模式识别与人工智能

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

	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

	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

	2019年 32卷 2期刊出日期 2019-02-25

	论文与报告研究与应用

论文与报告

	97	基于混合关节肢体模型的深度人体姿态估计方法
		刘秉瀚, 李振达, 柯逍
		提出基于关节外观和关节间空间关系的模型与深层神经网络结构(DCNN)相结合的混合模型,解决人体姿态估计问题.首先,对人体构建图像模型以表示人体关节与肢体.然后,根据标注信息将图像分解为以关节为中心的若干图像块,作为训练输入数据.最后,得到一个可以解决多个分类的DCNN网络,用于人体姿态估计.文中方法对人体表示更灵活,有效提升关节点的检测率及正确检测的比率.
		2019 Vol. 32 (2): 97-107 [摘要] ( 691 ) [HTML 1KB] [PDF 1407KB] ( 433 )

	108	具有自适应弹射机制的粒子群算法
		朱经纬, 方虎生, 邵发明, 蒋成明
		针对粒子群算法容易陷入局部最优和停滞的问题,提出自适应弹射机制的粒子群算法.为了保持粒子群的活力,在算法内引入弹射操作.当粒子满足条件,当前位置赋予很大的速度,使其飞到很远的区域.弹射方式可以选择全维弹射和概率弹射.为了配合弹射操作,提出粒子优劣的判断机制,使粒子可以被弹射飞出可行域.在算法中设定自适应判别函数,当粒子满足该判别函数,对粒子实施弹射.数值实验表明,文中算法具有较强的全局搜索能力和较快的搜索速度.
		2019 Vol. 32 (2): 108-116 [摘要] ( 461 ) [HTML 1KB] [PDF 1048KB] ( 440 )

	117	面向活体人脸检测的时空纹理特征级联方法
		甘俊英, 翟懿奎, 项俐, 曹鹤, 何国辉, 曾军英, 谭海英, 邓文博
		为了解决身份认证中的安全问题,通常采用活体人脸检测方法.为提高活体人脸检测的鲁棒性,文中提出时空纹理特征级联方法.首先采用局部二值模式(LBP)计算韦伯局部描述符(WLD)的差分激励,利用Prewitt算子计算WLD的方向角,提取时空域的纹理特征.再将3个正交时空平面XY、XT、YT的纹理特征直方图进行级联,得到动态纹理特征即时空纹理级联特征,并对真实人脸和伪装人脸做出判定.在公开活体人脸数据库上的实验表明,相比现有主流局部纹理特征方法,文中方法识别率更高.
		2019 Vol. 32 (2): 117-123 [摘要] ( 534 ) [HTML 1KB] [PDF 1155KB] ( 446 )

	124	基于云模型理论面向大数据的协作联盟决策评价
		尹蕾, 蒋建国, 张国富
		针对联盟决策评价中存在较强的不确定性,提出基于云模型理论面向大数据的协作联盟决策评价方法.首先,构建面向大数据的多任务协作联盟多层决策评价架构,依托大数据处理分析平台获取联盟成员的基本评价指标的评价数据,应用逆向云发生器算法生成相应的评价云,并运用综合云运算产生联盟评价指标的云数字特征.然后,结合联盟评价指标权重和任务权重,运用云加权算术平均数算子进行云集结,分别产生单任务联盟决策评价云和多任务协作联盟决策评价云.再对多任务协作联盟备选方案进行决策评价和选优,以确定最优的联盟方案.最后通过实例与D-S证据理论联盟评价方法进行对比,验证文中方法的有效性.
		2019 Vol. 32 (2): 124-132 [摘要] ( 354 ) [HTML 1KB] [PDF 827KB] ( 321 )

	133	融合多特征的基于远程监督的中文领域实体关系抽取
		王斌, 郭剑毅, 线岩团, 王红斌, 余正涛
		针对从未标记的文本中抽取中文领域实体关系的问题,文中提出基于远程监督的领域实体属性关系抽取的混合方法,利用知识库中已有结构化的关系三元组,从自然语言文本中自动获取训练语料.针对远程监督方法标注数据存在大量噪声的问题,采用隐含狄利克雷分布主题模型抽取主题关键词,再与关系类型进行相似度计算和对关键词模式匹配进行去噪.最后提取词性特征、依存关系特征和短语句法树特征,并进行融合,训练关系抽取模型.实验表明,3种特征融合的F值较高,抽取性能较好.
		2019 Vol. 32 (2): 133-143 [摘要] ( 629 ) [HTML 1KB] [PDF 974KB] ( 404 )

研究与应用

	144	面向不平衡数据流的自适应加权在线超限学习机算法
		梅颖, 卢诚波
		一般的在线学习算法对不平衡数据流的分类识别会遇到较大困难,特别是当数据流发生概念漂移时,对其进行分类会变得更困难.文中提出面向不平衡数据流的自适应加权在线超限学习机算法,自动调整实时到达的训练样本的惩罚参数,达到在线学习不平衡数据流的目的.文中算法可以适用于不同偏斜程度的静态数据流的在线学习和发生概念漂移时数据流的在线学习.理论分析和在多个真实数据流上的实验表明文中算法的正确性和有效性.
		2019 Vol. 32 (2): 144-150 [摘要] ( 463 ) [HTML 1KB] [PDF 639KB] ( 385 )

	151	基于正序迭代选择策略的聚类中心自动选择方法
		王万良, 吕闯, 赵燕伟, 高楠, 杨小涵, 张兆娟
		针对密度峰值聚类算法的决策函数不能自动有效地确定聚类中心的问题,提出自动确定聚类中心的密度峰值聚类算法.首先,通过归一化处理,使决策函数中的两个变量分布均匀.然后,在确定聚类中心时,提出正序迭代选择策略,即根据聚类核心点数目的变化趋势搜索拐点,并以拐点之前的点作为聚类中心,完成聚类.最后,在UCI数据集上验证文中算法的性能,算法在未提高时间复杂度的情况下,可以对任意分布形状的数据集进行聚类,具有较好的适应性和聚类效果.
		2019 Vol. 32 (2): 151-160 [摘要] ( 420 ) [HTML 1KB] [PDF 3748KB] ( 372 )

	161	多段落中文阅读理解模型
		赵峻瑶, 庞亮, 苏立新, 兰艳艳, 郭嘉丰, 程学旗
		解决多段落中文阅读理解任务需要考虑证据段落的稀疏性、中文语义的多样性和答案片段的有效性.基于此种情况,文中设计多段落中文阅读理解模型,利用数据增强的方式学习不包含答案的段落,利用字级别编码和中文词性标注丰富中文的语义表示,通过答案片段的特征训练答案有效性验证模型.将文中模型应用到CIPS-SOGOU事实类问答数据中,实验表明,完全匹配率和F1分数的平均分均有所提高.
		2019 Vol. 32 (2): 161-168 [摘要] ( 462 ) [HTML 1KB] [PDF 981KB] ( 454 )

	169	基于CapsNet的汉字字形表征模型
		谢海闻, 叶东毅, 陈昭炯
		提出基于胶囊神经网络(CapsNet)的汉字字形表征模型,通过表征汉字字形中的部件实现汉字字形的表征.首先,对任一汉字字形生成所有部件类别的表征向量.然后,根据部件存在概率,利用基于欧氏距离的离群点检测,选取相应的部件表征向量.最后,由选出的部件表征向量组成该汉字的字形表征.实验表明,文中模型在仅经过部件字形训练的情况下,即可有效识别汉字部件,同时自动生成汉字字形的有效表征.
		2019 Vol. 32 (2): 169-176 [摘要] ( 697 ) [HTML 1KB] [PDF 913KB] ( 450 )

	177	基于融合式神经网络的微生物生长环境关系抽取
		李孟颖, 王健, 王琰, 林鸿飞, 杨志豪
		为了构建完整的微生物生长环境关系数据库,提出基于卷积神经网络-长短时记忆(CNN-LSTM)的关系抽取系统.结合卷积神经网络(CNN)和长短时记忆(LSTM),实现对隐含特征的深度学习,提取分布式词向量特征和实体位置特征作为模型的特征输入.对比实验验证加入特征后CNN-LSTM模型的优势,并将CNN模型的特征输出作为LSTM模型的特征输入.在Bio-NLP 2016共享任务发布的BB-event语料集上得到目前最好的结果.
		2019 Vol. 32 (2): 177-183 [摘要] ( 420 ) [HTML 1KB] [PDF 805KB] ( 426 )

	184	面向属性抽取的门控动态注意力机制
		程梦, 洪宇, 唐建, 张家硕, 邹博伟, 姚建民
		在现阶段属性抽取研究中,现有注意力建模及训练较刚性(单句一次成型),而单句中不同词汇的上下文存在语境语义的差异,一致的注意力分布缺少动态的适应性.因此,文中提出面向属性抽取的门控动态注意力机制,利用双向长短时记忆网络捕获目标句中每个单词的隐层表示.在注意力模型处理词一级属性预测时,根据目标词及其上下文,计算适应该目标词的注意力分布向量,可以根据上下文的变化自动调整注意力权重的分配.借助门控调整注意力向量流向下一层神经元的信息量,最终使用条件随机场进行属性标记.应用2014-2016语义评估官方数据集验证文中方法的有效性,F1值均有所提高.
		2019 Vol. 32 (2): 184-192 [摘要] ( 539 ) [HTML 1KB] [PDF 799KB] ( 325 )

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