期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于平行多尺度时空图卷积网络的三维人体姿态估计算法
1
作者
杨红红
刘泓希
+1 位作者
张玉梅
吴晓军
《软件学报》
北大核心
2025年第5期2151-2166,共16页
针对基于图卷积神经网络(GCN)的人体姿态估计方法不能充分聚合关节点时空特征、限制判别性特征提取的问题,构造基于平行多尺度时空图卷积的网络模型(PMST-GNet),提高三维人体姿态估计的性能.该模型首先设计对角占优的时空注意力图卷积(D...
针对基于图卷积神经网络(GCN)的人体姿态估计方法不能充分聚合关节点时空特征、限制判别性特征提取的问题,构造基于平行多尺度时空图卷积的网络模型(PMST-GNet),提高三维人体姿态估计的性能.该模型首先设计对角占优的时空注意力图卷积(DDA-STGConv),构建跨域时空邻接矩阵,对骨架关节点信息进行基于自约束和注意力机制约束的建模,增强节点间的信息交互;然后,通过设计图拓扑聚合函数构造不同的图拓扑结构,以DDA-STGConv为基本单元构建平行多尺度子网络模块(PM-SubGNet);最后,为了更好地提取骨架关节的上下文信息,设计多尺度特征交叉融合模块(MFEB),实现平行子图网络之间多尺度信息的交互,提高GCN的特征表示能力.在主流3D姿态估计数据集Human3.6M和MPI-INF-3DHP数据集上的对比实验结果表明,所提PMST-GNet模型在三维人体姿态估计中具有较好的效果,优于Sem-GCN、GraphSH、UGCN等当前基于GCN网络的主流算法.
展开更多
关键词
三维人体姿态估计
对角占优的时空注意力图卷积
平行多尺度子网络
多尺度特征交叉融合
在线阅读
下载PDF
职称材料
生物复杂网络motif发现的并行算法
被引量：
2
2
作者
杨伏长
朱嘉富
+1 位作者
孙佳敏
谢江
《计算机应用》
CSCD
北大核心
2019年第1期72-77,共6页
生物复杂网络motif发现是一种研究生物网络的重要方法,它基于复杂网络的理论研究,以新的视角来研究生命现象和生命机制,但是在处理较大的网络规模或者需挖掘较大的motif时计算效率低。针对这个问题,在现有串行网络motif发现算法ESU的基...
生物复杂网络motif发现是一种研究生物网络的重要方法,它基于复杂网络的理论研究,以新的视角来研究生命现象和生命机制,但是在处理较大的网络规模或者需挖掘较大的motif时计算效率低。针对这个问题,在现有串行网络motif发现算法ESU的基础上,提出一种基于消息传递接口(MPI)的并行化ESU算法。该方法在ESU计算过程中优化了节点值以解决节点值依赖问题,并以ESU算法的子图发现策略统计各节点子图数,利用动态规划策略寻找最佳节点分配策略以解决负载不均衡问题。模拟网络数据和真实生物网络数据的实验结果表明,并行化ESU算法优化了节点值依赖问题,实现了基于动态规划的负载均衡策略,其运行时间比串行算法缩短了90%,并且该并行算法对不同类型不同规模的网络都具有较强的适用性,有效地提高了网络motif发现问题的计算效率。
展开更多
关键词
网络motif发现
子图枚举
同构比较
并行化
消息传递接口
在线阅读
下载PDF
职称材料
Graphlet Degree Vector方法的优化与并行
3
作者
宋祥帅
杨伏长
+1 位作者
谢江
张武
《计算机应用》
CSCD
北大核心
2020年第2期398-403,共6页
Graphlet Degree Vector(GDV)是一种研究生物网络的重要方法,能揭示生物网络中各节点与其局部网络结构的相关性,但随着需要挖掘的自同构轨道数量的增加以及生物网络规模的增大,GDV方法的时间复杂度会呈指数级增长。针对这个问题,在现有...
Graphlet Degree Vector(GDV)是一种研究生物网络的重要方法,能揭示生物网络中各节点与其局部网络结构的相关性,但随着需要挖掘的自同构轨道数量的增加以及生物网络规模的增大,GDV方法的时间复杂度会呈指数级增长。针对这个问题,在现有串行GDV方法的基础上,实现了基于消息传递接口(MPI)的GDV方法并行化;此外又将GDV方法进行了改进并将改进后的方法实现了并行优化,改进后的方法在寻找不同节点自同构轨道的过程中优化了计算过程以解决重复计算的问题,同时结合负载均衡策略合理分配任务。模拟网络数据和真实生物网络数据上的实验结果表明,并行化的GDV方法与改进后的并行化GDV方法都具有较好的并行性能,并且对不同类型不同规模的网络都具有较强的适用性,扩展性强,可有效地保持寻找网络中自同构轨道的高效率。
展开更多
关键词
Graphlet
DEGREE
Vector方法
生物网络
自同构轨道
子图枚举
并行化
消息传递接口
在线阅读
下载PDF
职称材料
题名
基于平行多尺度时空图卷积网络的三维人体姿态估计算法
1
作者
杨红红
刘泓希
张玉梅
吴晓军
机构
现代教学技术教育部重点实验室(陕西师范大学)
民歌智能计算与服务技术文化和旅游部重点实验室(陕西师范大学)
陕西师范大学计算机科学学院
出处
《软件学报》
北大核心
2025年第5期2151-2166,共16页
基金
国家自然科学基金(61907028,11872036)
陕西省青年科技新星项目(2021KJXX-91)
+1 种基金
文化和旅游部重点实验室资助项目(2023-02,2022-13)
陕西省自然科学基金面上项目(2024JC-YBMS-503)。
文摘
针对基于图卷积神经网络(GCN)的人体姿态估计方法不能充分聚合关节点时空特征、限制判别性特征提取的问题,构造基于平行多尺度时空图卷积的网络模型(PMST-GNet),提高三维人体姿态估计的性能.该模型首先设计对角占优的时空注意力图卷积(DDA-STGConv),构建跨域时空邻接矩阵,对骨架关节点信息进行基于自约束和注意力机制约束的建模,增强节点间的信息交互;然后,通过设计图拓扑聚合函数构造不同的图拓扑结构,以DDA-STGConv为基本单元构建平行多尺度子网络模块(PM-SubGNet);最后,为了更好地提取骨架关节的上下文信息,设计多尺度特征交叉融合模块(MFEB),实现平行子图网络之间多尺度信息的交互,提高GCN的特征表示能力.在主流3D姿态估计数据集Human3.6M和MPI-INF-3DHP数据集上的对比实验结果表明,所提PMST-GNet模型在三维人体姿态估计中具有较好的效果,优于Sem-GCN、GraphSH、UGCN等当前基于GCN网络的主流算法.
关键词
三维人体姿态估计
对角占优的时空注意力图卷积
平行多尺度子网络
多尺度特征交叉融合
Keywords
3D human pose estimation(3D HPE)
diagonally dominant spatio-temporal attention graph convolution
parallel multi-scale subgraph network
multi-scale
feature cross fusion
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
生物复杂网络motif发现的并行算法
被引量：
2
2
作者
杨伏长
朱嘉富
孙佳敏
谢江
机构
上海大学计算机工程与科学学院
出处
《计算机应用》
CSCD
北大核心
2019年第1期72-77,共6页
基金
国家重点研发计划重点专项(2017YFB0701501)
上海市自然科学基金资助项目(17ZR1409900)~~
文摘
生物复杂网络motif发现是一种研究生物网络的重要方法,它基于复杂网络的理论研究,以新的视角来研究生命现象和生命机制,但是在处理较大的网络规模或者需挖掘较大的motif时计算效率低。针对这个问题,在现有串行网络motif发现算法ESU的基础上,提出一种基于消息传递接口(MPI)的并行化ESU算法。该方法在ESU计算过程中优化了节点值以解决节点值依赖问题,并以ESU算法的子图发现策略统计各节点子图数,利用动态规划策略寻找最佳节点分配策略以解决负载不均衡问题。模拟网络数据和真实生物网络数据的实验结果表明,并行化ESU算法优化了节点值依赖问题,实现了基于动态规划的负载均衡策略,其运行时间比串行算法缩短了90%,并且该并行算法对不同类型不同规模的网络都具有较强的适用性,有效地提高了网络motif发现问题的计算效率。
关键词
网络motif发现
子图枚举
同构比较
并行化
消息传递接口
Keywords
network
motifs discovery
Enumerate
subgraph
(ESU)
homogeneous comparison
parallel
ization
Message Passing Interface(MPI)
分类号
TP301.6 [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
Graphlet Degree Vector方法的优化与并行
3
作者
宋祥帅
杨伏长
谢江
张武
机构
上海大学计算机工程与科学学院
上海大学上海市应用数学与力学研究所
出处
《计算机应用》
CSCD
北大核心
2020年第2期398-403,共6页
基金
国家自然科学基金面上项目(61873156)~~
文摘
Graphlet Degree Vector(GDV)是一种研究生物网络的重要方法,能揭示生物网络中各节点与其局部网络结构的相关性,但随着需要挖掘的自同构轨道数量的增加以及生物网络规模的增大,GDV方法的时间复杂度会呈指数级增长。针对这个问题,在现有串行GDV方法的基础上,实现了基于消息传递接口(MPI)的GDV方法并行化;此外又将GDV方法进行了改进并将改进后的方法实现了并行优化,改进后的方法在寻找不同节点自同构轨道的过程中优化了计算过程以解决重复计算的问题,同时结合负载均衡策略合理分配任务。模拟网络数据和真实生物网络数据上的实验结果表明,并行化的GDV方法与改进后的并行化GDV方法都具有较好的并行性能,并且对不同类型不同规模的网络都具有较强的适用性,扩展性强,可有效地保持寻找网络中自同构轨道的高效率。
关键词
Graphlet
DEGREE
Vector方法
生物网络
自同构轨道
子图枚举
并行化
消息传递接口
Keywords
Graphlet Degree Vector(GDV)method
biological
network
automorphic orbit
subgraph
enumeration
parallel
ization
Message Passing Interface(MPI)
分类号
TP301.6 [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
作者
出处
发文年
被引量
操作
1
基于平行多尺度时空图卷积网络的三维人体姿态估计算法
杨红红
刘泓希
张玉梅
吴晓军
《软件学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
生物复杂网络motif发现的并行算法
杨伏长
朱嘉富
孙佳敏
谢江
《计算机应用》
CSCD
北大核心
2019
2
在线阅读
下载PDF
职称材料
3
Graphlet Degree Vector方法的优化与并行
宋祥帅
杨伏长
谢江
张武
《计算机应用》
CSCD
北大核心
2020
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
