检索结果-维普期刊中文期刊服务平台

基于表示解耦的指定范例图像翻译: 1; 作者李智周向东《计算机应用与软件》北大核心 2025年第7期252-260,共9页; 传统的图像翻译研究通常假定图像可以被分解为独立的内容和风格表征,但是如何利用风格表示来指导或影响翻译结果的风格仍然是一个难题和挑战。为解决指定范例的图像翻译问题,首次提出在图像翻译框架中引入纹理共现鉴别器,实现风格和内... 展开更多; 关键词图像翻译表示解耦记忆网络; 在线阅读下载PDF 职称材料

利用基于信息熵的解耦表示学习实现步态识别: 2; 作者曹震军朱子奇《计算机应用与软件》北大核心 2025年第4期150-155,222,共7页; 步态识别在现实生活中有着广泛的应用。步态识别问题的关键是从行走的人的视频帧中提取出与步态相关的特征。针对现有的方法不能获得基于外观特征不变的步态特征的问题,利用解耦表示学习的方法,提出一种自编码器架构用于分解步态特征和... 展开更多; 关键词步态识别解耦表示学习仁义熵自编码器互信息; 在线阅读下载PDF 职称材料

面向捆绑推荐的解耦图对比学习: 3; 作者张尧王绍卿 +1 位作者吴瑕孙福振《计算机工程与应用》北大核心 2025年第12期154-165,共12页; 捆绑推荐的目的是将多个相关的项目作为一个整体推荐给用户。在捆绑推荐中,用户可能会因为捆绑包中的一个特定项目去选择该捆绑包,而用户选择项目往往包含多种意图。现有的方法主要是对用户和捆绑包的意图解耦表示进行整体建模,而忽略... 展开更多; 关键词捆绑推荐解耦表示学习对比学习图神经网络; 在线阅读下载PDF 职称材料

基于互信息解耦表示的跨域压力足迹图像检索被引量：2: 4; 作者张艳许昌康 +3 位作者曹丽青王年吴梦炎夏懿《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第5期78-85,共8页; 足迹作为人体生物特征之一,在生物识别领域具有重要意义,而同一对象的不同鞋型压力足迹图像在足迹轮廓特征上具有显著性差异,导致其类内差异大。针对压力足迹图像的跨域检索,文中提出了一种基于互信息解耦表示的跨域压力足迹图像检索方... 展开更多; 关键词图像检索跨域压力足迹解耦表示域共享表示互信息; 在线阅读下载PDF 职称材料

消除互补性争议的多视图聚类算法被引量：1: 5; 作者赵玉涵陈松灿《计算机研究与发展》北大核心 2025年第5期1216-1225,共10页; 多视图聚类旨在利用来自不同视图的异构信息发现底层数据结构,并划分样本所属类别.一致性和互补性是影响多视图聚类性能的2个关键要素.一致性强调不同视图间的语义相似性,互补性则强调每个视图内特有信息的相互补充.目前对一致性研究已... 展开更多; 关键词多视图聚类一致性和互补性表示解耦对比学习伪标记; 在线阅读下载PDF 职称材料

结合全局信息的深度图解耦协同过滤被引量：1: 6; 作者郝敬宇文静轩 +2 位作者刘华锋景丽萍于剑《计算机科学》 CSCD 北大核心 2023年第1期41-51,共11页; 基于GCN的协同过滤模型通过用户物品交互二部图上的信息聚合过程生成用户节点和物品节点的表示,预测用户对物品的偏好。然而,这些模型大多没有考虑用户不同的交互意图,无法充分挖掘用户与物品之间的关系。已有的图解耦协同过滤模型建模... 展开更多; 关键词推荐系统协同过滤解耦表示学习图神经网络全局信息; 在线阅读下载PDF 职称材料

基于层次意图解耦的图卷积神经网络推荐模型被引量：1: 7; 作者吴田慧孙福振 +2 位作者张文龙董家玮王绍卿《计算机应用研究》 CSCD 北大核心 2023年第5期1341-1345,1351,共6页; 当前意图推荐研究提取出的用户意图趋向扁平化,忽略了意图间的层次关系。针对以上问题,提出了一种基于层次意图解耦的图卷积神经网络推荐模型(HIDR),将用户—项目交互图划分为多个动态交互子图,以刻画从细粒度到粗粒度的用户意图层次图... 展开更多; 关键词推荐系统图卷积神经网络层次意图推荐协同过滤解耦表示学习; 在线阅读下载PDF 职称材料

题名基于表示解耦的指定范例图像翻译: 1; 作者李智周向东; 机构复旦大学计算机科学技术学院; 出处《计算机应用与软件》北大核心 2025年第7期252-260,共9页; 基金国家重点研发计划项目(2018YFB1402600)。; 文摘传统的图像翻译研究通常假定图像可以被分解为独立的内容和风格表征,但是如何利用风格表示来指导或影响翻译结果的风格仍然是一个难题和挑战。为解决指定范例的图像翻译问题,首次提出在图像翻译框架中引入纹理共现鉴别器,实现风格和内容的解耦并对翻译结果的具体风格进行控制。并通过建立记忆引导的图像块比较机制,进一步提升模型对图像语义的理解。实验结果表明,基于表示解耦的图像翻译方法不仅顺利完成了指定范例的图像翻译任务,并且在传统图像翻译目标上超越了目前最先进的技术的生成质量。; 关键词图像翻译表示解耦记忆网络; Keywords Image-to-image translation Disentangled representation Memory network; 分类号 TP3 [自动化与计算机技术—计算机科学与技术]; 在线阅读下载PDF 职称材料

题名利用基于信息熵的解耦表示学习实现步态识别: 2; 作者曹震军朱子奇; 机构武汉科技大学计算机科学与技术学院; 出处《计算机应用与软件》北大核心 2025年第4期150-155,222,共7页; 基金国家自然科学基金项目(61702382)。; 文摘步态识别在现实生活中有着广泛的应用。步态识别问题的关键是从行走的人的视频帧中提取出与步态相关的特征。针对现有的方法不能获得基于外观特征不变的步态特征的问题,利用解耦表示学习的方法,提出一种自编码器架构用于分解步态特征和外观特征,利用基于仁义熵的联合熵最小化步态特征和外观特征之间的互信息。通过在CASIA-B、FVG数据集上的大量实验,该方法在步态识别问题中表现出了更好的解耦能力,并且识别准确率更高。; 关键词步态识别解耦表示学习仁义熵自编码器互信息; Keywords Gait recognition Disentangled representation learning Renyi entropy Autoencoder Mutual information; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名面向捆绑推荐的解耦图对比学习: 3; 作者张尧王绍卿吴瑕孙福振; 机构山东理工大学计算机科学与技术学院; 出处《计算机工程与应用》北大核心 2025年第12期154-165,共12页; 基金山东省自然科学基金(ZR2020MF147,ZR2021MF017)。; 文摘捆绑推荐的目的是将多个相关的项目作为一个整体推荐给用户。在捆绑推荐中,用户可能会因为捆绑包中的一个特定项目去选择该捆绑包,而用户选择项目往往包含多种意图。现有的方法主要是对用户和捆绑包的意图解耦表示进行整体建模,而忽略了不同意图之间的细微差别。设计了一个面向捆绑推荐的解耦图对比学习模型(disentangled graph contrastive learning for bundle recommendation,DCBR),解耦用户的潜在意图,并通过对比学习在宏观视图和微观视图之间构建合作关联。具体来说,分别从宏观视图和微观视图学习用户意图,并生成意图解耦表示。根据捆绑包-项目隶属关系图分别映射出用户对捆绑包的偏好。设计了一种意图级对比学习在每个意图子空间中构建两个视图的合作关联。在三个公共数据集上的大量实验表明,所提出的模型要优于基线模型,该模型在Recall和NDCG指标上分别比最佳基线提高了3.26%~6.14%、3.99%~6.78%和4.79%~7.97%。; 关键词捆绑推荐解耦表示学习对比学习图神经网络; Keywords bundle recommendation disentangled representation learning contrastive learning graph neural networks; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于互信息解耦表示的跨域压力足迹图像检索被引量：2: 4; 作者张艳许昌康曹丽青王年吴梦炎夏懿; 机构安徽大学电子信息工程学院安徽大学电气工程与自动化学院; 出处《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第5期78-85,共8页; 基金安徽省重点研发计划项目(2022k07020006) 安徽省高校自然科学研究重大项目(KJ2021ZD0004) +1 种基金公安部重点实验室开放课题(2017FMKFKT08)。; 文摘足迹作为人体生物特征之一,在生物识别领域具有重要意义,而同一对象的不同鞋型压力足迹图像在足迹轮廓特征上具有显著性差异,导致其类内差异大。针对压力足迹图像的跨域检索,文中提出了一种基于互信息解耦表示的跨域压力足迹图像检索方法。首先,构建了一个包含200人足迹图像的多域压力足迹数据集,从定性和定量两个角度分析跨域压力足迹图像的特点;其次,采用两个独立的编码器实现图像解耦模块,该模块将压力足迹图像解耦为域特定表示和域共享表示,通过域分类法保证域特定表示包含更多域相关的信息;然后,通过最小化互信息损失扩大域特定表示和域共享表示之间的距离,同时,为避免解耦过程中信息的丢失,基于域特定表示和域共享表示重构原始压力足迹图像;最后,通过特征提取模块进一步提取域共享表示的深层卷积特征,经过度量模块计算不同特征间的关联度,从而实现跨域压力足迹图像检索。对比及消融实验结果表明,该方法的解耦模块具有一定的有效性,在多域压力足迹数据集上的性能表现良好,首位查询结果的检索准确率达到79.83%,平均准确率达到65.48%。; 关键词图像检索跨域压力足迹解耦表示域共享表示互信息; Keywords image retrieval cross-domain pressure footprint disentangled representation domain-shared representation mutual information; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名消除互补性争议的多视图聚类算法被引量：1: 5; 作者赵玉涵陈松灿; 机构南京航空航天大学计算机科学与技术学院模式分析与机器智能工业和信息化部重点实验室(南京航空航天大学); 出处《计算机研究与发展》北大核心 2025年第5期1216-1225,共10页; 基金航空发动机及燃气轮机重大专项基础研究项目(J2019-IV-0018-0086) 国家自然科学基金项目(62076124)。; 文摘多视图聚类旨在利用来自不同视图的异构信息发现底层数据结构,并划分样本所属类别.一致性和互补性是影响多视图聚类性能的2个关键要素.一致性强调不同视图间的语义相似性,互补性则强调每个视图内特有信息的相互补充.目前对一致性研究已相对深入,但对互补性研究存在争议,其中一些方法认为一致性和互补性能互助,但仅将二者约束至同一特征空间中实际上造成了二者的冲突.而另一些方法则据此认为应丢弃互补信息,但这又造成信息浪费.直觉上互补性应该存在,贡献在于发现了现有方法没有足够洞悉并触及到互补性的本质,即一致性和互补性并非独立而是相互耦合,结果导致冲突.受此启发,通过解耦实现了2种信息的分离,具体使它们位于不同的特征子空间而非现在的同一特征空间,从而发展出了一种兼顾一致性和互补性的多视图聚类算法,在有效提取出互补信息的同时避免二者冲突.在标准数据集上的对比实验验证了所提算法的有效性.; 关键词多视图聚类一致性和互补性表示解耦对比学习伪标记; Keywords multi-view clustering consistency and complementarity representation disentanglement contrastive learning pseudo-labeling; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名结合全局信息的深度图解耦协同过滤被引量：1: 6; 作者郝敬宇文静轩刘华锋景丽萍于剑; 机构北京交通大学交通数据分析与挖掘北京市重点实验室北京交通大学计算机与信息技术学院; 出处《计算机科学》 CSCD 北大核心 2023年第1期41-51,共11页; 基金国家自然科学基金(62176020) 北京市自然科学基金(Z180006,L211016) +2 种基金中国科学院光电信息处理重点实验室开放课题基金(OEIP-O-202004)。; 文摘基于GCN的协同过滤模型通过用户物品交互二部图上的信息聚合过程生成用户节点和物品节点的表示,预测用户对物品的偏好。然而,这些模型大多没有考虑用户不同的交互意图,无法充分挖掘用户与物品之间的关系。已有的图解耦协同过滤模型建模了用户的交互意图,却忽略了图全局信息,没有考虑用户节点和物品节点的本质特征,造成表示语义不完整;并且由于受到模型迭代结构的影响,意图解耦学习的过程并不高效。针对上述问题,设计了结合全局信息的深度图解耦协同过滤模型G2DCF(Global Graph Disentangled Collaborative Filtering)。该模型构建了图全局通道和图解耦通道,分别学习节点的本质特征和意图特征;通过引入正交约束和表示独立性约束,使用户-物品的交互意图尽可能唯一防止意图退化,同时提高不同意图下表示的独立性,提升模型的解耦效果。对比已有的图协同过滤模型,G2DCF能更综合地刻画用户特征和物品特征。在3个公开数据集上进行了实验,结果表明G2DCF在多个评价指标上优于对比方法;分析了表示分布的表示独立性和表示均匀性,验证了模型的解耦效果;同时从收敛速度上进行了对比,验证了模型的有效性。; 关键词推荐系统协同过滤解耦表示学习图神经网络全局信息; Keywords Recommender system Collaborative filtering Disentangled representation learning Graph neural network Global information; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于层次意图解耦的图卷积神经网络推荐模型被引量：1: 7; 作者吴田慧孙福振张文龙董家玮王绍卿; 机构山东理工大学计算机科学与技术学院; 出处《计算机应用研究》 CSCD 北大核心 2023年第5期1341-1345,1351,共6页; 基金国家自然科学基金项目(61841602) 山东省自然科学基金项目(ZR2020MF147)。; 文摘当前意图推荐研究提取出的用户意图趋向扁平化,忽略了意图间的层次关系。针对以上问题,提出了一种基于层次意图解耦的图卷积神经网络推荐模型(HIDR),将用户—项目交互图划分为多个动态交互子图,以刻画从细粒度到粗粒度的用户意图层次图。首先,在每个意图交互子图中根据节点高阶连接性自适应地聚合来自高阶邻域的信息,解耦提取用户细粒度意图表示;然后,依据低层次细粒度意图之间的相似关系在高层网络上构建粗粒度意图超节点,显式建模从细粒度到粗粒度的意图层次结构;最后,将解耦得到的层次意图向量聚合为高质量的用户和项目表示,并进行内积预测和迭代优化。在Gowalla和Amazon-book两个数据集上的实验结果表明,相较于最优基线模型CLSR,HIDR的召回率(recall)分别提升了10.82%、6.63%,归一化折损累计增益(NDCG)分别提升了14.65%、9.63%,精度(precision)分别提升了10.46%和7.73%。; 关键词推荐系统图卷积神经网络层次意图推荐协同过滤解耦表示学习; Keywords recommendation system graph convolution neural network hierarchical intent recommendation collaborative filtering disentangled representation learning; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于表示解耦的指定范例图像翻译	李智周向东	《计算机应用与软件》北大核心	2025	0	在线阅读下载PDF 职称材料
2	利用基于信息熵的解耦表示学习实现步态识别	曹震军朱子奇	《计算机应用与软件》北大核心	2025	0	在线阅读下载PDF 职称材料
3	面向捆绑推荐的解耦图对比学习	张尧王绍卿吴瑕孙福振	《计算机工程与应用》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于互信息解耦表示的跨域压力足迹图像检索	张艳许昌康曹丽青王年吴梦炎夏懿	《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
5	消除互补性争议的多视图聚类算法	赵玉涵陈松灿	《计算机研究与发展》北大核心	2025	1	在线阅读下载PDF 职称材料
6	结合全局信息的深度图解耦协同过滤	郝敬宇文静轩刘华锋景丽萍于剑	《计算机科学》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料
7	基于层次意图解耦的图卷积神经网络推荐模型	吴田慧孙福振张文龙董家玮王绍卿	《计算机应用研究》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料