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 5期刊出日期 2019-05-25

	论文与报告综述与评论研究与应用

论文与报告

	385	信息交互多任务粒子群算法
		程美英, 钱乾, 倪志伟, 朱旭辉
		不同于现有的云平台和并行计算机等多任务处理方式,文中充分挖掘粒子群算法(PSO)的“隐”并行性,引入2种不同的信息交互策略——种群内信息交互和种群间信息交互,同时引入等级因子、标量因子和技能因子参数,在算法每次迭代过程中,始终让最合适的个体求解最合适的任务,提出信息交互多任务粒子群算法(IEPSOM). 对于多任务函数优化问题、多任务多约束工程优化问题及多任务关键指标体系构建问题的测试表明,在IEPSOM多任务环境中,有效信息的传递不仅可以提高解的质量,还可以加速各任务的收敛速度.
		2019 Vol. 32 (5): 385-397 [摘要] ( 593 ) [HTML 0KB] [PDF 1140KB] ( 496 )

	398	基于PST相位约束和稀疏表示的MS和PAN影像融合算法
		王相海, 白世夫, 李智, 宋若曦, 陶兢喆
		在基于多光谱(MS)影像和全色(PAN)遥感影像融合中,提高融合影像质量的一个关键问题是如何有效提取PAN影像的纹理特征信息,并有针对性地对MS影像进行信息注入.因此,文中提出基于相位拉伸变换(PST)相位约束的MS和PAN影像稀疏融合算法.首先对MS和PAN影像进行高斯滤波.对于中低频信息,基于PST相位差对影像中边缘和纹理区域的敏感性,通过高频信息PST的相位差获得融合权重约束.对于高频信息,通过学习PAN影像的高频信息获得训练字典,并利用字典对MS和PAN影像的高频信息进行稀疏表示和融合,提高融合高频信息的准确度.算法在一定程度上克服传统融合方法对边缘纹理区域融合效果较差和光谱信息扭曲等现象,取得更好的融合效果.大量仿真实验验证算法的有效性.
		2019 Vol. 32 (5): 398-408 [摘要] ( 468 ) [HTML 0KB] [PDF 3336KB] ( 357 )

	409	引入分数阶微分的局部高斯分布拟合能量模型
		储珺, 余佳佳, 缪君, 张桂梅
		局部高斯分布拟合能量(LGDF)模型缺乏全局信息,对初始轮廓曲线选取较敏感,特别在分割弱边缘和弱纹理区域图像时,容易陷入局部极值,对噪声的鲁棒性不好.针对上述问题,文中提出引入分数阶微分的LGDF模型.在LGDF模型中引入全局的Grümwald-Letnikov(G-L)分数阶梯度拟合项,增强弱边缘和弱纹理区域的梯度信息,提高对初始轮廓曲线和噪声的鲁棒性.采用自适应权重函数确定全局项和局部项的系数,提高对灰度不均匀图像的分割效率和分割精度.根据图像的梯度模值、信息熵和对比度构建自适应分数阶阶次的函数,提高分割效率.理论分析和实验均表明,文中模型可以用于灰度不均匀、弱纹理、弱边缘图像的分割.合成图像和真实图像的实验表明文中模型可以提高图像的分割精度和效率.
		2019 Vol. 32 (5): 409-419 [摘要] ( 534 ) [HTML 0KB] [PDF 1993KB] ( 291 )

	420	基于加权集成Nyström采样的谱聚类算法
		邱云飞, 刘畅
		针对Nyström方法在谱聚类应用中存在聚类效果不稳定、样本代表性较弱的问题,提出基于加权集成Nyström采样的谱聚类算法.首先利用统计杠杆分数区别数据间的重要程度,对数据进行加权.然后基于权重采用加权K-means中心点采样,得到多组采样点.再引入集成框架,利用集群并行运行Nyström方法构建近似核矩阵.最后利用岭回归方法组合各个近似核矩阵,产生比标准Nyström方法更准确的低秩近似.在UCI数据集上的测试实验表明,文中算法取得较理想的聚类结果.
		2019 Vol. 32 (5): 420-428 [摘要] ( 476 ) [HTML 1KB] [PDF 682KB] ( 338 )

	429	基于多输入密集连接神经网络的遥感图像时空融合算法
		姚凯旋, 曹飞龙
		为了解决地表反射率遥感卫星Landsat和MODIS影像的时空融合问题,文中提出基于多输入密集连接网络的遥感图像时空融合算法.首先提出多输入的密集连接网络,学习包含连续时刻间差异信息的过渡遥感影像.基于差异相似假设,融合网络学习得到的2幅过渡影像与已知的2幅高空间分辨率影像,得到最终的预测影像.对Landsat遥感影像和MODIS遥感影像的融合实验表明,文中算法在各项定量指标中均较优,最终的预测图像也可表明,文中算法对噪声具有较好的鲁棒性,能较好地恢复细节信息.
		2019 Vol. 32 (5): 429-435 [摘要] ( 520 ) [HTML 0KB] [PDF 1173KB] ( 348 )

综述与评论

	436	掌纹识别研究进展综述
		钟德星, 朱劲松, 杜学峰
		掌纹图像蕴含丰富特征,容易与手背静脉、指节纹及手形特征进行多模态融合,因此成为生物特征识别领域的热点.文中主要从掌纹的采集、感兴趣区域的检测、特征提取与匹配3方面介绍掌纹识别的基本流程.探讨基于不同特征融合的多模态识别策略.根据特征提取方法的不同,掌纹识别算法可分为基于手工设计的算法(如编码特征、结构特征、统计特征、子空间特征)和基于特征学习的算法(如机器学习和深度学习),文中对上述算法进行详细对比和分析.最后讨论未来掌纹识别面临的挑战和发展,特别是复杂场景下跨平台的掌纹识别系统.
		2019 Vol. 32 (5): 436-445 [摘要] ( 1443 ) [HTML 0KB] [PDF 835KB] ( 1073 )

研究与应用

	446	基于Wasserstein距离分层注意力模型的跨域情感分类
		杜永萍, 贺萌, 赵晓铮
		跨领域情感分类任务旨在利用已知情感标签的源域数据对缺乏标记数据的目标域进行情感倾向性分析.文中提出基于Wasserstein距离的分层注意力模型,结合Attention机制,采用分层模型进行特征提取,将Wasserstein距离作为域差异度量方式,通过对抗式训练自动捕获领域共享特征.进一步构造辅助任务捕获与共享特征共现的领域独有特征,结合两种特征表示完成跨域情感分类任务.在亚马逊评论等数据集上的实验表明,文中模型仅利用领域共享特征就达到较高的正确率,在不同的跨领域对之间具有较好的稳定性.
		2019 Vol. 32 (5): 446-454 [摘要] ( 536 ) [HTML 1KB] [PDF 791KB] ( 578 )

	455	结合外部知识的动态多层次语义抽取网络模型
		姜文超, 庄志刚, 涂旭平, 利传杰, 刘海波
		针对复杂多文本机器阅读理解任务中的语义理解与答案提取问题,提出结合外部知识的动态多层次语义理解与答案抽取模型.首先利用改进的门控单元循环神经网络匹配文本内容与问题集,分别在向量化文本内容及问题集上实施多维度动态双向注意力机制分析,提高语义匹配精度.然后利用动态指针网络确定问题答案范围,改进网络模型语义匹配效率,降低答案提取冗余度.最后结合外部知识与经验改进候选答案精准性排序,得到最终答案.实验表明文中模型的语义匹配与答案提取精度显著提升,对不同领域的复杂文本阅读理解任务具有较高的鲁棒性.
		2019 Vol. 32 (5): 455-462 [摘要] ( 376 ) [HTML 0KB] [PDF 646KB] ( 836 )

	463	基于轨迹挖掘模型的旅游景点推荐
		张舜尧, 常亮, 古天龙, 宾辰忠, 孙彦鹏, 朱桂明, 贾中浩
		针对旅游推荐系统中基于内容的推荐和基于协同过滤的推荐方法的数据稀疏性和冷启动问题,以及现有轨迹挖掘方法忽略旅游轨迹中高级语义的问题,提出基于门控循环单元轨迹挖掘模型的推荐方法.为了充分利用旅游轨迹的高级语义信息,基于循环神经网络设计轨迹挖掘表示模型,对游客的旅游轨迹进行建模,在利用游客历史轨迹建模后向游客提供个性化旅游景点推荐.在真实旅游轨迹数据集上的实验表明,相比广泛使用的基线方法,文中方法在景点推荐的准确性和质量上都有一定提高.
		2019 Vol. 32 (5): 463-471 [摘要] ( 558 ) [HTML 0KB] [PDF 1146KB] ( 473 )

	472	基于DenseNet的复杂交通场景语义分割方法
		蒋斌, 涂文轩, 杨超, 刘虹雨, 赵子龙
		针对交通场景语义分割方法存在参数量较大、计算效率较低、精度不足等问题,文中提出基于全卷积化DenseNet的多尺度端到端语义分割模型.首先,构建一种含混合空洞卷积的密集连接模块,同时沿通道维度级联各模块,用于提取图像特征.然后,采集多尺度视觉信息并以此作为监督信号回传至原通道中.最后,通过双线性插值法获得预测输出.在CityScapes数据集上的测试实验表明,文中方法对复杂交通场景的解析能力较强,预测精度和分割效率较高.
		2019 Vol. 32 (5): 472-480 [摘要] ( 747 ) [HTML 0KB] [PDF 2007KB] ( 703 )

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