-
题名面向属性概念格下的知识状态转移方法
被引量：1
- 1
-
-
作者
朱泳帆
许晴媛
周银凤
王大利
李进金
张培林
-
机构
闽南师范大学计算机学院
数据科学与智能应用福建省高校重点实验室(闽南师范大学)
陕西师范大学数学与统计学院
闽南师范大学数学与统计学院
福建省粒计算及其应用重点实验室(闽南师范大学)
-
出处
《小型微型计算机系统》
CSCD
北大核心
2024年第11期2647-2655,共9页
-
基金
国家自然科学基金项目(62076221)资助
福建省自然科学基金项目(2022J01912)资助
福建省大学生创新训练项目(S202210402024)资助.
-
文摘
如何高效率地寻找猜测答对或粗心答错情况下不相容答题状态对应受测者真实的知识状态是目前计算机自适应测试领域研究的一个热点问题.现有知识状态转移方法时间成本高,不适用于含有大量测试问题和技能的应用场景.并且,现有知识状态转移方法将合取模型和能力模型均视为能力模型,采用同一种方法进行知识状态转移,灵活性不够,评估效率不高.本文针对合取模型和能力模型,分别提出基于面向属性概念格的知识状态转移方法.首先由技能映射或多映射建立技能背景并诱导出对应的面向属性概念格,进一步使用概念格中概念的外延并结合最大概率方法得到受测者猜测或粗心情况下的真实知识状态,最后给出知识评估过程.实验表明,在知识评估结果相同的前提下,本文所提方法相比现有方法极大地降低了评估时间成本,因此具有更好的性能.
-
关键词
知识空间理论
形式概念分析
自适应测试
知识评估
知识状态转移
面向属性概念格
-
Keywords
knowledge space theory
formal concept analysis
adaptive test
knowledge evaluation
knowledge state transfer
attribute-oriented concept lattice
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于标签关联性的分层分类共有与固有特征选择
被引量：8
- 2
-
-
作者
林耀进
白盛兴
赵红
李绍滋
胡清华
-
机构
闽南师范大学计算机学院
数据科学与智能应用福建省高校重点实验室(闽南师范大学)
厦门大学人工智能系
天津大学智能与计算学部
-
出处
《软件学报》
EI
CSCD
北大核心
2022年第7期2667-2682,共16页
-
基金
国家自然科学基金(62076116,61672272,61925602,61732011)
-
文摘
在大数据时代,数据的样本数量、特征维度和类别数量都在急剧增加,且样本类别间通常存在着层次结构.如何对层次结构数据进行特征选择具有重要意义.近年来,已有相关特征选择算法提出,然而现有算法未充分利用类别的层次结构信息,且忽略了不同类节点具有共有与固有属性的特点.据此,提出了基于标签关联性的分层分类共有与固有特征选择算法.该算法利用递归正则化对层次结构的每个内部节点选择对应的固有特征,并充分利用层次结构分析标签关联性,进而利用正则化惩罚项学习各子树的共有特征.该模型不仅能够处理树结构层次化数据,也能直接处理更为复杂常见的有向无环图结构的层次化数据.在6个树结构数据集和4个有向无环图结构数据集上的实验结果,验证了该算法的有效性.
-
关键词
特征选择
分层分类
共有特征
固有特征
递归正则化
-
Keywords
feature selection
hierarchical classification
common features
specific feature
recursive regularization
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名缺失标记下基于类属属性的多标记特征选择
被引量：1
- 3
-
-
作者
张志浩
林耀进
卢舜
郭晨
王晨曦
-
机构
闽南师范大学计算机学院
数据科学与智能应用福建省高校重点实验室(闽南师范大学)
-
出处
《计算机应用》
CSCD
北大核心
2021年第10期2849-2857,共9页
-
基金
国家自然科学基金面上项目(62076116)
福建省自然科学基金面上项目(2020J01811)。
-
文摘
多标记特征选择已在图像分类、疾病诊断等领域得到广泛应用;然而,现实中数据的标记空间往往存在部分标记缺失的问题,这破坏了标记间的结构性和关联性,使得学习算法难以准确地选择重要特征。针对此问题,提出一种缺失标记下基于类属属性的多标记特征选择(MFSLML)算法。首先,通过利用稀疏学习方法获取每个类标记的类属属性;同时基于线性回归模型构建类属属性与标记的映射关系,以用于恢复缺失标记;最后,选取7组数据集以及4个评价指标进行实验。实验结果表明:相比基于最大依赖度和最小冗余度的多标记特征选择算法(MDMR)和基于特征交互的多标记特征选择算法(MFML)等一些先进的多标记特征选择算法,MFSLML在平均查准率指标上能够提升4.61~5.5个百分点,由此可见MFSLML具有更优的分类性能。
-
关键词
特征选择
类属属性
缺失标记
线性回归
多标记学习
-
Keywords
feature selection
label-specific feature
missing label
linear regression
multi-label learning
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名复杂场景下显著性目标检测注意力金字塔网络
- 4
-
-
作者
方金生
陶余昊
朱古沛
陈彦佑
-
机构
闽南师范大学计算机学院
数据科学与智能应用福建省高校重点实验室(闽南师范大学)
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第22期259-267,共9页
-
基金
福建省自然科学基金面上项目(2021J011005,2020J01824)
国家自然科学基金(61601389)
厦门大学福建省等离子体与磁共振研究重点实验室开放课题项目(20191201)。
-
文摘
近年来,深度卷积神经网络在显著性目标检测中得到广泛关注和研究,并取得了重要进展。但当显著性目标处于复杂背景中时,当前算法的性能仍有待提高。提出一种利用边界感知和注意力机制的金字塔池化网络(attentionbased boundary-aware pyramid pooling network,ABAPNet),用于复杂场景下的显著性目标检测。ABAPNet通过引入级联式通道注意力和空间注意力机制,采用特征金字塔网络架构获取多层次的语义特征,以高层特征信息来辅助浅层特征;再通过融合二进制交叉熵、结构相似性和联合交集的混合损失函数,可增强获取重要语义特征并且关注目标边界特征,从而引导网络从复杂背景中更好地检测目标。在5个公开数据集上的实验表明,ABAPNet在多个评价指标上均优于比较算法,达到最优性能。
-
关键词
显著性目标检测
注意力机制
深度学习
金字塔池化
边界感知
-
Keywords
saliency object detection
attention mechanism
deep learning
pyramid pooling
boundary-aware
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名轻型金字塔池化注意力机制网络实现图像超分
- 5
-
-
作者
方金生
朱古沛
-
机构
闽南师范大学计算机学院
数据科学与智能应用福建省高校重点实验室(闽南师范大学)
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第20期197-205,共9页
-
基金
福建省自然科学基金面上项目(2021J011005)
厦门大学福建省等离子体与磁共振研究重点实验室开放课题项目(20191201)。
-
文摘
在基于深度学习的图像超分辨率重建领域,通过扩大网络规模以提高性能将导致计算资源损耗增加。为此,提出了一种轻量级的基于金字塔池化注意力机制网络(light-weighted pyramid pooling-based attention network,LiPAN),该算法模型由融合注意力机制的信息蒸馏块、多层金字塔池化结构和反向注意力融合模块组成。注意力机制确保了网络对重要特征的提取,金字塔池化结构可获取更多的上下文信息,得到更准确的重建结果,蒸馏结构的引入可有效地提高网络性能并减少网络参数。与目前主流的轻量级网络模型相比,提出的LiPAN模型在Set5、Set14、BSD100及Urban100四个公共数据集分别进行2倍、3倍和4倍下采样重建并定量评估,获得最优峰值信噪比和结构相似度。由此表明,提出的LiPAN在网络模型参数与当前主流的轻量级网络相当的情况下,具有更优的超分辨率重建性能。
-
关键词
超分重建
注意力机制
蒸馏网络
轻量级
金字塔池化
-
Keywords
super-resolution reconstruction
attention mechanism
distillation network
light-weighted
pyramid pooling
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
