检索结果-维普期刊中文期刊服务平台

ASGC-STT:基于自适应空间图卷积和时空Transformer的人体行为识别被引量：1: 1; 作者庄添铭秦臻 +1 位作者耿技张瀚文《计算机应用研究》北大核心 2025年第4期1239-1247,共9页; 近年来许多行为识别研究将人体骨架建模为拓扑图,并利用图卷积网络提取动作特征。然而,拓扑图在训练过程中固有的共享和静态特征限制了模型的性能。为解决该问题,提出基于自适应空间图卷积和时空Transformer的人体行为识别方法—ASGC-ST... 展开更多; 关键词人体行为识别时空特征图卷积网络多尺度建模; 在线阅读下载PDF 职称材料

基于脑电频谱时空特征的认知负荷评估被引量：1: 2; 作者王雨佳鞠翔宇 +1 位作者于扬李明《控制理论与应用》北大核心 2025年第1期50-58,共9页; 准确的认知负荷评估对于增强人机协调能力、提升人机共融系统效率具有重要意义.目前常用的基于脑电信号的认知负荷评估技术中,在提取和利用频谱信息的时间和空间关系等方面普遍缺少有效手段.本文针对脑电频谱图空间分辨率低的特点,引入... 展开更多; 关键词认知负荷评估脑电频谱图时空特征时空双路神经网络; 在线阅读下载PDF 职称材料

骨架人体行为识别研究回顾、现状及展望被引量：6: 3; 作者边存灵吕伟刚冯伟《计算机工程与应用》 CSCD 北大核心 2024年第20期1-29,共29页; 人体行为识别在视频监控、人机交互、医疗看护、体育赛事分析等领域具备重要的应用前景。近年来,随着传感器技术和人体姿态估计算法的迅猛发展,基于骨架的人体行为识别受到研究者越来越多的重视。相较于传统的视频图像数据,骨架数据以... 展开更多; 关键词骨架行为识别文献计量分析时空特征表征深度学习神经网络; 在线阅读下载PDF 职称材料

时空相关性融合表征的知识追踪模型被引量：2: 4; 作者张凯付姿姿覃正楚《计算机应用研究》 CSCD 北大核心 2024年第5期1381-1387,共7页; 知识追踪通过对知识点的表示来描述习题,以此建模知识状态,最终预测学习者的未来表现。然而目前的研究在知识点的表示方面既没有建模历史知识点对当前知识点产生的时间关系上的影响,又未能刻画习题内部各知识点之间产生的空间关系上的... 展开更多; 关键词知识追踪知识点表示时空相关性图注意力网络; 在线阅读下载PDF 职称材料

时空深度特征AP聚类的稀疏表示视频异常检测算法被引量：12: 5; 作者胡正平张乐尹艳华《信号处理》 CSCD 北大核心 2019年第3期386-395,共10页; 针对异常行为检测问题,提出基于时空深度特征的AP聚类稀疏表示视频异常检测方法。由于视频序列中大量背景信息及有效信息分布不均匀的情况,首先利用光流结合非均匀的细胞分割对视频的运动目标进行提取并得到空间尺寸大小不同的时空兴趣... 展开更多; 关键词异常检测三维卷积神经网络时空兴趣块时空深度特征 AP聚类稀疏表示; 在线阅读下载PDF 职称材料

基于时空建模的动态图卷积神经网络被引量：9: 6; 作者李荆刘钰邹磊《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心 2021年第4期605-613,共9页; 为了使图表示学习得到的嵌入向量对节点和边不断变化的动态图具有很好的信息表征能力,提出一种动态图卷积神经网络模型(DyGCN),将动态图上的表示学习建模为时间和空间信息的聚合。该模型将从图卷积神经网络(GCN)的空间卷积提取图上的结... 展开更多; 关键词动态图图卷积神经网络(GCN) 图表示学习时空卷积; 在线阅读下载PDF 职称材料

题名ASGC-STT:基于自适应空间图卷积和时空Transformer的人体行为识别被引量：1: 1; 作者庄添铭秦臻耿技张瀚文; 机构电子科技大学网络与数据安全四川省重点实验室; 出处《计算机应用研究》北大核心 2025年第4期1239-1247,共9页; 基金国家自然科学基金资助项目(62372083,62072074,62070654,62027827,62020447) 四川科技支撑计划资助项目(2024NSFTD0005,2023YFS0020,2023YFS0197,2023FG0148) CCF百度开放基金资助项目(202312)。; 文摘近年来许多行为识别研究将人体骨架建模为拓扑图,并利用图卷积网络提取动作特征。然而,拓扑图在训练过程中固有的共享和静态特征限制了模型的性能。为解决该问题,提出基于自适应空间图卷积和时空Transformer的人体行为识别方法—ASGC-STT。首先,提出了一种非共享图拓扑的自适应空间图卷积网络,该图拓扑在不同网络层中是唯一的,可以提取更多样化的特征,同时使用多尺度时间卷积来捕获高级时域特征。其次,引入了一种时空Transformer模块,能够准确捕捉远距离的帧内和帧间任意关节之间的相关性,建模包含局部和全局关节关系的动作表示。最后,设计了一种多尺度残差聚合模块,通过分层残差结构设计来有效扩大感受野范围,捕获空间和时间域的多尺度依赖关系。ASGC-STT在大规模数据集NTU-RGB+D 60上的准确率为92.7%(X-Sub)和96.9%(X-View),在NTU-RGB+D 120上的准确率为88.2%(X-Sub)和89.5%(X-Set),在Kinetics Skeleton 400上的准确率为38.6%(top-1)和61.4%(top-5)。实验结果表明,ASGC-STT在人体行为识别任务中具有优越的性能和通用性。; 关键词人体行为识别时空特征图卷积网络多尺度建模; Keywords human action recognition spatial-temporal representation graph neural network multi-scale modeling; 分类号 TP37 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于脑电频谱时空特征的认知负荷评估被引量：1: 2; 作者王雨佳鞠翔宇于扬李明; 机构国防科技大学智能科学学院; 出处《控制理论与应用》北大核心 2025年第1期50-58,共9页; 基金国家自然科学基金项目(62076248)资助.; 文摘准确的认知负荷评估对于增强人机协调能力、提升人机共融系统效率具有重要意义.目前常用的基于脑电信号的认知负荷评估技术中,在提取和利用频谱信息的时间和空间关系等方面普遍缺少有效手段.本文针对脑电频谱图空间分辨率低的特点,引入胶囊网络有效表征不同导联之间的相对空间关系;针对脑电频谱图随时间波动的特点,设计了由长短期记忆网络等组成的时间特征学习支路,最终通过时空特征融合构建了一种新的认知负荷评估算法.基于公开数据集的测试结果表明,本文所提算法的四分类正确率达到99.27%(被试内)和95.16%(跨被试),在现有算法中性能最优.消融实验表明,算法的时、空特征提取模块可分别对脑电频谱图的时空特征进行有效表征,所提出的双路网络结构能有效完成时空特征的高效融合.; 关键词认知负荷评估脑电频谱图时空特征时空双路神经网络; Keywords cognitive workload assessment power spectrum pattern temporal and spatial characteristics dual-stream network for spatial and temporal representation; 分类号 TN911.7 [电子电信—通信与信息系统] R318 [医药卫生—生物医学工程]; 在线阅读下载PDF 职称材料

题名骨架人体行为识别研究回顾、现状及展望被引量：6: 3; 作者边存灵吕伟刚冯伟; 机构中国海洋大学基础教学中心天津大学智能与计算学部; 出处《计算机工程与应用》 CSCD 北大核心 2024年第20期1-29,共29页; 基金国家自然科学基金(62277045)。; 文摘人体行为识别在视频监控、人机交互、医疗看护、体育赛事分析等领域具备重要的应用前景。近年来,随着传感器技术和人体姿态估计算法的迅猛发展,基于骨架的人体行为识别受到研究者越来越多的重视。相较于传统的视频图像数据,骨架数据以行为人为中心,具有高度抽象的运动信息和低数据维度等特点,为行为信息建模提供了新的视角。以骨架人体行为识别为研究对象,对相关工作进行了全面系统的回顾和分析。通过文献计量分析法对已发表的相关文献进行了梳理,系统总结了基于骨架的行为识别的发展脉络。在此基础上,分别回顾了基于手工特征的传统识别方法和基于深度学习的识别方法,重点介绍了基于卷积神经网络、循环神经网络、图卷积神经网络以及Transformer方法的基本原理、改进策略和代表性工作,并简要论述了网络模型学习算法的研究现状。总结了基于运动捕捉系统、Kinect相机和RGB图像的三类公开数据集,并详细探讨了它们的特点和应用。最后,结合国内外研究现状及思考分析,梳理了基于骨架的人体行为识别中的关键难题与挑战,并展望了未来的发展方向,旨在为研究人员建立一个较完整的领域研究视图,为相关领域的工作提供参考和借鉴。; 关键词骨架行为识别文献计量分析时空特征表征深度学习神经网络; Keywords skeleton-based action recognition bibliometric analysis spatial-temporal information representation deep learning neural network; 分类号 TP391.41 [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

题名时空相关性融合表征的知识追踪模型被引量：2: 4; 作者张凯付姿姿覃正楚; 机构长江大学计算机科学学院; 出处《计算机应用研究》 CSCD 北大核心 2024年第5期1381-1387,共7页; 基金国家自然科学基金资助项目(62077018) 国家科技部高端外国专家引进计划资助项目(G2022027006L) +1 种基金湖北本科高校省级教学改革研究资助项目(2023273)。; 文摘知识追踪通过对知识点的表示来描述习题,以此建模知识状态,最终预测学习者的未来表现。然而目前的研究在知识点的表示方面既没有建模历史知识点对当前知识点产生的时间关系上的影响,又未能刻画习题内部各知识点之间产生的空间关系上的作用。为了解决上述问题,提出了时空相关性融合表征的知识追踪模型。首先,以知识点之间的时间相关程度为基础,建模历史知识点对当前知识点的时间作用;其次,利用图注意力网络建模习题所包含的若干知识点之间的空间作用,得到蕴涵了时空信息的知识点表示;最后,利用上述知识点的表示推导出习题的表示,通过自注意力机制得到当前的知识状态。在实验阶段,与五种相关知识追踪模型在四个真实数据集上进行性能对比,结果表明提出的模型在性能方面有更出色的表现。特别地,在ASSISTments2017数据集中所提模型比五个对比模型在AUC、ACC方面分别提升了1.7%~7.7%和7.3%~2.1%;消融实验证明了建模知识点之间时空相关影响的有效性,训练过程实验表明了提出的模型在知识点的表示及其相互作用关系的建模等方面具有一定的优势,应用实例也可看出该模型优于其他知识追踪模型的实际结果。; 关键词知识追踪知识点表示时空相关性图注意力网络; Keywords knowledge tracing concept representation temporal and spatial correlation graph attention network; 分类号 TP183 [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

题名时空深度特征AP聚类的稀疏表示视频异常检测算法被引量：12: 5; 作者胡正平张乐尹艳华; 机构燕山大学信息科学与工程学院燕山大学河北省信息传输与信号处理重点实验室; 出处《信号处理》 CSCD 北大核心 2019年第3期386-395,共10页; 基金国家自然科学基金面上项目(61771420) 河北省自然科学基金面上项目(F2016203422); 文摘针对异常行为检测问题,提出基于时空深度特征的AP聚类稀疏表示视频异常检测方法。由于视频序列中大量背景信息及有效信息分布不均匀的情况,首先利用光流结合非均匀的细胞分割对视频的运动目标进行提取并得到空间尺寸大小不同的时空兴趣块。其次利用三维卷积神经网络提取不同时空兴趣块的时空深度特征从而对原始视频序列进行三维描述。然后在字典学习时,采用AP聚类方法,将训练样本中具有代表性的特征作为字典,极大降低字典维度以及稀疏表示方法对计算内存的要求。本文将测试样本进行AP聚类后仅对具有代表性的聚类中心进行检测,在减少实验时间的同时削减了阈值对检测效果的敏感度。实验结果表明,与现有的检测方法相比本文方法具有优越性。; 关键词异常检测三维卷积神经网络时空兴趣块时空深度特征 AP聚类稀疏表示; Keywords abnormal detection 3D convolutional neural network spatial-temporal interest cuboids spatial-temporal deep feature AP clustering sparse representation; 分类号 TP391.4 [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

题名基于时空建模的动态图卷积神经网络被引量：9: 6; 作者李荆刘钰邹磊; 机构北京大学前沿交叉学科研究院北京大学王选计算机研究所; 出处《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心 2021年第4期605-613,共9页; 基金国家自然科学基金(61932001)资助。; 文摘为了使图表示学习得到的嵌入向量对节点和边不断变化的动态图具有很好的信息表征能力,提出一种动态图卷积神经网络模型(DyGCN),将动态图上的表示学习建模为时间和空间信息的聚合。该模型将从图卷积神经网络(GCN)的空间卷积提取图上的结构信息与从时间卷积神经网络(TCN)的因果卷积提取时序上的历史信息相结合,同时在空间卷积层加入自适应的模型更新机制,使得模型参数随着图结构的变化能够自适应地更新。在金融领域数据集上针对金融欺诈检测进行的边分类实验表明,该模型比现有方法有很大的性能提升。; 关键词动态图图卷积神经网络(GCN) 图表示学习时空卷积; Keywords dynamic graphs graph convolutional network(GCN) graph representation learning spatial-temporal convolutions; 分类号 F831.51 [经济管理—金融学] TP183 [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	作者	出处	发文年	被引量	操作
1	ASGC-STT:基于自适应空间图卷积和时空Transformer的人体行为识别	庄添铭秦臻耿技张瀚文	《计算机应用研究》北大核心	2025	1	在线阅读下载PDF 职称材料
2	基于脑电频谱时空特征的认知负荷评估	王雨佳鞠翔宇于扬李明	《控制理论与应用》北大核心	2025	1	在线阅读下载PDF 职称材料
3	骨架人体行为识别研究回顾、现状及展望	边存灵吕伟刚冯伟	《计算机工程与应用》 CSCD 北大核心	2024	6	在线阅读下载PDF 职称材料
4	时空相关性融合表征的知识追踪模型	张凯付姿姿覃正楚	《计算机应用研究》 CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
5	时空深度特征AP聚类的稀疏表示视频异常检测算法	胡正平张乐尹艳华	《信号处理》 CSCD 北大核心	2019	12	在线阅读下载PDF 职称材料
6	基于时空建模的动态图卷积神经网络	李荆刘钰邹磊	《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心	2021	9	在线阅读下载PDF 职称材料