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....

2020年 33卷 2期 刊出日期 2020-02-25 论文与报告 研究与应用   论文与报告 95 基于改进二元萤火虫群优化算法和邻域粗糙集的属性约简方法 彭鹏, 倪志伟, 朱旭辉, 夏平凡 针对数据降维和去冗问题,提出基于改进的二元萤火虫群优化算法和邻域粗糙集的属性约简方法.首先,运用反向学习协同初始化种群,并基于Sigmoid变化函数的映射进行二进制编码,引入Lévy飞行位置更新策略,提出改进二元萤火虫群优化算法.再以邻域粗糙集作为评价准则,以改进算法作为搜索策略,进行属性约简.最后,通过在标准UCI数据集上的实验验证属性约简方法的有效性,并验证文中算法具有较优的收敛速度和精度. 2020 Vol. 33 (2): 95-105 [摘要] ( 646 ) [HTML 1KB] [PDF 805KB] ( 372 ) 106 基于标签增强的机器阅读理解模型 苏立新, 郭嘉丰, 范意兴, 兰艳艳, 程学旗 抽取式问答中已有模型仅建模答案的边界,忽视人的潜在标注过程,导致模型仅学习到表面特征,影响泛化能力.因此,文中提出基于标签增强的机器阅读理解模型(LE-Reader),模拟人的标注过程.LE-Reader模型同时建模答案所在句子、答案内容和答案边界.根据用户标注的答案边界推断正确答案的句子和答案内容作为标签,监督模型的学习过程.通过多任务学习的方式融合3个损失函数.预测时融合3种建模结果,确定最终答案,提高模型的泛化性能.在SQuAD数据集上的实验验证LE-Reader的有效性. 2020 Vol. 33 (2): 106-112 [摘要] ( 543 ) [HTML 1KB] [PDF 771KB] ( 304 ) 113 基于多层上下文卷积神经网络的目标检测算法 王浩, 单文静, 方宝富 目标检测提取的特征信息不足,导致识别小目标或被遮挡目标时精确度不高.因此,文中提出多层上下文卷积网络(MLC-CNN),通过提取多层上下文信息特征并结合物体特征进行目标检测.MLC-CNN由区域生成网络(RPN)和多层上下文信息(MLC)两个子网络组成,RPN获取固定长度的特征向量作为目标特征,MLC获取不同层特征图上对应的上下文信息特征,最后融合两部分特征.此外,为了解决数据不均衡问题,融入难负样本训练.在PASCAL VOC2007和PASCAL VOC2012数据集上的实验表明,MLC-CNN的均值平均精度(mAP)具有明显提高. 2020 Vol. 33 (2): 113-120 [摘要] ( 702 ) [HTML 1KB] [PDF 733KB] ( 671 ) 121 优选策略的自适应蚁狮优化算法 刘景森, 霍宇, 李煜 针对基本蚁狮优化算法收敛速度较慢、易陷入局部极值、高维求解精度较低等缺点,提出具有自适应边界、优选轮盘赌和动态比例系数的改进蚁狮算法.在蚂蚁围绕蚁狮游走的过程中引入自适应边界机制,增加蚂蚁种群活跃性,防止算法陷入局部极值.轮盘赌选择蚁狮过程中加入优选轮盘赌策略,在保持蚁狮个体多样性的同时加快算法收敛速度.在蚂蚁位置更新公式中加入动态比例系数,提高算法前期的探索能力和后期的开发能力.理论分析证明文中算法的时间复杂度与基本算法相同.针对16个不同特征标准测试函数,在多个维度上的优化仿真实验测试结果表明,文中算法具有较好的可行性,寻优精度和收敛速度均有明显提升,受维度变化影响很小,高维求解能力更强、更稳定. 2020 Vol. 33 (2): 121-132 [摘要] ( 734 ) [HTML 1KB] [PDF 914KB] ( 399 ) 133 结合全局与局部视频表示的视频异常检测算法 胡正平, 赵梦瑶, 辛丙一 针对视频异常行为检测问题,提出结合全局与局部视频表示的视频异常检测算法.首先将输入视频连续多帧划分为视频块.再按空间位置将视频块划分为互不重叠的时空立方体,利用时空立方体运动特征构建基于空间位置的全局时空网格位置支持向量数据描述模型(SVDD).然后针对视频运动目标,提取局部纹理运动特征,采用SVDD获得围绕目标特征的超球体边界,构建运动目标正常行为模型.最后组合两部分以实现更全面的检测.公共数据集上的实验验证文中算法的有效性. 2020 Vol. 33 (2): 133-140 [摘要] ( 401 ) [HTML 1KB] [PDF 909KB] ( 366 ) 研究与应用 141 融合人类认知网络优化的中国画情感识别 盛家川, 陈雅琦, 王君, 李亮 现有中国画研究缺少对画作情感的分析,但画家将生活感悟寄情于美术创作,升华国画的艺术价值.基于此种情况,文中提出融合人类认知优化深度学习网络结构的中国画情感识别算法.首先,根据图像显著性和笔道复杂度提出中国画感兴趣区域提取算法.再使用可视化卷积神经网络提取国画情感特征,并交互式地融合国画情感表达手法知识优化网络结构.最后微调构建的网络预测国画情感.实验将1 000幅中国画分为4种情感类别,准确率较高,识别效果较优.消融实验与可视化实验分析网络各层作用,进一步验证文中算法识别中国画情感的能力. 2020 Vol. 33 (2): 141-149 [摘要] ( 469 ) [HTML 1KB] [PDF 1719KB] ( 552 ) 150 双分支迭代的深度增量图像分类方法 何丽, 韩克平, 朱泓西, 刘颖 针对深度增量学习可能产生灾难性遗忘的问题,提出双分支迭代的深度增量图像分类方法,使用主网络存储旧类知识,分支网络学习增量数据中的新类知识,并在增量过程中使用主网络的权重优化分支网络的参数.使用基于密度峰值聚类的方法从迭代数据集中筛选典型样本并构建保留集,并加入增量迭代训练中,减轻灾难性遗忘.实验表明,文中方法的性能较优. 2020 Vol. 33 (2): 150-159 [摘要] ( 460 ) [HTML 1KB] [PDF 1187KB] ( 360 ) 160 联合哈希特征和分类器学习的跨模态检索算法 刘昊鑫, 吴小俊, 庾骏 为了解决跨模态检索算法检索准确率较低、训练时间较长等问题,文中提出联合哈希特征和分类器学习的跨模态检索算法(HFCL).采用统一的哈希码描述语义相同的不同模态数据.在训练阶段,利用标签信息学习具有鉴别性的哈希码.第二阶段基于生成的鉴别性哈希码,采用核逻辑回归学习各模态的哈希函数.在测试阶段,给定任意一个模态查询样本,利用学习的哈希函数生成哈希特征,从数据库中检索与之语义相关的另一模态数据.在3个公开数据集上的实验验证HFCL的有效性. 2020 Vol. 33 (2): 160-165 [摘要] ( 454 ) [HTML 1KB] [PDF 614KB] ( 459 ) 166 缓解数据稀疏问题的协同过滤混合填充算法 任永功, 王思雨, 张志鹏 现实评分矩阵非常稀疏,基于用户的协同过滤无法为目标用户提供高精度的满意推荐.基于此种情况,文中提出协同过滤混合填充算法,缓解数据稀疏问题.从物品角度出发,根据相似物品的评分信息填充稀疏矩阵.同时从用户角度出发,利用填充后的矩阵计算目标用户的邻近用户.选取共同评分数量最多的物品以进一步填充矩阵.在两个真实数据集上的实验表明,本文算法在无需额外复杂信息的条件下,有效提高新用户推荐的精确度,缓解数据稀疏性问题. 2020 Vol. 33 (2): 166-175 [摘要] ( 508 ) [HTML 1KB] [PDF 606KB] ( 316 ) 176 基于深度代价敏感CNN的年龄估计算法 李大湘, 马宣, 任娅琼, 刘颖 针对年龄估计中样本数量不平衡及不同类间发生误分类时付出代价不同的问题,将代价敏感性嵌入深度学习框架中,提出基于深度代价敏感CNN的年龄估计算法.首先为每个年龄类别分别建立损失函数,解决训练样本的不平衡问题.然后,定义代价向量以反映不同类之间发生误分类而付出的代价差异性,构造逆交叉熵误差函数.最后,融合上述方法,为卷积神经网络(CNN)构造一个损失函数,使CNN在训练阶段学习针对年龄估计的鲁棒人脸表征.在不同种族的年龄估计标准图像集上的实验验证文中算法的有效性. 2020 Vol. 33 (2): 176-181 [摘要] ( 517 ) [HTML 1KB] [PDF 695KB] ( 482 ) 182 多尺度融合的立体匹配算法 徐雪松, 吴俊杰 针对局部立体匹配方法存在的匹配窗口大小选择困难、弱纹理或高光区域立体匹配精度较低等问题,文中结合卷积神经网络(CNN)与图像金字塔方法,提出多尺度融合的立体匹配算法.训练CNN,用于自动学习待匹配图像对的图像特征,完成匹配代价计算.构建图像金字塔,对待匹配图像对进行多尺度表达.构建弱纹理区域模板,将各层待匹配图像划分为弱纹理区域和丰富纹理区域,将弱纹理区域图像变换成小尺度图像进行匹配度计算,降低弱纹理图像的误匹配率.在变换回大尺度图像时与丰富纹理区域匹配结果融合,保持匹配精度.在KITTI 数据集上的实验表明,文中算法具有较好的图像匹配效果. 2020 Vol. 33 (2): 182-187 [摘要] ( 626 ) [HTML 1KB] [PDF 1223KB] ( 495 )

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