2018年, 第31卷, 第10期　刊出日期：2018-10-25

  

• 全选
  |

论文与报告
• Select
  知识可编程智能芯片系统:概念、架构与展望

  张俊,王飞跃

  模式识别与人工智能. 2018, 31(10): 869-876. https://doi.org/10.16451/j.cnki.issn1003-6059.201810001

  PDF全文 ( ) HTML ( ) 可视化 收藏

  本文原创性地提出知识可编程智能芯片系统(KPI-CS)及其理论和工程体系.该系统在当前最先进的异构计算和可重构人工智能(AI)芯片技术的基础上,深度融合复杂系统工程理论、知识工程理论与技术、半导体芯片研发技术、人工智能可重构算法技术,提出基于知识的可重构智能芯片和计算系统平台技术.该系统旨在支持AI应用场景适应性、AI系统重构灵活性、AI算法算力合理性的平行智能AI芯片系统平台和对应的知识服务平台.同时,作为应用展望,KPI-CS与相应的应用平台联动,为平行复杂系统管理与控制、智能交通、智能能源、平行区块链、智能医疗等研究领域和工程实践提供新一代的实时、高效、自适应的计算系统支撑.

• Select
  基于双层级联GAN的草图到真实感图像的异质转换

  蔡雨婷,陈昭炯,叶东毅

  模式识别与人工智能. 2018, 31(10): 877-886. https://doi.org/10.16451/j.cnki.issn1003-6059.201810002

  PDF全文 ( ) 可视化 收藏

  不同于pix2pix框架将边缘线条图转换为真实感图像的工作,文中探讨更便于人机交互的手绘草图到真实感图像的转换问题.首先设计双层级联生成对抗网络(GAN)结构实现转换任务.第一层GAN根据草图的形态结构、语义内容等信息生成粗粒度真实感图像,第二层GAN将第一层的结果转换为更生动形象的高分辨真实感图像.然后,针对上述网络训练中现有可用的“草图-图像”数据集十分稀缺的问题,提出依据给定的图像自动生成模拟草图数据的方法.通过改进HED边缘检测算法获得草图轮廓,并采用移动最小二乘策略对轮廓进行变形,模拟草图形态意向可辨、线条简洁、具有随意性的特点.实验表明,将手绘草图作为输入,文中方法转换结果图的合理性和视觉真实感优于基于边缘线条图训练的方法.此外,文中方法可以推广到涉及草图处理的其它应用领域.
• Select
  基于矩阵加权关联规则的跨语言查询译后扩展

  黄名选,蒋曹清,何冬蕾

  模式识别与人工智能. 2018, 31(10): 887-898. https://doi.org/10.16451/j.cnki.issn1003-6059.201810003

  PDF全文 ( ) 可视化 收藏

  首先提出矩阵加权项集支持度计算方法,给出面向跨语言查询扩展的矩阵加权关联模式挖掘算法.然后提出基于矩阵加权关联规则挖掘的跨语言查询译后扩展算法.借助机器翻译进行首次跨语言检索,得到前列初检文档,并经用户相关性判断后得到相关反馈文档.通过计算支持度从相关反馈文档中挖掘含有原查询词的矩阵加权频繁项集,通过置信度-兴趣度评价框架从频繁项集中提取含有原查询词的关联规则,将规则的后件或前件作为扩展词,利用规则的置信度和兴趣度衡量扩展词的重要性,完成跨语言查询译后扩展.在NTCIR-5 CLIR标准测试集上的实验表明,文中算法可以有效提升跨语言查询扩展性能,有利于长查询的跨语言检索,译后后件扩展性能优于前件.

• Select
  基于相关滤波的长期跟踪算法

  李娜,吴玲风,李大湘

  模式识别与人工智能. 2018, 31(10): 899-908. https://doi.org/10.16451/j.cnki.issn1003-6059.201810004

  PDF全文 ( ) 可视化 收藏

  针对目标遮挡导致跟踪失败的问题,在核相关滤波器(KCF)的基础上,提出目标重检测的长期跟踪算法.将方向梯度直方图特征与亮度颜色空间(LAB)颜色信息融合,建立目标外观模型,并增加尺度估计对应目标尺度的改变.通过引入峰值比控制重检测模块的启动,提取Harris角点重新学习新的模型,对目标进行持续跟踪,并控制模型更新速率.在OTB数据集上的对比实验表明,文中算法跟踪精度较高,适用于遮挡情况下的目标长期跟踪.
• Select
  引入改进鸽群搜索算子的粒子群优化算法

  马龙,卢才武,顾清华,阮顺领

  模式识别与人工智能. 2018, 31(10): 909-920. https://doi.org/10.16451/j.cnki.issn1003-6059.201810005

  PDF全文 ( ) 可视化 收藏

  随着迭代计算过程的推进,标准粒子群算法后期容易出现收敛速度较慢、精度较低、早熟及开发探索能力较弱等问题.针对上述不足,文中提出引入改进鸽群搜索算子的粒子群优化算法,采用Beta反向学习策略进行种群的初始化,实现种群粒子分布的多样性.首先采用线性和非线性变异策略改进鸽群算法中的地图罗盘算子,提高鸽群算法的开发和探索能力.然后采用改进后的组合优化鸽群算子更新粒子群中粒子位置和速度,提高收敛速度和计算精度,避免算法陷入局部最优.实验表明,文中算法提高收敛计算速度,精度达到函数设定的理想值.
研究与应用
• Select
  基于阶段衍变双向自均衡的个性化学习资源推荐方法

  李浩君,张征,张鹏威

  模式识别与人工智能. 2018, 31(10): 921-932. https://doi.org/10.16451/j.cnki.issn1003-6059.201810006

  PDF全文 ( ) 可视化 收藏

  针对现有个性化学习资源推荐方法存在推荐模型单一、速度较慢和匹配度不高等问题,文中提出基于阶段衍变双向自均衡的个性化学习资源推荐方法.首先构建基于阶段衍变双向自均衡的学习资源推荐模型,完善资源推荐特征参数化表示与适应度函数构建.然后采用基于进化状态判定的模糊自适应二进制粒子群优化算法求解模型.实验表明,相比采用经典算法的推荐方法,文中方法推荐的学习资源序列匹配度更高,推荐速度更快.

• Select
  基于鲁棒随机游走的交互式植物叶片分割

  胡静,陈志泊,张荣国,杨猛

  模式识别与人工智能. 2018, 31(10): 933-940. https://doi.org/10.16451/j.cnki.issn1003-6059.201810007

  PDF全文 ( ) 可视化 收藏

  受背景、阴影和反射等不同成像环境影响,固定模型难以解决植物叶片分割问题.针对此情况,文中提出基于鲁棒随机游走的交互式植物叶片分割方法,采用交互式策略对用户指定像素先验信息进行传播,通过鲁棒随机游走算法实现植物叶片分割.首先,基于随机游走算法构建成对像素的关系,建立一个超像素一致性约束模型,促使分割图像边缘更光滑.然后,通过人机交互获取指定像素先验信息.最后,利用对数似然比预测像素属于背景的概率,并用于指导标签传播.在宽松受控和非受控环境植物叶片图像上的实验表明,文中方法可以更好地得到光滑、鲁棒的植物叶片分割图.

• Select
  基于稀疏组lasso-granger因果关系特征的脑电信号情感识别

  郭金良,方芳,王伟,何寒娜

  模式识别与人工智能. 2018, 31(10): 941-949. https://doi.org/10.16451/j.cnki.issn1003-6059.201810008

  PDF全文 ( ) 可视化 收藏

  针对目前基于单一脑区功能性网络层面的特征提取,文中提出稀疏组lasso-granger因果关系方法.首先从效应性脑网络层面提取不同脑区之间的因果关系作为脑电特征,分别提取受试者α,β,γ脑电波段的granger因果特征值.然后引用稀疏组lasso算法对获取的granger因果特征值进行特征筛选,获得高相关性特征子集作为情感分类特征.最后使用SVM分类器进行情感分类.此外,为了减少计算时间复杂度,使用过滤特征选择(ReliefF)算法,选取有效的脑电信号通道.实验表明,文中方法在Valence-Arousal二维情感模型上获得较高的平均情感分类准确率,分类效果优于对比的脑电特征,提取的情感脑电特征可以有效识别受试者的不同情感状态.
• Select
  不完备弱标记数据的粗糙协同学习模型

  高灿,周杰,高天宇,赖志辉

  模式识别与人工智能. 2018, 31(10): 950-957. https://doi.org/10.16451/j.cnki.issn1003-6059.201810009

  PDF全文 ( ) 可视化 收藏

  针对不完备弱标记数据的学习问题,提出基于粗糙集理论的半监督协同学习模型.首先定义不完备弱标记数据的半监督差别矩阵,提出充分、具有差异性的约简子空间获取算法.然后在有标记数据集上利用各约简子空间训练两个基分类器.在无标记数据上,各分类器基于协同学习的思想标注信度较大的无标记样本给另一分类器学习,迭代更新直至无可利用的无标记数据.UCI数据集实验对比分析表明,文中模型可以获得更好的不完备弱标记数据的分类学习性能,具有有效性.
• Select
  融合RGB-D多模特征和半径边缘约束超限学习的动作识别

  刘天亮,陈克虎,戴修斌,罗杰波

  模式识别与人工智能. 2018, 31(10): 958-964. https://doi.org/10.16451/j.cnki.issn1003-6059.201810010

  PDF全文 ( ) 可视化 收藏

  针对单模态特征鉴别行为动作类别的能力有限问题,提出基于RGB-D视频中多模态视觉特征融合和实例化多重核超限学习(Exemplars-MKL-ELM)的动作分类方法.首先,利用骨架表面拟合和密集轨迹提取稳健的密集运动姿态特征,以稠密点云法平面感知人体3维几何的稀疏化有向主成分直方图特征,提取外观纹理嵌入身体节点空-时邻域的三维梯度直方图特征.然后,采用半径边缘约束多重核超限学习机融合多模态视觉特征,并利用对比数据法挖掘每个行为类别的代表性实例集合.最后,每个样本结合融合视觉特征和即得实例集合,采用Exemplars-MKL-ELM模型和贪婪预测思想分层分类识别行为.实验表明,文中方法在分类准确度和计算效率上都较优.