基于一致性图的权重自适应多视角谱聚类算法

随着移动设备和互联网的普及,多视角数据的采集和分享变得更加容易,其可以从多个视角更准确地描述数据。目前,一些多视角聚类算法忽略了不同视角间的一致性潜在知识和不同视角的重要性。针对该问题,提出一种平衡视角间一致性信息的多视角聚类算法。首先通过调节视角权重学习视角间一致的共享相似度矩阵,提升共享矩阵的一致性,其中相关性强的视角具有的一致性信息更多,视角权重越大,在一致性学习中发挥的作用越大,而差异性大的视角其权重越小,在学习中发挥的作用越小。其次学习视角间的一致性样本嵌入以及不同视角的特征嵌入,并将特征嵌入中包含的多样性特征信息迁移到样本嵌入中,以此促进样本嵌入的一致性表达。在不同视角特征中包含多样性信息,可补充上述共享相似度矩阵学习中单一样本关系的不足。因此,采用二部图协同聚类,通过建立样本数据、样本嵌入和特征嵌入的关系图,学习样本的特征嵌入,并将其迁移到样本嵌入中。最后将图学习、谱聚类和特征嵌入学习整合到统一的框架中进行联合优化,得到最优的样本嵌入。实验结果表明,通过对样本嵌入进行K-means聚类,将该算法运行于5个真实数据集并与7种聚类算法对比,其中在3-Sources、Yale、MRSCV1数据集上的正确率均高于对比算法5%以上,验证了该算法的有效性。

一种多视角新闻信息快速检索方法

信息检索一直是数据挖掘研究的重要领域,也是情报搜集的重要手段。如果采用人工手动搜索方式在数据库中检索信息,检索效率较低。为此,以新闻信息搜集为应用背景,以提高信息检索效率为目的,提出了一种多视角新闻信息快速检索方法。该方法以用户需要检索的多视角新闻描述信息为检索依据,利用关键词权重分割法处理多视角新闻描述信息来构建词汇向量,以词汇向量在新闻信息库中的检索结果为依据来构建词汇检索向量,以向量相似度计算模型为信息筛选规则,在新闻信息库中快速检索并筛选出用户需要搜集的新闻信息。文中给出了所提方法的设计模型、涉及的关键技术实现策略、数据处理流程以及实验对比分析。实验结果表明,该方法能够根据用户指定的多视角新闻描述信息,在新闻信息库中快速高效地检索并筛选出符合用户需求的新闻文章信息。

基于多视角信息融合的公路桥梁车辆荷载时空位置识别

针对现有方法在复杂交通场景下难以准确获取桥上车辆荷载时空分布的问题,提出了一种基于多视角信息融合的车辆荷载时空位置识别方法.首先,开发了vadYOLO-StrongSORT模型,可在单视角下同时检测和跟踪车辆;然后,在图像标定和跨视角车辆匹配基础上,采用自适应加权最小二乘法进行多视角信息融合以修正车辆轨迹;最后,结合车辆轨迹和车轴配置,重构车轴荷载的时空位置分布.通过模型试验评估了所提方法在典型交通场景下的性能.结果表明:相较于基于单视角的车辆位置识别方法,多视角信息融合方法在跟踪稳定性、定位精度和抗遮挡性能上有显著提升;变道场景下,所提方法的最高平均定位误差低于2.0 cm,明显优于单视角方法的17.0 cm;多车遮挡场景下,所提方法的车辆捕获率可达100%,而单视角方法最高仅为72.5%;同时,与其他检测跟踪模型相比,vadYOLO-StrongSORT在试验中取得了最高的识别精度.

基于多视角图像形态颜色纹理特征融合的生物量获取

可见光成像以其快速、经济和非破坏性等优势,正成为高通量植物表型和遗传研究的有效工具,但仍有待解决基于可见光图像评估肉眼不可见的产量表型特性。本文针对植物叶片遮挡重叠及变量尺度单一导致图像数据精度受限的问题,提出了一种利用多视角图像融合多类别特征评估高粱地上生物量的技术方法。对15个种质基因的300株高粱进行了双因素(水分和养分)双水平(高和低)试验。基于旋转平台,利用可见光相机对每株高粱等角度间隔自动采集10幅侧视图像和1幅俯视图像,通过植物掩膜图像提取每株高粱形态特征(俯视、侧视投影面积)、颜色特征(RGB像素值)与纹理特征(均值、协方差、同质性等),将多个视角下的信息平均化处理,并基于图像R、G、B像素值构建16个颜色植被指数。结果表明,相对于考虑单一类型变量和单视角下的图像信息,基于多视角平均化图像信息融合形态、纹理、颜色特征能显著增加对高粱地上生物量表型的获取能力。利用SVR、RF、BPNN算法融合21组优化图像数据变量构建高粱地上生物量回归模型,精度最高的RF算法模型测试集决定系数R2为0.881,均方根误差(RMSE)为60.714 g/m^(2),平均绝对误差(MAE)为42.364 g/m^(2)。为进一步优化RF算法模型的参数,选取GA、GS、SSA对RF算法模型进行超参数寻优。结果表明,SSA-RF优化模型测试集R2提升至0.902,RMSE为48.706 g/m^(2),MAE为39.877 g/m^(2)。基于多视角图像形态-颜色-纹理特征融合能从有限的信息中衍生得到更多有效信息用于估测高粱地上生物量,从而为高粱生长监控、胁迫检测、水肥精确施用和良种快速筛选提供理论依据和技术支持。

联合多视角Transformer编码与在线融合互学习的乳腺癌病理图像分类模型

乳腺癌是女性最常见的癌症.单一网络在乳腺癌病理图像分类中存在缺陷,卷积神经网络无法提取全局上下文,而Transformer不能准确描述局部细节.本文提出联合多视角Transformer编码与在线融合互学习的乳腺癌病理图像分类模型(Multi-View Transformer Online Fusion Mutual Learning,MVT-OFML).采用ResNet-50(Residual Network-50)提取图像局部特征,设计多视角Transformer编码模块,捕获图像中全局上下文;联合Logits和中间特征层构建OFML框架,实现ResNet-50与多视角Transformer编码模块间双向传递知识,使2个网络优势互补以完成乳腺癌病理图像分类.实验表明,在BreakHis和BACH数据集上,MVT-OFML的准确率比最强基线分别提升0.90%和2.26%,F1均值比最强基线分别提升4.75%和3.21%.

多视角PAC心理弹性理论在冠心病经皮冠状动脉介入术治疗患者中的应用效果

目的:分析多视角父母-成人-儿童(Parent-Adult-Child,PAC)心理弹性理论在冠心病经皮冠状动脉介入术(PCI)治疗患者中的应用效果。方法:遴选2021年6月-2023年6月收治的冠心病PCI介入术治疗患者110例为研究对象,采用随机数字表法分为常规组(n=55,采用常规护理干预)和PAC组(n=55,采取多视角PAC心理弹性理论护理干预),比较两组干预前后负性情绪(负性情绪筛查量表)、心理弹性(心理弹性量表)、创伤后成长(创伤后成长评定量表)、自我效能(中文版康复自我效能感量表)及生活质量[生命质量测定量表体系之冠心病量表(QLICD-CHD)]变化。结果:干预后,两组负性情绪中患病恐惧、抑郁、躯体化、愤怒评分均显著降低(t_(常规)=3.182,2.546,4.051,5.496,t_(PAC)=6.166,6.144,6.471,9.176;P<0.05),且PAC组显著低于常规组(t=2.957,3.359,2.952,2.979;P<0.05);干预后,两组心理弹性量表中坚韧、力量、乐观评分均显著提高(t_(常规)=4.866,4.404,3.589,t_(PAC)=8.556,7.557,7.599;P<0.05),且PAC组显著高于常规组(t=2.503,2.899,3.745;P<0.05);干预后,两组创伤成长量表中人际关系、新可能性、个人力量、精神改变、欣赏生活评分均显著提高(t_(常规)=2.387,3.406,3.227,2.996,14.577,t_(PAC)=5.253,6.926,5.664,7.919;P<0.05),且PAC组显著高于常规组(t=2.547,2.527,3.140,3.022,3.253;P<0.05);干预后,两组自我效能量表中应对自我效能、任务自我效能评分均显著升高(t_(常规)=5.740,4.132,t_(PAC)=10.036,7.439;P<0.05),且PAC组显著高于常规组(t=3.673,2.831;P<0.05);干预后,两组QLICD-CHD量表中躯体功能、心理功能、社会功能、特异模块评分均显著升高(t_(常规)=3.246,2.575,3.180,2.929,t_(PAC)=5.720,4.279,7.455,4.751;P<0.05),且PAC组显著高于常规组(t=3.424,2.633,4.314,2.602;P<0.05)。结论:多视角PAC心理弹性理论指导冠心病PCI介入术患者护理干预,可显著改善其负面情绪、心理弹性及创伤后成长,提升其自我效能及生活质量。

一种基于证据多视角的模糊C-means聚类算法

针对传统多视角聚类算法难以准确识别噪声和有效划分类间重叠区域样本的问题,提出一种基于证据多视角的模糊C均值(evidential multi-view fuzzy C-means,EMVFCM)聚类算法。首先,在证据推理框架下,研究一种改进的模糊C-means多视角聚类算法,通过优化改进的目标函数获得待测样本属于单类和噪声的信任值,从而识别出噪声数据。然后,由于重叠区域的样本不能被准确地划分类别,所以将其划分到相对应的复合类,这不仅能够表征数据样本类别的不精确性,还能降低错误分类的风险。最后,通过人工数据集和UCI数据集验证本文算法的性能并与相关算法对比。实验结果表明,本文算法较传统多视角聚类算法能更有效地处理数据中的噪声和重叠样本难以准确划分的问题。

多视角报道边疆高质量发展的传播样本分析——以《大美边疆行》为例

我国陆地边境线长达2.2万公里,为了让观众更好地了解边疆的美丽风景,感受边疆的社会、经济、文化在过去十余年间发生的重大变化,中央广播电视总台于党的二十大胜利召开前重磅推出特别节目《大美边疆行》,由总台的主持人和记者团队,带领观众深入辽宁、吉林、黑龙江、内蒙古、甘肃、新疆、西藏、云南和广西边疆九省区,通过“海陆空”多视角、全方位、近距离等方式为观众呈现当地社会发展的全貌,获得了广泛关注和一致好评。

多视角下药品包装适老性设计研究

为保障老年人药物使用安全,减少老年人药物使用障碍,提升用药体验,基于多视角对药品包装的适老性设计进行研究。首先对老年人用药障碍进行分析,通过Citespace对药品包装适老性设计研究领域进行热点追踪,在此基础上概括适老性药品包装多视角内涵。提出多视角的药品包装适老性设计原则,并对多视角药品适老性包装设计构建体系进行分析。本文进一步明确药品适老性包装的设计内涵,促进药品包装适老性设计的推广应用。

矩阵的秩的多视角探析

矩阵的秩是线性代数中应用十分广泛的重要概念,同时它的抽象性也使其成为线性代数中的难点之一.从行列式、行阶梯形矩阵、线性方程组、向量组等不同视角对矩阵的秩进行探究和分析并通过调整气象观测站问题这一实际案例进行说明,不仅对教师关于此概念的教学具有积极的指导意义,而且还可降低学生理解这一抽象概念的难度,促进学生发散思维的培养和创新能力的提升.

多视角融合的时空动态GCN城市交通流量预测

城市交通流量预测是构建绿色低碳、安全高效的智能交通系统的重要组成部分.时空图神经网络由于具有强大的时空数据表征能力,被广泛应用于城市交通流量预测.当前,时空图神经网络在城市交通流量预测中仍存在以下两方面局限性:1)直接构建静态路网拓扑图对城市空间相关性进行表示,忽略了节点的动态交通模式,难以表达节点流量之间的时序相似性,无法捕获路网节点之间在时序上的动态关联;2)只考虑路网节点的局部空间相关性,忽略节点的全局空间相关性,无法建模交通路网中局部区域和全局空间之间的依赖关系.为打破上述局限性,提出了一种多视角融合的时空动态图卷积模型用于预测交通流量:首先,从静态空间拓扑和动态流量模式视角出发,构建路网空间结构图和动态流量关联图,并使用动态图卷积学习节点在两种视角下的特征,全面捕获城市路网中多元的空间相关性;其次,从局部视角和全局视角出发,计算路网的全局表示,将全局特征与局部特征融合,增强路网节点特征的表现力,发掘城市交通流量的整体结构特征;接下来,设计了局部卷积多头自注意力机制来获取交通数据的动态时间相关性,实现在多种时间窗口下的准确流量预测;最后,在4种真实交通数据上的实验结果,证明了该模型的有效性和准确性.

一道不等式问题的多视角求解

题目(2023年全国高中数学联赛福建省预赛)若不等式1/√20a+23b+/√23a+20b≥λ/√a+b对所有的正数a,b都成立,求λ的最大值.此题考查了考生转化与化归、运算求解以及探究性思维能力,试题思维入口宽,解法丰富多样,可以采用先猜后证、利用基本不等式、构造函数等多种方法求解,是一道有显著特色的题目.

多视角框架式护理联合协同护理在甲状腺癌腔镜术后患者中的应用

在此次研究中着重分析甲状腺癌应用多视角框架式护理与协同护理联合时的价值。方法 2023.6到2024.6,共计选择我院180名甲状腺患者,随机分为两组,对照组采取常规护理,观察组采取多视角框架式护理联合协同护理,比较护理效果。结果 比较两组依从性、疼痛度、负性情绪、健康行为、生活质量、护理满意率,差异有统计学意义(P<0.05)。结论 甲状腺癌患者中选择多视角框架式护理与协同护理联合应用时,整体的满意度显著提升,而且患者的生活质量和健康行为也得到进一步优化,后续分析负性情绪得到改善,康复时间缩短。

以发展新质生产力为重要着力点推进高质量发展--专家学者多视角解读新质生产力

习近平总书记在主持中共中央政治局第十一次集体学习时指出,发展新质生产力是推动高质量发展的内在要求和重要着力点,必须继续做好创新这篇大文章,推动新质生产力加快发展。为了深入学习贯彻习近平总书记关于新质生产力的重要论述,3月29日,四川省社会科学院召开“以发展新质生产力为重要着力点推进高质量发展”学术研讨会,邀请专家学者围绕新质生产力的丰富内涵、为什么要发展新质生产力、如何发展新质生产力等进行深入探讨。本刊编辑部选编了部分与会专家发言,以飨读者。

基于GPU和角正交投影视图的多视角投影全息图

针对多视角投影全息图生成速度慢的问题,提出一种基于计算机图形处理单元(graphics processing unit,GPU)的多视角投影计算全息图合成方法.获取多个角正交投影视图,充分利用GPU强大的并行计算能力,同时计算多幅投影视图对全息图的作用,即在计算过程中同时将沿着投影方向移位后的一系列角正交投影视图乘以其相应的常数相位因子.其中,每个投影图像的投影角决定了其移位的距离和常数相位因子.将所有并行计算结果累加,可以得到一个包含物体三维信息的二维复矩阵,即菲涅尔全息图.相较于使用计算机中央处理器(central processing unit,CPU)进行计算,本方法显著提升了计算速度,将计算效率提高了30~40倍,为多视角投影全息图的高效生成提供一种可行途径.

以多视角为框架的叙事护理对住院精神分裂症患者病耻感、心理状态及生活质量的影响

目的探讨以多视角为框架的叙事护理对住院精神分裂症患者的影响。方法112例住院精神分裂症患者随机分为两组各56例,对照组实施常规护理,观察组实施以多视角为框架的叙事护理,比较两组的病耻感、心理状态及生活质量。结果干预后,观察组的病耻感各项评分、HAMA评分、HAMD评分、生活质量各项评分均显著低于对照组(P<0.05)。结论以多视角为框架的叙事护理可有效降低住院精神分裂症患者的病耻感及负面情绪,提高其生活质量。

基于转台的多视角多姿态锁销点云模型重建

集装箱锁销曲面结构复杂,因而建立出一个曲面特征完整度较高的点云模型较为困难.考虑到在大多数场景下,位于固定高度的传感器搭配旋转的转台采集的曲面特征通常会存在一定的缺失.为此,提出了一种基于转台的多视角多姿态点云模型重建算法,还原锁销较完整的曲面特征.首先,利用转台参数标定结果,实现多视角三维点云的拼接,建立一个固定姿态下的点云模型;其次,通过提出的改进球面投影算法,选取锁销置于转台的摆放姿态,建立另一姿态下的点云模型;最后,融合多个姿态下的点云模型,提高其具备的曲面特征.实验结果表明,所提出的算法能建立出曲面特征完整度较高的锁销点云模型.

面向多视角对比学习和语义增强的多模态预训练方法

视觉语言预训练(VLP)模型通过对比学习等方法,在多模态任务上表现出了优异的性能。然而现有研究忽视了多视角描述带来的好处,以及语义和语法的重要性。为了解决这一问题,文中提出了多视角对比学习和语义增强多模态预训练(Multi-view learning and Semantic Enhancement for Multimodal pre-training,MulSE)模型。MulSE主要分为3个部分:1)在融合编码器模型中,引入带有生成器的多视角对比学习;2)提出了一种新的自监督视觉语言预训练任务——多模态文本重排序;3)增加并探寻最优MLM掩码比例,最大化利用视觉信息的能力。通过改进预训练任务,采取多种最优策略,并通过实验验证MulSE增强了模态内部和模态间的理解能力以及对文本语法和语义的理解能力。预训练仅用4×106的数据量,在图文检索任务中就达到了先前大型数据集的效果,且其在视觉问答和视觉蕴含任务上的评估效果优于先前的理解式VLP模型。

多视角PAC人格模型理论的心理干预对慢性阻塞性肺疾病急性发作期(AECOPD)患者的应用效果

目的:分析多视角PAC人格模型理论的心理干预对慢性阻塞性肺疾病急性发作期(AECOPD)患者的应用效果。方法:选取2020年1月-2022年9月收治的122例AECOPD患者为研究对象,采用随机数字表简单随机分组法分为对照组及观察组,各61例,对照组给予常规心理干预,观察组给予基于多视角PAC人格模型理论的心理干预。记录患者病情转归情况,观察入院时及出院时心理韧性[中文版Connor-Davidson心理韧性量表(CD-RISC)]、压力知觉[中文版知觉压力量表(CPSS)]、应对方式[简易应对方式问卷(SCSQ)]、心理健康[一般健康问卷(GHQ-20)]变化。结果:两组重症监护病房转入率、有创通气率及总住院时间比较,差异无统计学意义(P>0.05)。出院时,两组CD-RISC评分、积极应对SCSQ评分、自我肯定GHQ-20评分均较入院时升高(t=20.456,25.797,19.676,14.096,16.485,15.252;P<0.05),且观察组出院时高于对照组(t=4.798,3.045,4.145;P<0.05);两组CPSS评分、消积应对SCSQ评分、忧郁、焦虑及GHQ-20总分均较入院时降低(t=14.368,16.489,14.820,29.214,25.715,10.313,9.835,10.774,23.653,18.654;P<0.05),且观察组出院时低于对照组(t=3.478,3.229,3.508,3.347,3.734;P<0.05)。结论:多视角PAC人格模型理论的心理干预可提高AECOPD患者心理韧性,减轻压力知觉,引导患者积极应对,对改善患者心理健康有显著效果。

一类弱监督数据中多视角扰动的特征选择方法

弱标签消歧技术可以用来消除数据中的噪声标签.然而,经由弱标签消歧后的数据中依然可能存在冗余或不相关特征,因此带来了弱监督数据中的特征选择这一实际问题.在弱标签消歧后得到的数据的基础上,提出了一种基于多视角扰动的特征选择框架,其能够分别从样本和特征多个视角出发,构造不同的扰动数据,以便求解出多个不同的特征选择结果,从而为后续的学习任务提供基础性集成工具.此外,所提的多视角扰动特征选择框架适用于不同类型、不同约束下的搜索进程.在12组高维数据上,通过注入5种不同比例的标签噪声和使用3种不同类型的特征度量准则,实验结果表明,所提方法求得的特征选择结果能够从准确率和稳定性的层面极大地提升分类性能.