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

	2022年 35卷 4期刊出日期 2022-04-25

	论文与报告综述与评论研究与应用

论文与报告

	291	基于证据理论的广义多尺度覆盖决策系统的最优尺度组合
		王金波, 吴伟志
		多尺度数据分析是当前粒计算研究领域的热门研究方向,它模拟人类思考模式,以建立多层次的复杂数据和信息处理的有效计算模型为目标.在多尺度数据分析中,一个关键的问题是从系统中选择一个合适的子系统用于最终的分类或决策,这个子系统对应的每个属性的尺度水平的组合称为系统的一个最优尺度组合.针对广义多尺度覆盖决策系统中的知识获取问题,首先,在协调广义多尺度覆盖决策系统中,使用信任函数和似然函数刻画最优尺度组合.然后,在不协调广义多尺度覆盖决策系统中定义7种最优尺度组合的概念,并给出它们之间的关系,结果表明实际有4种不同的最优尺度组合,阐明使用似然函数和信任函数可以定量刻画不协调广义多尺度覆盖决策系统的上、下近似最优尺度组合的特征.最后,举例说明文中方法可用在不完备广义多尺度决策系统和广义多尺度集值决策系统中的最优尺度组合的选择.
		2022 Vol. 35 (4): 291-305 [摘要] ( 517 ) [HTML 1KB] [PDF 642KB] ( 408 )

	306	属性权重信息未知下基于概率对偶犹豫模糊信息相关性系数的多属性决策方法
		宋娟, 倪志伟, 武文颖, 金飞飞, 李萍
		概率对偶犹豫模糊集包含隶属度、非隶属度及相应的概率信息,是刻画不确定决策信息的重要工具.针对属性权重信息未知的概率对偶犹豫模糊多属性决策问题,文中提出基于概率对偶犹豫模糊信息相关性系数的多属性决策方法.首先,运用概率对偶犹豫模糊信息熵计算属性客观权重,并与决策者给定的主观权重结合,得到属性综合权重.然后,提出概率对偶犹豫模糊信息相关性系数和加权相关性系数,用于衡量决策信息之间的相关性水平,并分析提出的相关性系数的优良性质.最后,设计基于概率对偶犹豫模糊信息相关性系数的多属性决策方法,并应用于雾霾治理措施的选择实验.实验表明,文中方法具有较好的鲁棒性和有效性.
		2022 Vol. 35 (4): 306-322 [摘要] ( 342 ) [HTML 1KB] [PDF 919KB] ( 337 )

	323	基于多尺度局部累积特征和神经网络的抗肿瘤药物反应预测
		韩睿, 郭成安
		目前已有的研究结果表明现有抗肿瘤药物的有效性高度依赖于患者的基因组学特征.如何为每位肿瘤患者量身定制最佳的治疗方案是重要又富有挑战性的前沿课题.针对该课题,文中提出抗肿瘤药物反应预测方法,运用机器学习技术,对患者肿瘤基因测序数据进行处理、特征提取及建模,预测各种不同抗肿瘤药物的疗效反应.首先,提出基于多尺度关联规则的数据挖掘方法,对基因组学数据进行不同尺度的特征挑选.进而通过累积窗函数对挑选后的基因组学数据进行局部累积,进一步执行数据压缩,提取具有较强整体表达性的基因特征信息.然后,以多层全连接神经网络为模型、以提取的多尺度累积基因特征为输入样本,进行训练和建模.最后,分别采用特征融合和决策融合,实现某一肿瘤基因测序数据对于各种不同抗肿瘤药物反应结果的预测.在COSMIC、GDSC数据库上的仿真实验表明,文中方法在敏感性、特异性、准确率、特性曲线面积值等关键性能指标上均取得较优值.
		2022 Vol. 35 (4): 323-332 [摘要] ( 489 ) [HTML 1KB] [PDF 623KB] ( 338 )

综述与评论

	333	基于深度神经网络的图像风格化方法综述
		涂鹏琦, 高常鑫, 桑农
		图像风格化旨在通过风格化模型,将一幅图像在保持语义内容不变的同时从一种风格转换到另一种风格.鉴于深度神经网络强大的特征提取和表达能力,学者们先后提出各种基于深度神经网络的图像风格化方法.文中根据风格的定义方式,将基于深度神经网络的图像风格化方法划分为基于参考的图像风格化方法和基于域的图像风格化方法,并对相关文献进行归纳梳理.与已有相关综述不同,文中只研究基于深度神经网络的图像风格化方法,从风格定义的角度进行详尽全面的分类.最后总结目前代表性工作在图像风格化任务常用数据集上的实验结果,分析现有方法存在的问题,并基于这些问题展望未来工作.
		2022 Vol. 35 (4): 333-347 [摘要] ( 678 ) [HTML 1KB] [PDF 5864KB] ( 612 )

研究与应用

	348	基于候选中心融合的多观测点I-nice聚类算法
		陈鸿杰, 何玉林, 黄哲学, 尹剑飞
		伴随着问题场景数据在规模上的快速增长和构成上的复杂化,精确估计簇的个数和簇的中心点是当下聚类算法处理和分析复杂大规模数据的重要挑战.簇数及簇心的精确估计对于部分有参聚类算法、数据集整体复杂性度量和数据简化表示等都十分关键.文中在深入分析I-nice的基础上,提出基于候选中心融合的多观测点I-nice聚类算法.在原多观测点投影分治框架上采用混合高斯模型(Gaussian Mixture Model, GMM),结合粗细粒度最佳GMM搜索策略,实现数据子集的精确划分.此外,基于候选中心点分别到各观测点的距离值及最佳GMM,构造候选中心点的GMM构件向量,并设计一组闵可夫斯基距离对进行候选中心点间的相异度度量,实现基于GMM构件向量相异度的多观测点I-nice候选中心融合.不同于现有聚类算法,文中算法联合优化分治环节数据子集划分和候选中心集成这两个关键过程,实现成百上千个簇的精确高效估计.在真实数据集和仿真数据集上的一系列实验表明,文中算法能精确估计簇数和簇中心,具备较高的聚类精度.实验同时验证算法的有效性及在各类数据场景下的稳定性.
		2022 Vol. 35 (4): 348-362 [摘要] ( 454 ) [HTML 1KB] [PDF 1947KB] ( 323 )

	363	基于分层动态贝叶斯网络的股市趋势扰动推理算法
		姚宏亮, 贾虹宇, 杨静, 俞奎
		当前研究者主要通过对历史交易数据的学习生成预测模型,由于影响市场的因素动态可变,因此训练好的模型在实际应用中预测效果远不及预期.针对现有预测模型适应力较弱的问题,文中提出基于分层动态贝叶斯网络的股市趋势扰动推理算法,对股市趋势进行实时预测.首先,针对稳定性较高的均线数据,通过马尔可夫毯对均线特征进行融合,提取为均线能量,得到均线的量化特征.由于多根均线之间存在结构关系,这种结构关系具有较强的抗噪能力和稳定性,因此利用分层动态贝叶斯网络对单根均线内部结构和多均线之间结构关系进行建模.然后,对顶层网络中多结点状态进行扰动,通过动态灵敏性分析实时计算结点状态变化对于股市趋势影响力.最后,基于灵敏分析的结果,利用联合树对股市趋势进行动态推理.在实际数据上的实验证明文中算法的有效性.
		2022 Vol. 35 (4): 363-373 [摘要] ( 526 ) [HTML 1KB] [PDF 1217KB] ( 599 )

	374	融合信任隐性影响和信任度的推荐模型
		张槟淇, 任丽芳, 王文剑
		现有一些方法通过结合传统推荐技术和社交信息,缓解推荐系统中的冷启动问题,但由于可用的社交信息较少,效果不佳.因此,文中提出融合信任隐性影响和信任度的推荐模型,在引入社交信息中信任关系的前提下,不仅考虑用户在信任关系中的显式行为数据,还考虑信任关系的隐性影响(如被信任用户的潜在特征向量),用于获取冷启动用户的偏好特征,有效缓解在社交信息较少时不能准确地为冷启动用户进行推荐这一问题.此外,文中提出综合信任度的度量,体现目标用户与信任用户之间不同的社交影响,发挥信任用户的积极影响,提升推荐系统的性能.在3个常用数据集上的实验表明,文中方法推荐精度较高.
		2022 Vol. 35 (4): 374-385 [摘要] ( 454 ) [HTML 1KB] [PDF 770KB] ( 379 )

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