人工智能驱动的空间转录组数据分析方法:现状与展望 被引量：1

1

作者 姚琪 苏延池 李向涛 《生理科学进展》 北大核心 2025年第3期219-225,共7页

空间转录组学(spatial transcriptomics)在识别特定基因表达模式、发现新的细胞类型标志物,以及揭示细胞自组织和共协作方面发挥重要作用。本文系统分类并回顾了近年来基于人工智能理论和技术开发的空间转录组学数据分析方法,这些方法... 空间转录组学(spatial transcriptomics)在识别特定基因表达模式、发现新的细胞类型标志物,以及揭示细胞自组织和共协作方面发挥重要作用。本文系统分类并回顾了近年来基于人工智能理论和技术开发的空间转录组学数据分析方法,这些方法各有特点,适用于不同的研究场景。通过深入分析这些方法,本文提供一个全面的视角,以了解空间转录组学领域的前沿分析进展,并推动这些方法在生物医学研究中的应用,为解析复杂组织中细胞空间异质性和生态位提供工具支持。 展开更多

关键词 空间转录组 聚类 图神经网络 细胞异质性

在线阅读 下载PDF 职称材料

智能时代的汽车控制 被引量：51

2

作者 陈虹 郭露露 +2 位作者 宫洵 高炳钊 张琳 《自动化学报》 EI CSCD 北大核心 2020年第7期1313-1332,共20页

自动驾驶是汽车产业发展的重要里程碑.汽车驾驶自动化一直都在进行,其发展进程是对驾驶人认知感知、决策规划和执行控制等各个重要环节的逐步增强或最终替代.智能时代下,大数据分析、泛在计算、泛在传感和人工智能等颠覆性技术为汽车驾... 自动驾驶是汽车产业发展的重要里程碑.汽车驾驶自动化一直都在进行,其发展进程是对驾驶人认知感知、决策规划和执行控制等各个重要环节的逐步增强或最终替代.智能时代下,大数据分析、泛在计算、泛在传感和人工智能等颠覆性技术为汽车驾驶自动化向着高级别迈进提供了新的机遇.控制技术是智能时代汽车自动化进程中的基石,更多的信息在先进控制技术的赋能下将衍生出更多的新功能与新系统,从而实现汽车安全性、经济性以及舒适性等各个方面的提升.本文对智能时代的汽车控制进行综述,首先回顾汽车自动化的发展进程,然后探讨汽车自动化进程中面临的问题,最后梳理出一些未来智能汽车控制发展趋势与关键技术. 展开更多

关键词 汽车控制 驾驶自动化 智能时代 网联自动驾驶汽车 协同控制

在线阅读 下载PDF 职称材料

基于深度学习的细粒度医学知识图谱构建 被引量：4

3

作者 王钰涵 马涪元 王英 《计算机科学》 CSCD 北大核心 2024年第S02期26-32,共7页

医疗知识图谱作为整合海量医疗信息的有力工具,正被广泛应用于临床决策支持系统、医疗问答系统等便民平台。目前,大规模医疗知识图谱层出不穷,但大多都将注意力放在实体数量的扩充,而忽略了实体种类的细粒度化。医疗术语具有冗长且难以... 医疗知识图谱作为整合海量医疗信息的有力工具,正被广泛应用于临床决策支持系统、医疗问答系统等便民平台。目前,大规模医疗知识图谱层出不穷,但大多都将注意力放在实体数量的扩充,而忽略了实体种类的细粒度化。医疗术语具有冗长且难以理解的特点,因此构建细粒度化的知识图谱可以在很大程度上提高知识图谱便民系统的实用性,并为问答系统提供更具有针对性的诊断说明。文中针对垂直网站爬取的大规模医疗知识库,以实现医疗长文本细粒度化为目标,运用BiLSTM从长句子的两个方向为每个词语建模完整上下文信息,同时引入预训练模型BERT加强对词语上下文语义的建模,并结合CRF模型学习状态转移矩阵维持标签序列的一致性,高效识别长句中的实体,并通过实体对齐和属性填充构建细粒度医疗知识图谱。医疗实体细粒度化任务的对比实验表明,BERT+BiLSTM+CRF模型的效果优于其他模型,可视化结果也说明了所提方法进行细粒度化的有效性。 展开更多

关键词 知识图谱 BiLSTM CRF 细粒度

在线阅读 下载PDF 职称材料

基于红外光谱的城市生活垃圾高值化利用深度分选 被引量：1

4

作者 胡斌 付浩 +4 位作者 王文斌 张兵 唐帆 马善为 陆强 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2022年第5期1353-1360,共8页

红外光谱分析具有快速、精确度高等优点,在分类鉴别领域中发挥着重要作用。红外光谱在生活垃圾分类领域的应用主要集中在塑料等可回收垃圾而忽略了对不可回收垃圾的深度分选。现行生活垃圾的四分法分类中,源头分类得到的其他垃圾中含有... 红外光谱分析具有快速、精确度高等优点,在分类鉴别领域中发挥着重要作用。红外光谱在生活垃圾分类领域的应用主要集中在塑料等可回收垃圾而忽略了对不可回收垃圾的深度分选。现行生活垃圾的四分法分类中,源头分类得到的其他垃圾中含有多种具有高值化利用潜力的组分,可分为纤维素类、烯类聚合物、木竹类等。这些垃圾的成分和结构不同,因此具有不同的红外谱图,基于其红外谱图特征波段利用机器学习建立相应的分类模型可以将上述几类垃圾从其他垃圾中分选出来。本研究收集了纤维素类、烯类聚合物、木竹类及低值类垃圾,并采集红外光谱数据共72组,对比分析了预处理方式、降维程度和建模算法对模型分类准确率的影响。利用标准正态变量变换(SNV)、多元散射校正(MSC)、求导(DC)和平滑滤波(Smooth)方法对数据进行预处理,然后利用主成分分析法(PCA)对预处理后的数据进行降维,获得72×8和72×5的数据集。分别利用概率神经网络(PNN)、广义回归神经网络(GRNN)、支持向量机(SVM)和随机森林(RDF)算法进行建模。分析结果表明,经PCA降维后的数据用于后续建模时,5维数据比8维数据得到的分类效果更好,平均准确率上升2.4%~4.4%。基于5维降维数据,DC/Smoo th预处理方法比SNV和MSC预处理得到的平均准确率更高,达到了96.5%;PNN模型比其他三类模型的平均准确率高4.2%~6.5%,可达98.1%;针对四类垃圾,除烯类聚合物的平均判别率只有93.8%外,纤维素类及木竹类的平均判别率均在95%以上,低值类最高可以到达100%。验证了红外光谱结合机器学习实现其他垃圾深度分选的可能性及科学性,为未来开发快捷深度分选设备提供参考。 展开更多

关键词 红外光谱 机器学习 其他垃圾 深度分选 高值化利用

在线阅读 下载PDF 职称材料

基于miRNA组学的数据增强算法 被引量：1

5

作者 周丰丰 孙燕杰 范雨思 《电子科技大学学报》 EI CAS CSCD 北大核心 2023年第2期182-187,共6页

近年来,诸多研究揭示了miRNA的表达和疾病之间的关系,特别是其与肿瘤的发生、发展和治疗的密切关联。然而,传统的分子生物学测试方法既耗时又昂贵,患病样本获取困难,不平衡的数据集训练得到的分类器导致患病样本识别准确率低。面对以上... 近年来,诸多研究揭示了miRNA的表达和疾病之间的关系,特别是其与肿瘤的发生、发展和治疗的密切关联。然而,传统的分子生物学测试方法既耗时又昂贵,患病样本获取困难,不平衡的数据集训练得到的分类器导致患病样本识别准确率低。面对以上挑战,提出了一种新的区分患病样本、健康样本以及挖掘疾病生物标志物的数据增强算法OCF,使用条件式生成对抗网络进行数据增强,然后用特征选择算法减少特征数量,最后再利用机器学习分类器进行分类识别并筛选出生物标志物进行分析。实验结果表明,该算法具有更好的分类性能,并验证了筛选出的生物标志物的准确性。 展开更多

关键词 计算机应用技术 深度学习 特征选择 生成对抗网络 MIRNA

在线阅读 下载PDF 职称材料

基于超图卷积的异质网络半监督节点分类 被引量：17

6

作者 吴越 王英 +2 位作者 王鑫 徐正祥 李丽娜 《计算机学报》 EI CAS CSCD 北大核心 2021年第11期2248-2260,共13页

近几年,图神经网络(Graph Neural Network)由于能够较好地提取网络结构信息以获得网络表示,逐渐成为网络节点分类的主流算法。然而,与广泛研究的同质信息网络相比,真实世界中网络往往是由不同类型的对象通过复杂关系相互连接所构成的异... 近几年,图神经网络(Graph Neural Network)由于能够较好地提取网络结构信息以获得网络表示,逐渐成为网络节点分类的主流算法。然而,与广泛研究的同质信息网络相比,真实世界中网络往往是由不同类型的对象通过复杂关系相互连接所构成的异质信息网络。异质信息网络包含复杂的结构信息和丰富的语义信息,这也给网络节点分类提供了新的机遇与挑战。在异质信息网络中,网络模体(Motif)能够用于理解和探索复杂网络,其既能描述复杂的语义信息,又能保存网络中高阶近邻结构信息.因此,提出基于网络模体的异质超图卷积网络模型MHGCN(Motif-based HyperGraph Convolutional Network).首先,将重复出现的高阶网络模体建模为多个相关节点所构成的超边(hyperedge),进而将整个异质信息网络转换成由不同超边构成的超图,以克服同质网络中只能描述节点之间(pair-wise)关系的缺点;然后,利用超图的基本性质和谱理论设计超图上的卷积操作,同时引入超边自注意力机制聚合超图内部不同类型的节点,并通过在超图网络中加入自环解决在模型的前向传播过程中对异质信息网络覆盖不足的问题;最后,通过注意力机制对于不同语义的超图表示进行聚合,从而使最终的节点表示可以有效保持高阶近邻关系和复杂的语义信息.由于MHGCN是端到端的,最终模型直接学习得到节点的分类标签,并通过半监督节点分类任务进行验证,与其它方法相比,MHGCN在DBLP-P、DBLP-A数据集上比最好的基准方法micro-F1提高了0.56%~3.51%,macro-F1提高了0.54%~4.37%,验证了MHGCN模型的有效性. 展开更多

关键词 异质信息网络 网络模体 超图 网络表示学习 节点分类

在线阅读 下载PDF 职称材料

XGBoost启发的双向特征选择算法 被引量：7

7

作者 王丽 王涛 +2 位作者 肖巍 刘兆赓 李占山 《吉林大学学报（理学版）》 CAS 北大核心 2021年第3期627-634,共8页

针对特征选择过程中特征评价指标单一性的问题,基于集成学习中的极端梯度提升算法,提出一种新的特征选择算法.该算法首先应用极端梯度提升算法中构建集成树模型的指标作为特征选择的特征重要性度量指标,然后利用一种新的双向搜索策略,... 针对特征选择过程中特征评价指标单一性的问题,基于集成学习中的极端梯度提升算法,提出一种新的特征选择算法.该算法首先应用极端梯度提升算法中构建集成树模型的指标作为特征选择的特征重要性度量指标,然后利用一种新的双向搜索策略,权衡了多种特征重要性对结果的影响,并优化了评价过程的效率.通过11个不同维度的标准数据集进行测试,实验结果表明,该算法能增加特征子集的多样性,加快特征选择的速度,并在中维和低维数据集上均具有较高的计算效率,且能处理高维数据集. 展开更多

关键词 特征选择 极端梯度提升 双向搜索

在线阅读 下载PDF 职称材料

基于特征加强的异构网络潜在摘要模型 被引量：2

8

作者 徐正祥 王英 +1 位作者 汪洪吉 王鑫 《计算机科学与探索》 CSCD 北大核心 2022年第11期2537-2546,共10页

随着网络数据的快速增长,大规模异构网络数据的存储和网络表示已成为研究的热点。现提出两个不同的任务:生成图摘要和生成图的节点表示。图摘要的目标是找到用于压缩存储和加速查询的输入图的紧凑表示;网络表示可以很好地提取网络数据... 随着网络数据的快速增长,大规模异构网络数据的存储和网络表示已成为研究的热点。现提出两个不同的任务:生成图摘要和生成图的节点表示。图摘要的目标是找到用于压缩存储和加速查询的输入图的紧凑表示;网络表示可以很好地提取网络数据中的结构信息,并为下游任务生成节点表示。但是,在大规模网络数据中,在生成图摘要和嵌入表示时仍需要解决一些挑战。为克服大规模异构网络数据带来的科学计算和存储空间问题,提出基于特征加强的异质网络潜在摘要模型(FELS),通过融合节点特征和图属性获得大规模异构网络数据的摘要表示。首先,将原图中不同的节点特征作为基础特征,通过应用多种关系算子捕获高阶子图结构信息;然后,根据不同的图属性通过桶映射方式学习上下文的潜在子空间结构;最后,对学习到的上下文特征矩阵利用奇异值分解获取异构网络的潜在摘要表示,即一种独立于输入图大小维度紧凑的潜在图摘要,同时能够获取节点表示。实验结果表明,与传统方法相比,提出的FELS模型能够获得更优质的潜在摘要且具有更低的模型复杂度,在链路预测任务上具有更高的效率和精度。 展开更多

关键词 潜在摘要 网络表示 结构学习 关系算子 特征选择

在线阅读 下载PDF 职称材料

融合结构和特征的图层次化池化模型 被引量：2

9

作者 马涪元 王英 +1 位作者 李丽娜 汪洪吉 《计算机科学与探索》 CSCD 北大核心 2023年第1期179-186,共8页

作为深度神经网络向非欧式数据上的扩展,图神经网络(GNN)已经在图节点分类任务、链接预测任务和图分类任务中取得了显著成就。在图分类任务上,当前方法一般通过层次化的池化过程同时考虑图的局部和全局结构信息以学习高层次的图表示。... 作为深度神经网络向非欧式数据上的扩展,图神经网络(GNN)已经在图节点分类任务、链接预测任务和图分类任务中取得了显著成就。在图分类任务上,当前方法一般通过层次化的池化过程同时考虑图的局部和全局结构信息以学习高层次的图表示。在对当前的图分类模型进行对比分析后,考虑当前方法的不足,结合不同方法的优势,提出结构和特征融合池化模型(SAFPool)。SAFPool模型在池化时使用了两个聚类分配矩阵生成模块,分别是基于结构的聚类学习和基于特征的聚类学习模块,基于结构的聚类学习根据图结构信息对结构相似的节点聚类,基于特征的聚类学习则根据图节点特征对特征相似的节点聚类。二者的聚类结果加权聚合后便能获取实现聚类策略的聚类分配矩阵以同时利用图结构和节点特征信息。最后,在多个图分类数据集上通过对比实验和可视化说明了同时显式地利用图节点特征信息和图结构信息实现聚类策略的有效性。 展开更多

关键词 图神经网络 图分类 图池化 聚类分配矩阵 层次化模型

在线阅读 下载PDF 职称材料

基于子空间表示和加权低秩张量正则化的高光谱图像混合噪声去除方法 被引量：4

10

作者 周航 苏延池 +1 位作者 李占山 花昀峤 《吉林大学学报（理学版）》 CAS 北大核心 2023年第1期118-126,共9页

针对高光谱图像中存在混合噪声的问题,提出一种基于子空间表示和加权低秩张量正则化的方法去除高光谱图像中的混合噪声.子空间表示利用光谱频带之间的相关性,选取合适的正交矩阵,将高光谱图像投影到低维子空间中,使提出的算法具有较低... 针对高光谱图像中存在混合噪声的问题,提出一种基于子空间表示和加权低秩张量正则化的方法去除高光谱图像中的混合噪声.子空间表示利用光谱频带之间的相关性,选取合适的正交矩阵,将高光谱图像投影到低维子空间中,使提出的算法具有较低的复杂度,简化去噪过程的同时去除图像中的部分噪声.去噪过程基于从简化图像中提取的低秩张量进行,引入加权低秩张量正则化项表征简化图像子空间的先验信息,基于Tucker分解中核范数的物理意义构建合理的加权机制,保留高光谱图像的内在结构相关性.并且设计了一种基于迭代最小化的方法,用于求解提出的非凸去噪模型.在模拟和真实数据集上的实验结果表明,该子空间表示和加权低秩张量正则化方法在定量和定性分析上都取得了较好的去噪效果. 展开更多

关键词 高光谱图像去噪 子空间表示 加权低秩张量正则化

在线阅读 下载PDF 职称材料

基于混合进化算法的特征选择方法研究 被引量：7

11

作者 高慧敏 王云鹤 +1 位作者 卞闯 李向涛 《电子学报》 EI CAS CSCD 北大核心 2023年第6期1619-1636,共18页

特征选择(Feature Selection,FS)是一种有效的数据预处理方法,它可以通过选择高维数据中一组具有高相关性和低冗余性的特征,从而解决数据冗余引起的维数灾难.目前许多计算方法已经被应用于求解FS问题,其中基于教与学优化(Teaching and L... 特征选择(Feature Selection,FS)是一种有效的数据预处理方法,它可以通过选择高维数据中一组具有高相关性和低冗余性的特征,从而解决数据冗余引起的维数灾难.目前许多计算方法已经被应用于求解FS问题,其中基于教与学优化(Teaching and Learning-based Optimization Algorithm,TLBO)的特征选择模型由于其高效的全局搜索能力受到越来越多学者的关注.然而,随着数据规模的不断扩大,这些算法所具有的模型不稳定、模型精确度低和局部搜索能力差等局限性,使算法的研究逐步陷入困境.为解决上述问题,本文提出了融合教与学优化算法与局部搜索方法(Local Search,LS)的混合进化Wrapper算法模型(Teaching and Learning-based Optimization-Local Search Algorithm,TLBOLS).首先,由于传统的教与学优化算法不能直接用于求解特征选择问题,算法在初始化阶段将实数型编码转为二进制编码,然后为保证种群的多样性,在教阶段引入最差个体重启机制,并针对进化班级过程中学习者与教学者两种身份采用不同值的TF值,提出二进制的教与学特征选择算法(Binary Teaching and Learning-based Optimization-Local Search Algorithm,BTLBOLS).随后,提出结合多操作的局部搜索方法和变邻域搜索逐渐增强扰动力度,提高整个种群的个体质量.为优化特征选择结果,BTLBOLS利用综合评价指标作为目标函数指导整体进化过程.实验选取45个高维癌症基因表达数据集进行测试并与十种特征选择算法相比,实验结果表明,相比其他算法,BTLBOLS在分类准确率和特征个数上都具有一定优势,算法分类性能有效提高. 展开更多

关键词 教与学优化算法 局部搜索 新型Wrapper混合特征选择算法 特征选择 分类 基因表达数据

在线阅读 下载PDF 职称材料

基于生成对抗网络的多标签节点分类研究

12

作者 陈文祺 王英 +1 位作者 王鑫 汪洪吉 《计算机工程与科学》 CSCD 北大核心 2021年第2期280-287,共8页

节点分类被广泛应用于社交网络等网络数据处理之中,为了进行节点分类研究,考虑使用生成对抗网络GAN来得到节点表示,从而得到良好的节点分类效果。在此基础上,提出了节点分类生成对抗网络NC-GAN模型。该模型通过生成对抗网络进行二元博弈... 节点分类被广泛应用于社交网络等网络数据处理之中,为了进行节点分类研究,考虑使用生成对抗网络GAN来得到节点表示,从而得到良好的节点分类效果。在此基础上,提出了节点分类生成对抗网络NC-GAN模型。该模型通过生成对抗网络进行二元博弈,同时考虑网络中的连通性分布和节点之间的相似度,以获得更加拟合网络的节点表示,再通过节点表示进行分类,获得良好的分类效果。为了验证效果,与DeepWalk、GraphGAN等节点表示模型和图卷积网络模型分别在链接预测和节点分类2方面进行对比,在链接预测上该模型仅弱于GraphGAN模型,但在节点分类上均优于其他模型。 展开更多

关键词 生成对抗网络 多标签 节点分类

在线阅读 下载PDF 职称材料

一种显式几何特征匹配的激光雷达SLAM方法

13

作者 张红彦 赵昊阳 +3 位作者 赵焕峰 李念轩 孙钦政 黄玲涛 《中国机械工程》 2025年第8期1824-1831,共8页

目前多数LiDAR-SLAM系统采用前端里程计估计初始位姿和后端优化位姿的方法,缺少批量的后端优化方案。针对此问题,提出了一个完整的基于显式几何特征的激光雷达同时定位与建图(SLAM)系统。采用凝聚层次聚类方法实现平面特征点云平面分割... 目前多数LiDAR-SLAM系统采用前端里程计估计初始位姿和后端优化位姿的方法,缺少批量的后端优化方案。针对此问题,提出了一个完整的基于显式几何特征的激光雷达同时定位与建图(SLAM)系统。采用凝聚层次聚类方法实现平面特征点云平面分割并通过计算点云的局部曲率值筛选直线特征点;通过配准点云特征和特征子地图实现激光雷达运动的初始位姿估计;采用基于直线和平面基元的局部状态优化方法,基于因子图模型融合了直线因子和平面因子,通过最小化直线到直线和平面到平面的残差,实现了位姿、直线和平面参数的联合批量优化。实验结果表明,所提SLAM系统在其他场景下也能实现较高精度的定位和地图构建,满足SLAM的实时性要求。 展开更多

关键词 同时定位与建图 激光雷达里程计 特征提取 非线性优化

在线阅读 下载PDF 职称材料