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
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 8期 刊出日期 2020-08-25
论文与报告
研究与应用
论文与报告
671
场景线稿动漫效果的自动上色算法
朱松, 陈昭炯, 叶东毅
场景线稿具有线条语义多样化的特点,直接应用现有的人像线稿图自动上色算法对其着色容易出现上色错误或棋盘效应等结果失真的现象.针对上述问题,文中提出动漫效果自动上色算法.基于条件生成对抗网络,改进和增强人像线稿图自动上色算法中常用的U型网络(U-Net)生成器的结构,设计双层信息抽取的生成器网络(DIEU-Net),自动完成场景线稿到动漫效果的上色.DIEU-Net设计用于抽取场景线稿浅层显著信息的双卷积子模块(IESS).构建双层IESS与残差结构的集成模块,插入生成器的不同阶段,增强网络在与线稿关联的颜色、位置等重要特征上的全域学习能力,缓和网络加深带来的梯度消失等网络退化问题.同时采用“卷积+上采样”操作替换U-Net生成器中原有的反卷积操作,抑制生成结果中棋盘效应的发生.实验表明,文中算法能较好地克服结果失真的问题,上色效果合理、自然,具有较好的应用推广性,可应用于多种类型景物线稿图的动漫上色.
2020 Vol. 33 (8): 671-680 [
摘要
] (
726
) [
HTML
1KB] [
PDF
4179KB] (
516
)
681
基于标签化匹配区域校正的双目立体匹配算法
周佳立, 陈育, 吴超, 武敏
双目立体视觉是一种精准有效的测量方法,由此文中提出基于标签化匹配区域校正的双目立体匹配算法.以常规图割算法为基础,通过匹配块的空间几何信息校正匹配区域,获得更高亚像素级精度的匹配视差.首先,根据标签及空间几何信息确定校正变换,充分利用左右两图匹配区域的像素信息.然后,不断更新获选标签,找到使全局能量最小的标签.最后,依据左右一致性准则及均值滤波细化视差图.实验表明,文中算法有利于寻找良好、平滑的分段线性视差图,在处理边缘区域和遮挡区域时精确度较高.
2020 Vol. 33 (8): 681-691 [
摘要
] (
511
) [
HTML
1KB] [
PDF
3492KB] (
618
)
692
重叠特征策略与参数优化的运动想象脑电模式识别
罗天健, 周昌乐
针对运动想象脑电信号的非线性、非平稳特性,提出重叠特征策略与参数优化方法.通过重叠频带滤波(OFB)进行预处理,在滤波后的信号上提取共同空间模式特征(CSP).将OFB-CSP特征输入鲁棒支持矩阵机,完成模式识别,在模式识别中通过校正粒子群算法(CPSO)动态调整被试个体最优参数.在两个公开数据集上进行实验,分别验证OFB预处理可提升CSP特征区分度,CPSO可为个体寻找最优的鲁棒支持矩阵机分类参数.文中方法提升运动想象识别率,样本和计算资源需求较小,适合脑机接口的实际应用.
2020 Vol. 33 (8): 692-704 [
摘要
] (
368
) [
HTML
1KB] [
PDF
810KB] (
283
)
705
多类别相关性结合的类属属性多标签学习
吴安奇, 高清维, 孙冬, 卢一相
现有的类属属性学习方法在提取类别标签的特征时,大多仅单一考虑标签间的相关性,忽略实例和实例间以及特征与特征间的相关性,可能会降低分类精度.为了解决此问题,文中设计多类别相关性结合的类属属性多标签学习算法,考虑标签相关性、特征相关性和实例相关性.利用标签之间的余弦相似度计算标签相关性,构建相似图矩阵计算特征相关性和实例相关性.文中算法紧凑地选择标签的类属属性,提高分类精度,有效解决多标签分类遇到的维度过大问题.
2020 Vol. 33 (8): 705-715 [
摘要
] (
500
) [
HTML
1KB] [
PDF
790KB] (
386
)
研究与应用
716
结合标记相关性的特征选择算法
吕月姣, 李德玉
在多标记分类问题中,每个样本可以同时与多个标记类别相关,其中一些标记之间可能具有相关性,充分利用这些标记相关性,可优化分类性能.因此,文中利用标记的频繁项集对标记相关性进行挖掘,提出针对基于邻域粗糙集的多标记属性约简算法进行改进的特征选择算法,并进一步将训练样本根据特征之间的相似性进行聚类,结合局部样本上的标记相关性,进行属性约简及分类.在5个多标记分类数据集上的实验验证文中算法的有效性.
2020 Vol. 33 (8): 716-723 [
摘要
] (
534
) [
HTML
1KB] [
PDF
517KB] (
392
)
724
基于信息结构的区间值决策信息系统鲁棒不确定性度量
吴溢洋, 代建华, 陈姣龙
现阶段基于单值的信息系统的不确定性度量研究较多,而少有关于区间值决策信息系统的不确定性和噪声标签对系统不确定性影响的研究.因此,文中提出基于信息结构的区间值决策信息系统鲁棒不确定性度量.利用KL散度定义区间值之间的相似度,构造区间值模糊相似关系,并提出区间值决策信息系统的信息结构.为了降低噪声决策对系统不确定性度量的影响,引入
K
近邻点计算样本关于决策的隶属度,提出2种基于信息结构的鲁棒不确定性度量方法.实验表明文中不确定性度量的有效性和合理性.
2020 Vol. 33 (8): 724-731 [
摘要
] (
377
) [
HTML
1KB] [
PDF
878KB] (
329
)
732
基于序贯三支决策的代价敏感文本情感分析方法
范琴, 刘盾, 叶晓庆
为了解决文本情感分析的代价不平衡及静态决策中分类代价偏高的问题,文中考虑动态决策过程中产生的误分类代价和学习代价,构建基于序贯三支决策的代价敏感文本情感分析方法.首先,为了构建多粒度动态决策环境,提出针对文本数据的粒化模型.然后,引入序贯三支决策模型,构建动态文本分析框架.最后,利用真实文本评论数据集验证文中方法的有效性.实验表明文中方法在提高分类质量的同时,明显降低整体的决策代价.
2020 Vol. 33 (8): 732-742 [
摘要
] (
379
) [
HTML
1KB] [
PDF
682KB] (
426
)
743
基于时空多粒度的序贯三支情感分析
杨新, 刘盾, 李楸柯, 杨习贝
大数据时代下传统静态的情感分析方法已无法适应当前动态数据的量级和复杂度.为了改善传统的二支静态决策的不足,文中基于序贯三支决策思想提出基于时空多粒度的序贯三支情感分析方法.利用随时间增加的数据和拟合度较高的特征空间,构造具有时空特性的多层粒结构,平衡误分类代价和训练代价.使用3种基准分类器实际测试方法效率,在2个数据集上的实验表明,文中方法在维持分类质量的前提下,大幅减少分类代价.
2020 Vol. 33 (8): 743-752 [
摘要
] (
464
) [
HTML
1KB] [
PDF
703KB] (
308
)
753
面向上下文注意力联合学习网络的方面级情感分类模型
杨玉亭, 冯林, 代磊超, 苏菡
针对现有的方面级情感分类模型存在感知方面词能力较弱、泛化能力较差等问题,文中提出面向上下文注意力联合学习网络的方面级情感分类模型(CAJLN).首先,利用双向Transformer的表征编码器(BERT)模型作为编码器,将文本句子预处理成句子、句子对和方面词级输入序列,分别经过BERT单句和句子对分类模型,进行上下文、方面词级和句子对隐藏特征提取.再基于上下文和方面词级隐藏特征,建立上下文和方面词的多种注意力机制,获取方面特定的上下文感知表示.然后,对句子对隐藏特征和方面特定的上下文感知表示进行联合学习.采用Xavier正态分布对权重进行初始化,确保反向传播时参数持续更新,使CAJLN在训练过程中可以学习有用信息.在多个数据集上的仿真实验表明,CAJLN可有效提升短文本情感分类性能.
2020 Vol. 33 (8): 753-765 [
摘要
] (
600
) [
HTML
1KB] [
PDF
933KB] (
542
)
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