期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
面向复杂情境的异构网络政策协作群组识别研究
1
作者 郭骅 蒋颖 +2 位作者 侯柏屹 庞若昕 刘力文 《情报学报》 北大核心 2025年第8期1017-1030,共14页
在复杂政策情境中,多元行动者结成协作网络,共同制定和执行公共政策。协作群组是网络中规模较小、内聚度较高、围绕特定政策目标或工具开展协同行动的行动者子集,即群组。识别并理解群组对于厘清协作结构、解读协作模式具有重要意义。然... 在复杂政策情境中,多元行动者结成协作网络,共同制定和执行公共政策。协作群组是网络中规模较小、内聚度较高、围绕特定政策目标或工具开展协同行动的行动者子集,即群组。识别并理解群组对于厘清协作结构、解读协作模式具有重要意义。然而,现有研究通常将政策网络与政策过程割裂开来,难以形成对政策协作的整体性分析,导致对群组的冲突性和模糊性处理不佳。本文从系统视角出发,基于“网络+过程”的二维框架,提出一种异构网络政策协作群组识别方法,用于分析复杂政策情境下的多元行动者、政策目标、政策工具与协作关系。通过案例研究验证了该方法具有可行性,能够有效刻画群组的异质性及其边界、构成和内涵,为深入理解政策协作的系统特征和协作模式提供了新的思路与实证支持。 展开更多
关键词 复杂情境 政策协作 群组识别 异构信息网络 政策信息学
在线阅读 下载PDF
大型商场中移动群组识别与位置预测方法
2
作者 陈娇娇 朱卫平 +2 位作者 屠明暄 唐熠杰 孙泽宇 《计算机工程》 CAS CSCD 北大核心 2019年第3期78-84,共7页
根据大型商场中人员密度大且流动性强的特点,对室内场所中的动态群组进行识别和位置预测,提出移动对象位置和方向特征相结合的空间-时序聚类群组识别方法。在群组位置预测中,考虑数据集的增量更新给出序列树的存储结构,只需扫描一次数... 根据大型商场中人员密度大且流动性强的特点,对室内场所中的动态群组进行识别和位置预测,提出移动对象位置和方向特征相结合的空间-时序聚类群组识别方法。在群组位置预测中,考虑数据集的增量更新给出序列树的存储结构,只需扫描一次数据库即可得到频繁区域序列以及对应的关联规则,同时能够进行单步和多步的位置预测。给出结合群组出现时间和人数的位置预测方法,提高群组位置预测的准确度。在ATC数据集进行实验,结果表明,当群组对象检测率达到87.6%时,该方法群组识别准确度可达到90.3%,与LAR、TLAR等算法相比,单步和多步位置预测准确度分别达到91.2%和33.8%。 展开更多
关键词 移动群组识别 空间-时序聚类 序列树 频繁区域序列 关联规则 群组位置预测
在线阅读 下载PDF
基于伪3D残差网络与交互关系建模的群组行为识别方法 被引量：12
3
作者 丰艳 张甜甜 王传旭 《电子学报》 EI CAS CSCD 北大核心 2020年第7期1269-1275,共7页
针对复杂场景下群组行为特征的多样性以及交互关系难以建模的问题,提出一种全新的分层网络架构.第一层网络,利用伪3D残差网络与图卷积网络相结合捕获交互关系特征;第二层网络,利用伪3D残差网络捕获群组全局场景时空特征.根据上述特征之... 针对复杂场景下群组行为特征的多样性以及交互关系难以建模的问题,提出一种全新的分层网络架构.第一层网络,利用伪3D残差网络与图卷积网络相结合捕获交互关系特征;第二层网络,利用伪3D残差网络捕获群组全局场景时空特征.根据上述特征之间的互补作用对它们的群组行为决策输出,提出一种权重自适应调整决策融合算法,对上面两层网络的群组行为类别自适应计算重要性权重,实现决策融合.该方法在CAD和CAE上分别取得了91.4%和97.9%的平均识别精度. 展开更多
关键词 群组行为识别 交互关系建模 自适应决策融合
在线阅读 下载PDF
基于聚类关联网络的群组行为识别 被引量：4
4
作者 戎炜 蒋哲远 +1 位作者 谢昭 吴克伟 《计算机应用》 CSCD 北大核心 2020年第9期2507-2513,共7页
目前群组行为识别方法没有充分利用群组关联信息而导致群组识别精度无法有效提升,针对这个问题,提出了基于近邻传播算法(AP)的层次关联模块的深度神经网络模型,命名为聚类关联网络(CRN)。首先,利用卷积神经网络(CNN)提取场景特征,再利... 目前群组行为识别方法没有充分利用群组关联信息而导致群组识别精度无法有效提升,针对这个问题,提出了基于近邻传播算法(AP)的层次关联模块的深度神经网络模型,命名为聚类关联网络(CRN)。首先,利用卷积神经网络(CNN)提取场景特征,再利用区域特征聚集提取场景中的人物特征。然后,利用AP的层次关联网络模块提取群组关联信息。最后,利用长短期记忆网络(LSTM)融合个体特征序列与群组关联信息,并得到最终的群组识别结果。与多流卷积神经网络(MSCNN)方法相比,CRN方法在Volleyball数据集与Collective Activity数据集上的识别准确率分别提升了5.39与3.33个百分点。与置信度能量循环网络(CERN)方法相比,CRN方法在Volleyball数据集与Collective Activity数据集上的识别准确率分别提升了8.7与3.14个百分点。实验结果表明,CRN方法在群体行为识别任务中拥有更高的识别准确精度。 展开更多
关键词 群组行为识别 聚类关联网络 群组关联信息 近邻传播算法 长短时记忆网络
在线阅读 下载PDF
场景关系图学习的群组行为识别 被引量：2
5
作者 焦畅 吴克伟 +2 位作者 于磊 谢昭 李文中 《计算机应用研究》 CSCD 北大核心 2023年第10期3173-3179,共7页
为解决群组行为识别中复杂个体关系描述不准确,造成的个体关系推理不可靠的问题,关注于面向个体、群体、场景三个方面来构建场景关系图,提出场景关系图网络用于实现群组行为识别。该网络包括特征提取模块、场景关系图推理模块以及分类... 为解决群组行为识别中复杂个体关系描述不准确,造成的个体关系推理不可靠的问题,关注于面向个体、群体、场景三个方面来构建场景关系图,提出场景关系图网络用于实现群组行为识别。该网络包括特征提取模块、场景关系图推理模块以及分类模块。特征提取模块通过卷积神经网络提取个体特征、群组特征、和场景特征。为了充分描述场景对于个体和群组描述的影响,场景关系图推理模块通过使用两分支网络分别建立个体—场景关系图以及群组—场景关系图帮助学习个体特征和群组特征。场景关系图推理同时考虑了个体特征对群组特征的影响,并引入了跨分支关系。分类模块用于将个体特征和群体特征进行分类预测。实验结果显示该方法在volleyball和collective activity数据集上的群组识别准确率分别提升了1.1%和0.5%,证实了提出的场景关系图在描述个体特征和群组特征上的有效性。 展开更多
关键词 群组行为识别 场景关系图 关系建模 行为识别
在线阅读 下载PDF
深度学习框架下群组行为识别算法综述 被引量：4
6
作者 邓海刚 王传旭 +1 位作者 李成伟 林晓萌 《电子学报》 EI CAS CSCD 北大核心 2022年第8期2018-2036,共19页
群组行为识别目前是计算机视觉领域的一个研究热点,在智能安防监控、社会角色理解和体育运动视频分析等方面具有广泛的应用价值.本文主要针对基于深度学习框架下的群组行为识别算法进行综述.首先,依据群组行为识别方法中“是否包含组群... 群组行为识别目前是计算机视觉领域的一个研究热点,在智能安防监控、社会角色理解和体育运动视频分析等方面具有广泛的应用价值.本文主要针对基于深度学习框架下的群组行为识别算法进行综述.首先,依据群组行为识别方法中“是否包含组群成员交互关系建模”这一核心技术环节,将现有算法划分为“无交互关系建模的群组行为识别”和“基于交互关系描述的群组行为识别”两大类.其次,鉴于“无交互关系建模的群组行为识别方法”主要是聚焦于如何对“群组行为时序过程的整体时空特征的计算和提纯”进行设计的,故本文从“多流时空特征计算融合”“个人/群体多层级时空特征计算合并”“基于注意力机制的群组行为时空特征提纯”3类典型算法进行概述.再次,对于“基于交互关系建模的群组行为识别”,依据对交互关系描述方法的不同,将其归纳为“基于组群成员全局交互关系建模”“基于组群分组下的交互关系建模”和“基于关键人物为主的核心成员间交互关系建模”3种类别分别概述.然后,对群组行为识别相关的数据集进行介绍,并对不同识别方法在各个数据集的测试性能进行了对比和总结.最后,分别从群组行为类别定义的二元性、交互关系建模的难点与不足、群组行为数据集弱监督标注和自学习、视角变化以及场景信息综合利用等方面概述了几个具有挑战性的问题和未来研究的方向. 展开更多
关键词 群组行为识别 分组交互关系 全局交互关系 关键人物建模 多流层级网络
在线阅读 下载PDF
基于选择性融合及关系推理的群组行为识别 被引量：1
7
作者 刘斯凡 林国丞 +1 位作者 秦建伟 王传旭 《计算机应用研究》 CSCD 北大核心 2023年第3期914-918,924,共6页
为解决如何选取更具辨别力的多模态人物特征,以及在进行人物关系推理时如何更加关注特定于个人的时空交互建模的问题,提出了基于选择性特征融合的动态关系推理算法框架(SFDRI)。通过设计选择性特征融合模块,根据不同模态特征的随机函数... 为解决如何选取更具辨别力的多模态人物特征,以及在进行人物关系推理时如何更加关注特定于个人的时空交互建模的问题,提出了基于选择性特征融合的动态关系推理算法框架(SFDRI)。通过设计选择性特征融合模块,根据不同模态特征的随机函数概率分布得分,添加重采样方法以选取最相关的特征表示实现多模态特征的选择融合,并采用动态关系推理模块实现针对个人的复杂时空推理,通过在时空图上初始化交互域,利用点积计算预测人物交互关系矩阵,并同时添加每个人物特征的动态偏移以形成特定于个人的交互图,通过迭代更新交互图上的特征进行最终的群组行为的识别。结合对比实验,算法在公开的排球数据集(volleyball dataset, VD)和集体活动数据集(collective activity dataset, CAD)上分别提升了1.2%和1.5%的平均识别精度,证明了算法框架的有效性。 展开更多
关键词 群组行为识别 多模态融合 交互关系推理 行为识别
在线阅读 下载PDF
基于分块注意力机制和交互位置关系的群组活动识别
8
作者 刘博 卿粼波 +2 位作者 王正勇 刘美 姜雪 《计算机应用》 CSCD 北大核心 2022年第7期2052-2057,共6页
复杂场景下的群体活动识别是一项具有挑战性的任务,它涉及一组人在场景中的相互作用和相对空间位置关系。针对当前复杂场景下群组行为识别方法缺乏精细化设计以及没有充分利用个体间交互式特征的问题,提出了基于分块注意力机制和交互位... 复杂场景下的群体活动识别是一项具有挑战性的任务,它涉及一组人在场景中的相互作用和相对空间位置关系。针对当前复杂场景下群组行为识别方法缺乏精细化设计以及没有充分利用个体间交互式特征的问题,提出了基于分块注意力机制和交互位置关系的网络框架,进一步考虑个体肢体语义特征,同时挖掘个体间交互特征相似性与行为一致性的关系。首先,采用原始视频序列和光流图像序列作为网络的输入,并引入一种分块注意力模块来细化个体的肢体运动特征;然后,将空间位置和交互式距离作为个体的交互特征;最后,将个体运动特征和空间位置关系特征融合为群体场景无向图的节点特征,并利用图卷积网络(GCN)进一步捕获全局场景下的活动交互,从而识别群体活动。实验结果表明,此框架在两个群组行为识别数据集(CAD和CAE)上分别取得了92.8%和97.7%的识别准确率,在CAD数据集上与成员关系图(ARG)和置信度能量循环网络(CERN)相比识别准确率分别提高了1.8个百分点和5.6个百分点,同时结合消融实验结果验证了所提算法有较高的识别精度。 展开更多
关键词 群组活动识别 注意力机制 交互关系 视频理解 图卷积网络
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部