题名 基于合成数据预训练基础模型的表格数据聚类方法
1
作者
李培文 李飞江 王婕婷 钱宇华
机构
山西大学大数据科学与产业研究院 演化科学 智能山西 省重点实验室(山西大学 )
出处
《计算机研究与发展》
北大核心
2025年第9期2139-2151,共13页
基金
国家自然科学基金项目(62441239,62476160,62306170,62136005,U24A20253)。
文摘
随着数据采集与数据存储技术的飞速发展,各行业收集并存储了大量无标记的表格数据.聚类分析是挖掘这类数据潜在分组结构的重要方法.目前,处理表格数据的聚类方法多数仍然是传统聚类算法.深度学习技术和大模型技术主要用于处理非结构化的图像、文本、语音等数据类型,其强大的表示能力和推理能力在结构化的表格数据处理中仍难以发挥优势. 2025年,《Nature》刊发的TabPFN是一种可用于高效处理分类和回归任务的表格数据基础模型,为表格数据学习提供了新的基础.受此启发,提出了一种基于合成数据预训练基础模型的表格数据聚类方法,主要包括预训练阶段和迭代推理阶段.其中,预训练阶段基于传统数据聚类算法和TabPFN模型获得无标记表格数据的初始伪标签,迭代推理阶段基于微调后的TabPFN模型循环更新伪标签以得到聚类结果.在基准数据集上的大量实验分析表明,改进方法显著提高了7种代表性聚类算法的性能.
关键词
聚类分析 表格数据学习 基础模型 迭代推理 无监督学习
Keywords
clustering analysis tabular data learning foundation model iterative inference unsupervised learning
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
TP309
[自动化与计算机技术—计算机系统结构]
题名 多视图数据的增量式鲁棒融合模型
2
作者
张晓静 彭甫镕
机构
山西大学大数据科学与产业研究院
出处
《小型微型计算机系统》
北大核心
2025年第4期892-897,共6页
基金
国家自然科学基金面上项目(62276162)资助 山西省基础研究计划项目(202103021223029)资助 中央引导地方科技发展资金项目(YDZJSX20231B001)资助.
文摘
现有多视图融合方法大多通过区分共享特征和独有特征来减少信息冗余.然而,当融合的视图质量较差时,盲目融合会导致模型性能下降,即发生负迁移.针对此问题,提出一种新颖的无监督多视图数据的增量式鲁棒融合模型(MVIF),将多视图分为目标视图和辅助视图,借助编码器学习各视图的独有特征和不同视图之间的共享特征.该模型使用互信息和跨视图重构对学习到的共享特征施加一致性约束,对独有特征施加相关性约束,并联合互信息和重构约束构建信息瓶颈进行联合优化.最终利用辅助视图中与目标视图相关的信息来补充增强目标视图,得到增量式鲁棒融合表示用于下游任务.在真实数据集上进行的广泛实验证明该模型是有效的,对负迁移具有良好的鲁棒性.
关键词
多视图 负迁移 互信息 跨视图重构 信息瓶颈
Keywords
multi-view negative transfer mutual information cross-view reconstruction information bottleneck
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于3D残差网络的阿尔茨海默病辅助诊断模型研究
3
作者
张烁 张荣 郭颖婕 余红梅
机构
山西 青年职业学院计算机与信息工程系山西 医科大学 计算机教学部山西 医科大学 公共卫生学院山西大学大数据科学与产业研究院
出处
《中国卫生统计》
CSCD
北大核心
2024年第6期883-888,892,共7页
基金
国家自然科学基金(82273742) 山西省基础研究计划(202203021222261)。
文摘
目的针对阿尔兹海默病(AD)、轻微认知障碍(MCI)、正常人(CN)的多分类问题,融合MRI和PET图像特征,探究出一种用于AD早期辅助诊断的多分类深度学习模型。方法利用两个独立的3D-ResNeXt网络模型对多模态医学图像进行训练。然后通过相关性分析来判断两个网络输出结果的一致性。最后通过计算PET与MRI图像的诊断结果之间的皮尔逊系数得到多模态神经影像辅助诊断结果。结果模型准确率、模型Weighted-Precision、模型Weighted-Recall、皮尔逊系数在融合所有策略3D-ResNeXt网络模型的结果为87.78%、88.32%、87.87%、86.40%;对于图像切片数为80的结果为88.21%、84.7%、88.23%、85.7%、86.40%;融合多模态MRI和PET图像的结果为87.78%、88.32%、87.87%、86.40%。结论基于3D-ResNeXt网络模型的诊断效果在许多指标上都优于其他辅助诊断模型。结果表明,所提出的多模态辅助诊断模型能够达到良好的诊断率。本研究为AD早期辅助诊断模型的选择提供了一定的方法学参考。
关键词
阿尔兹海默病 磁共振影像 正电子发射断层影像 残差网络 多模态
分类号
R195.1
[医药卫生—卫生统计学]
题名 基于SRv6的域内路由保护方案研究
被引量：1
4
作者
耿海军 张琪栋
机构
山西大学 计算机与信息技术学院山西大学 自动化与软件学院山西大学大数据科学与产业研究院
出处
《计算机工程与应用》
CSCD
北大核心
2024年第6期293-300,共8页
基金
山西省应用基础研究计划(20210302123444) 中国高校产学研创新基金(2021FNA02009) +2 种基金 国家自然科学基金(61702315) 山西省重点研发计划(201903D421003) 国家高技术研究发展计划(863)(2018YFB1800400)。
文摘
网络故障导致大量的数据包丢失,并且严重影响网络性能,如何高效快速地应对网络中的故障是设计路由协议的基本要求和主要任务。目前,比较有效的方法是互联网部署的开放式最短路径优先(open shortest path first,OSPF)和中间系统到中间系统(intermediate system-to-intermediate system,IS-IS),通过动态路由协议解决网络故障,但是在协议动态收敛的过程中仍会有大量的报文被丢弃。因此,路由器厂商广泛采用了性能更好的路由保护方法来克服网络故障,然而,已有的路由保护方案普遍存在实现复杂度较高或者故障保护率偏低情况。针对上述问题,在SRv6实现了网络可编程性的基础上,提出一种基于SRv6的域内路由保护方案(research on intra-domain routing protection scheme based on SRv6,RPSRv6),方案首先提出了备份路径的计算规则,并根据备份路径计算规则在生成的增量最短路径树上,为所有受链路故障影响的源目的结点对计算备份路径,在此基础上,提出了Seg-ment List的计算规则,即计算出Segment List中SID的值与个数。在计算备份路径的过程中,每个受故障影响的结点和其他结点最多被访问一次,因此RPSRv6的时间复杂度具有较好的表现。实验结果表明,与已有的实现DC(downstream criterion)规则和U-Turn算法相比较,RPSRv6算法在故障保护率和路径拉伸度两个度量指标具有更好的实验效果,达到了100%的故障保护率并且在路径拉伸度方面达到了最优路径。
关键词
SRv6 域内路由 路由保护 网络故障 路由可用性 增量最短路径树
Keywords
SRv6 intradomain routing routing protection network failure routing availability incremental shortest path tree
分类号
TP393.0
[自动化与计算机技术—计算机应用技术]
题名 基于多任务联合学习的弱光场景人脸检测算法
5
作者
张霞 苏昭辉 陈路
机构
山西大学 计算机与信息技术学院山西大学大数据科学与产业研究院
出处
《计算机科学》
北大核心
2025年第2期191-201,共11页
基金
国家自然科学基金(62072291,62373233,62003200) 山西省科技重大专项计划(202201020101006) 中央引导地方科技发展资金(YDZJSX20231B001)。
文摘
弱光场景中的人脸检测指在弱光条件下使用图像处理技术检测人脸。目前,大多数弱光环境下的人脸检测算法通常先将弱光图像进行增强再进行人脸检测,忽略了人脸检测和图像增强任务之间的特征相关性,从而影响了模型泛化能力。受EnlightenGAN算法的启发,文中提出一种适用于弱光环境人脸检测的多任务联合学习算法:首先融合人脸检测和图像增强的输入层共享表示;其次将人脸注意力网络和EnlightenGAN相结合,在全局-局部判别器的基础上增加用于人脸区域判定的局部判别器;最后在自正则化注意力图的基础上增加光照权重参数,通过调节使人脸检测的精度达到最佳值。在DARK FACE数据集上的实验结果表明,与现有算法相比,所提算法的人脸检测精度提升了1.92%,同时能够很好地提升弱光图像视觉质量。
关键词
弱光环境 人脸检测 图像增强 多任务联合学习 局部判别器
Keywords
Weak light environment Face detection Image enhancement Multi-task joint learning Local discriminator
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于动态字典学习的含噪高光谱图像空谱融合
6
作者
杨静 赵建斌 陈路 池浩田 闫涛 陈斌
机构
山西大学 自动化与软件学院太原卫星发射中心技术部 山西大学大数据科学与产业研究院 哈尔滨工业大学 重庆研究院 哈尔滨工业大学 (深圳)国际人工智能研究院
出处
《计算机应用》
北大核心
2025年第9期2941-2948,共8页
基金
国家自然科学基金资助项目(62406181,62373233) 山西省回国留学人员科研项目(2023-023) 山西省基础研究计划项目(202203021222010,202203021222005)。
文摘
针对传统高光谱图像(HSI)空谱融合算法通常采用静态光谱字典,而字典学习与图像融合过程相分离,对含有噪声的空谱融合任务处理效果不佳的问题,提出一种基于动态字典学习(DDL)的含噪HSI空谱融合算法。该算法采用迭代思想,在融合过程中动态更新字典原子,从而协作完成空谱融合及噪声去除任务。首先,对输入的HSI进行粗去噪,并利用去噪结果初始化光谱字典;其次,利用上述初始化字典对两幅待融合图像进行稀疏表示,以得到中间融合结果;再次,将中间融合结果反馈给字典学习模块,不断更新字典原子,构造动态光谱字典;最后,通过迭代以上过程得到最终的输出图像。在3个遥感HSI数据集上的仿真实验结果表明,所提算法能够在提升图像空间分辨率的同时有效去除噪声。同时,在真实含噪图像波段上的实验结果表明,所提算法能够有效提高融合图像的视觉质量。在Cuprite Mine数据集上,在高斯噪声方差为0.15且放大倍数为8时,与基于广义张量核范数(GTNN)的方法和先去噪后融合的方法AL-NSSR方法相比,所提算法的峰值信噪比(PSNR)分别提升了32.48%和10.72%。
关键词
高光谱图像 空谱融合 噪声 光谱字典学习 迭代稀疏表示
Keywords
Hyper-Spectral Image(HSI) spatio-spectral fusion noise spectral dictionary learning iterative sparse representation
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
题名 基于双端联合学习的多视图聚类
7
作者
杜亮 李晓东 陈艳 周芃 钱宇华
机构
山西大学 计算机与信息技术学院太原理工大学 计算机科学与 技术学院 安徽大学 计算机科学与 技术学院 山西大学大数据科学与产业研究院
出处
《计算机研究与发展》
北大核心
2025年第8期1833-1849,共17页
基金
国家自然科学基金项目(62376146,62176001) 山西省中央引导地方科技发展专项项目(YDZJSX20231D003) +2 种基金 安徽省高校优秀青年科学项目(2023AH030004) 山西省重点研发计划项目(202202020101004) 山西省自然科学基金项目(20210302123455)。
文摘
在应对大规模多视图聚类这一挑战时都面临多个问题.其中,一致性锚点图学习方法难以处理锚点图不对齐问题,并且过度依赖一致性图,限制了其聚类结果的准确性和可靠性;锚点图集成聚类方法则是在基聚类器的生成与融合过程中割裂了不同锚点图之间的联系,影响了其聚类效果的有效性和稳定性.为解决这些问题,提出了一种基于双端联合学习的新型多视图聚类方法.该方法充分考虑了多锚点图信息和锚点端聚类对样本端聚类的联合作用,实现了锚点端聚类和样本端聚类同步进行,并通过对多锚点图信息的综合实现了样本端聚类与多个锚点端聚类的集成对齐.与现有方法不同,该方法无需直接学习一致性锚点图,可以处理任意类型的锚点不对齐问题,并且规避了图学习与图划分分步处理对聚类性能的不利影响.此外,其在一个完整的优化框架中同时利用多个锚点图进行锚点端聚类和样本端聚类,有效解决了基聚类器生成阶段无法利用除自身外的其他锚点图和集成阶段无法充分利用所有锚点图的问题.实验结果表明,所提出的方法在聚类性能和时间消耗方面均优于多个对比方法,有效增强了多视图数据的聚类性能.所提出方法以及所采用对比方法的相关代码附可在http://github.com/lxd1204/DLMC中查询.
关键词
多视图聚类 锚点端 样本端 对齐 集成
Keywords
multi-view clustering anchor end sample end alignment ensemble
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
题名 基于图神经网络的时序信号异常检测方法
被引量：1
8
作者
王婕婷 张泽珑 李飞江 钱宇华
机构
山西大学大数据科学与产业研究院 山西大学 计算智能与中文信息处理教育部重点实验室
出处
《西北大学学报(自然科学版)》
北大核心
2025年第2期343-354,共12页
基金
国家自然科学基金(62306170,62106132) 山西省科技重大专项(202201020101006) +1 种基金 山西省基础研究计划(202103021223026,20210302124271) 山西省科技创新人才团队专项(202304051001001)。
文摘
高维时序数据异常检测是指从多元时间序列中识别出偏离整体模式或偏离预期行为的样本点的过程。在高维时序数据中,传感器间潜在的关联关系对于预测或检测任务的性能具有较大影响。图神经网络是一种基于节点的近邻关系学习节点表征的深度模型,能够有效建模传感器间的复杂关联。然而,现有基于图神经网络的异常检测方法大多依赖于单一的相似度度量来捕捉传感器间的关系,不能很好地学习传感器间的依赖关系。此外,在阈值选择时,现有方法使用正常数据中的最大异常得分作为切割阈值,限制了异常事件发生时的检测能力,从而造成较低的召回率。综上,提出了一种基于图神经网络的时序信号异常检测方法,根据传感器的特有特征使用多种相似度度量集成进行图结构学习;其次,将图结构学习方法与图神经网络相结合得到异常得分;最后,通过区间搜索法最优化F-measure指标寻找最优异常切割阈值。在两个真实传感器数据集上进行的实验表明,该方法比基准对比方法取得了较高的F 1值和召回率。
关键词
时序异常检测 图结构学习 注意力机制 相似度计算 区间搜索法
Keywords
temporal anomaly detection graph structure learning attention mechanism similarity interval search method
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于多源异构数据融合的网络安全态势评估体系
被引量：36
9
作者
常利伟 田晓雄 张宇青 钱宇华 胡治国
机构
山西 财经大学 信息学院山西大学大数据科学与产业研究院
出处
《智能系统学报》
CSCD
北大核心
2021年第1期38-47,共10页
基金
山西省自然科学基金项目(201801D221159) 山西省高等学校科技创新项目(2019L0470) 山西省重点研发项目(201903D421003)。
文摘
针对基于单点网络数据很难准确地检测网络恶意活动且无法有效地分析网络状况的问题,本文通过引入多源异构数据融合策略,借鉴层次化网络分析思想,构建出包含流量探测模块、属性提炼模块、决策引擎模块、多源融合模块、态势评估模块等五大模块的网络安全态势评估体系。评估体系以BP神经网络为决策引擎分析各数据源的数据,使用指数加权D-S证据理论融合各决策引擎的输出结果,并基于层次化网络威胁评估方法评估网络威胁状况。实验结果表明:不同探测器探测到的数据对于识别不同类型攻击的优势不同;多源融合技术进一步将识别攻击类型的准确率提升到88.7%;层次化网络威胁评估方法能够有效地评估网络威胁状况。
关键词
网络安全 网络安全态势评估 数据融合 层次化分析方法 网络攻击 威胁量化 检测评估
Keywords
network security network security situation assessment data fusion hierarchical analysis method network attacks threat quantification detection and evaluation
分类号
TP393
[自动化与计算机技术—计算机应用技术]
题名 结合卷积增强窗口注意力的双分支语音增强神经网络
10
作者
张晨辉 原之安 钱宇华
机构
山西大学大数据科学与产业研究院 山西 省机器视觉与数据 挖掘工程研究 中心(山西大学 )
出处
《计算机研究与发展》
北大核心
2025年第4期852-862,共11页
基金
国家自然科学基金重点项目(62136005) 新一代人工智能国家科技重大专项(2021ZD0112400) 山西省科技重大专项计划“揭榜挂帅”项目(202201020101006)。
文摘
在复杂环境以及突发背景噪音条件下,语音增强任务具有极大的困难和挑战.主要原因是现有的语音增强方法未能有效捕获语谱图特征,尤其是局部信息.在过去的研究中,Transformer模型更专注于音频的全局信息,而忽略了局部信息的重要性.在音频经过短时傅里叶变换(STFT)处理后,多数模型仅使用幅值信息,而忽略了相位信息,导致它们未能有效捕获语谱图特征,从而影响了语音增强的效果.基于此设计出一个带有卷积增强窗口注意力的双分支语音增强神经网络.该模型采用U-NET架构,通过双分支结构对音频的幅值和相位信息同时建模;在2个分支之间引入复值计算模块以实现信息交互;在编码器层和解码器层之间的跳跃连接部分采用卷积增强窗口注意力模块,该模块执行基于非重叠窗口的自注意力操作,在捕获局部上下文信息的同时显著降低了语音增强模型的计算复杂度.该模型在公开的Voicebank-Demand数据集上进行测试,与基线模型DCUNET 16和DCUNET20相比,在客观语音质量评估指标PESQ(perceptual evaluation of speech quality)分别提高了0.51和0.47.除了PESQ指标外,其他指标也都有显著的提升.相较于现有的各类语音增强模型,该模型在各项指标上均处于领先水平,尤其是在PESQ得分方面的提升更为显著.
关键词
语音增强 双分支网络 语谱图特征 卷积增强窗口注意力 全局信息 局部信息
Keywords
speech enhancement dual-branch network spectrogram features convolutional enhancement window attention global information local information
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TN912.3
[电子电信—通信与信息系统]
题名 极谐波分数傅里叶矩及其零水印算法应用
被引量：1
11
作者
徐丽云 张敏
机构
山西大学大数据科学与产业研究院 山西大学 计算机与信息技术学院
出处
《小型微型计算机系统》
北大核心
2025年第1期151-157,共7页
基金
国家自然科学基金项目(61901248)资助 山西省基础研究计划面上项目(202303021211023)资助。
文摘
图像矩作为一种图像的全局特征描述符,已经成为模式识别和图像分析的一种有力工具.为了能够有效抵抗常见的图像处理攻击和几何攻击,本文提出了可用于描述图像特征的极谐波分数傅里叶矩和四元数极谐波分数傅里叶矩.首先,将极谐波多项式作为径向函数,分数傅里叶变换的核函数作为角向函数,得到了极谐波分数傅里叶矩,并分析了其相关性质.其次,将图像的极谐波分数傅里叶矩应用到零水印算法,计算和提取图像中极谐波分数傅里叶矩,随机选择合适的特征图像,并构造二值特征图像,将得到的二值特征图像与水印图像进行异或运算,构造作为零水印的特征图像.最后,针对提出的零水印算法,通过噪声、滤波、旋转、缩放进行鲁棒性和对比分析实验.实验结果表明,本文所提出的极谐波分数傅里叶矩,综合了极谐波多项式和分数傅里叶变换的优点,在零水印算法中能够有效抵抗图像处理攻击和几何攻击,与同类算法相比鲁棒性更优.
关键词
正交矩 分数傅里叶变换 极谐波多项式 四元数 零水印
Keywords
orthogonal moment fractional Fourier transform polar harmonic polynomial quaternion zero-watermarking
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于增量学习的结直肠息肉分割方法
12
作者
逯暄 景路琪 彭甫镕
机构
山西大学 物理电子工程学院山西大学大数据科学与产业研究院
出处
《计算机工程》
北大核心
2025年第7期284-293,共10页
基金
国家自然科学基金(62276162) 山西省基础研究计划(202203021222016)。
文摘
结直肠内窥镜图像在设备之间的特征分布不同,导致训练模型在新设备上的分割性能降低。为缓解模型对新设备的适应性问题,提出一种基于增量学习的微调方法,以及一种改进的结直肠息肉分割网络CPSegNet。增量学习方法包含预训练和新设备微调2个阶段,预训练使用旧设备的数据对息肉分割网络进行充分训练,微调阶段同时使用新旧设备样本进行训练,并通过采样率和正则化损失函数防止出现灾难性遗忘现象。CPSegNet采用MiT的预训练模型作为骨干网络,多层感知机(MLP)作为解码模块,不确定区域注意力(URA)作为细化模块,对边界模糊区域进行优化。为了验证学习策略对新设备的适应能力,采用Kvasir-SEG、CVC-ClinicDB、CVC-300、CVC-ColonDB、Kvasir-Sessile和ETIS-LaribPolypDB共6个数据集进行实验,其中前2个数据集为训练集,其余4个为新设备的模拟数据。以Dice相似系数和交并比(IoU)作为评价指标。实验结果表明,在无增量学习情况下CPSegNet在新设备上的性能优于主流的算法,以Kvasir-SEG作为源域数据集,将较难分割的ETIS-LaribPolypDB作为目标域数据集时,与ColonFormer算法相比的Dice相似系数提升3百分点,以CVC-ClinicDB作为源域数据集时,提升了6百分点,使用增量学习后CPSegNet和主流算法都能在新设备上获得性能提升,同时保持在旧设备上的分割精度。
关键词
息肉分割 增量学习 迁移学习 少样本学习 灾难性遗忘
Keywords
polyp segmentation incremental learning transfer learning few-shot learning catastrophic forgetting
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 融合时间上下文信息的序列推荐系统框架
13
作者
逯暄 昝晓亮 彭甫镕 颜无瑕
机构
山西大学 物理电子工程学院山西大学大数据科学与产业研究院 南京特殊教育师范学院数学与信息科学 学院
出处
《小型微型计算机系统》
北大核心
2025年第4期796-802,共7页
基金
国家自然科学基金面上项目(62276162)资助 山西省基础研究计划项目(202203021222016)资助 江苏省高等学校自然科学研究面上项目(19KJB520011)资助.
文摘
序列推荐相对于协同过滤方法在考虑用户行为顺序和个性化推荐等方面具有明显优势.然而现有的大多数序列推荐模型着重关注用户历史行为间的关系,忽略了用户兴趣随时间的演化特征,对此,本文提出了一种融合时间上下文信息的序列推荐通用学习框架.该框架将Tucker分解技术与注意力机制相融合,为每个用户行为分配适当的注意力权重,使模型关注对当前推荐任务更重要的时间上下文信息.此外,使用了分布鲁棒性损失函数来解决训练数据与测试数据之间可能存在的分布漂移问题.3个公开数据集上的实验结果表明,本文框架适用于不同的序列推荐模型并能提升推荐性能.
关键词
推荐系统 序列推荐 时间上下文信息 Tucker分解 分布漂移
Keywords
recommender systems sequence recommendation temporal context information Tucker decomposition distribution drift
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 多尺度代价聚合的多聚焦图像3维形貌重建框架
14
作者
闫涛 尚起慧 吴鹏 张江峰 钱宇华 陈斌
机构
山西大学大数据科学与产业研究院 山西大学 计算机与信息技术学院哈尔滨工业大学 重庆研究院 哈尔滨工业大学 (深圳)国际人工智能学院
出处
《计算机研究与发展》
北大核心
2025年第7期1771-1785,共15页
基金
国家自然科学基金重点项目(62136005) 国家自然科学基金项目(62472268) +3 种基金 科技创新2030-重大项目(2021ZD0112400) 中央引导地方科技发展资金项目(YDZJSX20231C001,YDZJSX20231B001) 山西省省筹资金资助回国留学人员科研项目(2024-020) 山西省研究生教育创新计划项目(2024KY036)。
文摘
多聚焦图像3维形貌重建旨在利用不同聚焦水平的图像序列恢复场景的3维结构信息.现有的3维形貌重建方法大多从单一尺度对图像序列的聚焦水平进行评价,通过引入正则化或后处理方法引导重建过程,由于深度信息选择空间的局限性往往导致重建结果无法有效收敛.针对上述问题,提出一种多尺度代价聚合的多聚焦图像3维形貌重建框架(multi-scale cost aggregation framework for 3D shape reconstruction from multi-focus images,MSCAS),该框架首先引入非降采样的多尺度变换增加输入图像序列的深度信息选择空间,然后联合尺度内序列关联与尺度间信息约束进行代价聚合,通过这种扩张-聚合模式实现了场景深度表征信息的倍增与跨尺度和跨序列表征信息的有效融合.作为一种通用框架,MSCAS框架可实现已有模型设计类方法和深度学习类方法的嵌入进而实现性能提升.实验结果表明:MSCAS框架在嵌入模型设计类SFF方法后4组数据集中的均方根误差(root mean squared error,RMSE)平均下降14.91个百分点,结构相似度(structural similarity index measure,SSIM)平均提升56.69个百分点,嵌入深度学习类SFF方法后4组数据集中的RMSE平均下降1.55个百分点,SSIM平均提升1.61个百分点.验证了MSCAS框架的有效性和通用性.
关键词
多尺度代价聚合 深度估计 聚焦测量 多聚焦图像序列 3维形貌重建
Keywords
multi-scale cost aggregation depth estimation focus measure multi-focus image sequence 3D shape reconstruction
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 融合空间-傅里叶域信息的机器人低光环境抓取检测
15
作者
陈路 王怀瑶 刘京阳 闫涛 陈斌
机构
山西大学大数据科学与产业研究院 山西大学 计算机与信息技术学院中国科学 院大学 哈尔滨工业大学 (深圳)国际人工智能研究院 哈尔滨工业大学 重庆研究院
出处
《计算机应用》
北大核心
2025年第5期1686-1693,共8页
基金
国家自然科学基金资助项目(62373233) 山西省基础研究计划项目(202203021222010) 山西省科技重大专项(202201020101006)。
文摘
针对现有抓取检测方法无法有效感知稀疏、微弱特征,导致低光环境下机器人抓取检测性能下降的问题,提出一种融合空间-傅里叶域信息的机器人低光环境抓取检测方法。首先,该方法的骨干网络采用编-解码器结构,在网络深层特征与浅层特征融合过程中进行空间域-傅里叶域的特征提取。具体地,在空间域中通过水平和垂直方向的条带卷积捕获全局上下文信息,提取对抓取检测任务敏感的特征;在傅里叶域中分别调整振幅和相位,实现对图像细节和纹理特征的恢复。其次,引入R-CoA(Row-Column Attention)模块平衡图像全局与局部信息,并对图像进行行、列相对位置编码以强化与抓取任务相关的位置信息。最后,在低光Cornell、低光Jacquard以及所构建的低光C⁃Cornell数据集上分别进行验证,所提低光抓取检测方法最高准确率分别达到96.62%、92.01%和95.50%。在低光Cornell数据集(高斯噪声且γ=1.5)上,与GR-ConvNetv2(Generative Residual Convolutional Neural Network v2)、SE⁃ResUNet(Squeeze-and-Excitation ResUNet)相比,所提方法的准确率分别提升2.24个百分点和1.12个百分点。所提方法能够在低光环境下有效提升抓取检测的鲁棒性和准确性,为机器人在低光照条件下的抓取任务提供支持。
关键词
机器人 抓取检测 空间-傅里叶域 注意力机制 深度神经网络
Keywords
robot grasp detection spatial-Fourier domain attention mechanism deep neural network
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于概率的支持向量数据描述方法
被引量：4
16
作者
杨晨 王婕婷 李飞江 钱宇华
机构
山西大学大数据科学与产业研究院 计算智能与中文信息处理教育部重点实验室(山西大学 ) 山西大学 计算机与信息技术学院
出处
《计算机应用》
CSCD
北大核心
2019年第11期3134-3139,共6页
基金
国家自然科学基金资助项目(61672332) 山西省拔尖创新人才支持计划项目 +1 种基金 山西青年三晋学者项目 山西省海外归国人员研究项目(2017023)~~
文摘
针对目前概率机器学习方法在解决概率问题时具有较高的复杂度,而传统的支持向量数据描述(SVDD)作为一种核密度估计方法只能判断测试样本是否属于该类等问题,提出一种基于概率的支持向量数据描述方法。首先,利用传统的SVDD方法分别得到两类数据的数据描述,计算测试样本到超球体的距离;然后,构造一个将距离转换为概率的函数,提出一种基于概率的SVDD方法;同时,使用Bagging算法进行集成,进一步提高数据描述的性能。借鉴分类场景,将所提方法与传统的SVDD方法在Gunnar Raetsch的13种基准数据集上进行实验,实验结果表明,所提方法在准确率和F1值上优于传统的SVDD方法,并且其数据描述的性能有所提升。
关键词
概率机器学习 支持向量数据描述 集成 不确定性 分类
Keywords
probabilistic machine learning Support Vector Data Description(SVDD) ensemble uncertainty classification
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
题名 面向标注数据稀缺专利文献的科技实体抽取
被引量：4
17
作者
原之安 彭甫镕 谷波 钱宇华
机构
山西大学大数据科学与产业研究院 山西大学 计算智能与中文信息处理教育部重点实验室山西大学 计算机与信息技术学院
出处
《郑州大学学报（理学版）》
北大核心
2021年第4期61-68,共8页
基金
国家自然科学基金项目(61672332) 山西省重点研发计划项目(201903D421003) 山西省教育厅科技成果转化培育项目(2020CG001)。
文摘
专利中的科技实体是指专利文献中富含科技信息的词汇,抽取专利中的科技实体对科研工作者提高科研效率、企业布局专利体系都至关重要。提出一种基于半监督学习框架与命名实体识别模型相结合的科技实体抽取方法,半监督学习能够利用无标记数据的优势弥补标注数据稀缺的缺陷,利用大量的专利语料在通用领域的BERT模型基础上进行预训练,得到适用于专利领域的BERT模型BERT-Patent,有效提升模型对专利中科技实体的抽取性能。在专利数据集上的实验结果表明,提出的方法在准确率、召回率、F1值指标上分别提高了6.37%、2.99%、4.63%;在人民日报数据集上准确率、召回率、F1值分别提高了2.87%、1.24%、2.07%。
关键词
科技实体 专利挖掘 数据稀缺 BERT 半监督学习
Keywords
technology entity patent mining data scarcity BERT semi supervised learning
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 多景深图像聚焦信息的三维形貌重建:数据集与模型
被引量：2
18
作者
张江峰 闫涛 王克琪 钱宇华 吴鹏
机构
山西大学大数据科学与产业研究院 山西大学 计算机与信息技术学院山西 省机器视觉与数据 挖掘工程研究 中心(山西大学 )哈尔滨工业大学 重庆研究院 计算智能与中文信息处理教育部重点实验室(山西大学 )
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2023年第8期1734-1752,共19页
基金
国家自然科学基金重点项目(62136005) 国家自然科学基金(62006146)资助 科技创新2030-重大项目(2021ZD0112400)。
文摘
受限于数据采集方式的多源异性与三维重建结果的昂贵标注,现有基于多景深图像聚焦信息的三维形貌重建方法通常需要根据具体应用场景设计,缺乏场景适应性.本文提出一种多景深图像数据集构建的理论与方法,并在此基础上设计具有良好鲁棒性的深度网络模型.构建的多景深图像数据集(MDFI Datasets)旨在剥离图像实际语义与深度信息的强关联性,通过联合输入图像序列的富纹理特性与三维形貌固有的同质与阶跃特性,提出形貌核函数非线性空间映射方法扩展数据集的多维性与多样性.设计的深度三维形貌重建网络模型(DSFF-Net)以U-Net为基础网络,添加可变形卷积模块(Deformable ConvNets v2)增强网络的特征提取能力,全新设计的局部-全局关系耦合模块(LGRCB)有助于提升模型全局聚焦信息的聚合能力.为验证MDFI Datasets的跨场景适用性和DSFF-Net模型的鲁棒性与泛化性,本文从四个不同方面进行实验对比分析.实验结果表明,相较于最先进的鲁棒聚焦体积正则化的聚焦形貌恢复算法(RFVR-SFF)和全聚焦深度网络(AiFDepth-Net),本文提出的DSFF-Net模型在RMSE指标上分别下降15%和29%;大景深场景实验表明,本文提出的数据集构建方法能够适应实际应用场景。
关键词
三维形貌重建 深度学习 图像序列数据集 多聚焦图像 核函数
Keywords
3D shape reconstruction deep learning image sequence datasets multi-focus images kernel function
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于节点偏序关系的路由可用性框架研究
被引量：1
19
作者
胡睿乾 耿海军 宋艳涛
机构
山西大学 计算机与信息技术学院山西大学大数据科学与产业研究院 山西大学 自动化与软件学院
出处
《计算机应用研究》
CSCD
北大核心
2023年第4期1160-1164,1171,共6页
基金
山西省应用基础研究计划资助项目(20210302123444) 山西省高等学校科技创新项目(2022L002) +3 种基金 中国高校产学研创新基金资助项目(2021FNA02009) 国家自然科学基金资助项目(61702315) 山西省重点研发计划资助项目(201903D421003,202202020101004) 国家“863”计划资助项目(2018YFB1800401)。
文摘
为了维护路由可用性,需要采取一定的路由保护策略来防止网络故障可能对网络造成的影响。因此,提出了一种基于节点偏序关系的路由可用性框架,该框架首先利用节点之间的偏序关系构造有向无环图,然后根据构造的有向无环图为每个节点计算备份下一跳节点。在此框架基础上,根据节点之间的偏序关系提出了四种路由保护方法。实验结果表明,四种路由保护算法都拥有较高的故障保护率,能有效降低故障造成的网络中断,在真实拓扑中故障保护率可以到达89.76%,在模拟拓扑中故障保护率达到98.995%,几乎接近100%。
关键词
路由可用性 网络延迟 故障保护率 备份节点 路由保护
Keywords
routing availability network latency fail-safe rate backup node route protection
分类号
TP309.7
[自动化与计算机技术—计算机系统结构]
题名 端点活跃度对链接预测的影响研究
被引量：1
20
作者
杨凯凯 钱宇华 马国帅 艾科
机构
山西大学大数据科学与产业研究院 山西大学 计算智能与中文信息处理教育部重点实验室山西大学 计算机与信息技术学院
出处
《小型微型计算机系统》
CSCD
北大核心
2019年第6期1280-1285,共6页
基金
国家自然科学基金项目(61672332,61432011,U1435212)资助 山西省海外归国人员研究项目(2017023)资助 +1 种基金 山西省高校优秀创新团队项目资助 山西青年三晋学者项目资助
文摘
链路预测旨在通过已知的网络结构信息预测网络中未连接的两个端点是否会产生链接,现有的链路预测方法主要基于两端点之间的连接关系,忽略了端点自身活跃程度对链接产生的不同影响.本文从度中心性、介数中心性、接近中心性、Pagerank四个角度来刻画端点的活跃程度,通过大量的实证分析发现端点越活跃,它产生链接的可能性越大,其中,度中心性和Pagerank大的端点容易产生更多的链接.因此,本文在基于端点间连接关系基础上考虑端点活跃性,提出了一类基于端点活跃性的链路预测方法,并在8个真实网络数据上进行实验,此类方法的预测精度比原有指标有较大的提高.
关键词
复杂网络 链路预测 端点活跃度 节点中心性
Keywords
complex network link prediction endpoint activity node centrality
分类号
TP391
[自动化与计算机技术—计算机应用技术]
