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....
 
 
2023年 36卷 2期 刊出日期 2023-02-25

论文与报告
综述与评论
研究与应用
 
论文与报告
95 基于不确定性引导和尺度一致性的肾肿瘤图像分割方法
侯冰震, 张桂梅, 彭昆
针对肾肿瘤图像分割中的边界模糊和特征丢失问题,在RAUNet(Residual Attention U-Net)的基础上,提出基于不确定性引导和尺度一致性的肾肿瘤图像分割方法.针对肾肿瘤图像边界模糊问题,在解码层引入不确定性引导模块,根据不确定性自适应分配权重,弱化错误像素点的影响,提高模型的边界定位能力.针对下采样引起的特征丢失问题,提出尺度注意力模块和特征一致性损失,利用多尺度融合策略融合不同尺度特征,并与编码器底部特征进行尺度一致性约束,缓解特征丢失问题.在公开数据集KiTS19上的肾脏和肾肿瘤的图像分割实验表明,文中方法提高肾肿瘤的分割精度.此外,由于文中方法引入不确定性引导模块,分割结果具有较好的可靠性.
2023 Vol. 36 (2): 95-107 [摘要] ( 665 ) [HTML 1KB] [PDF 1603KB] ( 976 )
108 基于知识引导的自适应序列强化学习模型
李迎港, 童向荣
序列推荐可形式化为马尔科夫决策过程,进而转化为深度强化学习问题,其关键是从用户序列中挖掘关键信息,如偏好漂移、序列之间的依赖关系等,但当前大多数基于深度强化学习的推荐系统都是以固定序列长度作为模型输入.受知识图谱的启发,文中设计基于知识引导的自适应序列强化学习模型.首先,利用知识图谱的实体关系,从完整的用户反馈序列中截取部分序列作为漂移序列,其中漂移序列中的项目集合表示用户的当前偏好,序列长度表示用户的偏好变化速度.然后,通过门控循环单元提取漂移序列中用户的偏好变化和项目之间的依赖关系,同时利用自注意力机制对关键的项目信息进行选择性关注.最后,设计复合奖励函数,包括折扣序列奖励和知识图谱奖励,用于缓解奖励稀疏的问题.在4个真实世界数据集上的实验表明,文中模型的推荐准确率较优.
2023 Vol. 36 (2): 108-119 [摘要] ( 462 ) [HTML 1KB] [PDF 1074KB] ( 613 )
综述与评论
120 基于场景几何信息的显著性目标检测方法综述
吴岚虎, 李智玮, 刘垒烨, 朴永日, 卢湖川

显著性目标检测在图像和视频压缩、伪装物体检测、医学图像分割等领域具有重要作用.随着深度传感器和光场技术的广泛应用,深度图像和光场数据等场景几何信息开始应用于显著性目标检测,可提升模型在复杂场景下的性能,由此学者们提出一系列基于场景几何信息的显著性目标检测方法.文中旨在分析总结经典的基于场景几何信息的显著性目标检测方法.首先,介绍方法的基本框架及评估标准.然后,围绕多模态特征融合、多模态信息优化、网络模型轻量化三方面,分类概述和分析经典的RGB-D显著性目标检测方法和光场显著性目标检测方法.同时,详细介绍基于场景几何信息的显著性目标检测方法的工作进展.最后,讨论方法目前存在的问题,展望未来的研究方向.

2023 Vol. 36 (2): 120-142 [摘要] ( 462 ) [HTML 1KB] [PDF 2137KB] ( 708 )
143 元宇宙下的控制与决策综述
黄捷
“元宇宙”概念现已得到学者的广泛关注.文中首先分析并介绍元宇宙的相关概念,并将其与虚拟世界、数字孪生等相似概念进行区分,梳理和阐述元宇宙及其建立所需技术的发展历程,对未来元宇宙的构建层次提出假设并给出各个构建层次的各种技术支撑.然后,从控制科学与工程学科的角度,梳理总结控制与决策理论的发展历程,并展望在元宇宙背景下结合云计算、人工智能2.0、工业元宇宙、区块链等技术的控制与决策理论的发展与应用.最后,讨论并展望控制与决策理论以及元宇宙构建中可能遇到的关键挑战与开放性问题,为未来元宇宙相关研究和产业应用提供启发与参考.
2023 Vol. 36 (2): 143-159 [摘要] ( 400 ) [HTML 1KB] [PDF 916KB] ( 490 )
研究与应用
160 基于概念分解的显隐空间协同多视图聚类算法
胡素婷, 沈宗鑫, 黄倩倩, 黄雁勇
多视图聚类通过整合不同视图的特征以提升聚类性能.现有的多视图聚类更多地关注数据不同的低维表示方式和其在隐式空间的几何结构,而忽略数据样本在不同空间的结构关系,未同时考虑不同空间的聚类.为此,文中提出基于概念分解的显隐空间协同多视图聚类算法.首先,通过概念分解获取不同视图在隐式空间中的一个共同的低维特征表示,并利用图拉普拉斯正则化约束保持原始数据的局部结构不变.然后,将数据在显式空间中的聚类和隐式空间中的聚类整合到一个共同的框架中,进行协同学习和优化,得到最终的聚类结果.在8个真实数据集上的实验表明文中算法性能较优.
2023 Vol. 36 (2): 160-173 [摘要] ( 515 ) [HTML 1KB] [PDF 799KB] ( 617 )
174 主题增强的多层次图神经网络会话推荐模型
唐顾, 朱小飞
基于会话的推荐旨在基于会话内数据,为匿名或未登录用户做出推荐.现有的研究工作通常仅以会话中单个商品作为最小单位进行建模,忽略商品在不同感受野下的表征.同时,尚未挖掘会话序列中蕴含的商品隐式主题信息.为了缓解上述问题,文中提出主题增强的多层次图神经网络会话推荐模型(Topic-Enhanced Multi-level Graph Neural Network for Session-Based Recommendation, TEMGNN).首先,设计多层次商品嵌入学习模块,拓宽商品的感受野,获取不同粒度下的商品表示.然后,结合文中提出的多层次图神经网络进行同粒度和跨粒度下的商品信息传播,捕获更丰富的商品嵌入表征.此外,提出商品主题学习模块,在不依赖任何商品属性信息的前提下,抽取商品在隐空间下的主题共性,并以显式的向量空间投影方式自动形成商品的主题表示,用于增强模型推荐性能.在3个基准数据集上的实验表明,TEMGNN的表现较优.
2023 Vol. 36 (2): 174-186 [摘要] ( 421 ) [HTML 1KB] [PDF 738KB] ( 826 )
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