绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 100
  (已选择0条) 清除 结果分析
找到 501688 条结果
[硕士论文] 杨晨
建筑与土木工程 苏州科技学院;苏州科技大学 2019(学位年度)
[硕士论文] 游击林
天体物理及天文数据信息处理 贵州师范大学 2019(学位年度)
[硕士论文] 詹旋
光学工程 华中科技大学 2019(学位年度)
[博士论文] 张婧
计算机应用技术 大连理工大学 2018(学位年度)
摘要:中文分词任务是机器翻译、自动问答、信息检索等自然语言处理任务的基础工作,其研究具有重要的理论意义和应用价值。面向社交媒体语料的自然语言处理任务受到广泛关注,但由于社交媒体语料的特殊性及其分词训练语料极为匮乏等问题,导致现有分词器在该领域的分词结果不理想。本文围绕如何提高面向微博等社交媒体领域的中文分词器的性能这一课题展开深入研究,主要研究内容包括:
  针对微博领域缺乏分词训练语料且含有大量新词的问题,提出一种新的无监督微博新词识别方法。由于现有新词识别统计量对词频依赖性较大,因此,本文将新词识别任务分为高频新词识别和低频新词识别两个子任务。对于高频新词识别任务,提出点互信息和字向量相结合的新词识别方法;对于低频新词识别任务,提出基于Modified AccessorVariety和词串独立性的新词识别方法。结果表明,本文所提方法优于当前领先的OverlapVariety新词识别方法。
  针对微博语料中存在大量相似样例的问题,提出基于λ-主动学习的中文微博分词方法。该方法的初始分词器采用CRFs模型,利用无监督方法从大规模未标注语料中获得点互信息和停用字可能性作为CRFs模型的学习特征;根据微博语料中存在大量局部相同而整体不同的样例的特点,在主动学习挑选样例时引入参数λ对字边界的多样性进行衡量,有效控制选取的类似样例的数量。实验表明,所提方法优于目前领先的基于词边界标注的主动学习方法。
  为了在扩充训练语料过程中避免人工标注工作,提出基于BLSTM神经网络模型和CRFs模型协同训练的半监督中文微博分词方法。该方法在协同训练过程中,根据个体分词器对未标注微博语料的预测结果获得标注样例中的异簇,并提出规则和D-S证据理论相结合的标签自动修正算法对异簇标签进行修正,从而生成伪训练语料。结果表明,本文所提的协同训练方法可以在不需要任何人工标注的情况下,利用自动获得的伪训练语料显著提高个体分词器的性能,达到该领域的领先水平。
  综上,本文针对微博等社交媒体语料的特点提出无监督新词识别方法、基于半监督的主动学习方法的中文微博分词方法和基于半监督的协同训练的中文微博分词方法。结果表明,本文研究工作能够自动获得高质量的微博分词训练语料,有效提高面向微博语料的中文分词器的性能,为面向社交媒体语料的文本处理与信息抽取打下基础,也为训练资源稀缺的研究任务提供了扩充训练语料的新思路。
[博士论文] 黄鑫
计算机应用技术 大连理工大学 2018(学位年度)
摘要:从海量生物数据中挖掘出反映疾病发生发展变化的重要信息,尤其是恶性肿瘤发生的关键特征,是生物信息学及其应用研究的一个热点问题。在生命机体中,分子间彼此相互关联、相互作用,共同完成各项复杂的生理功能。因此,疾病状态中发生扰动的不仅是一个分子,而是多个分子间的关联关系。关注疾病发生发展中分子间关联性的改变,获得有效地反映生命机体病变的重要特征,有助于提高疾病的临床诊断效果。本文从探究分子间的相互关系入手,研究基于特征间关联关系的数据分析新算法,将所研制的新方法应用在疾病组学数据中,从网络或组合标志物层面发现有助于疾病诊断的关键信息。本文工作主要包括:
  (1)提出了一种新的特征对评价算法,不同于仅考察特征间水平比较关系的特征对评价算法,本算法同时分析特征间的水平和垂直比较关系在疾病发生发展过程中的变化,挖掘特征间具有判别能力的关联信息,并依据所选出特征对的比较关系构建相应的分类模型。在分析基因组学数据和代谢组学数据的实验中,该算法所构建的分类器表现出更好的分类性能和更强的鲁棒性,实验结果表明该算法从不同角度分析特征间的关联关系,可以发现更多的判别信息,促进临床诊断和疾病标志物的研究。
  (2)提出了基于组合特征的分类模型构建算法,该算法通过探究特征间的水平比较关系,筛选具有判别能力的特征对,迭代地构造有效的组合特征,所生成的组合特征参与分类模型的构建。组合特征不局限于只考察两个特征间的关联性,而是根据迭代分析的结果确定,并且基于原始单特征和组合特征建立有效的分类模型。该算法在分析基因组学数据和代谢组学数据时,可以有效地区分数据集中不同类别的样本,实验结果说明挖掘特征间具有判别能力的关联关系、迭代地构建新的组合特征,有助于促进疾病的分型研究。
  (3)提出了基于有效范围的非重叠率的代谢网络构建和动态网络分析新方法。该方法通过探究病变过程中通路反应的紊乱程度构建动态代谢网络,描绘复杂疾病发生发展过程中代谢轨迹的动态变化。根据该网络构建方式特点,提出了拓扑结构分析和动态浓度分析方法,以确定疾病恶化的关键时间节点、筛选具有预警作用的网络信息和重要代谢比值特征。将所研制的方法应用在大鼠肝癌队列数据中,确定了重要代谢比值特征LPC18∶1/FFA20∶5,该比值标志物不仅可以有效地区分动物模型中的肝癌样本,其表达值升高也可以预警肝癌的早期发生。
  (4)提出了提取差异性网络子图的新方法,通过分析比值特征的相关性网络,发现节点间关联关系在不同生理、病理状态下的差异,提取反映机体病变的差异性子网;基于差异性子网的拓扑结构分析,确定与所研究问题相关的重要比值特征。该方法既可以分析静态数据以寻找疾病的判别信息,也可以分析时间序列数据以发现疾病的预警信号。将所研制的方法应用在静态的基因组学数据和动态的代谢组学数据上,实验结果表明提取比值特征的相关性差异子网可以为分析复杂的疾病组学数据提供新思路。
  为探究特征间关联性在疾病发生、发展中的变化,发现可以反映机体病变的重要的关联关系,促进临床疾病的诊断研究和标志物筛选,本文以疾病组学数据为主要研究对象,以临床标志物筛选为研究目标,研制从网络和组合标志物层面分析复杂组学数据的新方法;并将开发的新方法用于疾病的分型和潜在生物标志物的研究,以获得有效地反映生物体病变的关键特征。本文所开发的数据处理方法可为疾病特征提取和标志物筛选提供有效的新工具。
[博士论文] 曹晓旭
机械电子工程 浙江大学 2018(学位年度)
摘要:水下运载器-机械手系统是人类探索海洋、开发海洋的新工具,本文针对水下管线巡检机器人的协调规划控制问题,搭建相应的AUVMS实验平台,并对其协调规划及控制展开深入研究。
  文章总共分为七章,内容概括如下:
  第一章:通过文献调研,分析总结了水下管线巡检作业的现状及问题,总结AUVMS系统的应用场景以及发展历程,对国内外相关项目做了分析梳理。同时针对AUVMS的运动规划及运动控制进行深入的文献调研。最后阐述本课题的研究意义,难点及章节安排。
  第二章:介绍了项目中设计搭建的AUVMS子系统构成及相关参数指标。根据实际参数建立该系统的运动学模型及水动力影响下的动力学模型。同时在MATLAB/Simulink平台搭建可视化仿真模型。
  第三章:针对AUVMS高维度,惯量分布差异大,作业环境复杂的特点,研究其轨迹规划和路径规划问题。提出了RRTAUVMS算法,借助了系统自身的运动学模型及动力学模型,与传统的快速扩展随机树算法相比,能够显著提高规划效率。
  第四章:针对AUV水下运动受到复杂水动力干扰的问题,研究了基于非线性干扰观测器的算法,该算法能够对AUV所受的集总水动力干扰进行有效估计并加以抑制,通过仿真和实验,验证了所提出方法的优势。
  第五章:主要对水下机械手的控制进行深入的研究。针对机械手运动模型参数误差及强非线性特点,采用基于时延估计器的算法,实现对外干扰及参数变化的有效补偿,提高系统的控制性能。提出了任务空间下轮廓跟踪控制的算法,设计基于时延估计的非奇异终端滑模控制算法,实现对大曲率椭圆轮廓的跟踪,并通过Lyapunov稳定性原理证明所提出算法的稳定性。通过仿真和实验,验证两种方法的有效性。
  第六章:将AUVMS协调运动规划、控制算法有机结合起来,实现有效的整体规划与控制,并通过仿真和水池实验验证该方法的有效性。
  第七章:对本文的核心工作,创新点进行概括总结,并从工程角度和学术角度对后续的研究进行展望和总结。
[博士论文] 白杨
管理科学与工程 大连理工大学 2018(学位年度)
摘要:Web2.0技术与社会化媒体的迅速发展为人们获取信息、发表意见、交互活动提供了开放的、便捷的平台。海量复杂的信息产生在这种社交网络上,其背后隐藏着潜在好友、意见领袖、热点事件等有用的信息,而获得这些有用信息的关键是寻找具有相似性特征的用户群体——社群。实施有效的社群挖掘不仅影响着人们的生产和生活,也对促进社会的和谐发展具有十分重要的意义。
  社交网络的信息主要来源于用户生成和交互的文本内容,因此,社群挖掘不再是单一网络结构的发现,而是更需要着眼于对这些文本信息语义的理解和内容上的挖掘。本文借鉴社会标签系统的信息组织模式,以用户关系为研究对象,开展面向标签主题识别的社群挖掘的研究工作:
  1)提出一种基于标签主题的用户重要性区分方法。用户的兴趣可能是多方面的,而传统方法对用户的“多兴趣”并未加以区分,致使用户重要性区分并未在用户的同一兴趣类别中进行,导致了用户相似性度量的“兴趣偏差”问题。针对这一问题,本文在大众分类模式网络中,首先采用标签聚类方法来识别兴趣主题,并归类用户;然后在兴趣主题相同的用户社群中,结合社会网络分析和PageRank方法构建用户重要度指标;最后将该指标引入用户相似度模型,在delicious数据集上进行有效性的验证,并在好友推荐中得以应用。
  2)构建结合时间因素的用户兴趣更新模型。建立社交网络的用户兴趣模型对于提供高质量的网络个性化服务具有重要意义,而识别用户兴趣的变化则是建模中的难点。针对并未以大众分类模式搭建的社交网络的标签并不丰富的特点,以LDA(Latent Dirichlet Allocation)主题模型中的“词语”作为标签,将标签语义特征和时间特征相结合构建用户兴趣更新模型。按照微博信息量的不同将用户划分为两大类:针对微博信息丰富的老用户,引入时间权重函数构建用户LDA兴趣更新模型;而针对微博信息较少的“冷启动”用户,采用空间向量相似性度量方法构建用户的兴趣模型,并通过学习模型对用户的兴趣变化进行识别,实现对用户兴趣模型的更新。在微博数据集上对所提出的方法进行了应用,并获得了网络的主题、网络主题的核心用户以及用户的兴趣。
  3)提出一种综合考虑用户社会关系和用户生成内容社群划分的方法。本部分包括两个阶段的工作:用户综合相似度的确定和基于信息粒度的社群划分。第一阶段从用户社会关系和用户生成内容两个视角,采用链接预测方法优化社会关系模型,采用“细粒度”用户标签和“粗粒度”内容标签构建用户“标签-主题”关系模型,将这两个模型加权汇总并设定可适应性的调节参数,建立融合社会关系和用户内容的用户综合相似度模型。第二阶段针对K-Means聚类算法的不足以及数据的高维性和稀疏性的缺陷,将信息粒度原理应用于用户聚类分析中,给出用户等价关系的隶属度和广义的等价关系,在此基础上提出一种基于信息粒度的社群划分算法。实验结果表明,由于有效融合了用户的社会关系这一重要信息和引入信息粒度方法,提出的模型与未加权的用户标签主题模型、K-Means相比,获得了更好的I指标和Dunn指标评价结果。
  4)提出社群的知识增长测度及用户选择方法。将社会标签系统应用于知识服务研究中,借鉴前文社群挖掘关键技术和研究成果,建立一种混合标签本体模式下的语义知识库,分析生成的知识社群组成及特征。将个体与组织之间的知识转移进行量化表示,对知识社群内的知识存量和知识增长进行测度。从内容感知的角度,结合相似度计算模型,设计知识转移过程的用户选择算法,优化知识转移,进而推动知识在群体内的良性高效流动。
[硕士论文] 黄雅婷
地图学与地理信息系统 浙江大学 2018(学位年度)
摘要:基于遥感影像的建筑物提取是摄影测量与遥感领域的重要研究课题,但传统的提取算法在人力和时间上耗费巨大,该课题研究成果能够高效地排除影像中的冗余信息,使后期提取算法大幅减少计算空间和时间开销,为及时提取和更新地理信患数据提供了新的思路。本文借鉴计算机视觉领域中多边形超像素、候选目标检测等最新研究成果,提出一种基于多边形超像素的候选建筑物检测方法。本文研究工作可以归纳为如下几点:
  首先,与以往建筑物检测方法不同,本文引入了计算机视觉领域的候选目标检测概念应用于遥感影像的建筑物检测。该方法旨在高效地筛选出一些候选建筑物目标,这些目标中包含建筑物的可能性很高,进而缩小了建筑物存在区域的范围,为后续的复杂的建筑物提取或分类算法提供很好的基础数据。
  其次,与现有基于超像素合并策略的候选目标检测方法不同,结合建筑物的几何特征,本文首先将图像区域分割为大量小凸多边形,然后将小多边形合并得到少数大多边形,每个大多边形作为一个候选建筑物区域,由此筛选出候选建筑物。
  然后,构建图表示多边形及其邻接关系,依据颜色、纹理等特征描述相邻多边形的相似性并设置相应边的权重,采用最小生成树算法合并相似结点,将几何特征引入生长终止条件。
  最后,本文实现了上述方法,并对算法中的各项权值变量进行了实验与评估,同时与候选目标检测的主流算法进行比较。实验表明,本文提出的算法在针对建筑物的目标检测中有较好的表现,单幅1000×750大小的影像的平均处理速度为0.987秒,所得的最好候选目标和真实目标能够基本贴合。
[硕士论文] 叶杨笙
工业设计工程 浙江大学 2018(学位年度)
摘要:随着国民经济的发展,工人工资的逐步提高,解决工业、制造业的人力成本已经成为诸多企业迫在眉睫的问题。去除落后产能,优化产业结构,产业转型是提高中国经济增长质量必须经历的过程。
  机器换人是大势所趋,庞大的国内市场,使近几年来移动机器人行业蓬勃发展。移动机器人相对于仿人机器人来说,技术上更易实现,成本优势明显,已经渗透到3C电子、汽车、新能源、物流仓库、机械加工等多个行业。AGV(Automated Guided Vehicle)是移动机器人的一个分支,作为基础的搬运工具已经逐渐得到了市场的认可,成为工业自动化领域必不可少的一个环节,销量逐年增长。
  本文主要论述了对通用移动机器人调度系统的研究与设计过程。首先介绍了移动机器人相关背景及技术现状以及移动机器人调度系统的技术现状。然后分析了通过调度系统进行多机器人协作所面临的难题。针对这些难题,在地图通用性、参数通用性和环境易变性这三个方面提出了解决方案,通过这些解决方案,可以消除移动机器人个体差异对调度系统所造成的困难。其次本研究对调度系统的整体架构进行了设计并基于开源的OpenTCS(交通控制系统)框架实现了相应的功能。最后使用该系统在实际的工业及制造业场景中进行测试,并进行改进优化,提高了系统的鲁棒性。
  该设计研究成果已经在多个实际工业场景中投入使用,其中部分场景包含多种类型的移动机器人,体现了调度系统的通用性。当然,系统仍有许多不足支出,本文最后也提出了相应的改进和展望。
[硕士论文] 郭雅静
地质工程 浙江大学 2018(学位年度)
摘要:传统楼盘表多以二维表格的形式存在,虽能够准确表达属性信息,但是在房屋平面轮廓及空间拓扑关系方面表达存在不足。现有研究在楼盘表三维建模及可视化方面做了一定的探索,但仍存在楼盘表实体化管理思想相对弱化、楼房内部分级体现不够明确、户间空间拓扑关系讨论尚不够充分等局限。基于此本文从构建楼盘表模型出发,分析了户间空间拓扑关系,并结合模型进行了网络环境下楼盘表三维可视化方法研究。本文主要研究内容有以下几个方面:
  (1)提出一种多层级图属一体化楼盘表三维表达模型,实现对楼盘表的幢-层-户多层级表达和图属信息统一化管理,结合实际意义梳理楼盘表户实体之间的空间拓扑关系。相应地对模型构建流程和户间空间拓扑关系计算及相邻关系索引创建思路进行阐述。
  (2)结合本文模型提出一种基于Cesium平台的楼盘表三维可视化方法,核心思想是基于高度差构建三维视觉效果;并在不同空间拓扑关系场景下,与楼盘表二维可视化表达效果进行对比分析。
  (3)面向用户体验对本文方法的可视化性能进行优化,在视觉效果方面结合几何特征优化边线渲染、结合业务相关属性语义优化填充色彩方案;在响应时间方面从楼盘表模型组织方法层面进行优化,结合对比实验,分别研究了单模型下静态与实时结合的LOD混合组织方法和多模型下基于道路水系分域进行模型聚合的思路。
  (4)设计B/S架构下面向业务的楼盘表三维可视化实现系统,通过楼盘表数据访问服务完成三维展示模块功能;结合模型多层级表达和图属一致的特点设计业务接入模块功能。对将本文提出的楼盘表三维表达模型及可视化方法与业务系统进行集成予以实践。
  经过实践,本文提出的楼盘表三维表达模型及其网络环境下的三维可视化方法完成了楼盘表从二维图表数据到三维可视化效果的快速构建;对楼盘表模型三维可视化在业务系统场景下的应用具有一定的实际意义。
[博士论文] 钟芳明
软件工程 大连理工大学 2018(学位年度)
摘要:随着社交网络的快速发展,爆炸性增长的文本、图像、音视频等多模态数据如潮水一般涌入互联网中,给人们在海量的多模态数据中进行跨模态检索造成了巨大的困难。所谓模态是指一种数据类型或者表现形式,如文本模态和图像模态。而多模态数据通常指描述一个共同语义,但是以不同数据类型表示的数据。因此,跨模态检索是一种针对多模态数据之间交叉检索的特殊方式。由于不同模态数据之间的异构差异性和语义鸿沟,给跨模态检索造成了一定的困难。此外,数据的高维度、数据量大、存储开销大等问题进一步给高效和准确的跨模态检索实现提出了挑战。
  哈希方法将不同模态数据映射到一个由精简的哈希编码构成的汉明空间,能够有效解决跨模态检索。然而,汉明空间中的相似度保持、哈希编码的较大量化损失、跨模态数据的线性不可分和检索中存在不可见类为哈希方法设计提出了严峻挑战。本文针对上述四个问题,专注于围绕图像和文本的跨模态检索哈希方法研究。主要贡献如下:
  (1)针对已有算法从模态数据原始空间定义模态内局部结构信息造成汉明空间中的相似度保持不够准确问题,提出一种模态内和模态间相似度保持哈希算法。从目标低维空间的角度研究模态内相似度保持,将相似度矩阵的计算定义在目标空间,并且提出一种有监督距离收缩策略优化相似度矩阵,以加强模态内局部结构一致性。同时还考虑模态间的相似度保持,并将哈希函数学习结合到相似度保持中,以提高其对于海量样本外数据的适应性。实验表明该算法能够有效提升汉明空间中相似度保持的准确性,同时学习到适应性更强的哈希函数。在Pascal VOC数据集上当哈希编码长度为32bits时两个跨模态检索任务的平均精确率均值相比于最好的对比算法,分别提高了12%和11%。
  (2)针对现有方法采用松弛策略丢弃离散受限造成哈希编码较大量化损失问题,提出一种非线性离散跨模态哈希算法。首先基于联合矩阵分解学习跨模态数据公共语义,采用离散优化方法直接学习哈希编码,减小量化损失。同时提出将哈希函数学习转化成一个基于非线性核的二值分类问题,学习一组二值分类器作为哈希函数,建立原始数据和哈希编码之间的直接连接。实验验证该算法能够通过所学习的哈希函数直接生成哈希编码,减小量化损失,提高哈希编码的质量,在MIR Flickr数据集上当哈希编码长度为8bits时两个跨模态检索任务的平均精确率均值相比于最好的对比算法,分别提高了22%和18%。
  (3)针对现有基于线性哈希函数的算法难以解决跨模态数据的线性不可分问题,提出一种深度离散跨模态哈希算法。设计了一种跨模态深度神经网络框架,结合顶层模态间相似度保持、多层模态内相似度保持、标签一致性保持和哈希编码信息冗余最小化等,定义新的目标函数,以离散优化的方式,学习两个深度神经网络作为非线性跨模态哈希函数。实验验证该算法能够有效抓取跨模态数据内的非线性关系,解决跨模态数据的线性不可分问题。在NUS-WIDE数据集上,当哈希编码长度为8bits时两个跨模态检索任务的平均精确率均值相较于最好的对比算法分别取得了21%和14%的提升。
  (4)针对现有哈希方法难以解决跨模态检索过程中存在不可见类的问题,本文提出一种跨模态属性哈希算法。基于不可见类和可见类数据间的属性共享迁移,在跨模态哈希函数学习过程中,将数据特征、哈希编码、类属性和类标签之间的关系建模成一个双多层网络。实现哈希函数将所学知识从可见类迁移到不可见类上。实验表明,该算法通过学习具有知识迁移能力的哈希函数,能够实现不可见类数据的跨模态检索。
[博士论文] 邝利丹
信号与信息处理 大连理工大学 2018(学位年度)
摘要:功能磁共振成像(fMRI)是一种重要的医学影像技术,以其毫米级高空间分辨率及非侵入等优势,广泛应用于脑科学研究。多被试fMRI数据的组分析能够获得多被试间的共有信息或差异信息,为脑功能研究或脑疾病诊断提供群体性特征。盲源分离方法属于数据驱动方法,只需已知观测信号就能估计出源信号及其混合参数,适于分析脑认知程度有限的fMRI数据。独立成分分析(ICA)、独立向量分析(IVA)和张量分解在组分析上是三种性能互补的盲源分离方法,分别提供被试间平均、差异或共享的脑空间激活图和时间过程信息。然而,fMRI数据本质上是复数数据,被试间存在着较大的空时成分差异,而且模型阶数对复数fMRI数据组分析的影响未知,这些问题导致现有方法性能受限。为此,本文的创新性研究工作如下:
  (1)针对复数fMRI数据存在的不同独立源成分向量分布差异大、噪声严重和非圆性等问题,提出了一种基于多维广义高斯分布的复数自适应定点IVA算法。首先,构建了一个基于多维广义高斯分布的非线性函数,通过极大似然估计实时更新其形状参数,从而自适应地匹配各源成分向量的分布。然后,在主导子空间更新该非线性函数,实现消噪。最后,在解混矩阵更新中嵌入了混合数据的伪协方差阵,进而引入了复数fMRI数据的非圆性。仿真和实际数据的实验结果表明,该算法显著优于现有方法,特别是在信噪比较低和空时差异变化较大的情况下,获取了更优的空时信息。复数IVA较之幅值IVA提取了更多感兴趣体素(任务相关成分和默认网络成分都增加约三倍之多)。针对现有后处理相位消噪的相位范围固定的问题,基于先验空间成分和相关最大化原则,提出了一种相位范围自适应选取方法,该方法适于任务态数据和静息态数据的后处理消噪,也验证了固定相位范围±π/4的正确性。
  (2)针对现有张量分解方法不能同时解决被试间空时差异性的问题,提出了两种新算法。其一,以时间移不变CPD引入时间成分的差异性,以ICA引入空间差异性约束,提出了一种时间移不变典范因子分解(CPD)和ICA相结合的算法。该方法先对多被试幅值fMRI数据进行ICA,获取联合混合矩阵;再对该矩阵进行时间移不变秩一估计,获得共享时间成分和各被试特有的时延和强度信息,并由此重构联合混合矩阵,进而采用最小二乘法获得共享空间成分。其二,提出了一种空间源相位稀疏约束的复数时间移不变CPD算法。将实数域时间移不变CPD算法拓展到复数域,引入复数时间成分的差异性;利用复数空间成分所特有的小相位特性,采用一种l0范数平滑函数对大相位体素进行稀疏化,引入空间差异性约束。仿真和实际数据的实验结果表明,这两种算法在空时差异性较大和噪声较大的情况下,均显著优于现有算法。复数张量分解方法较之幅值方法多获得了约两倍的任务相关体素。
  (3)研究了复数fMRI数据组分析中模型阶数的影响及其成因。首先,提出了一种从多次ICA结果中选取best run的改进方法,利用了多成分性能平均和显著性检验综合策略。实际数据的实验结果表明,该方法在所有模型阶数下均优于现有方法。其次,采用所提出的best run选取方法,研究了复数fMRI数据组分析中模型阶数的影响,发现了从低阶到高阶一直存在的复数完整成分,与现有幅值成分在高阶发生分裂的结论迥异。接着,探究了复数完整成分的形成原因,检测了相位数据的模型阶数影响,分析了相位数据的特征值分布,证实了相位数据对幅值数据的补全作用。最后,以默认网络为例,探索了高阶复数完整成分的作用。与高阶幅值成分相比,高阶复数完整成分在健康对照组和精神分裂症患者区分上体现出更为显著的差异,具有作为生物标识的潜力。
[博士论文] 唐宁
应用心理学 浙江大学 2018(学位年度)
摘要:人类智能具有快速学习和灵活迁移的特点,在应对复杂多变的外部环境时较人工智能系统表现出不可比拟的优势。智能系统运算加工的效率取决于其内部的表征(Marr,1982;Neisser,1967),良好的表征形式正是人类智能拥有该优势的重要原因。现有的视知觉研究大多围绕着“特征”和“客体”等心理表征形式展开(Treisman&Gelade,1980;Kahneman,Treisman&Gibbs,1992)。然而,生活中的现实场景远比“特征”和“客体”复杂得多。视觉系统能够识别场景中的多个对象,理解其中的复杂关系,并提取出视觉场景的语义(Zhu&Mumford,2007)。人类的认知系统如何高效地表征复杂多变的视觉场景是当前认知心理学领域的重要理论问题。由于带有视觉语法的层级结构可通过递归的方式构建出多层次关系,以表示整个场景,且不同的场景信息都可以表达为这一形式,笔者据此认为,场景信息是以视觉语法层级树的形式加以表征的。本论文拟围绕上述假设开展系统研究。
  本研究针对场景区域分割信息,采用心理物理法与计算建模技术,以层级结构的节点深度效应为指标就场景信息的层级结构表征进行了系统考察。整个研究由两部分组成。研究一主要探讨视觉系统能否对场景中具有复杂空间关系的多个区域构建层级结构表征。该部分研究中,以分割法则为场景区域关系语法规则的层级树,通过层层迭代的方式生成场景分割图,比较层级树中不同深度节点变化条件下的记忆绩效,以检验层级表征存在与否。研究二选取水平和垂直切割规则下的场景区域分割信息,尝试性地就其层级表征的计算过程进行认知建模,并通过比较人和模型在场景分割相关认知任务中的绩效对该模型加以检验。本研究获得以下主要结论:
  (1)在场景区域分割信息的加工中,层级结构中不同深度节点的属性变化产生了不同的行为绩效,且该绩效差异不能由颜色变化面积等方面的差异所解释。上述结果表明场景信息加工中存在层级表征。
  (2)在不同结构类型和不同切割规则的场景区域信息加工中,不同节点深度条件的绩效差异均存在。上述结果表明场景信息的层级表征具有普遍性,不仅具有跨层级结构类型的一致性,且具有跨语法规则的一致性。
  (3)构建了基于贝叶斯推断方法的认知模型。该模型针对场景分割任务输出的结果与人的绩效一致。可以认为,该计算模型良好地仿真了层级表征的构建及其在场景信息相关认知任务中的计算过程。
  本研究首次针对视觉场景,为发展描述实际执行过程的心理学理论提供了有益的尝试,也为将心理学研究应用于人工智能算法设计提供了示范性的案例。
[博士论文] 李文钰
计算数学 大连理工大学 2018(学位年度)
摘要:人工神经网络由于其超强的非线性映射能力,卓越的学习能力以及其广泛的用途,成为许多领域的研究热点.为了提高网络泛化能力,产生更经济的稀疏网络,克服梯度型神经网络学习算法收敛速度慢,容易过快陷入局部极小点,且易产生振荡现象的缺陷.为此本文主要研究带光滑L1/2正则项的批处理共轭梯度型学习方法.首先提出基于修正割线方程的共轭梯度法,并验证了该方法求解标准优化测试问题的有效性.其次提出双自适应参数的共轭梯度法,并对XOR问题搭建神经网络进行测试来验证算法的有效性.然后将双自适应参数的混合共轭梯度法引入BP前馈神经网络训练,提出带光滑L1/2正则项的共轭梯度学习方法.最后针对零阶Takagi—Sugeno模糊推理系统,提出带光滑L1/2正则项的常值学习率共轭梯度学习方法.本文对于这些方法均进行了收敛性分析,它们在数值结果上也展示出了不俗表现.本文的主要内容概括如下:
  1.第一章绪论部分回顾了神经网络的相关背景知识,介绍了本文的研究目的和研究意义,提出了本文的研究内容.
  2.第二章针对Dai-Yuan(DY)共轭梯度方法具有优良的收敛性质但数值表现一般的特点,结合修正的割线方程,改进某类参数DY型共轭梯度法,提出了双参数DY型共轭梯度算法.结合Wolfe线搜索,算法总能产生下降的搜索方向.由于算法充分的利用修正割线方程中包含的梯度信息和函数值的信息,提高了目标函数二阶曲率的近似精度,在参数选择为恰当常数的条件下,算法表现出优异的数值性能.在合理的假设下,证明了该方法的全局收敛性.
  3.第三章主要分析双参数共轭梯度方法中参数的自适应问题.基于在最优解附近选择共轭梯度方向为拟牛顿方向这一假定,充分利用已经计算得到的梯度、搜索方向和学习率等信息来设计自适应的参数,并利用强Wolfe线搜索来计算学习率,算法产生新的搜索方向既为下降方向又具有拟牛顿性质.对于XOR问题搭建神经网络进行数值实验,结果显示双自适应参数共轭梯度法明显改善了DY框架下的其他三个参数共轭梯度法,并且与经典的梯度算法和共轭梯度算法相比较,同样显示了良好的性能.
  4.第四章主要研究将双自适应参数共轭梯度方法用于前馈神经网络训练,并用于分类任务.我们依据DY框架下的共轭梯度混合策略,提出了光滑L1/2正则化双自适应参数的混合共轭梯度学习方法,进一步改善学习算法的性能.该方法利用强Wolfe条件来计算学习率,使得该混合算法产生的搜索方向依然具有拟牛顿性和充分下降性质.如在UCI数据集中五个基准分类问题的数值实验所示,与其他经典的共轭梯度训练算法相比,新的学习算法具有与其他算法大致相同或更好的学习能力,但同时又具有更好的泛化性、网络稀疏性和更高的稳健性.在合理的假设下,证明了该方法的全局收敛性.
  5.第五章针对零阶Takagi-Sugeno模糊推理系统,提出一种具有光滑L1/2正则项的共轭梯度方法来训练模糊神经网络,得到了较为经济的稀疏网络结构.该方法中,采用了常值学习率,以此来降低计算成本,并提高学习效率.数值实验表明,该算法具有较强的稀疏性和较快的学习效率.此外,在合理的假设下,得到该方法的全局收敛性结果.
[博士论文] 孙冲
信号与信息处理 大连理工大学 2018(学位年度)
摘要:近些年来,随着“城市大脑”概念的提出,作为其重要技术支持的视觉跟踪受到了越来越多的关注。标准的视觉跟踪算法侧重于在单个监控视角下对一个或一些目标进行持续的定位,并提供其位置及尺度信息。在民用领域,视觉跟踪技术可以有效地帮助城市管理者在大量的城市监控数据中实现对目标状态及轨迹的快速检索,极大地解放了人们的工作负担。在军事领域,视觉跟踪技术是无人机导航、导弹制导等尖端国防科技的重要组成部分。本文主要针对开放场景中的视觉跟踪问题进行研究,并重点探索结构化外观模型在目标出现较大形变及遮挡时的应用。本文主要贡献如下:
  提出了基于隐变量时空结构化建模的视觉跟踪算法。本文通过贝叶斯理论推导,将视觉跟踪任务建模成目标位置及遮挡状态估计的交替迭代优化问题。首先,在已知遮挡状态先验的情况下,将当前帧目标每个子区域状态及历史已跟踪视频帧目标状态定义为隐变量,并基于该隐变量引入时空树拓扑结构以同时考虑待跟踪目标的时间及空间结构化信息。通过基于隐变量的时空树拓扑结构,算法引入光流估计信息,进而可以提供更准确的目标运动估计。其次,在已知目标位置先验的条件下,本文同时考虑正负样本信息及时间一致性信息以建立判别遮挡模型。该模型可以有效地对目标遮挡状态进行检测,并减少外观形变、光照变化等因素对遮挡检测的影响。
  提出基于互补空间感知回归函数的视觉跟踪算法。本文探索深度特征的空间信息,并提出两个互补的具有空间感知模块的神经网络来提升模型的表达能力。首先,提出了带有加权交叉相似核函数的岭回归算法。相较于传统岭回归算法,本文的模型可以联合学习到岭回归系数及目标每一个子区域的可靠性,并考虑目标不同区域间的相似性关系,具有较强的处理非刚性形变的能力。本文分析了所提出的岭回归算法与神经网络的关系,并给出了其神经网络的等价形式。所提出的模型可以通过梯度下降算法端到端地训练得到,为未来将其融合到基于神经网络的特征学习框架中打下基础。其次,本文提出了具有空间约束核函数的卷积神经网络。通过令卷积核上的某些位置恒为0,本文算法使得每一个卷积输出只关注到目标的一个局部区域,进而增加了卷积神经网络的表达能力。最后,本文将两个网络(岭回归网络及卷积神经网络)的响应结合到一起作为最终的响应图,并根据该响应图确定目标位置。
  提出基于联合判别及可靠性学习相关滤波的视觉跟踪算法。本文探索相关滤波器中的结构化外观建模问题,将相关滤波器系数改写成了基滤波器及可靠性权重矩阵的哈达玛积,并利用基滤波器及可靠性权重矩阵分别学习分类器的判别及可靠性信息。首先,通过引入局部响应一致性约束项,本文使得所学习到的基滤波器可以均匀地强调整个目标区域,防止滤波器权重被分配到一个比较小的局部区域上,避免所学习到的滤波器系数分布被特征图支配。其次,本文通过交替迭代算法联合优化可靠性权重矩阵与基滤波器系数,使得算法可以自适应地根据跟踪过程中每个区域的表现分配可靠性权重。本文给出了所提出最优化问题的交替迭代解,并推导出傅里叶域的加速计算策略。
[博士论文] 王亚飞
微电子学与固体电子学 大连理工大学 2018(学位年度)
摘要:视线追踪,也被称为注视估计或者眼动跟踪,是利用电学、光学等各种检测手段获取被试的当前注视方向或注视点的技术。传统的视线追踪技术主要将转动机械、电极、镜片或者线圈等装置直接附着在被试的眼球表面,侵入性强,仅能应用于受控的环境中。而基于光学视频的视线追踪技术则利用眼球的光学特性,通过外部相机记录眼动信息,对人的干扰性小,应用范围更为广泛。基于光学视频的视线追踪技术经过近些年的快速发展,在光照均匀的室内环境下已经可以达到较高的精度。然而,在日常复杂光环境下,弱光、侧光、高亮、遮挡等现象,以及头部姿态的大幅度旋转等因素,严重干扰了视线方向的跟踪。
  本文针对复杂光环境下的视线追踪技术难点,依据人眼的注视特性,通过深入研究标注人眼图像的重要光视觉特征,提出了一系列人眼视线估计方法,解决了视线追踪关键技术中涉及到的人眼图像特征不鲁棒、训练数据集不充足、视线估计方法适配性不灵活、复杂环境中视线校准、大幅度头部运动下头部姿态补偿等问题。在此基础上,提出了真实驾驶环境下的驾驶员注视区域估计和自动校准方法,并验证了这一典型复杂光环境下视线估计方法的有效性。本文的主要研究内容和结果如下:
  (1)研究了基于人眼图像深度特征的视线估计方法,解决了复杂光环境下图像特征表观的鲁棒性问题。该方法结合了深度特征的特征提取方法和聚类再分类随机森林的特征回归方法,建立了具有稀疏激活特性的特征空间,并利用该特征空间学习预测注视方向。随机森林通过预先的聚类及分类策略来降低结点内的误差,对采样之后的数据使用完全分裂的方式建立视线回归模型。实验结果表明该视线估计方法在不同的光照条件下具有一定的鲁棒性和抗遮挡能力。
  (2)研究了结合卷积神经网络和生成对抗网络的真实化人眼图像生成方法,用于改善海量合成人眼图像的光照真实性,解决了复杂光环境下完备训练数据集不足的问题。该方法首先利用卷积神经网络初步增加具有高层语义信息的真实背景信息,然后利用生成对抗网络继续迭代学习,提高图像的真实性。实验结果表明利用真实化的人眼图像样本集训练基于人眼图像表观的视线估计模型,取得了更低的视线估计误差。
  (3)提出了一种基于近邻搜索的视线估计方法,可以更有效地适配于不同人眼图像数据集,解决了海量数据下视线估计模型的适配性问题。该方法结合头部姿态特征、瞳孔中心特征和人眼图像表观特征,构建了一个级联的三空间近邻搜索框架,以选择与待估计人眼数据更相关的近邻数据。实验结果表明基于近邻搜索的视线估计方法在不同光环境的人眼图像数据集上取得了理想效果。
  (4)提出了一种新颖的驾驶员注视区域自动校准方法,用于解决真实复杂光环境下驾驶员视线校准问题。根据车辆环境和驾驶员注视行为的特点,采用面部特征的三维空间信息估计头部姿态,使用辅助采样的粒子滤波方法在给定的状态空间上对驾驶员头部姿态进行追踪和学习,实现了驾驶员视线自动校准。实验结果表明该方法在头部姿态上估计误差低于2度,基本达到与手动校准相当的水平,可以满足与注意力相关的驾驶行为研究的需要。
  (5)研究了结合注视方向估计和头部姿态追踪的驾驶员注视区域估计方法,解决了真实复杂光环境下驾驶员视线追踪问题,并验证了基于人眼图像表观的视线估计方法的效果。利用场景深度信息进行背景分割,快速提取人脸区域三维点云模板,迭代计算人脸刚体区域的三维点云模板与预先采集的不同注视区域的三维点云模板之间的配准关系,得到头部姿态的偏移旋转矩阵分量信息,并对头部状态进行追踪学习以给出头部姿态估计值。实验结果表明该方法的视线估计误差小于8度,可以实现稳定的驾驶员注视区域估计。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

万方选题

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部