2025年4月5日 星期六   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....

2025年 38卷 1期 刊出日期 2025-01-25 论文与报告 研究与应用 信息与动态   1 主编寄语 2025 Vol. 38 (1): 1-1 [摘要] ( 80 ) [HTML 1KB] [PDF 168KB] ( 95 ) 论文与报告 2 广义多尺度多重集值决策系统的最优尺度约简 刘梦欣, 谢祯晃, 吴伟志, 朱康 多尺度数据的知识表示与知识获取是现阶段多粒度计算研究的一个重要方向.在分析多尺度数据时,一个关键问题是最优尺度组合的选择,其目的是选择合适的子系统用于最终决策.因此文中针对多尺度多重集值数据的知识获取问题展开研究.首先,基于海林格距离,在广义多尺度多重集值决策系统中构造不同尺度组合下对象集上的相似关系,给出广义多尺度多重集值决策系统的信息粒表示.然后,在协调广义多尺度多重集值决策系统中,定义最优尺度约简与熵最优尺度约简的概念,证明最优尺度约简与熵最优尺度约简的等价性.在不协调广义多尺度多重集值决策系统中,引入广义决策函数,给出广义决策最优尺度约简的定义.进一步地,基于条件熵和广义决策函数,分别给出熵最优尺度约简搜索算法和广义决策最优尺度约简搜索算法.最后,提出构造广义多尺度多重集值决策系统的方法,并通过实验验证文中最优尺度约简算法的有效性和合理性. 2025 Vol. 38 (1): 2-21 [摘要] ( 120 ) [HTML 1KB] [PDF 1181KB] ( 88 ) 22 基于对抗强化学习的多跳知识推理 成凌云, 郭银章, 刘青芳 为了解决现有知识图谱问答中多跳推理模型在复杂关系中表示不足、数据稀疏性及强化学习推理中存在虚假路径等问题,文中提出基于对抗强化学习的多跳知识推理模型.首先,通过高阶分解关系向量,实现实体与关系特征参数化组合,并在聚合邻居节点时引入注意力机制,赋予不同权重,增强复杂关系的表示能力.还设计知识图谱嵌入框架,用于衡量嵌入空间中<主题实体,问题,答案实体>的可信度.然后,将多维信息融入强化学习框架的状态表示中,避免因数据稀疏而导致的智能体无法得到可靠的决策依据.生成器根据状态信息计算候选实体的概率并生成答案,鉴别器评估答案和推理路径的合理性,通过软奖励和路径奖励优化反馈,缓解虚假路径问题,并使用对抗训练交替优化生成器和鉴别器.最后,将模型应用于云制造产品设计知识多跳问答系统中,验证模型的有效性.在多个公开数据集上的对比实验、消融实验及案例研究表明,文中模型性能较优. 2025 Vol. 38 (1): 22-35 [摘要] ( 87 ) [HTML 1KB] [PDF 847KB] ( 88 ) 36 基于多尺度空间自适应注意力网络的轻量级图像超分辨率方法 黄峰, 刘鸿伟, 沈英, 裘兆炳, 陈丽琼 针对现有图像超分辨率重建方法存在模型复杂度过高和参数量过大等问题,文中提出基于多尺度空间自适应注意力网络(Multi-scale Spatial Adaptive Attention Network, MSAAN)的轻量级图像超分辨率重建方法.首先,设计全局特征调制模块(Global Feature Modulation Module, GFM),学习全局纹理特征.同时,设计轻量级的多尺度特征聚合模块(Multi-scale Feature Aggregation Module, MFA),自适应聚合局部至全局的高频空间特征.然后,融合GFM和MFA,提出多尺度空间自适应注意力模块(Multi-scale Spatial Adaptive Attention Module, MSAA).最后,通过特征交互门控前馈模块(Feature Interactive Gated Feed-Forward Module, FIGFF)增强局部信息提取能力,同时减少通道冗余.大量实验表明,MSAAN能捕捉更全面、更精细的特征,在保证轻量化的同时显著提升图像的重建效果. 2025 Vol. 38 (1): 36-50 [摘要] ( 139 ) [HTML 1KB] [PDF 5233KB] ( 117 ) 研究与应用 51 融合数据质量增强和时空信息编码网络的船舶海上轨迹预测方法 石悦, 罗贺, 蒋儒浩, 王国强 高精度的海上船舶轨迹预测是降低船舶碰撞风险、提升船舶搜救效率的重要基础.海上航行环境的多变性使船舶轨迹数据在时间和空间上具有高度复杂性,现有方法对船舶轨迹数据的质量及运动信息关注度不足,难以充分捕捉轨迹中的时空特征和关联信息.因此,文中提出融合数据质量增强和时空信息编码网络的船舶海上轨迹预测方法(Ship Maritime Trajectory Prediction Method Integrating Data Quality Enhancement and Spatio-Temporal Information Encoding Network, DQE-STIEN).首先,基于船舶轨迹数据的特征,设计结合哈希映射分类及局部离群哈希值异常检测的数据质量增强算法,对问题数据进行质量增强.然后,针对多属性的船舶轨迹数据,设计具有双编码通道的时空信息编码网络,充分提取并整合船舶轨迹数据中的位置信息与运动特征.最后,基于时空信息编码提取数据中的时空关联信息,并经解码生成完整的轨迹预测结果.在5个不同区域的AIS数据集上的实验表明DQE-STIEN性能较优.同时,DQE-STIEN具有一定的泛化性,也能有效分析能源、销售、环境和金融等领域的时序数据. 2025 Vol. 38 (1): 51-67 [摘要] ( 83 ) [HTML 1KB] [PDF 1446KB] ( 95 ) 68 面向动态数据的联合自表示子空间聚类方法 张汉涛, 赵杰煜, 叶绪伦 自表示子空间聚类方法在高维数据处理中表现优秀,已成为该领域的关键技术之一.然而,传统的自表示模型通常假设数据集是静态的,难以适应动态、连续到达的数据流,会导致新旧数据存在特征异构、新到样本可能包含未知新类别等情况.因此,文中提出联合自表示子空间聚类方法(Joint Self-Expressive Subspace Clustering Method, JSSC),可适应数据流的连续到达.JSSC结合联合自表示特征学习模块和新类别样本处理模块,有效聚类新类别样本,同时确保已有类别的聚类性能不受影响.此外,该方法利用深度自动编码器学习子空间基,实现直观、可解释的表示,并通过成对目标和正则化项,同时管理已知类别和新兴类别.基准数据集上的实验表明,JSSC在聚类任务中表现较优,尤其是在处理动态数据中的新类别方面. 2025 Vol. 38 (1): 68-81 [摘要] ( 70 ) [HTML 1KB] [PDF 4440KB] ( 93 ) 82 融合深浅层次知识的自学习TSK模糊癫痫辅助检测算法 施奇环, 张雄涛 Takagi-Sugeno-Kang(TSK)模糊分类器在癫痫检测中用于处理模糊信息.然而,由于癫痫脑电信号复杂、患者发作表现多样,一阶TSK模糊分类器通常难以从训练样本中获取足够的泛化性能.因此,文中提出融合深浅层次知识的具有自我学习能力的TSK模糊分类算法(Deep-Shallow Mix Self-Learning TSK, DSMT),用于癫痫辅助检测.DSMT引入类似人类“反思-归纳”的深度规则,增强模型对于潜在信息的挖掘能力,并通过静态-动态孪生的网络结构,使用模型的内部知识代替知识蒸馏中常见的教师模型.在静态网络中,DSMT使用不同批次输出中隐藏的浅层知识进行自我学习.在动态网络中,DSMT记录静态孪生网络输出作为深层知识,结合深层知识与浅层知识,借助TSK模糊分类器对模糊信息的敏感性,学习整合深浅层次的知识,实现低阶TSK模型的自我学习,提高癫痫辅助检测系统的自适应性.此外,DSMT采用同温度蒸馏的策略,优化知识传递的效率.在CHB-MIT、TUAB、TUEV真实癫痫数据集上的实验验证DSMT的有效性. 2025 Vol. 38 (1): 82-93 [摘要] ( 70 ) [HTML 1KB] [PDF 2232KB] ( 79 ) 信息与动态 94 关于2025年度国家自然科学基金项目申请与结题等有关事项的通告 2025 Vol. 38 (1): 94-100 [摘要] ( 48 ) [HTML 1KB] [PDF 248KB] ( 70 )

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