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 12期 刊出日期 2017-12-30

论文与报告
研究与应用
 
论文与报告
1057 平行高特:基于ACP的平行痛风诊疗系统框架*
王飞跃,李长贵,国元元,王静,王晓,邱天雨,孟祥冰,施小博
为了解决复杂环境中痛风诊疗的精准决策难题,突破不同医生业务水平对于痛风诊疗的局限,提高痛风诊断的准确率和治疗的有效性,文中提出基于ACP理论的平行痛风诊疗系统框架,称为“平行高特(Gout)”.平行高特通过构建人工痛风诊疗系统以模拟和表示实际痛风诊疗系统,运用计算实验进行各种痛风诊疗模型的训练与评估,借助平行执行对实际痛风诊疗系统进行管理决策与实时优化,实现痛风诊疗过程的自动化与智能化.该平行的诊疗过程可以帮助医生减少误诊误治,提高效率,提升水平,同时也能帮助患者做好慢病管理,远离疾病.考虑到痛风病在当前社会的严重程度,平行高特在痛风诊疗中的应用具有重要的实际意义,是传统医疗模式走向智慧化、平行化的有效途径和自然选择,有利于推进健康中国建设,实现更高水平的全民健康.
2017 Vol. 30 (12): 1057-1068 [摘要] ( 568 ) [HTML 1KB] [PDF 2584KB] ( 691 )
1069 基于差异化邻域策略的分解多目标进化算法*
王丽萍,吴峰,张梦紫,邱飞岳
子问题邻域对基于分解的多目标进化算法性能影响较大.当邻域过大时,种群繁殖产生的新解偏离Pareto解集,在更新子问题时,新解与邻域内旧解的比较次数增多,算法的计算复杂度增加;当邻域过小时,算法容易陷入局部最优.为了解决上述问题,文中提出基于差异化邻域策略的分解多目标进化算法(MOEA/D-DN),通过分析不同大小的邻域对算法性能的影响,选择合适的参数.并根据每个子问题的权重向量与中心向量的偏角,为各子问题设置不同大小的邻域,合理分配算法资源,提高算法搜索全局最优解的速率.在2维ZDT系列和3维、5维DTLZ系列测试函数上的实验表明,MOEA/D-DN 的收敛速度与收敛性能均有明显提高,算法的计算资源分配更合理,所获解集整体质量更优.
2017 Vol. 30 (12): 1069-1082 [摘要] ( 617 ) [HTML 1KB] [PDF 1486KB] ( 390 )
1083 基于滑动窗口的快速Learn++.NSE*
申彦,朱玉全,宋新平
Learn++.NSE集成的单个基分类器需根据其在所有历经环境中的分类错误率加权计算投票权重,学习效率有待提高.因此,文中采用滑动窗口技术优化权重的计算过程,提出基于滑动窗口的快速Learn++.NSE算法(SW-Learn++.NSE).该算法仅考虑使用单个基分类器近期窗口内的分类准确率计算投票权重,提高集成学习的效率.实验表明,相比Learn++.NSE,在取得同等分类准确率的情况下,文中算法分类学习的效率更高.
2017 Vol. 30 (12): 1083-1090 [摘要] ( 643 ) [HTML 1KB] [PDF 955KB] ( 340 )
1091 基于卷积递归神经网络和核超限学习机的3D目标识别*
刘阳阳,张骏,高欣健,张旭东,高隽
针对大规模RGB-D数据集中存在的深度线索质量和非线性模型分类问题,提出基于卷积递归神经网络和核超限学习机的3D目标识别方法.该方法引入深度图编码算法,修正原始深度图中存在的数值丢失和噪声问题,将点云图统一到标准角度,形成深度编码图,并结合原始深度图作为新的深度线索.利用卷积递归神经网络学习不同视觉线索的层次特征,融入双路空间金字塔池化方法,分别处理多线索特征.最后,构建基于核方法的超限学习机作为分类器,实现3D目标识别.实验表明,文中方法有效提高3D目标识别率和分类效率.
2017 Vol. 30 (12): 1091-1099 [摘要] ( 498 ) [HTML 1KB] [PDF 1607KB] ( 466 )
1100 基于多语义元路径的异质网节点分类方法*
杜永萍,刘京旋,张津丽
异质网是包含多种类型的对象和复杂链接关系的大规模异构信息网络.针对科研异质网,文中提出基于元路径信息的节点分类方法.利用异质网中具有不同语义信息的元路径,建立节点之间的关联特征矩阵,并通过加入跳转路径扩展异质网,解决信息稀疏问题.在DBLP数据集上的实验表明,文中方法可以有效利用较少的分类标签,解决复杂网络中的节点分类,在标注数据比例规模较小时,加入跳转路径,优化决策树分类性能.
2017 Vol. 30 (12): 1100-1107 [摘要] ( 617 ) [HTML 1KB] [PDF 871KB] ( 427 )
研究与应用
1108 多标记收缩哈希方法的人脸属性检索*
赵轩,谭晓阳,宋歌
哈希方法具有存储成本低、查询速度快等优点.但是,大多数哈希方法只用于处理单标记问题,较少用于图像多标记问题.因此,文中提出多标记收缩哈希方法(MLCH),可以保留多标记图像的多水平语义相似性.MLCH利用数据的多标记作为监督信息,依据优化选择算法选取三元组,并加入收缩约束项以获取更饱和的二进制编码.在数据库CelebA和PubFig上评估MLCH性能,证明收缩约束项的有效性,并证明MLCH在大规模图像检索任务中的优越性.
2017 Vol. 30 (12): 1108-1113 [摘要] ( 316 ) [HTML 1KB] [PDF 659KB] ( 293 )
1114 基于集成人脸对距离学习的跨年龄人脸验证*
吴嘉琪,景丽萍
针对不同年龄跨度下人脸对差异的不同,文中提出基于集成人脸对距离学习(EFPML)的跨年龄人脸验证方法.对不同年龄跨度的人脸对分别学习距离度量,然后使用集成方法对人脸对进行重表示,使人脸对重表示更具有判别性,并且可以扩充有限的跨年龄数据集.在公开的跨年龄人脸数据库FG-NET和CACD上的实验表明,文中方法可以有效减少年龄带来的影响,提高验证性能.
2017 Vol. 30 (12): 1114-1120 [摘要] ( 465 ) [HTML 1KB] [PDF 916KB] ( 328 )
1121 联合谱聚类与邻域互信息的特征选择算法*
胡敏杰,郑荔平,唐莉,林耀进
针对特征空间中存在潜在相关特征的规律,分别利用谱聚类探索特征间的相关性及邻域互信息以寻求最大相关特征子集,提出联合谱聚类与邻域互信息的特征选择算法.首先利用邻域互信息移除与标记不相干的特征.然后采用谱聚类将特征进行分簇,使同一簇组中的特征强相关而不同簇组中的特征强相异.继而基于邻域互信息从每一特征簇组中选择与类标记强相关而与本组特征低冗余的特征子集.最后将所有选中特征子集组成最终的特征选择结果.在2个基分类器下的实验表明,文中算法能以较少的合理特征获得较高的分类性能.
2017 Vol. 30 (12): 1121-1129 [摘要] ( 571 ) [HTML 1KB] [PDF 815KB] ( 339 )
1130 融合词向量和主题模型的领域实体消歧*
马晓军,郭剑毅,王红斌,张志坤,线岩团,余正涛
针对Skip-gram词向量计算模型在处理多义词时只能计算一个混合多种语义的词向量,不能对多义词不同含义进行区分的问题,文中提出融合词向量和主题模型的领域实体消歧方法.采用词向量的方法从背景文本和知识库中分别获取指称项和候选实体的向量形式,结合上下位关系领域知识库,进行上下文相似度和类别指称相似度计算,利用潜在狄利克雷分布(LDA)主题模型和Skip-gram词向量模型获取多义词不同含义的词向量表示,抽取主题领域关键词,进行领域主题关键词相似度计算.最后融合三类特征,选择相似度最高的候选实体作为最终的目标实体.实验表明,相比现有消歧方法,文中方法消歧结果更优.
2017 Vol. 30 (12): 1130-1137 [摘要] ( 655 ) [HTML 1KB] [PDF 920KB] ( 498 )
1138 基于标签的半监督HDP文本分类主题模型
李永忠,郑滔
分层狄利克雷过程(HDP)主题模型从数据中自动学习结构最优的主题集,但往往不满足实际语义要求,而现有的一些带标签的主题模型又需要设定很难界定的参数.因此,文中在已知部分语义标签和标签确定度的基础上,分别提出半监督HDP主题模型(SLHDP)和随机簇的准确度评价指标.该模型为已知的语义标签赋予较高权重,结合狄利克雷过程有限空间无线划分的特性,并通过中国餐馆过程建模生成.在多个中英文数据集中的实验表明,在大规模数据集的文本分类中,SLHDP模型能够使主题集的构成更合理.
2017 Vol. 30 (12): 1138-1148 [摘要] ( 759 ) [HTML 1KB] [PDF 579KB] ( 450 )
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