2018年, 第31卷, 第3期　刊出日期：2018-03-25

  

• 全选
  |

论文与报告
• Select
  基于数据点本身及其位置关系辅助信息挖掘的分类方法

  顾苏杭, 王士同

  模式识别与人工智能. 2018, 31(3): 197-207. https://doi.org/10.16451/j.cnki.issn1003-6059.201803001

  PDF全文 ( ) 可视化 收藏

  挖掘除数据点本身以外的信息并以此引导和提高数据分类的精度是值得研究的课题.由此,文中提出建立与数据集对应的网络方法挖掘数据点之间的位置关系及关联信息.依据网络节点连接特性确定节点及子网络效率,赋予节点浓度概念,迭代计算节点的真实影响力,充分挖掘并处理蕴含在数据点关联作用中的信息作为数据点物理特征之外的辅助信息,构建基于数据点本身及其位置关系辅助信息挖掘的分类方法.在保证较高数据分类精度的前提下,文中方法具有较低的时间复杂度.在人造数据集和真实数据集上实验验证文中方法的有效性,该方法尤其与经典的分类方法存在显著区别.
• Select
  命题逻辑公式模糊软集语义及其在决策分析中的应用

  吴霞, 张家录, 王鲁达

  模式识别与人工智能. 2018, 31(3): 208-218. https://doi.org/10.16451/j.cnki.issn1003-6059.201803002

  PDF全文 ( ) 可视化 收藏

  基于论域公式引入软命题逻辑公式概念,给出软命题逻辑公式的模糊软语义解释.将决策模糊信息系统转化为决策模糊软集,软决策规则表示为包含有蕴含联结词的软命题逻辑公式.引入软命题逻辑公式的基本真度、条件真度、绝对真度等指标,从充分性、必要性等方面评价软决策规则的有效性、合理性.提出基于决策软集的典型软决策规则提取算法和基于软决策分析的推荐算法,并通过实例和数值实验证明算法的有效性.
• Select
  基于卷积记忆网络的视角级微博情感分类^*

  廖祥文, 谢媛媛, 魏晶晶, 桂林, 程学旗, 陈国龙

  模式识别与人工智能. 2018, 31(3): 219-229. https://doi.org/10.16451/j.cnki.issn1003-6059.201803003

  PDF全文 ( ) 可视化 收藏

  现有记忆网络模型中的上下文词之间相互独立,未考虑词序信息对微博情感的影响.因此文中提出基于卷积记忆网络的视角级微博情感分类方法,利用记忆网络可以有效对查询词与文本之间的语义关系进行建模这一特点,将视角与上下文进行抽象处理.通过卷积操作对上下文进行词序拓展,并利用这一结果捕获文中不同词语在上下文中的注意力信号,用于文本的加权表示.在3个公开数据集上的实验表明,相比已有方法,文中方法的正确率和宏F1值效果更好.
• Select
  全粒度粗糙集属性约简

  邓大勇

  模式识别与人工智能. 2018, 31(3): 230-235. https://doi.org/10.16451/j.cnki.issn1003-6059.201803004

  PDF全文 ( ) 可视化 收藏

  全粒度粗糙集是一种动静结合的粗糙集模型,在一定程度上可以表示人类认识的复杂性、多样性和不确定性.文中定义概念的全粒度属性约简,完善全粒度粗糙集属性约简的定义.探索概念的全粒度属性约简、全粒度绝对约简及全粒度Pawlak约简的性质,指明这些属性约简之间的关系,有助于全粒度属性约简的实际应用及启发式算法的产生.
• Select
  社交网络中融合社交关系和语义信息的推荐算法

  刘慧婷, 杨良全, 凌超, 赵鹏

  模式识别与人工智能. 2018, 31(3): 236-244. https://doi.org/10.16451/j.cnki.issn1003-6059.201803005

  PDF全文 ( ) 可视化 收藏

  协同过滤方法广泛应用于推荐,但是数据稀疏成为模型提供高质量推荐的一大障碍.为了解决此问题,文中提出融合社交关系和语义信息的推荐算法,提高协同过滤方法的推荐性能,有机融合稀疏的用户行为记录、项目的社交信息和项目的语义信息.应用矩阵分解技术把行为矩阵和项目社交关系映射到一个低维的特征空间,提供项目社交关系信息分解的显式解释,分析关系信息对用户行为偏好产生的影响.同时,使用社会化因子正则的级联去噪自编码器模型学习项目语义特征,改进传统深度学习模型.在真实腾讯微博和Twitter数据集上的实验表明,文中方法有效提高召回率、准确率和推荐效率.
研究与应用
• Select
  基于特征选择与时间一致性稀疏外观模型的目标追踪算法

  张伟东, 赵建伟, 周正华, 曹飞龙

  模式识别与人工智能. 2018, 31(3): 245-255. https://doi.org/10.16451/j.cnki.issn1003-6059.201803006

  PDF全文 ( ) 可视化 收藏

  为了更有效利用追踪目标的判别特征信息,提高目标追踪的精度和鲁棒性,在粒子滤波追踪框架下提出基于特征选择与时间一致性稀疏外观模型的目标追踪算法.首先,采集目标的正负模板和候选目标,根据特征选择模型对正负模板和候选目标进行特征选择,去除多余的干扰信息,得到关键的特征信息.然后,利用正负模板和候选目标的特征建立多任务稀疏表示模型,引入时间一致性正则项,促进更多的候选目标与先前帧的追踪结果具有稀疏表示的相似性.最后,求解多任务稀疏表示模型,得到判别稀疏相似图,获取每个候选目标的判别分,根据目标追踪结果更新正负模板.实验表明,即使在复杂的环境下,文中算法仍然比其它一些追踪算法具有更高的准确性.

• Select
  邻域粗糙集的加权依赖度及其启发式约简算法

  徐波, 张贤勇, 冯山

  模式识别与人工智能. 2018, 31(3): 256-264. https://doi.org/10.16451/j.cnki.issn1003-6059.201803007

  PDF全文 ( ) 可视化 收藏

  邻域粗糙集是数值型属性数据处理的有效工具.基于邻域粗糙集,传统依赖度及其约简未考虑邻域覆盖的绝对结构,由此文中建立加权依赖度及其启发式约简算法.首先,提出加权依赖度并得到其度量改进性与粒化单调性,定义相关的属性约简.然后,分析邻域半径的自适应取值,构造基于加权依赖度的启发式约简算法(NWDR).最后,在UCI数据集上进行对比实验,验证加权依赖度的单调性与NWDR的有效性.实验证明,加权依赖度改进传统依赖度的不确定性表示能力,NWDR具有较高的分类准确率与较强的应用适应性.
• Select
  基于区间2-型模糊度量的粗糙K-means聚类算法^*

  逯瑞强, 马福民, 张腾飞

  模式识别与人工智能. 2018, 31(3): 265-274. https://doi.org/10.16451/j.cnki.issn1003-6059.201803008

  PDF全文 ( ) 可视化 收藏

  现有粗糙K-means聚类算法及系列改进、衍生算法均是从不同角度描述交叉类簇边界区域中的不确定性数据对象,却忽视类簇间规模的不均衡对聚类迭代过程及结果的影响.文中引入区间2-型模糊集的概念度量类簇的边界区域数据对象,提出基于区间2-型模糊度量的粗糙K-means聚类算法.首先根据类簇的数据分布生成边界区域样本对交叉类簇的隶属度区间,体现数据样本的空间分布信息.然后进一步考虑类簇的数据样本规模,在隶属度区间的基础上自适应地调整边界区域的样本对交叉类簇的影响系数.文中算法削弱边界区域对较小规模类簇的中心均值迭代的不利影响,提高聚类精度.在人工数据集及UCI标准数据集的测试分析验证算法的有效性.

• Select
  基于词向量的中文事件发现及表示

  张斌, 胡琳梅, 侯磊, 李涓子

  模式识别与人工智能. 2018, 31(3): 275-282. https://doi.org/10.16451/j.cnki.issn1003-6059.201803009

  PDF全文 ( ) 可视化 收藏

  已有的事件发现方法主要基于词频-逆文档频率文档表示,维度较高,语义稀疏,效率和准确率都较低,不适用于大规模在线新闻事件发现.因此,文中提出基于词向量的文档表示方法,降低文档表示维度,缓解语义稀疏问题,提高文档相似度计算效率和准确性.基于该文档表示方法,提出动态在线新闻聚类方法,用于在线新闻事件发现,同时提高事件发现的准确率和召回率.在标准数据集TDT4和真实数据集上的实验表明,相比当前通用的基线方法,文中方法在时间效率和事件质量上都有显著提高.
• Select
  基于多识别区域融合的机动车驾驶员检测框架^*

  霍星, 檀结庆, 赵峰, 景永俊, 邵堃

  模式识别与人工智能. 2018, 31(3): 283-292. https://doi.org/10.16451/j.cnki.issn1003-6059.201803010

  PDF全文 ( ) 可视化 收藏

  受光照条件、图像噪声和复杂背景等因素的影响,在机动车驾驶员检测过程中难以获取不同卡口图像下的驾驶员特征.为了解决上述问题,文中提出基于多识别区域融合的精准驾驶员位置检测框架,用于提高驾驶员识别率.首先基于图像梯度特征算法获得车牌定位,然后使用自适应方法得到车窗区域,最后采用多识别区域融合策略得到准确的驾驶员区域.在10个图像测试库上的测试表明,文中方法可以获得较高的识别率.