面向智慧农业的Android应用开发课程教学案例设计与实践

1

作者 魏玉震 赵敏 胡文军 《电脑知识与技术》 2024年第10期168-171,180,共5页

文章以农业智能化进程中的移动终端应用软件开发为切入点,首先阐述了农业智能化的基本内涵,继而介绍了Android应用开发课程的核心内容及其在计算机专业教学体系中的重要地位。文章进一步探讨了Android应用开发在推进农业智能化进程中的... 文章以农业智能化进程中的移动终端应用软件开发为切入点,首先阐述了农业智能化的基本内涵,继而介绍了Android应用开发课程的核心内容及其在计算机专业教学体系中的重要地位。文章进一步探讨了Android应用开发在推进农业智能化进程中的功能作用,以及当前该课程在教学实践中普遍存在的问题。基于此,提出了融合理论知识、行业实践和探索创新于一体的案例式、启发式、探索式教学模式,旨在优化Android应用开发课程中理论讲授与项目实践的配比,创设适应农业智能化新场景的教学案例。通过实施本教改方案组织具体教学活动,旨在全面提升学生运用系统工程思维解决农业智能化实际问题的能力。 展开更多

关键词 智慧农业 Android应用开发 案例教学 协同创新 产学融合

下载PDF 职称材料

高阶Takagi-Sugeno-Kang模糊知识蒸馏分类器及其在脑电信号分类中的应用

2

作者 蒋云良 印泽宗 +2 位作者 张雄涛 申情 李华 《智能系统学报》 CSCD 北大核心 2024年第6期1419-1427,共9页

在脑电信号(electro encephalo gram,EEG)的分类检测任务中,低阶TSK(Takagi-Sugeno-Kang)模糊分类器的学习速度较快,但性能表现不理想,高阶TSK模糊分类器虽然具有较强的性能优势,但极其复杂的模糊规则后件严重影响模型的运行速度。为此... 在脑电信号(electro encephalo gram,EEG)的分类检测任务中,低阶TSK(Takagi-Sugeno-Kang)模糊分类器的学习速度较快,但性能表现不理想,高阶TSK模糊分类器虽然具有较强的性能优势,但极其复杂的模糊规则后件严重影响模型的运行速度。为此,提出一种基于负欧氏概率和高阶模糊隐藏知识迁移的新型TSK模糊蒸馏分类器(solved TSK-least learning machine-knowledge distillation classifier,STSK-LLM-KD)。首先,利用所提出的基于知识蒸馏的最小学习机(LLM-KD)对教师模型的后件参数进行快速求解并得到相应的负欧氏概率用于生成软标签;然后,通过计算软标签之间的Kullback-Leible散度提取教师模型的高阶模糊隐藏知识并迁移至低阶学生模型中,使模型性能优于高阶TSK模糊分类器的同时保持更快的训练速度。在运动想象脑电数据集和新德里HauzKhas癫痫脑电数据集上的实验结果充分验证了STSK-LLM-KD的优势,STSK-LLM-KD相较于其他模糊分类器表现更加优异,与深度知识蒸馏模型相比,STSK-LLM-KD能够更好地提升学生模型的性能。 展开更多

关键词 TSK模糊分类器 知识蒸馏 高阶模糊隐藏知识 脑电信号 最小学习机 癫痫 运动想象 模糊系统

下载PDF 职称材料

基于机器学习的湖羊断奶体重预测研究

3

作者 顾永跟 时元婷 +4 位作者 殷雨洋 黄杰 陶杰 吴小红 张艳琼 《中国畜牧杂志》 CAS CSCD 北大核心 2024年第7期304-311,共8页

本研究以初生羔羊信息预测羔羊断奶体重,预测结果作为判断对初生羔羊是否需要进行早期饲喂、治疗等干预的依据。本研究收集了湖州某羊场8 836只羊的性别、血统号、出生日期、羔皮品质、初生体重、同胎羔数、断奶体重等信息,通过观察特... 本研究以初生羔羊信息预测羔羊断奶体重,预测结果作为判断对初生羔羊是否需要进行早期饲喂、治疗等干预的依据。本研究收集了湖州某羊场8 836只羊的性别、血统号、出生日期、羔皮品质、初生体重、同胎羔数、断奶体重等信息,通过观察特征间关系,使用斯皮尔曼秩相关系数进行特征相关性检测,筛选出4个重要特征变量(性别、出生月份、初生体重、同胎羔数),基于这些重要特征变量运用线性回归、随机森林、XGBoost、支持向量机回归、深度神经网络模型(DNN)对羔羊断奶体重进行回归预测。结果显示:5种模型的预测值与真实值误差小于1.5 kg的正确率均在81%以上,其中构建的DNN模型正确率可达88.40%,均方误差(MSE)值为2.96,平均绝对误差(MAE)值为0.87,均为最优。对预测的羔羊体重进行排序,以二分类形式判断是否需要干预饲喂,得出混淆矩阵与受试者工作特征曲线(ROC)图,显示DNN模型效果最好。 展开更多

关键词 湖羊 早期干预 断奶体重预测 机器学习 深度神经网络

下载PDF 职称材料

基于CSA-PLS算法的养殖水体水质快速高光谱预测反演模型研究

4

作者 马启良 刘梅 +2 位作者 祁亨年 杨小明 原居林 《海洋与湖沼》 CAS CSCD 北大核心 2024年第2期375-385,共11页

养殖水体水质的优劣直接影响养殖对象的成长,准确、快速、全面地掌控养殖水环境的水质参数变化情况具有重要意义。传统的水质指标监测方法都通过人工采样的方式,不仅耗费时间长,且只能体现局部水体情况。针对这些问题,提出了一种乌鸦搜... 养殖水体水质的优劣直接影响养殖对象的成长,准确、快速、全面地掌控养殖水环境的水质参数变化情况具有重要意义。传统的水质指标监测方法都通过人工采样的方式,不仅耗费时间长,且只能体现局部水体情况。针对这些问题,提出了一种乌鸦搜索算法(CSA)结合偏最小二乘回归(PLSR)的高光谱特征波段筛选方法,快速构建回归模型,实现光谱数据的精准预测反演。以连片的养殖小区为研究对象,采集养殖水体样本并拍摄同时期的高光谱影像数据。首先对提取的采样点光谱数据利用多种数据变换方法分别预处理;其次利用这些数据,对水质指标总氮(TN)、氨氮(NH_(4)^(+)-N)、总磷(TP)和化学需氧量(COD)分别构建全波段的SVR和AdaBoost回归模型,同时与提出的CSA-PLS自动筛选波段方法和传统的连续投影算法(SPA)筛选波段后构建的模型进行比较分析;最后根据决定系数(R^(2))和均方根误差(REMS)选出适合各水质指标的最优模型。从实验结果可以看出,所提波段筛选方法的AdaBoost模型预测结果优于SVR和传统SPA方法提取特征波段后构建的模型,与全波段最优模型相比,在评价指标R^(2)和RMSE上TN提升了18.32%和10.73%;NH_(4)^(+)-N提升了17.42%和11.19%;COD提升了2.15%和2.54%。结果表明,基于CSA-PLS算法的光谱波段自动筛选方法结合AdaBoost构建的预测反演模型是有效、可行的,具有较高的精准度,为实现养殖水环境实时准确的预警调控提供了一种新的数据预测模型。 展开更多

关键词 高光谱数据 水质预测 乌鸦搜索算法 养殖水环境 集成学习

下载PDF 职称材料

局部结构自适应的线性投影方法研究

5

作者 杨兴 王士同 胡文军 《计算机科学》 CSCD 北大核心 2024年第S02期627-633,共7页

流形学习的核心是通过保持局部结构来捕捉数据中隐藏的几何信息,而局部结构通常利用冗余或干扰的原始数据进行评价,这意味着局部结构是不可靠的,存在局部结构置信度不足的问题。为此,针对性地提出一种局部结构自适应的线性投影方法。该... 流形学习的核心是通过保持局部结构来捕捉数据中隐藏的几何信息,而局部结构通常利用冗余或干扰的原始数据进行评价,这意味着局部结构是不可靠的,存在局部结构置信度不足的问题。为此,针对性地提出一种局部结构自适应的线性投影方法。该方法的核心在于:一方面,它强制线性投影后的低维表示保持高维空间中的局部结构;另一方面,通过低维空间表示更新高维空间中的局部结构,并通过循环迭代方式实现局部结构的自适应。真实数据集上的实验结果表明,所提方法在各项性能指标上均优于其他对比方法。 展开更多

关键词 流形学习 局部结构 置信度 自适应 线性投影

下载PDF 职称材料

基于EMD最优匹配的分层联邦学习算法

6

作者 吴小红 李佩 +1 位作者 顾永跟 陶杰 《计算机工程》 北大核心 2025年第2期170-178,共9页

联邦学习允许多个客户端在不共享私有数据的情况下协同训练高性能的全局模型。在跨组织场景的水平联邦学习环境下,客户端本地数据分布中的统计异质性将降低全局模型的性能。为提升联邦学习的全局模型性能,同时避免牺牲客户端隐私和增加... 联邦学习允许多个客户端在不共享私有数据的情况下协同训练高性能的全局模型。在跨组织场景的水平联邦学习环境下,客户端本地数据分布中的统计异质性将降低全局模型的性能。为提升联邦学习的全局模型性能,同时避免牺牲客户端隐私和增加计算成本,提出一种新的混合联邦学习算法FedAvg-Match,其基本思路是通过改进联邦学习算法提升客户端的模型质量。该算法面向以不平衡标签分布为特征的数据异构性,在分层联邦学习框架下设计客户端分组聚合算法来减轻客户端数据异构性对模型性能的影响。针对客户端优化分组问题,设计一种基于动态规划的客户端匹配算法DP-ClientMatch,根据客户端的数据分布距离EMD得到最优的客户端分组匹配。在MNIST、Fashion-MNIST和CIFAR-103个数据集上的实验结果表明,与其他联邦学习算法相比,在高度统计异质性的联邦学习场景下,FedAvg-Match算法使全局模型测试精度最少可提高10百分点,可以显著提高联邦学习全局模型在图像分类任务上的性能。 展开更多

关键词 联邦学习 非独立同分布数据 最优匹配 EMD最优匹配 模型质量

下载PDF 职称材料

融合深浅层次知识的自学习TSK模糊癫痫辅助检测算法

7

作者 施奇环 张雄涛 《模式识别与人工智能》 北大核心 2025年第1期82-93,共12页

Takagi-Sugeno-Kang(TSK)模糊分类器在癫痫检测中用于处理模糊信息.然而,由于癫痫脑电信号复杂、患者发作表现多样,一阶TSK模糊分类器通常难以从训练样本中获取足够的泛化性能.因此,文中提出融合深浅层次知识的具有自我学习能力的TSK模... Takagi-Sugeno-Kang(TSK)模糊分类器在癫痫检测中用于处理模糊信息.然而,由于癫痫脑电信号复杂、患者发作表现多样,一阶TSK模糊分类器通常难以从训练样本中获取足够的泛化性能.因此,文中提出融合深浅层次知识的具有自我学习能力的TSK模糊分类算法(Deep-Shallow Mix Self-Learning TSK,DSMT),用于癫痫辅助检测.DSMT引入类似人类“反思-归纳”的深度规则,增强模型对于潜在信息的挖掘能力,并通过静态-动态孪生的网络结构,使用模型的内部知识代替知识蒸馏中常见的教师模型.在静态网络中,DSMT使用不同批次输出中隐藏的浅层知识进行自我学习.在动态网络中,DSMT记录静态孪生网络输出作为深层知识,结合深层知识与浅层知识,借助TSK模糊分类器对模糊信息的敏感性,学习整合深浅层次的知识,实现低阶TSK模型的自我学习,提高癫痫辅助检测系统的自适应性.此外,DSMT采用同温度蒸馏的策略,优化知识传递的效率.在CHB-MIT、TUAB、TUEV真实癫痫数据集上的实验验证DSMT的有效性. 展开更多

关键词 “反思-归纳”过程 自蒸馏 脑电信号 孪生网络 TSK(Takagi-Sugeno-Kang)模糊分类器

下载PDF 职称材料

融合自注意力机制和知识图谱的多任务推荐模型

8

作者 李宇轩 郑博 +2 位作者 吴茂念 孙悦 朱绍军 《计算机应用与软件》 北大核心 2025年第3期141-148,182,共9页

借助知识图谱提供辅助信息以提升推荐系统性能愈加受到研究者的关注。针对基于知识图谱的推荐算法用户表示较为单一,无法充分挖掘隐藏信息的问题,提出一种融合自注意力机制和知识图谱的推荐模型KSMR。通过自注意力捕获用户交互序列的上... 借助知识图谱提供辅助信息以提升推荐系统性能愈加受到研究者的关注。针对基于知识图谱的推荐算法用户表示较为单一,无法充分挖掘隐藏信息的问题,提出一种融合自注意力机制和知识图谱的推荐模型KSMR。通过自注意力捕获用户交互序列的上下文信息,得到融合兴趣转移的用户向量,采用文本卷积网络实现特征修正与再提取;交替训练推荐任务和知识图谱嵌入任务,达到协同优化的目的。在真实数据集MovieLens-1M与Last.FM上的实验结果表明,模型的点击率预测(CTR)性能相较于对比算法均有明显提升。 展开更多

关键词 推荐系统 知识图谱 自注意力机制 兴趣转移 交替训练

下载PDF 职称材料

结合注意力机制和特征加权融合的高效跌倒检测模型

9

作者 牟雪楠 余洁镱 +1 位作者 王胤 胡文军 《现代信息科技》 2025年第2期38-45,共8页

跌倒已成为公共安全最大的风险之一,及时发现跌倒是开展有效救助的首要前提。基于计算机视觉的目标检测是当前跌倒检测的主流方法,但真实场景中的复杂因素导致现有模型仍面临准确率不高、鲁棒性不强和部署困难等问题,在EfficientDet基... 跌倒已成为公共安全最大的风险之一,及时发现跌倒是开展有效救助的首要前提。基于计算机视觉的目标检测是当前跌倒检测的主流方法,但真实场景中的复杂因素导致现有模型仍面临准确率不高、鲁棒性不强和部署困难等问题,在EfficientDet基础上提出轻量级跌倒检测模型FD-EfficientDet,该模型首先将EMA注意力机制引入主干网络来增强对输入数据的理解和表示能力,提升检测准确率;其次,设计EMA-Fused-MBConv模块用于主干网络,加快模型训练和防止模型退化;最后,提出SKIPS-BiFPN结构并用其构建Neck层,实现主干网络不同阶段特征的加权融合,进而增强模型鲁棒性。实验结果表明,FD-EfficientDet模型相比EfficientDet模型mAP提升17.65%,鲁棒性、轻量化等方面具有较好优势。 展开更多

关键词 跌倒检测 EfficientDet 轻量级 鲁棒性 准确性

下载PDF 职称材料

多特征融合的脑电警觉度估计方法

10

作者 朱逵 苗敏敏 +1 位作者 胡文军 王士同 《智能计算机与应用》 2025年第1期32-37,共6页

传统的脑电警觉度识别通常只提取时域、频域或非线性其中一种类型特征,导致警觉度估计的准确度不高,本文提出了多特征融合的脑电警觉度估计方法。首先,将脑电信号进行预处理,随后提取时域、频域和非线性等多种特征,进一步利用卡方检验... 传统的脑电警觉度识别通常只提取时域、频域或非线性其中一种类型特征,导致警觉度估计的准确度不高,本文提出了多特征融合的脑电警觉度估计方法。首先,将脑电信号进行预处理,随后提取时域、频域和非线性等多种特征,进一步利用卡方检验进行特征选择;其次,将选择后的特征分别输入不同分类器进行警觉度估计;最后,使用SEED-VIG数据集进行实验,对本文所提方法进行验证。实验结果表明,多特征融合的脑电警觉度估计方法具有较好的效果。 展开更多

关键词 脑电信号 警觉度 多特征融合 卡方检验

下载PDF 职称材料

基于深度学习的翼状胬肉自动分类系统研究 被引量：3

11

作者 何楷 吴茂念 +3 位作者 郑博 杨卫华 朱绍军 金玲 《国际眼科杂志》 CAS 北大核心 2022年第5期711-715,共5页

目的:评估基于深度学习的翼状胬肉自动分类诊断系统的应用价值。方法:在2020-05/2021-04期间,从南京医科大学附属眼科医院共收集750张翼状胬肉正常、观察期和手术期眼前节图片。在原始数据集和增强数据集上分别训练7个三分类模型。测试... 目的:评估基于深度学习的翼状胬肉自动分类诊断系统的应用价值。方法:在2020-05/2021-04期间,从南京医科大学附属眼科医院共收集750张翼状胬肉正常、观察期和手术期眼前节图片。在原始数据集和增强数据集上分别训练7个三分类模型。测试临床470张图片,比较数据增强前后模型的泛化能力,确定可用于翼状胬肉自动分类系统的最好模型。结果:在原始数据集上训练最好模型的灵敏度平均值为92.55%,特异度平均值为96.86%,AUC平均值为94.70%。数据增强后,不同模型灵敏度、特异度和AUC平均提升3.7%、1.9%和2.7%。在增强数据集上训练的EfficientNetB7模型灵敏度平均值为93.63%,特异度平均值为97.34%,AUC平均值为95.47%。结论:在增强数据集上训练的EfficientNetB7模型取得最好的分类效果,可用于翼状胬肉自动分类系统。该自动分类系统能较好地诊断翼状胬肉疾病,有望成为基层医疗的有效筛查工具,也为翼状胬肉的细化分级研究提供参考。 展开更多

关键词 人工智能 深度学习 翼状胬肉 分类模型 数据增强 迁移学习

下载PDF 职称材料

基于脑电空间域表征可视化的情感识别研究

12

作者 王竞茜 苗敏敏 +1 位作者 徐宝国 胡文军 《传感技术学报》 CAS CSCD 北大核心 2023年第9期1385-1394,共10页

鉴于情感脑电蕴含丰富的空间模式特征,提出一种基于二维空间域表征可视化的情感识别方法。首先,提取多通道脑电Gamma频段的微分熵(Differential Entropy,DE)特征并根据导联位置映射至9×9的二维空间进行拓扑重构,使用三次插值方法... 鉴于情感脑电蕴含丰富的空间模式特征,提出一种基于二维空间域表征可视化的情感识别方法。首先,提取多通道脑电Gamma频段的微分熵(Differential Entropy,DE)特征并根据导联位置映射至9×9的二维空间进行拓扑重构,使用三次插值方法进一步提高空间域特征图的分辨率;然后,针对性地设计了一种深度残差网络(Residual Network,ResNet)模型作为情感脑电解码器对情感脑电信号(Electroencephalogram,EEG)进行深层抽象特征的自动提取和端到端分类;最后,通过梯度加权类激活映射(Gradient-weighted Class Activation Mapping,Grad-CAM)方法对输入特征图进行可解释性分析,依据热力图分布定位对特定情感状态识别具有较大贡献的空间脑区。在SEED数据集上进行了相关情感识别实验,三种情感类别分类平均准确率为94.88%,达到了较先进的性能。 展开更多

关键词 脑机接口 情感识别 深度残差网络 梯度加权类激活映射

下载PDF 职称材料

基于卷积神经网络的翼状胬肉病灶分割研究 被引量：2

13

作者 朱绍军 方新闻 +2 位作者 郑博 吴茂念 杨卫华 《国际眼科杂志》 CAS 北大核心 2022年第6期1016-1019,共4页

目的:通过深度卷积神经网络方法对翼状胬肉病灶进行精准分割。方法:在PSPNet模型结构的基础上构建Phase-fusion PSPNet网络结构用于翼状胬肉病灶的分割,该网络在金字塔池化模块后接入阶段上采样模块,以分阶段增大为原则逐步上采样,减少... 目的:通过深度卷积神经网络方法对翼状胬肉病灶进行精准分割。方法:在PSPNet模型结构的基础上构建Phase-fusion PSPNet网络结构用于翼状胬肉病灶的分割,该网络在金字塔池化模块后接入阶段上采样模块,以分阶段增大为原则逐步上采样,减少信息丢失,适合于边缘模糊的分割任务。将南京医科大学附属眼科医院提供的翼状胬肉眼表图像517张分为训练集(330张)、验证集(37张)、测试集(150张),其中训练集和验证集图像用于训练,测试集图像仅用于测试。比较翼状胬肉病灶智能分割和专家标注的结果。结果:构建Phase-fusion PSPNet网络结构针对测试数据集的翼状胬肉病灶分割单类平均交并比(MIOU)和平均像素精确度(MPA)分别为86.31%和91.91%;翼状胬肉单类交并比(IOU)和像素精确度(PA)分别为77.64%和86.10%。结论:卷积神经网络可以实现翼状胬肉病灶的精准分割,有助于为医生进行进一步疾病诊断和手术建议提供重要参考,同时实现翼状胬肉智能诊断的可视化。 展开更多

关键词 翼状胬肉 图像分割 深度学习 卷积神经网络 PSPNet

下载PDF 职称材料

基于模型质量评分的联邦学习聚合算法优化 被引量：1

14

作者 吴小红 陆浩楠 +1 位作者 顾永跟 陶杰 《计算机应用研究》 CSCD 北大核心 2024年第8期2427-2433,共7页

在联邦学习环境中,客户端数据的质量是决定模型性能的关键因素。传统的评估方法依赖于在中心节点的验证集上衡量客户端模型的损失,从而对数据质量进行评估。在缺乏有效验证集的情况下,数据质量的评估是困难的。为了解决上述问题,提出了... 在联邦学习环境中,客户端数据的质量是决定模型性能的关键因素。传统的评估方法依赖于在中心节点的验证集上衡量客户端模型的损失,从而对数据质量进行评估。在缺乏有效验证集的情况下,数据质量的评估是困难的。为了解决上述问题,提出了一种根据同伴信息进行模型质量评分的方法。通过对客户端上传的模型参数进行裁剪处理,基于正确评分规则的相关理论设计模型质量评分机制,并在此基础上优化聚合算法,降低低质量客户端对全局模型的影响。在MNIST、Fashion-MNIST和CIFAR-10等数据集上的实验表明,提出的评分机制无须复杂的算法,且能有效辨别搭便车、噪声、错误标签三类低质量数据客户端,提高联邦学习性能的鲁棒性。 展开更多

关键词 联邦学习 模型质量 参数裁剪 同伴信息 聚合算法

下载PDF 职称材料

基于域间Mixup微调策略的跨被试运动想象脑电信号分类算法

15

作者 蒋云良 周阳 +2 位作者 张雄涛 苗敏敏 张永 《智能系统学报》 CSCD 北大核心 2024年第4期909-919,共11页

为了缓解传统微调算法的灾难性遗忘问题,本文提出了一种基于域间Mixup微调策略的跨被试运动想象脑电信号分类算法Mix-Tuning。Mix-Tuning通过预训练、微调的二阶段训练方式,实现跨领域知识迁移。预训练阶段,Mix-Tuning使用源域数据初始... 为了缓解传统微调算法的灾难性遗忘问题,本文提出了一种基于域间Mixup微调策略的跨被试运动想象脑电信号分类算法Mix-Tuning。Mix-Tuning通过预训练、微调的二阶段训练方式,实现跨领域知识迁移。预训练阶段,Mix-Tuning使用源域数据初始化模型参数,挖掘源域数据潜在信息。微调阶段,Mix-Tuning通过域间Mixup,生成域间插值数据微调模型参数。域间Mixup数据增强策略引入源域数据潜在信息,缓解传统微调算法在样本稀疏场景下的灾难性遗忘问题,提高模型的泛化性能。Mix-Tuning被进一步应用于运动想象脑电信号分类任务,实现了跨被试正向知识迁移。Mix-Tuning在BMI数据集的运动想象任务达到了85.50%的平均分类准确率,相较于被试–依赖和被试–独立训练方式的预测准确率58.72%和84.01%,分别提高26.78%和1.49%。本文分析结果可为跨被试运动想象脑电信号分类算法提供参考。 展开更多

关键词 域间Mixup 预训练 微调 脑电信号 运动想象 跨被试知识迁移 卷积神经网络 正则化

下载PDF 职称材料

在线异步联邦学习的客户优化选择与激励

16

作者 顾永跟 冯洲洋 +1 位作者 吴小红 陶杰 《计算机应用研究》 CSCD 北大核心 2024年第3期700-705,720,共7页

联邦学习能够在保护用户隐私的前提下,使不同的客户端合作共同训练同一模型,如何激励高质量的客户端参与联邦学习是关键。在线联邦学习环境中,由于参与训练的客户端随机到达和离开,每轮参与报价的客户端动态变化,对客户端的在线质量评... 联邦学习能够在保护用户隐私的前提下,使不同的客户端合作共同训练同一模型,如何激励高质量的客户端参与联邦学习是关键。在线联邦学习环境中,由于参与训练的客户端随机到达和离开,每轮参与报价的客户端动态变化,对客户端的在线质量评估与选择是一个难题。针对这一挑战提出了在线联邦学习激励算法,以优化在线客户端的选择和预算分配,提高预算约束下在线环境联邦学习的性能。该算法将预算按阶段划分并根据历史样本信息计算最优的质量密度阈值,其主要思想是对客户端模型质量进行动态评估,在此基础上采用质量阈值准入机制,同时对参与训练的客户端数量进行限制。从理论上证明了激励算法满足激励相容性、预算可行性和个体理性。实验结果表明,提出的在线激励算法在不同比例搭便车客户端的情况下都能有良好的性能,在预算充足且有搭便车和有误标标签的客户端情况下比已有方法在EMNIST-B和CIFAR-10两个数据集上分别提高约4%和10%。 展开更多

关键词 联邦学习 激励机制 质量评估 在线场景 客户端筛选

下载PDF 职称材料

基于语篇解析和图注意力网络的对话情绪识别

17

作者 郝秀兰 魏少华 +1 位作者 曹乾 张雄涛 《电信科学》 北大核心 2024年第5期100-111,共12页

对话情绪识别研究主要聚焦于融合对话上下文和说话者建模的相互关系。当前研究通常忽略对话内部存在的依存关系,导致对话的上下文联系不够紧密,说话者之间的关系也缺乏逻辑。因此,提出了一种基于语篇解析和图注意力网络(discourse parsi... 对话情绪识别研究主要聚焦于融合对话上下文和说话者建模的相互关系。当前研究通常忽略对话内部存在的依存关系,导致对话的上下文联系不够紧密,说话者之间的关系也缺乏逻辑。因此,提出了一种基于语篇解析和图注意力网络(discourse parsing and graph attention network,DPGAT)的对话情绪识别模型,将对话内部的依存关系融入语境建模过程中,使语境信息更具有依赖性和全局性。首先,通过语篇解析获取对话内部的话语依存关系,构建语篇依存关系图和说话者关系图。随后,通过多头注意力机制将不同类型的说话者关系图进行内部融合。此外,在图注意力网络的基础上,结合依存关系进行循环学习,以达到上下文信息和说话人信息的有效融合,实现对话语境信息的外部融合。最终,通过分析内、外部融合的结果还原完整对话语境,并对说话者的情绪进行分析。通过在英文数据集MELD、EmoryNLP、DailyDialog和中文数据集M3ED上进行评估验证,F1分数分别为66.23%、40.03%、59.28%、52.77%,与主流的模型相比,所提模型具有较好的适用性,可在不同的语言场景中使用。 展开更多

关键词 对话情绪识别 语篇解析 图注意力网络

下载PDF 职称材料

融合异常检测与区域分割的高效K-means聚类算法 被引量：1

18

作者 尹宏伟 杭雨晴 胡文军 《郑州大学学报（工学版）》 CAS 北大核心 2024年第3期80-88,共9页

传统K-means及其众多改进算法缺乏显式处理异常样本的能力,导致其聚类性能容易受到异常样本的影响。针对此问题,提出一种融合异常检测与区域分割的高效K-means聚类算法。首先,通过构建统一聚类模型,形成异常检测与聚类之间的交互协同,... 传统K-means及其众多改进算法缺乏显式处理异常样本的能力,导致其聚类性能容易受到异常样本的影响。针对此问题,提出一种融合异常检测与区域分割的高效K-means聚类算法。首先,通过构建统一聚类模型,形成异常检测与聚类之间的交互协同,以提高聚类性能。其次,利用近邻簇搜索技术对各类簇进行自适应的区域分割,以减少冗余计算,提高算法执行效率。最后,为验证所提方法的有效性,在多个合成数据集和真实数据集上分别进行测试。实验结果表明:所提算法聚类性能和执行效率优于其他算法;在添加10%异常样本的Wine数据集上准确度可达0.911。 展开更多

关键词 聚类 K-MEANS 异常检测 区域分割 近邻簇搜索 自适应

下载PDF 职称材料

最近邻子空间保持的特征提取方法 被引量：1

19

作者 徐剑豪 胡文军 +1 位作者 王哲昀 胡天杰 《计算机应用与软件》 北大核心 2024年第2期293-299,共7页

针对流形学习方法定义的局部存在置信度不足的问题,通过保持局部的内部关系和空间关系来捕捉数据的低维流形,提出一种最近邻子空间保持的特征提取方法。将数据中的每个样本点及其K个近邻视为一个局部,进而张成一个最近邻子空间;利用格... 针对流形学习方法定义的局部存在置信度不足的问题,通过保持局部的内部关系和空间关系来捕捉数据的低维流形,提出一种最近邻子空间保持的特征提取方法。将数据中的每个样本点及其K个近邻视为一个局部,进而张成一个最近邻子空间;利用格拉姆行列式对所有最近邻子空间的体积进行度量;对体积做归一化处理,并集成到局部保持投影算法的模型中。在真实数据上的聚类和分类实验结果表明该方法提取的特征更具鉴别能力。 展开更多

关键词 流形学习 特征提取 最近邻子空间 局部保持投影

下载PDF 职称材料

基于多目标线性规划的本体冲突消除方法

20

作者 彭蔚 吴茂念 +2 位作者 郝秀兰 朱绍军 郑博 《计算机应用与软件》 北大核心 2024年第2期286-292,310,共8页

针对本体逻辑冲突消除传统方法未充分利用本体逻辑性质的缺陷,引入Shapley值法刻画本体逻辑性质,构建基于多目标0-1整数线性规划的本体冲突消除方法,使用分层序列法求解多目标线性规划模型。其解遵循理性放弃原则,避免传统方法中目标权... 针对本体逻辑冲突消除传统方法未充分利用本体逻辑性质的缺陷,引入Shapley值法刻画本体逻辑性质,构建基于多目标0-1整数线性规划的本体冲突消除方法,使用分层序列法求解多目标线性规划模型。其解遵循理性放弃原则,避免传统方法中目标权重的平均性或随机性。实验结果表明,采用该方法能够令解集遵循理性放弃原则的前提下,利用本体逻辑性质有效减少解集数量,从而提高决策效率。 展开更多

关键词 本体 逻辑冲突 多目标整数线性规划 最小不可满足子集 SHAPLEY值法

下载PDF 职称材料