广义Φ-伪压缩类映射的不动点收敛定理

研究了一致连续广义Φ-伪压缩映射的不动点收敛定理.该定理中不要求Φ(t)为严格递增函数且对实序列的条件做了相应地放宽,从而所得结果推广和改进了已知的结论.

PN-空间中单增集类映射的不动点

在PN 空间中 ,对于集类引进半序。利用半序理论研究PN 空间中集类单增映射 。

区间上帐篷类映射的强混合性

本文证明了帐篷类映射相对于

基于二元要素类映射池的空间数据转换技术研究

数字化作业时代,工程勘察设计不仅需要在CAD格式的地图上进行建筑物的布置设计,还需要在GIS格式的地图上,利用便携移动设备中的GPS定位与地形图的实时关联功能,进行外业勘察数据的数字化采集工作。采用基于分层比对二元要素类映射池的技术方法,解决CAD与GIS空间数据格式便捷转换的问题,为工程勘察设计专业的数据共享提供解决方案。

基于高分辨率类激活映射算法的弱监督目标实时检测

受益于深度学习的发展,目标检测技术在各类视觉任务中得到广泛关注。然而,获取目标的边框标注需要高昂的时间和人工成本,阻碍了目标检测技术在实际场景中的应用。为此,该文在仅使用图像类别标签的基础上,提出一种基于高分辨率类激活映射算法的弱监督目标实时检测方法,降低网络对目标实例标注的依赖。该方法将目标检测细划分为弱监督目标定位和目标实时检测两个子任务。在弱监督定位任务中,该文利用对比层级相关性传播理论设计了一种新颖的高分辨率类激活映射算法(HR-CAM),用于获取高质量目标类激活图,生成目标伪检测标注框。在实时检测任务中,该文选取单镜头多盒检测器(SSD)作为目标检测网络,并基于类激活图设计目标感知损失函数(OA-Loss),与目标伪检测标注框共同监督SSD网络的训练过程,提高网络对目标的检测性能。实验结果表明,该文方法在CUB200和TJAB52数据集上实现了对目标准确高效的检测,验证了该文方法的有效性和优越性。

基于改进类激活映射的织物疵点检测

为实现弱监督条件下的织物疵点检测,提出一种基于改进类激活映射(Class activation mapping,CAM)的疵点检测方法。在卷积神经网络中加入SE模块,并将深层和浅层卷积层进行结合,以此提高网络的分类性能;为了提高疵点定位的准确性,将两种分辨率的类激活图进行融合来生成改进的类激活图。实验结果表明,该算法对无疵点、孔、污渍和纱疵四个类别织物图像的识别准确率达到了96.88%,并且在数据集只有图像级标注的情况下,实现了织物疵点的定位。

面向SAR目标识别深度网络可理解的类激活映射方法

随着深度学习方法在合成孔径雷达(SAR)图像解译领域的广泛应用,SAR目标识别深度网络可理解性问题逐渐受到学者的关注。类激活映射(CAM)作为常用的可理解性算法,能够通过热力图的方式,直观展示对识别任务起作用的显著性区域。然而作为一种事后解释的方法,其只能静态展示当次识别过程中的显著性区域,无法动态展示当输入发生变化时显著性区域的变化规律。该文将扰动的思想引入类激活映射,提出了一种基于SAR背景杂波特性类激活映射方法(SCC-CAM),通过对输入图像引入同分布的全局扰动,逐步向SAR识别深度网络施加干扰,使得网络判决发生翻转,并在此刻计算网络神经元输出激活值的变化程度。该方法既能解决添加扰动可能带来的扰动传染问题,又能够动态观察和度量目标识别网络在识别过程中显著性区域的变化规律,从而增强深度网络的可理解性。在MSTAR数据集和OpenSARShip-1.0数据集上的试验表明,该文提出的算法具有更加精确的定位显著性区域的能力,相比于传统方法,在平均置信度下降率、置信度上升比例、信息量等评估指标上,所提算法具有更强的可理解性,能够作为通用的增强网络可理解性的方法。

数字化藏书激光存贮检索信息类目映射方法

数字化藏书存贮检索受到信息映射影响,导致覆盖率与准确率值偏低,提出数字化藏书激光存贮检索信息类目映射方法。通过映射系统统计中图法和杜威十进分类法中的USMARC记录实例,构建类号映射关系,规范化处理中图法和DDC的数据,构造类目数据结构,划分检索数据表,抽取检索特征词;依据双序列比对,计算特征词、复合词汇类目和所处环境的相似度,实现数字化藏书激光存贮检索信息类目映射。实验结果表明,映射方法的覆盖率达到98.38%,准确率达到97.48%,该方法实现了覆盖率与准确率的双重提升。

一种基于随机密钥及“类标准映射”的图像加密算法

应用离散混沌动力系统设计了一种图像加密 /解密算法 .该文算法主要特点是 :无论从加密 /解密算法的设计到密钥的产生都是由不同的混沌动力系统提供的 .算法主要包括两部分 :(1 )采用依赖于随机密钥的非线性迭代变换来完成图像像素替代 ,其中所用的子密钥由离散混沌系统产生 ;(2 )采用“类标准映射”的强耦合结构来完成图像像素的置换 ,并且这种置换是依赖于密钥的 .替代和置换部分组成了具有良好密码特性的SP网络结构 .分析和仿真结果表明 ,经过这样的替代和置换 。

DDC到《中图法》类目映射方法研究

对于中外分类法的映射研究,国内多关注于对计算机自动映射方法的探讨,缺乏对词表类目复杂语义关系的具体研究。本文在对DDC和《中图法》理学领域共计4639个类目进行人工直接映射的基础上,通过统计其匹配依据,得出结论:理学类目下数学、物理、化学、天文、地理等不同学科内匹配依据的总体分布呈现一致性的特点,这为检验计算机自动匹配准确性提供了方法。实验表明,类目名称、注释、主题词、类目关系作为主要的判断依据,占映射类目的63%,依据匹配规则占映射的5.14%,依据书目记录的匹配占31.87%,因此论文建议实现计算机自动匹配时,除类目自身信息外,还需考虑书目记录的匹配。

基于类圆映射的高维多目标可视化方法

可视化技术有利于对高维多目标优化问题求解所得的解集进行评价与分析,但是现有的高维多目标可视化方法无法有效保持解集的 Pareto支配关系、前沿密度分布及形状。针对以上问题,本文提出类圆映射可视化方法.首先将多目标按相关性均匀排列在单位圆圆弧上,根据适应度函数值将解集映射为类圆空间内的一个多边形,并通过多边形的几何中心和面积对解集进行 3维可视化.在此基础上对类圆支配与均衡性进行了定义,并对类圆映射下的支配关系、映射遮挡等进行了理论分析与证明.与平行坐标系、主成分分析方法和径向可视化方法相比表明,本文方法能保持解集 Pareto支配关系,并能反映解集在原始空间的密度分布和形状。此外,还能有效避免解集映射点遮档.其有利于决策者进行可视化评价和选择高维多目标解集.

基于关联规则的映射聚类算法

针对很多算法对高维数据比较敏感的问题,提出了一种基于关联规则的映射聚类算法。该方法将映射聚类算法和关联规则方法相结合,利用关联规则发现每个类在子空间的最大相关维,可以提高算法的准确性,从而可以有效的在子空间进行聚类。文章后面的实验结果说明了该方法的有效性。

一种结合类激活映射的半监督图像分类方法

半监督学习要求无标记数据集远大于标记数据集,然而无标记数据集中包含的复杂无关信息又会对模型训练造成负面影响.针对此问题,本文提出了一种基于增强的均值教师模型的半监督图像分类方法.首先根据类激活映射的工作机制,构建一个具有类激活映射功能的网络;然后将无标记数据集输入结合类激活映射的目标初定位网络,得到目标初定位图;最后将标记图像和目标初定位图像组成训练数据集,训练得到半监督图像分类器.本文设置了标记数据占比、骨干网络、数据集的对比实验,结果表明,本文算法在Top1和Top5上的表现优于现有算法,说明了本文算法的可行性和有效性.

基于类圆映射的多目标粒子群优化算法

针对多目标优化求解的问题,提出一种基于类圆映射的多目标粒子群优化算法(qMOPSO)。首先,利用类圆映射技术将高维空间的解集映射到二维坐标平面,监控粒子种群的进化状态。其次,为了兼顾种群的收敛性和分布性,采用类圆占优和类圆扇块距离的概念设计了新的档案集管理策略。另外,根据种群分布熵变化情况,选择全局最优粒子,指导种群进化方向。最后,基于换维思想和淘汰机制,采用一种新的综合管理策略,提高种群寻优性能。所提算法采用三类测试函数和五种对比算法进行了对比实验。仿真实验证明,该方法是正确、有效的。

基于文本聚类的映射聚类算法研究

文本聚类在信息过滤和网页分类等方面有着较好的应用,可是它面临数据维数很高的难点。由于维度很高,使得经典的聚类算法难以有效处理。针对这个问题给出了一种快速鲁棒的映射聚类算法,其中利用关联规则查询簇的相关维,然后使用相关维进行进一步的分析。实验结果说明了该算法具有速度快以及较好的鲁棒性等特点,可以应用在文本聚类中。

基于类Hènon映射的单向散列函数构造

基于混沌理论和单向散列函数的性质,提出了用类Hènon混沌映射构造单向散列函数的算法,并讨论了此算法的安全性。这种算法具有初值敏感性和不可逆性,且对任意长度的原始消息可生成256位的单向散列值。用该算法可以很容易的求出所给明文消息的摘要,然后生成数字签名。

基于改进自组织映射聚类算法的连锁故障预测模型

为提高电力系统连锁故障预测的快速性和全面性,提出一种基于改进自组织映射聚类算法的连锁故障预测模型。针对事故链预测模型的故障指标模糊、事故链模型过于庞大等问题,该模型首先设计了初始故障集评价指标、上下级支路间关联性指标。其次改进自组织映射聚类算法,对关联性指标进行聚类分类,并在上下级支路关联性确定中,设定适当阈值。最后,利用IEEE36节点系统进行仿真验证。结果显示:本文方法在3.245 s时可预测到6级总计37条故障线路,故障预测范围达到97%。可见,本文方法与传统方法相比能有效缩短预测时间,扩大预测范围。

利用类圆映射优化PCA算法的高维多目标可视化方法研究

为避免现有的高维多目标可视化方法无法有效保持解集的Pareto支配关系和前沿密度分布关系,在基于主成分分析法基础上引入类圆决策空间算法,将多目标按相关性排列在单位圆圆弧上,然后根据适应度函数值将解集映射为类圆空间内的一个多边形,通过映射多边形的几何中心和面积对多目标优化问题解集进行构建,最终利用BASes以及拓展函数进行对比实验。实验结果表明类圆映射可视化法在保留原始解集Pareto支配关系和密度分配关系基础上,还能够有效反应解集Pareto前沿密度分布。

对象关系映射中类的继承映射分析与实现

针对软件开发人员经常面对如何实现类的继承映射,研究了实现类的继承映射的几种实现方法,重点分析每种方法的优缺点,并给出如何使用的几点建议。解决软件开发过程中存在继承关系的对象持久化问题。

基于机器学习的类目映射方法——国际专利分类法与中国图书馆分类法

专利和期刊隶属于不同的知识组织体系,要实现专利与期刊文献的交叉浏览和检索必须解决两种分类法(中国图书馆分类法(CLC)和国际专利分类法(IPC))之间的映射问题。在调研现有分类法类目映射方法的基础上,讨论了基于机器学习实现中国图书馆分类法和国际专利分类法之间类目映射的方法。通过对中图法某个类目标识的语料进行训练得到该类目的分类器,然后用其对国际专利分类法标识的语料进行分类,对分类结果进行分析得出类目间的映射关系。对比实验证明了该方法的有效性。