模式识别与人工智能
   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能
22 学术不端论文认定及处理办法
22 版权转让协议
22 保密证明
22 录用稿件电子版要求
22 修改说明格式
更多....
22 中国自动化学会
22 国家智能计算机研发中心
22 中科院合肥智能机械所
更多....
 
 
2017年 30卷 11期 刊出日期 2017-11-30

论文与报告
研究与应用
 
论文与报告
961 平行手术:基于ACP的智能手术计算方法*
王飞跃,张梅,孟祥冰,王蓉,王晓,张志成,陈鸰,葛均华,杨田
由人工社会(Artificial Societies)、计算实验(Computational Experiments)、平行执行(Parallel Execution)构成的ACP理论在平行智能和复杂系统建模与调控中发挥重要作用.文中将ACP理论引入到医疗手术领域中,提出平行手术的基本框架及相关流程.在平行手术中,采用人工场景模拟医生和患者情况,表征真实复杂的手术场景.在此基础上,采用计算试验的方法试验和评估手术方案,选择最佳方案.最后通过虚实互动的平行执行功能在线优化手术方案,实时地对手术进行智能预测与导引.整个框架结合规则提取、计算机图形学、虚拟现实/增强现实、机器学习、知识自动化等技术,力图有效提高手术的效率和准确性.
2017 Vol. 30 (11): 961-970 [摘要] ( 712 ) [HTML 1KB] [PDF 2909KB] ( 492 )
971 加权多粒度直觉模糊信息系统的粗糙集模型及其决策*
纪霞,赵鹏,姚晟
针对现有多粒度直觉模糊粗糙集决策模型的不足,提出粒度加权的多粒度直觉模糊粗糙集模型.首先研究加权多粒度直觉模糊粗糙集的基本性质,分析加权多粒度直觉模糊粗糙集与乐观多粒度、悲观多粒度直觉模糊粗糙集之间的关系,并给出这几种模型不确定度量之间的关系.然后给出决策规则的置信度和支持度定义以及决策规则的获取方法,弥补目前常用的多粒度直觉模糊粗糙集的不足.最后通过决策实例分析验证文中模型的有效性.
2017 Vol. 30 (11): 971-982 [摘要] ( 452 ) [HTML 1KB] [PDF 581KB] ( 547 )
983 基于聚类和随机参考分类器的对海雷达目标识别算法*
范学满,胡生亮,贺静波
为了进一步提高复杂干扰环境下对海雷达目标识别的泛化能力,提出基于k-medoids聚类和随机参考分类器(RRC)的动态选择集成算法(KMRRC).主要利用重采样技术生成多个基分类器,然后基于成对多样性度量准则将基分类器划分为多个簇,并基于校验数据集为每个基分类器构建相应的RRC模型,最后利用RRC从各个簇中动态选择竞争力最强的部分基分类器进行集成决策.通过寻优实验确定KMRRC的参数设置,随后利用Java调用Weka API在自建的目标全极化高分辨距离像(HRRP)样本库及17个UCI数据集上进行KMRRC与常用的9种集成算法和基分类算法的对比实验,并进一步研究多样性度量方法的选取对KMRRC性能的影响.实验验证文中算法在对海雷达目标识别领域的有效性.
2017 Vol. 30 (11): 983-994 [摘要] ( 801 ) [HTML 1KB] [PDF 1004KB] ( 385 )
995 多置信度重排序的行人再识别算法*
李姣,张晓晖,朱虹,王婧
针对行人再识别中相似性度量误差引起的识别效果较差的问题,提出多置信度重排序的行人再识别算法,通过对再排序过程中测试样本的置信度进行评估,提高行人再识别的准确性.首先对目标样本及测试样本依据深度学习网络ResNet50获得描述特征.然后对目标样本与测试样本之间的相似性进行初始排序,对相似排序得到的样本构建相似样本集合,获得每个类别的聚类中心和样本距离聚类中心的最小、最大、均值距离,设置3个置信度不同的置信区间.最后使用Jaccard距离对目标样本与测试样本的相似度进行重排序.在标准测试数据集上的实验表明文中算法的有效性.
2017 Vol. 30 (11): 995-1002 [摘要] ( 691 ) [HTML 1KB] [PDF 727KB] ( 495 )
1003 基于相似矩阵自适应加权的实景图像相似度计算方法*
李钦,游雄,李科,汤奋
图像相似度计算是众多视觉任务中不可或缺的关键环节,因此文中提出基于相似矩阵自适应加权的实景图像相似度计算方法.首先将图像划分为均匀图像块,基于卷积神经网络构建各图像块的特征描述符.然后计算各图像块间的相似度,组成相似矩阵.最后分析相似矩阵中的数据分布,确定图像对包含同一场景的概率,根据相似矩阵中的数据差异计算各单元相似度权值,确定整幅图像的相似度.实验表明,相比已有方法,文中方法在图像检索应用中鲁棒性更高,可以有效解决即时定位与地图构建中的闭环检测问题.
2017 Vol. 30 (11): 1003-1011 [摘要] ( 654 ) [HTML 1KB] [PDF 1939KB] ( 520 )
研究与应用
1012 犹豫模糊图及其在多属性决策中的应用*
张超,李德玉
犹豫模糊集作为定量描述犹豫不决的有效工具,通过同时处理不确定性信息中的犹豫性与模糊性,解决犹豫不决背景下的多属性决策问题.文中针对属性值为犹豫模糊数的多属性决策问题,研究基于模糊图论的相关模型与多属性决策方法.首先,提出犹豫模糊图的概念和部分常见运算规则.然后,构建基于犹豫模糊图的一般性多属性决策方法.最后,通过具体算例和对比性分析验证文中方法的合理性.
2017 Vol. 30 (11): 1012-1018 [摘要] ( 547 ) [HTML 1KB] [PDF 578KB] ( 386 )
1019 结肠癌患者诊断的基因标志物识别算法*
谢娟英,樊雯
为了得到具有强分类信息的极少结肠癌特征基因,实现对结肠癌患者的准确识别,文中提出结肠癌患者诊断的基因标志物识别算法.首先提出基因密度和基因距离的概念,构造以基因密度和基因距离分别为横纵坐标的基因2D空间散列图,选择处于密度峰值点的基因构成优选基因子集,然后采用密度峰值K中心点(DP_K-medoids)算法对降维后的结肠数据集样本进行聚类分析.基因距离和样本距离分别采用欧氏距离、曼哈顿距离、切比雪夫距离和夹角余弦距离度量.实验表明,在夹角余弦距离下,文中算法可以选择到具有高准确率、高灵敏度、高特异度和高马修斯相关系数的规模较小的结肠癌基因子集.
2017 Vol. 30 (11): 1019-1029 [摘要] ( 433 ) [HTML 1KB] [PDF 1217KB] ( 381 )
1030 基于边际Fisher深度自编码器的电台指纹特征提取*
黄健航,雷迎科
针对在少量有标签样本条件下传统方法训练不充分而且难以准确提取通信电台指纹特征的问题,文中提出基于边际Fisher深度自编码器的电台指纹特征提取算法.以深度自编码器为基础,训练过程分为无监督预训练、基于边际Fisher映射的有监督训练两部分.首先挖掘海量无标签样本中包含的电台个体类别信息,用于深度自编码器最优参数训练.然后在有标签样本的辅助下对训练参数进行基于边际Fisher映射的有监督精校,提高指纹特征对同类型电台个体的鉴别能力.在多个通信电台数据集上进行的分类识别实验表明,文中算法能在小样本训练条件下有效表达同类型通信电台个体之间的差异.
2017 Vol. 30 (11): 1030-1038 [摘要] ( 500 ) [HTML 1KB] [PDF 1173KB] ( 473 )
1039 基于多语义关系的个性化查询扩展方法*
伍璇,周栋
随着数字内容不断增长,信息检索技术已经不能满足不同用户对高精度信息内容获取的需求.文中提出基于多语义关系的个性化查询扩展方法,并应用于基于社会化标签的个性化搜索系统.模型使用标签-主题模型对用户兴趣模型进行建模,能够更有效地表达语义和提升搜索效果.在此基础上,进一步提出基于多语义关系的个性化查询扩展方法,利用社会化标签的多重语义特征进行扩展词的选择.在大规模真实社会化标签数据集上的实验表明,文中方法优于非个性化搜索及其它基于社会化标签系统的个性化查询扩展方法.
2017 Vol. 30 (11): 1039-1047 [摘要] ( 465 ) [HTML 1KB] [PDF 686KB] ( 283 )
1048 基于最大粒的悲观邻域多粒度粗糙集规则获取算法*
陈静雯,马福民,张腾飞,曾永钢
基于粒计算的规则获取在一定程度上弥补规则获取算法的缺陷,然而大多数算法仅适用于处理名词型数据.为了从多粒度、多层次的角度处理数值型或混合型数据,基于邻域多粒度粗糙集模型,通过计算邻域多粒度条件粒与决策粒,分析条件粒在规则获取过程中的冗余关系,进而通过剪枝规则获取过程中的冗余条件粒.在此基础上,设计较高效的基于最大粒的悲观邻域多粒度粗糙集规则获取算法.通过理论分析与实例对比验证算法的有效性和优越性.
2017 Vol. 30 (11): 1048-1056 [摘要] ( 434 ) [HTML 1KB] [PDF 602KB] ( 443 )
模式识别与人工智能
 

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