期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
面向子空间聚类的多视图统一表示学习网络
1
作者 林毓秀 刘慧 +1 位作者 于晓 张彩明 《计算机研究与发展》 北大核心 2025年第5期1248-1261,共14页
多视图子空间聚类旨在挖掘多视图的丰富信息来指导高维数据聚类,其研究关键在于如何有效地学习多视图统一表示和子空间表示.近年来,深度聚类方法利用神经网络强大的表征能力取得了优异的性能.然而,多视图数据固有的多源异构性使得大多... 多视图子空间聚类旨在挖掘多视图的丰富信息来指导高维数据聚类,其研究关键在于如何有效地学习多视图统一表示和子空间表示.近年来,深度聚类方法利用神经网络强大的表征能力取得了优异的性能.然而,多视图数据固有的多源异构性使得大多数现有方法以单模态编码器实现对各个视图的独立编码,不仅增加了模型参数量,同时限制了模型的泛化能力.另一方面,低秩子空间表示被证明能够提升聚类性能,传统的核范数正则化优化没有考虑不同奇异值隐含的信息量差异,是矩阵秩的一个有偏估计.为此,提出了一种面向子空间聚类的多视图统一表示学习网络.首先,基于Transformer构建编码器,通过共享参数将异构视图以相同的映射规则投影到低维特征空间.其次,针对每个样本在不同视图中可能具有不同的表现,采用视图内样本加权融合的方法学习多视图统一表示.最后,引入加权Schatten-p范数对子空间表示矩阵施加低秩约束.在7个多视图数据集上的广泛实验验证了所提方法的有效性和优越性. 展开更多
关键词 多视图子空间聚类 Transformer 加权融合 低秩表示 加权Schatten-p范数
在线阅读 下载PDF
面向多模态预训练的子图匹配式对比学习方法研究
2
作者 陈公冠 刘慧 +2 位作者 李恒泰 郭强 张彩明 《计算机学报》 北大核心 2025年第4期893-909,共17页
通过图像文本对的联合学习,多模态预训练大模型在各种视觉任务中展现出巨大的潜力,比如在高质量数据集匮乏的医学领域。然而,现有的模态匹配式预训练方法通常使用全局匹配的方式,易受到低质量信息的干扰。尽管少量研究开始关注局部匹配... 通过图像文本对的联合学习,多模态预训练大模型在各种视觉任务中展现出巨大的潜力,比如在高质量数据集匮乏的医学领域。然而,现有的模态匹配式预训练方法通常使用全局匹配的方式,易受到低质量信息的干扰。尽管少量研究开始关注局部匹配,但这些方法仅仅通过简单的池化操作来缩小匹配范围,忽略了跨模态重要对象之间的内在关系以及跨样本对之间同语义表征的获取。鉴于此,本文在多模态大模型的预训练过程中,提出了一种基于图神经网络的消息传递机制,对多模态数据特征进行节点化和子图化,从而将跨模态的匹配方式由全局匹配转变为子图匹配,减少低质量信息的干扰。同时,利用交叉注意力在单一模态内进行子图级别的差异化处理,使其在跨模态学习中建立更细致的关联和语义理解。此外,提出高维空间的样本对聚类方法,以减少多模态大模型对相同语义的无关联错误表达。在涵盖图像分类、病灶区域目标检测和语义分割任务的七个医学图像数据集上进行了大量实验,验证了本文所提出模型的可行性和优越性能。同时在表情识别任务中进行实验,验证了本文模型的泛化性能。 展开更多
关键词 多模态预训练大模型 局部匹配 子图匹配 无关联错误 聚类
在线阅读 下载PDF
一种基于区块链的数据要素精准授权机制
3
作者 潘璇 张抗抗 程澳 《应用科学学报》 2025年第4期600-616,共17页
在数据要素流通过程中,各信任域往往采用独立的身份认证体系和权限管理标准,用户在跨域访问时难以实现精准授权。为此,提出了一种基于区块链的数据要素精准授权机制。该机制采用“链上-链下”协同架构:链上,设计智能合约驱动的非同质化... 在数据要素流通过程中,各信任域往往采用独立的身份认证体系和权限管理标准,用户在跨域访问时难以实现精准授权。为此,提出了一种基于区块链的数据要素精准授权机制。该机制采用“链上-链下”协同架构:链上,设计智能合约驱动的非同质化通证元数据动态更新机制,通过将用户身份与角色映射为可编码的非同质化通证,实现用户身份与权限的实时更新;链下,部署信任评估模型和动态解析缓存机制,将用户信任值转化为动态授权评估因子,实现异构信任域场景下的分级自动权限映射。实验结果表明,本工作提出的机制能实现更精细的权限管理,在加速策略变更进程的同时,有效隔离潜在风险。 展开更多
关键词 数据要素 区块链 非同质化通证 智能合约 信任评估
在线阅读 下载PDF
基于超图表示学习和Transformer模型优化的知识感知推荐
4
作者 左屿琪 张云峰 +1 位作者 张秋悦 徐英城 《图学学报》 2025年第5期1050-1060,共11页
基于知识图谱的推荐算法是近年来推荐系统领域的一个研究重点和热点,这主要是因为引入知识图谱,能够获得项目的辅助信息,从而极大地增强了推荐系统的能力,为用户带来更为精准和个性化的推荐体验。为此,提出一种基于超图表示学习和Transf... 基于知识图谱的推荐算法是近年来推荐系统领域的一个研究重点和热点,这主要是因为引入知识图谱,能够获得项目的辅助信息,从而极大地增强了推荐系统的能力,为用户带来更为精准和个性化的推荐体验。为此,提出一种基于超图表示学习和Transformer模型优化的知识感知推荐模型,利用超图在处理高阶关系上的独特优势,直接对用户与项目之间复杂的交互信息进行建模,从而极大地丰富了其交互信息。因局部图缺少用户与项目之间的全局交互信息,因此在局部图中构造全局超图;而非局部图存在冗余信息,在非局部图中构造非全局超图,从而捕获用户与项目之间更全面的交互信息。同时,利用Transformer模型的注意力机制增强用户节点与项目节点之间的协作关系,并从用户点击不感兴趣的项目且有噪声的用户交互数据中挖掘更有价值的偏好信息,优化用户与项目节点的嵌入,以缓解噪声干扰,提升对用户偏好的推荐性能。 展开更多
关键词 知识图谱 知识感知推荐 超图 Transformer 注意力机制
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部