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....
 
 
2022年 35卷 2期 刊出日期 2022-02-25

论文与报告
研究与应用
 
论文与报告
95 基于模糊测度的知识关联性建模方法
张所娟, 黄松, 余晓晗, 陈恩红
在教学应用场景中,知识之间的关联性广受关注,但现有研究通常偏重两两知识点之间关系的建模,忽视知识集合中复杂的关联关系,导致研究结果出现偏差.因此,文中引入模糊测度对知识集合进行量化度量,并在此基础上提出基于模糊测度的知识关联性建模方法.首先,基于认知心理学理论,分析知识间存在的三种不同关系,并利用模糊测度建模知识间的关联性,通过实际教学场景论证方法的实用性.然后,在模糊测度建模的基础上,从知识关联性的视角讨论知识的重要度和交互指标.最后,研究知识关联性在认知诊断中的应用.真实数据集上的实验证实知识关联性对认知诊断的影响,不仅有效提升预测精度,也提供更好的可解释性.
2022 Vol. 35 (2): 95-105 [摘要] ( 780 ) [HTML 1KB] [PDF 820KB] ( 635 )
106 基于AdaBelief的Heavy-Ball动量方法
张泽东, 陇盛, 鲍蕾, 陶卿
同时使用动量和自适应步长技巧的自适应矩估计(Adaptive Moment Estimation, Adam)型算法广泛应用于深度学习中.针对此方法不能同时在理论和实验上达到最优这一问题,文中结合AdaBelief灵活调整步长提高实验性能的技巧,以及仅采用指数移动平均(Exponential Moving Average, EMA)策略调整步长的Heavy-Ball动量方法加速收敛的优点,提出基于AdaBelief的Heavy-Ball动量方法.借鉴AdaBelief和Heavy-Ball动量方法收敛性分析的技巧,巧妙选取时变步长、动量系数,并利用添加动量项和自适应矩阵的方法,证明文中方法对于非光滑一般凸优化问题具有最优的个体收敛速率.最后,在凸优化问题和深度神经网络上的实验验证理论分析的正确性,并且证实文中方法可在理论上达到最优收敛性的同时提高性能.
2022 Vol. 35 (2): 106-115 [摘要] ( 478 ) [HTML 1KB] [PDF 791KB] ( 628 )
116 基于Triplet注意力的循环卷积神经网络模型
汪璟玢, 雷晶, 张璟璇, 孙首男
现有的融合文本或邻居信息的知识补全模型忽略文本和邻居之间的相互作用,难以捕获与实体具有较强语义相关性的信息,加上基于卷积神经网络的模型未考虑实体中的关系相关信息,导致预测性能不佳.因此,文中结合文本信息和拓扑邻居信息,提出基于Triplet注意力的循环卷积神经网络模型.首先,通过语义匹配的方式,选取文本描述中与实体具有较强语义相关性的单词.再与拓扑邻居复合作为实体邻居,增强实体表示.然后,重塑实体的融合表示和关系表示.最后,利用Triplet注意力优化卷积输入,使卷积操作能提取实体中与关系相关的特征,提升模型性能.在多个公开数据集上的链路预测实验表明,文中模型性能较优.
2022 Vol. 35 (2): 116-129 [摘要] ( 518 ) [HTML 1KB] [PDF 931KB] ( 571 )
130 联合深度图聚类与目标检测的像素级分割算法
方宝富, 张旭, 王浩
获取周围环境中的语义信息是语义同时定位与建图(Simultaneous Localization and Mapping, SLAM)的重要任务,然而,采用语义分割或实例分割网络会影响系统的时间性能,采用目标检测方法又会损失一部分精度.因此,文中提出联合深度图聚类与目标检测的像素级分割算法,在保证实时性的前提下,提高当前语义SLAM系统的定位精度.首先,采用均值滤波算法对深度图的无效点进行修复,使深度信息更真实可靠.然后,分别对RGB图像和对应的深度图像进行目标检测和K-means聚类处理,结合两者结果,得出像素级的物体分割结果.最后,利用上述结果剔除周围环境中的动态点,建立完整、不含动态物体的语义地图.在TUM数据集和真实家居场景中分别进行深度图修复、像素级分割、估计相机轨迹与真实相机轨迹对比实验,结果表明,文中算法具有较好的实时性与鲁棒性.
2022 Vol. 35 (2): 130-140 [摘要] ( 627 ) [HTML 1KB] [PDF 3227KB] ( 525 )
研究与应用
141 基于局部-非局部交互卷积的3D点云分类
芦新宇, 杨冰, 叶海良, 曹飞龙
现阶段点云分类研究已被广泛应用于机器人操作、自主驾驶和虚拟现实等多个领域,提取既丰富又具有高判别能力的特征是3D点云分类的关键.为此,文中设计基于局部-非局部交互卷积的3D点云分类算法,改善点云的特征提取.首先,构造局部-非局部交互卷积模块,在获取局部相似特征和非局部相似特征的基础上,采用交互增强,缓解单个邻域在表示封闭区域时存在的冗余问题,增强网络的层次性和稳定性,同时也缓解网络的退化问题.然后,以该模块为基本单元构建卷积神经网络.最后,采用自适应特征融合,充分利用不同层次的特征,实现3D点云的分类.在ModelNet40、ScanObjectNN基准数据集上的实验表明,文中算法性能较优.
2022 Vol. 35 (2): 141-149 [摘要] ( 435 ) [HTML 1KB] [PDF 962KB] ( 450 )
150 基于自适应鲸鱼优化算法和容错邻域粗糙集的特征选择算法
孙林, 黄金旭, 徐久成, 马媛媛
针对传统鲸鱼优化算法(WOA)不能有效处理连续型数据、邻域粗糙集对噪声数据的容错性较差等问题,文中提出基于自适应WOA和容错邻域粗糙集的特征选择算法.首先,为了避免WOA过早陷入局部最优,基于迭代周期构建分段式动态惯性权重,改进WOA的收缩包围和螺旋捕食行为,设计自适应WOA.然后,为了解决邻域粗糙集对噪声数据缺乏容错性的问题,引入邻域内相同决策特征所占的比例,定义容错邻域上下近似集、容错近似精度和近似粗糙度、容错依赖度及容错近似条件熵.最后,基于容错邻域粗糙集构造适应度函数,使用自适应WOA,不断迭代以获取最优子群.高维数据集上采用费雪评分算法进行初步降维,降低算法的时间复杂度.在8个低维UCI数据集和6个高维基因数据集上的实验表明,文中算法可有效选择特征个数较少且分类精度较高的特征子集.
2022 Vol. 35 (2): 150-165 [摘要] ( 479 ) [HTML 1KB] [PDF 883KB] ( 715 )
166 基于投票人影响因子的投票预测模型
张新昀, 张绍武, 任璐, 杨亮, 徐博, 张益嘉, 林鸿飞
投票预测是计算政治学的应用之一,目前绝大多数预测模型都忽视投票过程中投票人之间的相互影响.针对此问题,文中提出基于投票人影响因子的投票预测模型.首先,提出投票人影响因子,用于刻画某位投票人在投票过程中对于其他投票人投票选择的影响,同时结合预训练模型提取的投票人特征,形成影响因子图,再输入图卷积神经网络中,学习投票人的相互影响,在一定程度上模拟真实的投票博弈过程.然后,考虑到法案文本中上下文信息的关联性,利用BiLSTM(Bi-directional Long Short-Term Memory)获得法案特征向量.鉴于法案文本的规范性导致的行文近似、用词重复,使用引入TF-IDF(Term-Frequency-Inverse Document Frequency)因子的TextRank,得到法案的关键词.在国外议会网站数据集上的实验表明文中模型性能较优,消融实验也验证每个模块对文中模型的性能均有一定程度的提升.
2022 Vol. 35 (2): 166-174 [摘要] ( 429 ) [HTML 1KB] [PDF 936KB] ( 469 )
175 标签指导的双注意力深度神经网络模型
彭展望, 朱小飞, 郭嘉丰
在数据集不包含标签文本信息时,现有的显式交互分类模型无法显式计算文本单词和标签之间的语义关系.针对此问题,文中提出标签指导的双注意力深度神经网络模型.首先,提出基于逆标签频次的自动类别标签描述生成方法,为每个标签生成特定的标签描述,用于显式计算文本单词与标签之间的语义关系.在此基础上,使用文本编码器学习具有上下文语境信息的评论文本表示,并提出标签指导的双注意力网络,分别学习基于自注意力的文本表示和基于标签注意力的文本表示.然后,使用自适应门控机制融合这两个文本表示,得到文本最终表示.最后,使用两层前馈神经网络作为分类器,进行情感分类.在3个公开的真实数据集上的实验表明,文中模型分类效果较优,可减少计算代价和训练时长.
2022 Vol. 35 (2): 175-184 [摘要] ( 519 ) [HTML 1KB] [PDF 669KB] ( 368 )
185 融合标签关系的法律文本多标签分类方法
宋泽宇, 李旸, 李德玉, 王素格

随着大数据技术的快速发展,多标签文本分类在司法领域也催生出诸多应用.在法律文本中通常存在多个要素标签,标签之间往往具有相互依赖性或相关性,准确识别这些标签需要多标签分类方法的支持.因此,文中提出融合标签关系的法律文本多标签分类方法.方法构建标签的共现矩阵,利用图卷积网络捕捉标签之间的依赖关系,并结合标签注意力机制,计算法律文本和标签每个词的相关程度,得到特定标签的法律文本语义表示.最后,融合标签图构建的依赖关系和特定标签的法律文本语义表示,对文本进行综合表示,实现文本的多标签分类.在法律数据集上的实验表明,文中方法获得较好的分类精度和稳定性.

2022 Vol. 35 (2): 185-192 [摘要] ( 582 ) [HTML 1KB] [PDF 727KB] ( 554 )
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