期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合Shapley值和粒子群优化算法的混合特征选择算法
被引量:
7
1
作者
邓秀勤
李文洲
+1 位作者
武继刚
刘太亨
《计算机应用》
CSCD
北大核心
2018年第5期1245-1249,共5页
针对在模式分类问题中,数据往往存在不相关的或冗余的特征,从而影响分类的准确性的问题,提出一种融合Shapley值和粒子群优化算法的混合特征选择算法,以利用最少的特征获得最佳分类效果。在粒子群优化算法的局部搜索中引入博弈论的Shaple...
针对在模式分类问题中,数据往往存在不相关的或冗余的特征,从而影响分类的准确性的问题,提出一种融合Shapley值和粒子群优化算法的混合特征选择算法,以利用最少的特征获得最佳分类效果。在粒子群优化算法的局部搜索中引入博弈论的Shapley值,首先计算粒子(特征子集)中每个特征对分类效果的贡献值(Shapley值),然后逐步删除Shapley值最低的特征以优化特征子集,进而更新粒子,同时也增强了算法的全局搜索能力,最后将改进后的粒子群优化算法运用于特征选择,以支持向量机分类器的分类性能和选择的特征数目作为特征子集评价标准,对UCI机器学习数据集和基因表达数据集的17个具有不同特征数量的医疗数据集进行分类实验。实验结果表明所提算法能有效地删除数据集中55%以上不相关的或冗余的特征,尤其对于中大型数据集能删减80%以上,并且所选择的特征子集也具有较好的分类能力,分类准确率能提高2至23个百分点。
展开更多
关键词
模式分类
粒子群优化算法
SHAPLEY值
特征选择
支持向量机
下载PDF
职称材料
基于全加权矩阵分解的用户协同过滤推荐算法
被引量:
3
2
作者
邓秀勤
刘太亨
+1 位作者
刘富春
龙咏红
《计算机科学》
CSCD
北大核心
2019年第S11期199-203,219,共6页
针对传统的基于用户协同过滤推荐算法将用户对某物品的喜好程度等同看待的问题,文中提出了一种融合全加权矩阵分解的用户协同过滤模型。该模型首先为观测值设计频率感知加权,且非均匀地设计用于未观测值的用户导向加权。然后组合观测值...
针对传统的基于用户协同过滤推荐算法将用户对某物品的喜好程度等同看待的问题,文中提出了一种融合全加权矩阵分解的用户协同过滤模型。该模型首先为观测值设计频率感知加权,且非均匀地设计用于未观测值的用户导向加权。然后组合观测值和未观测值的加权,并根据评分确定用户声誉和用户关系的相似性,构建融合全加权矩阵分解的用户协同过滤模型。为了验证提出的推荐算法的性能,在Douban、Epinions和Last.fm 3个真实数据集上进行了仿真实验。实验结果表明,所提出的AWMF_UCFR算法的推荐准确性与MF算法、WRMF-UO算法、SoRS算法相比有显著提高。
展开更多
关键词
协同过滤
推荐算法
全加权矩阵分解
社交网络
下载PDF
职称材料
融合社交和标签信息的隐语义模型推荐算法
被引量:
2
3
作者
彭嘉恩
邓秀勤
+2 位作者
刘太亨
刘富春
李文洲
《广东工业大学学报》
CAS
2018年第4期45-50,60,共7页
为了提高隐语义模型在数据稀疏情况下推荐结果的质量,提出一种带有社交正则化项和标签正则化项的隐语义模型.根据用户社交网络和物品标签的信息,设计出描述用户和物品概况的正则化项,并利用用户对物品的历史评分计算得到用户评分偏好,...
为了提高隐语义模型在数据稀疏情况下推荐结果的质量,提出一种带有社交正则化项和标签正则化项的隐语义模型.根据用户社交网络和物品标签的信息,设计出描述用户和物品概况的正则化项,并利用用户对物品的历史评分计算得到用户评分偏好,将这三项引入矩阵分解目标函数中,进一步约束目标函数,最后通过梯度下降法去优化模型参数,得到推荐结果.为了验证算法的有效性,在Last.fm数据集上进行实验,实验结果表明,本文算法的推荐质量优于其他传统推荐算法.
展开更多
关键词
隐语义模型
社交网络
标签信息
推荐算法
下载PDF
职称材料
基于自编码和知识蒸馏的表面缺陷检测方法
4
作者
刘太亨
何昭水
《计算机应用》
CSCD
北大核心
2021年第11期3200-3205,共6页
针对传统的表面缺陷检测方法只能对具有高对比度或低噪声的明显缺陷轮廓进行检测的问题,提出了一种基于自编码和知识蒸馏的表面缺陷检测方法来准确定位和分类从实际工业环境捕获的输入图像中出现的缺陷。首先,设计了一种级联自动编码器(...
针对传统的表面缺陷检测方法只能对具有高对比度或低噪声的明显缺陷轮廓进行检测的问题,提出了一种基于自编码和知识蒸馏的表面缺陷检测方法来准确定位和分类从实际工业环境捕获的输入图像中出现的缺陷。首先,设计了一种级联自动编码器(CAE)架构用于分割和定位缺陷,其目的是将输入的原始图像转换为基于CAE的预测蒙版;其次,利用阈值模块对预测结果进行二值化以获得准确的缺陷轮廓;然后,把缺陷区域检测器提取并裁剪出来的缺陷区域视为下一个模块的输入;最后,将CAE分割结果的缺陷区域通过知识蒸馏进行类别分类。实验结果表明,与其他几种表面缺陷检测方法相比,所提出的方法综合性能最好,其缺陷检测平均准确率为97.00%。该方法能够有效地对较小的、边缘不清晰的缺陷进行分割,满足对物品表面缺陷实时分割检测的工程要求。
展开更多
关键词
自动表面检测
自编码器
知识蒸馏
缺陷检测
图像处理
下载PDF
职称材料
树·第二首
5
作者
刘太亨
《诗刊》
2018年第24期78-78,共1页
在树林的外面,有另一棵树。黑夜是它的粮仓,没有马,曾经在那里被看到,没有骑手,曾经越过它竖立的虚空。小东西闪动,那是更高处,它喂养的花朵在飘落。
关键词
诗歌
中国
《树·第二首》
原文传递
题名
融合Shapley值和粒子群优化算法的混合特征选择算法
被引量:
7
1
作者
邓秀勤
李文洲
武继刚
刘太亨
机构
广东工业大学应用数学学院
广东工业大学计算机学院
出处
《计算机应用》
CSCD
北大核心
2018年第5期1245-1249,共5页
基金
国家自然科学基金资助项目(61672171)
广东工业大学研究生创新及竞赛项目(2017YJSCX039)~~
文摘
针对在模式分类问题中,数据往往存在不相关的或冗余的特征,从而影响分类的准确性的问题,提出一种融合Shapley值和粒子群优化算法的混合特征选择算法,以利用最少的特征获得最佳分类效果。在粒子群优化算法的局部搜索中引入博弈论的Shapley值,首先计算粒子(特征子集)中每个特征对分类效果的贡献值(Shapley值),然后逐步删除Shapley值最低的特征以优化特征子集,进而更新粒子,同时也增强了算法的全局搜索能力,最后将改进后的粒子群优化算法运用于特征选择,以支持向量机分类器的分类性能和选择的特征数目作为特征子集评价标准,对UCI机器学习数据集和基因表达数据集的17个具有不同特征数量的医疗数据集进行分类实验。实验结果表明所提算法能有效地删除数据集中55%以上不相关的或冗余的特征,尤其对于中大型数据集能删减80%以上,并且所选择的特征子集也具有较好的分类能力,分类准确率能提高2至23个百分点。
关键词
模式分类
粒子群优化算法
SHAPLEY值
特征选择
支持向量机
Keywords
pattern classification
Particle Swarm Optimization (PSO) algorithm
Shapley value
feature selection
Support Vector Machine (SVM)
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于全加权矩阵分解的用户协同过滤推荐算法
被引量:
3
2
作者
邓秀勤
刘太亨
刘富春
龙咏红
机构
广东工业大学应用数学学院
广东工业大学计算机学院
出处
《计算机科学》
CSCD
北大核心
2019年第S11期199-203,219,共6页
基金
国家自然科学基金项目(61673122)
广东省公益研究与能力建设专项资金资助项目(2015A030402006)资助
文摘
针对传统的基于用户协同过滤推荐算法将用户对某物品的喜好程度等同看待的问题,文中提出了一种融合全加权矩阵分解的用户协同过滤模型。该模型首先为观测值设计频率感知加权,且非均匀地设计用于未观测值的用户导向加权。然后组合观测值和未观测值的加权,并根据评分确定用户声誉和用户关系的相似性,构建融合全加权矩阵分解的用户协同过滤模型。为了验证提出的推荐算法的性能,在Douban、Epinions和Last.fm 3个真实数据集上进行了仿真实验。实验结果表明,所提出的AWMF_UCFR算法的推荐准确性与MF算法、WRMF-UO算法、SoRS算法相比有显著提高。
关键词
协同过滤
推荐算法
全加权矩阵分解
社交网络
Keywords
Collaborative filtering algorithm
Recommendation algorithm
All-weighted matrix factorization
Social network
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
融合社交和标签信息的隐语义模型推荐算法
被引量:
2
3
作者
彭嘉恩
邓秀勤
刘太亨
刘富春
李文洲
机构
广东工业大学应用数学学院
广东工业大学计算机学院
出处
《广东工业大学学报》
CAS
2018年第4期45-50,60,共7页
基金
国家自然科学基金资助项目(61673122
61273118)
+2 种基金
广东省公益研究与能力建设专项资金资助项目(2015A030402006)
广东工业大学研究生创新创业及竞赛资助项目(2016YJSCX036
2017YJSCX039)
文摘
为了提高隐语义模型在数据稀疏情况下推荐结果的质量,提出一种带有社交正则化项和标签正则化项的隐语义模型.根据用户社交网络和物品标签的信息,设计出描述用户和物品概况的正则化项,并利用用户对物品的历史评分计算得到用户评分偏好,将这三项引入矩阵分解目标函数中,进一步约束目标函数,最后通过梯度下降法去优化模型参数,得到推荐结果.为了验证算法的有效性,在Last.fm数据集上进行实验,实验结果表明,本文算法的推荐质量优于其他传统推荐算法.
关键词
隐语义模型
社交网络
标签信息
推荐算法
Keywords
latent factor model
social network
tag information
recommendation algorithm
分类号
TP312 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
基于自编码和知识蒸馏的表面缺陷检测方法
4
作者
刘太亨
何昭水
机构
广东工业大学自动化学院
出处
《计算机应用》
CSCD
北大核心
2021年第11期3200-3205,共6页
基金
国家自然科学基金资助项目(61773127,61727810,U1911401)
2018年度国家“万人计划”科技创新领军人才
+3 种基金
广东省基础与应用基础研究基金联合基金重点项目(2019B1515120036,501200069)
广东省自然科学基金资助项目(2018A030313306)
广州科学技术基金资助项目(201802010037)
广东省重点领域研发计划项目(2019B010147001)。
文摘
针对传统的表面缺陷检测方法只能对具有高对比度或低噪声的明显缺陷轮廓进行检测的问题,提出了一种基于自编码和知识蒸馏的表面缺陷检测方法来准确定位和分类从实际工业环境捕获的输入图像中出现的缺陷。首先,设计了一种级联自动编码器(CAE)架构用于分割和定位缺陷,其目的是将输入的原始图像转换为基于CAE的预测蒙版;其次,利用阈值模块对预测结果进行二值化以获得准确的缺陷轮廓;然后,把缺陷区域检测器提取并裁剪出来的缺陷区域视为下一个模块的输入;最后,将CAE分割结果的缺陷区域通过知识蒸馏进行类别分类。实验结果表明,与其他几种表面缺陷检测方法相比,所提出的方法综合性能最好,其缺陷检测平均准确率为97.00%。该方法能够有效地对较小的、边缘不清晰的缺陷进行分割,满足对物品表面缺陷实时分割检测的工程要求。
关键词
自动表面检测
自编码器
知识蒸馏
缺陷检测
图像处理
Keywords
automated surface inspection
Auto-Encoder(AE)
knowledge distillation
defect detection
image processing
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
树·第二首
5
作者
刘太亨
机构
不详
出处
《诗刊》
2018年第24期78-78,共1页
文摘
在树林的外面,有另一棵树。黑夜是它的粮仓,没有马,曾经在那里被看到,没有骑手,曾经越过它竖立的虚空。小东西闪动,那是更高处,它喂养的花朵在飘落。
关键词
诗歌
中国
《树·第二首》
分类号
I [文学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
融合Shapley值和粒子群优化算法的混合特征选择算法
邓秀勤
李文洲
武继刚
刘太亨
《计算机应用》
CSCD
北大核心
2018
7
下载PDF
职称材料
2
基于全加权矩阵分解的用户协同过滤推荐算法
邓秀勤
刘太亨
刘富春
龙咏红
《计算机科学》
CSCD
北大核心
2019
3
下载PDF
职称材料
3
融合社交和标签信息的隐语义模型推荐算法
彭嘉恩
邓秀勤
刘太亨
刘富春
李文洲
《广东工业大学学报》
CAS
2018
2
下载PDF
职称材料
4
基于自编码和知识蒸馏的表面缺陷检测方法
刘太亨
何昭水
《计算机应用》
CSCD
北大核心
2021
0
下载PDF
职称材料
5
树·第二首
刘太亨
《诗刊》
2018
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部