模型的模糊聚类图像分割算法.利用高斯分布刻画聚类内像素光谱测度统计特征,定义像素与其邻域像素相关性的先验概率,并作为高斯混合模型中各高斯分量权重系数,构建包含特征场邻域作用的高斯混合模型.利用高斯分量描述像素与聚类间的非相似性测度,建立基于高斯混合模型的模糊聚类目标函数.在传统模糊聚类方法基础上,采用高斯混合模型定义像素与聚类间的非相似性测度,并在高斯混合模型中融入邻域作用,有效解决数据具有多峰值特征的问题.最后通过实验验证文中算法的准确性. 2017 Vol. 30 (3): 214-224 [摘要] ( 724 ) [HTML 1KB] [PDF 1036KB] ( 578 ) 224 基于平衡搜索策略的多目标粒子群优化算法* 耿焕同，陈正鹏，陈哲，周利发 鉴于平衡全局和局部搜索在多目标粒子群优化算法获取完整均匀Pareto最优前沿方面的重要性,设计平衡全局和局部搜索策略,进而提出改进的多目标粒子群优化算法(bsMOPSO).文中策略在局部搜索方面设计归档集自挖掘子策略,通过对归档集中均匀分布的部分粒子进行柯西扰动,使归档集涵盖整个前沿面的局部搜索.在全局搜索方面设计边界最优粒子引导搜索子策略,以边界最优粒子替换部分粒子的全局最优解,引导粒子向各维目标的边界区域搜索.选取4种对比算法在ZDT和DTLZ系列的部分测试函数上进行实验,结果表明bsMOPSO具有更快的Pareto最优前沿收敛效率和更好的分布性. 2017 Vol. 30 (3): 224-234 [摘要] ( 573 ) [HTML 1KB] [PDF 3543KB] ( 813 ) 235 基于似然损失函数的组样本排序学习方法* 林原，徐博，孙晓玲，林鸿飞，许侃 组样本用于模型训练,为排序学习方法的构造提供一种新的思路.文中改进已有的组样本排序学习方法,构造组样本损失函数,用于排序学习模型的训练.基于似然损失函数,采用样本偏序权重损失函数和最优初始序列选择方法,构造基于神经网络的组排序学习方法,实验证明文中方法能够有效提高排序准确率. 2017 Vol. 30 (3): 235-241 [摘要] ( 539 ) [HTML 1KB] [PDF 661KB] ( 577 ) 研究与应用 242 基于二次学习的半监督字典学习软件缺陷预测* 张志武，荆晓远，吴飞 当软件历史仓库中有标记训练样本较少时,有效的预测模型难以构建.针对此问题,文中提出基于二次学习的半监督字典学习软件缺陷预测方法.在第一阶段的学习中,利用稀疏表示分类器将大量无标记样本通过概率软标记标注扩充至有标记训练样本集中.再在扩充后的训练集上进行第二阶段的鉴别字典学习,最后在学得的字典上预测缺陷倾向性.在NASA MDP和PROMISE AR数据集上的实验验证文中方法的优越性. 2017 Vol. 30 (3): 242-250 [摘要] ( 593 ) [HTML 1KB] [PDF 712KB] ( 489 ) 251 基于协同表示的子空间聚类* 傅文进，吴小俊，董文华，尹贺峰 针对稀疏子空间聚类(SSC)求得的系数矩阵过于稀疏和最小二乘回归子空间聚类(LSR)求得的系数矩阵过于稠密的问题,文中提出基于协同表示的子空间聚类算法(SCCR).结合SSC和LSR的优点,将l1范数和Frobenius范数引入同一优化问题中,使系数矩阵保证在同一子空间数据点联系(如LSR)的同时,消除不同子空间数据点之间的联系(如SSC).然后利用此系数矩阵建立相似矩阵,应用谱聚类得到聚类结果.实验表明SCCR可以提高聚类性能. 2017 Vol. 30 (3): 251-259 [摘要] ( 561 ) [HTML 1KB] [PDF 896KB] ( 548 ) 260 增强室内视觉里程计实用性的方法* 彭天博，王恒升，曾斌 针对现有视觉里程计在实时性、鲁棒性和准确性之间难以协调统一的问题,提出增强视觉里程计实用性的方法.分别运用基于图形处理器的定向加速分割测试特征和旋转感知的二进制鲁棒基元独立特征以及K最邻近加速提取、匹配图像的特征点.根据Kinect有效的深度量程剔除深度误差较大的特征点.求解相机帧间运动时,首先采用高效n点透视快速求解相机帧间运动参数的估计,然后将其作为Levenberg-Marquedt迭代法的初值,优化相机帧间运动参数.在运动参数解计算过程中,使用随机采样一致排除特征外点的干扰.实验表明,文中措施可以提高相机运动轨迹的解算速度,在室内环境下获得的相机运动轨迹更准确,鲁棒性更强,因此适用于室内机器人导航及定位. 2017 Vol. 30 (3): 260-268 [摘要] ( 522 ) [HTML 1KB] [PDF 996KB] ( 619 ) 269 基于融合特征的行人再识别方法* 袁立，田子茹 行人再识别过程中，由于姿势和光照等因素的变化使不同相机中所得行人的外形具有明显变化，较难提取不变性特征，导致识别率偏低.鉴于此种情况，文中提出基于融合特征的行人再识别方法，提取的特征包括HSV颜色特征、颜色直方图特征及梯度方向直方图特征,行人再识别过程分为训练阶段和识别阶段.在训练阶段，首先对训练图像集中每幅图像进行特征提取，然后利用典型相关分析获得2部相机拍摄同一行人的图像特征之间的相关性，生成相关性矩阵.在识别阶段，首先对参考图像集和测试图像集中每幅图像进行特征提取，然后将各自特征向量利用相关性矩阵进行变换，最后进行相似度度量，得到识别结果.在3个图像库上的实验表明，文中方法可以提高行人再识别的识别率. 2017 Vol. 30 (3): 269-278 [摘要] ( 803 ) [HTML 1KB] [PDF 1694KB] ( 618 ) 279 基于行列联合选择矩阵分解的偏好特征提取* 雷恒鑫，刘惊雷 针对奇异值分解(SVD)分析偏好特征不够准确,有时出现不可解释的情况,文中提出利用行列联合选择(CUR)矩阵分解方法获取原始矩阵M(用户对产品的偏好)的低秩近似,提取用户和产品的潜在偏好.首先计算M中行和列的统计影响力得分,并抽取得分较高的若干列和若干行构成低维矩阵C和R,然后由M、C、R近似构造矩阵U,将高维空间中的偏好特征提取问题转化为低维空间中的矩阵分析问题,使其具有较好的可解释性和准确性.最后,通过理论分析和实验发现,与传统分解方法相比,CUR矩阵分解方法在偏好特征提取方面具有更高的准确度、更好的可解释性及更高的压缩率. 2017 Vol. 30 (3): 279-288 [摘要] ( 633 ) [HTML 1KB] [PDF 1055KB] ( 1062 )

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