模式识别与人工智能

Select

两阶段领域自适应学习

田磊, 唐永强, 张文生

模式识别与人工智能. 2019, 32(9): 773-784. https://doi.org/10.16451/j.cnki.issn1003-6059.201909001

PDF全文 ( )

可视化

针对领域自适应问题中源域和目标域的联合分布差异最小化问题,提出两阶段领域自适应学习方法.在第一阶段考虑样本标签和数据结构的判别信息,通过学习一个共享投影变换,使投影后的共享空间中边缘分布的差异最小.第二阶段利用源域标记数据和目标域非标记数据学习一个带结构风险的自适应分类器,不仅能最小化源域和目标域条件分布差异,还能进一步保持源域和目标域边缘分布的流形一致性.在3个基准数据集上的实验表明,文中方法在平均分类准确率和Kappa系数两项评价指标上均表现较优.

Select

面向多标签文本分类的深度主题特征提取

陈文实, 刘心惠, 鲁明羽

模式识别与人工智能. 2019, 32(9): 785-792. https://doi.org/10.16451/j.cnki.issn1003-6059.201909002

PDF全文 ( )

可视化

针对单标签特征提取方法不能有效解决多标签文本分类的问题,文中提出融合主题模型(LDA)与长短时记忆网络(LSTM)的双通道深度主题特征提取模型(DTFEM).LDA与LSTM分别作为两个通道,通过LDA为文本的全局特征建模,利用LSTM为文本的局部特征建模,使模型能同时表达文本的全局特征和局部特征,实现有监督学习与无监督学习的有效结合,得到文本不同层次的特征提取.实验表明,相比文本特征提取模型,文中模型在多标签分类结果上的多项指标均有明显提升.

Select

基于PU学习的链接预测方法

李琦, 王智强, 梁吉业

模式识别与人工智能. 2019, 32(9): 793-799. https://doi.org/10.16451/j.cnki.issn1003-6059.201909003

PDF全文 ( )

可视化

基于分类的链接预测方法中,由于链接未知节点对的大规模性与不确定性,选择可靠负例成为构造链接预测分类器的难点问题.为此,文中提出基于正例和无标识样本(PU)学习的链接预测方法.首先,提取节点对的拓扑信息以构造样本集.再利用社区结构确定候选负例的分布,基于分布进行多次欠采样,获得多个候选负例子集,集成多个负例集与正例集中构建的分类器选择可靠负例.最后基于正例与可靠负例构造链接预测分类器.在4个网络数据集上的实验表明文中方法预测结果较优.

Select

基于IGD⁺S指标的高维多目标进化算法

黎明, 段茹茹, 陈昊, 谢惠华

模式识别与人工智能. 2019, 32(9): 800-810. https://doi.org/10.16451/j.cnki.issn1003-6059.201909004

PDF全文 ( )

可视化

如何有效评价个体是处理高维多目标优化问题的关键.文中提出改进的反世代距离(IGD⁺S)指标,以反世代距离(IGD)指标为原型,融合修改的反世代距离(IGD⁺)指标的弱支配性,增加无贡献个体概念,可综合评价解集收敛性和多样性.将IGD⁺S指标嵌入进化算法框架中,提出基于IGD⁺S指标的高维多目标进化算法.在环境选择过程中,根据IGD⁺S选择优良个体.实验表明,文中算法在处理DTLZ问题和WFG问题上具有良好的竞争力.

Select

基于邻域粗糙集的大规模层次分类在线流特征选择

白盛兴, 林耀进, 王晨曦, 陈晟煜

模式识别与人工智能. 2019, 32(9): 811-820. https://doi.org/10.16451/j.cnki.issn1003-6059.201909005

PDF全文 ( )

可视化

在分类学习任务中,数据的类标记空间存在层次化结构,特征空间伴随着未知性和演化性.因此,文中提出面向大规模层次分类学习的在线流特征选择框架.定义面向层次化结构数据的邻域粗糙模型,基于特征相关性进行重要特征动态选择.最后,基于特征冗余性进行鉴别冗余动态特征.实验验证文中算法的有效性.

Select

结合非局部与分块特征的跨视角步态识别

冯世灵, 王修晖

模式识别与人工智能. 2019, 32(9): 821-827. https://doi.org/10.16451/j.cnki.issn1003-6059.201909006

PDF全文 ( )

可视化

目前基于深度学习的步态识别方法大多通过叠加卷积层获取全局特征,忽略有利于细粒度分类的局部特征.针对上述问题,文中提出结合非局部与分块特征的跨视角步态识别方法.将一对步态能量图(GEI)作为输入,提取单样本的非局部信息与样本对之间的相对非局部信息.为了更好地提取局部特征,根据GEI的几何特性,将人体区域水平切分为静态块、微动态块和强动态块,连接至3个二值分类器分别进行训练.在OU-ISIR-LP和CASIA-B步态数据集上的对比实验表明,文中方法的正确识别率较高.

Select

面向教育大数据情感分类的多方面情感注意力模型

翟冠霖, 杨燕, 汪衡, 杜圣东

模式识别与人工智能. 2019, 32(9): 828-834. https://doi.org/10.16451/j.cnki.issn1003-6059.201909007

PDF全文 ( )

可视化

针对高校课程评价方法效率较低、工作量较大等问题,文中提出多方面情感注意力模型(Multi-ASAM).使用神经网络将句子分别与句中的各个方面进行嵌入,加入情感资源注意力,在考虑方面间的关系对于情感极性影响的同时,考虑情感资源对于情感极性的贡献,从而取得更好的分类效果.实验表明,在教育领域和其它领域的应用中Multi-ASAM性能有部分提升.

Select

基于主曲线的书法字动态重现算法

杨晨旭, 张红云, 苗夺谦

模式识别与人工智能. 2019, 32(9): 835-843. https://doi.org/10.16451/j.cnki.issn1003-6059.201909008

PDF全文 ( )

可视化

如何高效逼真地动态重现书法作品的创作过程日益成为亟需解决的问题,因此文中提出基于主曲线的书法字动态重现方法,解决当前细化算法在提取骨架时存在的无效分支较多、不能保证笔画的连续性和准确性的问题.结合书法字自身结构对主曲线算法进行改进和优化.对书法图像进行骨架提取、骨架追踪、笔顺获取等处理,结合骨架信息和二值图像实现笔画宽度复原,针对笔画宽度存在的“肿瘤”问题,提出“角点剔除法”进行修正,结合HTML5的Canvas绘图技术进行书法字动态书写过程.在模拟数据集上的实验表明,文中算法的书法动态重现取得较好效果.

Select

基于CGAN的中国山水画布局可调的仿真生成方法

顾杨, 陈昭炯, 陈灿, 叶东毅

模式识别与人工智能. 2019, 32(9): 844-854. https://doi.org/10.16451/j.cnki.issn1003-6059.201909009

PDF全文 ( )

可视化

以往的山水画计算机仿真由于未从山水画整体布局的角度进行研究,难以实现完整的画作生成.针对上述问题,文中提出布局引导、可实现完整画作生成的中国山水画仿真方法.基于山水画的绘制特点设计可行的布局标签图结构,用于表达山水画的构图形态和要素.借鉴条件生成对抗网络(CGAN)的思想,针对山水画的布局和笔触特点,设计并训练多尺度特征融合的网络结构(MSFF-CGAN),实现布局标签图到仿真山水画这一异质生成过程.同时针对网络训练过程中布局标签图数据稀缺的问题,采用语义关联的颜色像素聚类算法快速生成标签图.为了提高生成图的艺术真实感,引入MemNet超分辨网络增强生成图的纹理细节.实验表明,文中方法生成的仿真山水画具有较好的完整性和艺术真实感,不仅可以应对简单的手绘涂鸦式草图,还可以通过在布局空间的编辑操作,达到对画作空间进行编辑的效果.

Select

基于深度概率图模型的鲁棒人脸画像合成

张玉倩, 高方远, 王楠楠

模式识别与人工智能. 2019, 32(9): 855-866. https://doi.org/10.16451/j.cnki.issn1003-6059.201909010

PDF全文 ( )

可视化

针对基于数据驱动的人脸画像合成算法像素特征缺乏对光照变化和复杂背景的鲁棒性,常合成低质量的画像的问题,文中提出基于深度概率图模型的鲁棒人脸画像合成算法.采用预处理方法调整测试照片的光照亮度和人脸姿态,使之与训练照片一致.采用深度特征代替像素特征进行近邻匹配,采用深度概率图模型对画像重建权重和深度特征权重联合建模,得到合成画像的最佳重构表示.为了提高画像合成速度,提出快速近邻搜索方法.实验验证文中算法的鲁棒性和快速性.

Select

2019自动化大会(CAC2019）通知

模式识别与人工智能. 2019, 32(9): 867-867.

PDF全文 ( )

可视化

Select

《模式识别与人工智能》投稿指南

模式识别与人工智能. 2019, 32(9): 868-868.

PDF全文 ( )

可视化

选择文件类型/文献管理软件名称

选择包含的内容

本期目录

2019年, 第32卷, 第9期　刊出日期：2019-09-25

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

本期目录

2019年, 第32卷, 第9期 刊出日期：2019-09-25

2019年, 第32卷, 第9期　刊出日期：2019-09-25