2019年, 第32卷, 第12期　刊出日期：2019-12-25

  

• 全选
  |

论文与报告
• Select
  平行胃肠:基于ACP的智能胃肠疾病诊疗

  张梅, 陈鸰, 王飞跃, 王晓, 国元元, 杨田

  模式识别与人工智能. 2019, 32(12): 1061-1071. https://doi.org/10.16451/j.cnki.issn1003-6059.201912001

  PDF全文 ( ) 可视化 收藏

  胃肠道为人体重要消化器官,胃肠疾病常见且病因复杂.为了推动胃肠疾病诊疗的智能化、精准化发展,有效传承医生的经验丰富,文中提出基于ACP理论的平行胃肠诊疗系统框架.ACP理论为平行智能的核心,由人工社会(Artificial Societies)、计算实验(Computational Experiments)、平行执行(Parallel Execution)三部分构成.在平行胃肠诊疗系统中,构建人工胃肠道(A)模拟胃肠疾病实际诊疗情况,运用计算实验(C)在人工胃肠平台上进行各类胃肠疾病诊疗实验并评估最佳诊疗方案,最终借助平行执行(P)实时地对实际胃肠诊疗进行导引,持续更新人工胃肠系统并优化诊疗方案,实现虚拟诊疗和实际诊疗之间的虚实互动.整个系统框架的构建融合知识图谱、深度学习、虚拟现实/增强现实、知识自动化等多种前沿技术,致力于优化胃肠疾病诊疗,推进健康中国建设.
• Select
  基于多任务联合学习的论辩挖掘

  廖祥文, 倪继昌, 魏晶晶, 吴运兵, 陈国龙

  模式识别与人工智能. 2019, 32(12): 1072-1079. https://doi.org/10.16451/j.cnki.issn1003-6059.201912002

  PDF全文 ( ) 可视化 收藏

  现有的论辩挖掘工作大多针对单个数据集建模,忽视数据集不同时可能存在的特征变化情况,导致模型的泛化性能较差.因此,文中提出基于多任务学习的论辩挖掘方法,将多个数据集的论辩挖掘任务进行联合学习.首先融合多个任务的输入层表示,通过卷积神经网络和高速神经网络获取词级别和字符级共享参数,联合任务相关特征输入栈式双向长短记忆网络,利用多个论辩挖掘任务之间的关联信息并行训练,最终由条件随机场得到序列标注结果.在6个不同领域的数据集上的实验表明,文中方法在Macro-F1值上有所提升,由此验证方法的有效性.
• Select
  基于勾股模糊集评价的三支决策方法

  刘久兵, 王天行, 周献中, 黄兵, 李华雄

  模式识别与人工智能. 2019, 32(12): 1080-1092. https://doi.org/10.16451/j.cnki.issn1003-6059.201912003

  PDF全文 ( ) 可视化 收藏

  针对勾股模糊三支决策概率阈值难以确定的问题,文中提出基于优化表示的勾股模糊三支决策概率阈值确定方法.首先从优化的视角研究一对对偶模型,利用KKT条件证明该对偶模型与决策粗糙集模型的等价性.然后,在确定勾股模糊集评价的三支决策概率阈值时引入对偶模型,基于勾股模糊数非线性排序法建立一对非线性规划模型,证明模型最优解的存在性与唯一性.最后,采用优化技术搜索模型最优解,并提出基于勾股模糊集评价的三支决策方法.算例及对比分析表明文中方法能有效克服现有方法难以确定勾股模糊三支决策概率阈值的不足.
• Select
  基于词嵌入与记忆网络的方面情感分类

  刘一伊, 张瑾, 余智华, 刘悦, 程学旗

  模式识别与人工智能. 2019, 32(12): 1093-1099. https://doi.org/10.16451/j.cnki.issn1003-6059.201912004

  PDF全文 ( ) 可视化 收藏

  用户评论往往同时包含多个方面、多种情感,如何正确判断一条评论中不同方面的情感倾向性是方面情感分析的难点.文中提出基于词嵌入与记忆网络的方面情感分类.通过在记忆网络的不同模块引入方面词向量,加强方面词的语义信息,指导注意力机制捕捉方面相关的上下文信息,提升方面情感分类效果.在SemEval 2014任务4的短文本英文评论数据集和文中标注的长文本中文新闻数据集上实验表明,文中方法分类效果较好,在记忆网络框架下引入方面词嵌入信息是有效的.
• Select
  融合依存关系和篇章修辞关系的事件时序关系识别

  戴倩雯, 张龙印, 孔芳

  模式识别与人工智能. 2019, 32(12): 1100-1106. https://doi.org/10.16451/j.cnki.issn1003-6059.201912005

  PDF全文 ( ) 可视化 收藏

  已有事件间时序关系识别只考虑两个事件所在上下文的局部信息,忽略事件间篇章视角的关联关系.针对这一问题,文中给出融合句子级依存关系和篇章层修辞关系的事件时序关系识别方法.将事件间关联关系分两部分进行表征:事件所在句子的依存路径信息和事件所在基本篇章单元间的修辞关系信息.基于这一表征体系构建可以捕获更多有效信息的神经网络模型,提高事件时序关系识别的性能.在TimeBank-Dense语料上的一系列实验验证文中方法的优越性.
研究与应用
• Select
  正则化超限学习机的多分块松弛交替方向乘子法

  张立佳, 赖晓平, 曹九稳

  模式识别与人工智能. 2019, 32(12): 1107-1115. https://doi.org/10.16451/j.cnki.issn1003-6059.201912006

  PDF全文 ( ) 可视化 收藏

  针对超限学习机在大数据环境下计算负担过重的问题,文中提出正则化超限学习机的多分块松弛交替方向乘子法及N-等分和N/2-等分情形的标量化实现.模型分块使算法具有高度的并行结构,与松弛技术结合提高算法的收敛速度.通过分析,建立算法收敛的充要条件,给出最优收敛率及最优参数.在基准数据集上仿真计算收敛率随分块数的变化关系,对比不同算法的收敛速率和GPU加速比.实验表明,文中算法具有较低的计算复杂度和较高的并行性.
• Select
  基于区域特征融合网络的群组行为识别

  杨兴明, 范楼苗

  模式识别与人工智能. 2019, 32(12): 1116-1121. https://doi.org/10.16451/j.cnki.issn1003-6059.201912007

  PDF全文 ( ) 可视化 收藏

  针对目前群组行为识别方法未充分利用场景空间信息和计算复杂度较高的问题,文中提出基于区域特征融合的群组行为识别方法.首先,利用卷积神经网络提取场景的区域特征.再将场景区域特征依据空间位置分离、排列、组合成一系列区域特征序列.最后,利用长短时记忆网络融合区域特征序列,同时综合多层次和多模态策略提升方法效果.在Collective、Volleyball数据集上的实验表明文中方法性能较优.
• Select
  结合编码-解码网络和条件随机场的全极化合成孔径雷达土地覆盖分类

  赵泉华, 谢凯浪, 王光辉, 李玉

  模式识别与人工智能. 2019, 32(12): 1122-1132. https://doi.org/10.16451/j.cnki.issn1003-6059.201912008

  PDF全文 ( ) 可视化 收藏

  针对多极化合成孔径雷达影像地物分类特征表征性较弱及全卷积网络分类精度较低的问题,文中提出结合编码-解码网络(E-D-Net)和条件随机场(CRF)的全极化合成孔径雷达(SAR)土地覆盖分类算法.首先,利用Freeman分解和Pauli分解建模全极化SAR影像,提取各分解对应的散射特征.再借鉴语义分割网络模型的建模思想和多尺度卷积单元构建对称网络模型,将多尺度非对称卷积单元嵌入中层,设计E-D-Net网络模型.通过E-D-Net网络模型对PolSAR影像Freeman分解散射特征进行多层自主学习,获得初始分类结果.最后,利用全连接CRF结合Pauli相干分解伪彩色图信息,对初始分类结果再进行降噪和平滑优化,得到最终分类结果.在两地区PolSAR影像上的实验验证文中算法的有效性和可行性.
• Select
  基于网格运动统计的改进快速鲁棒特征图像匹配算法

  王晓华, 方琪, 王文杰

  模式识别与人工智能. 2019, 32(12): 1133-1140. https://doi.org/10.16451/j.cnki.issn1003-6059.201912009

  PDF全文 ( ) 可视化 收藏

  针对快速鲁棒特征算法(SURF)局部不变特征描述符存在运算时间较长、匹配准确率较低的问题,文中提出基于网格运动统计的改进快速鲁棒特征图像匹配算法.首先运用Hessian矩阵行列式确定图像中的特征点,采用梯度方向改进SURF中的主方向提取方法,提高特征点主方向的准确性,并使用二进制特征描述子进行特征点描述.再对获取的特征点进行汉明距离粗匹配.最后,采用网格运动统计剔除误匹配点.在Oxford VGG标准数据集上的实验表明,文中算法在图像发生尺度、光照、旋转等变化时匹配准确率与效率较高.
• Select
  基于混合度量与类簇自适应调整的粗糙模糊K-means聚类算法

  张鑫涛, 马福民, 曹杰, 张腾飞

  模式识别与人工智能. 2019, 32(12): 1141-1150. https://doi.org/10.16451/j.cnki.issn1003-6059.201912010

  PDF全文 ( ) 可视化 收藏

  针对粗糙K-means聚类及其相关衍生算法需要提前人为给定聚类数目、随机选取初始类簇中心导致类簇交叉区域的数据划分准确率偏低等问题,文中提出基于混合度量与类簇自适应调整的粗糙模糊K-means聚类算法.在计算边界区域的数据对象归属于不同类簇的隶属程度时,综合考虑局部密度和距离的混合度量,并采用自适应调整类簇数目的策略,获得最佳聚类数目.选取数据对象稠密区域中距离最小的两个样本的中点作为初始类簇中心,将附近局部密度高于平均密度的对象划分至该簇后再选取剩余的初始类簇中心,使初始类簇中心的选取更合理.在人工数据集和UCI标准数据集上的实验表明,文中算法在处理类簇交叠严重的球簇状数据集时,具有自适应性,聚类精度较优.