首页期刊导航|模式识别与人工智能
期刊信息/Journal information
模式识别与人工智能
模式识别与人工智能

戴汝为

双月刊

1003-6059

bjb@iim.ac.cn

0551-5591176

230031

中国科学院合肥智能机械研究所安徽合肥董铺岛合肥1130信箱

模式识别与人工智能/Journal Pattern Recognition and Artificial IntelligenceCSCD北大核心CSTPCDEI
查看更多>>人工智能和模式识别是目前国际发展迅速的学科之一，本刊发表与此有关的最新研究结果和进展，旨在推动信息科学技术的发展。本刊面向各高等院校，研究机构和企业的科研人员、教师、工程技术人员及研究生和高年级大学生。
正式出版
收录年代

    基于三幕结构思维链和语义自洽的事件驱动故事生成方法

    黄于欣赵源余正涛吴磊...
    571-583页
    查看更多>>摘要：事件驱动故事生成旨在根据有限的故事背景和事件信息生成连贯且符合事件内容的故事.然而,现有方法常因对复杂的事件关系推理不足,导致生成的故事存在语义不连贯、情节冲突等问题.为此,文中提出基于三幕结构思维链和语义自洽的事件驱动故事生成方法,在生成故事前选择类型多样的故事示例,学习不同类型故事的写作方式.生成故事时,按照故事的开端、冲突和结局三幕结构设计思维链,引导方法合理规划故事内容,避免故事情节前后矛盾.生成故事后,引入语义自洽,模拟作家的推敲过程,从生成的多个故事中选择语义一致、连贯性和相关性较高的故事.实验表明,相比提示学习方法,文中方法的BLEU-4和BERTScore指标值有所提升,并且在人工评估中也占有一定的优势.

    事件驱动故事生成大规模语言模型语义自恰三幕结构思维链

      原文链接:
    • 维普
    • 万方数据

    2024年中国粒计算与知识发现学术会议在连云港成功召开

    CAAI粒计算与知识发现公众号
    583页
      原文链接:
    • 维普
    • 万方数据

    基于待选集的三元概念构造方法

    王啸魏玲张琴祁斌...
    584-596页
    查看更多>>摘要：三元概念分析作为形式概念分析理论的扩展,是一种分析三维数据的理论.获取三元概念是三元概念分析理论的重要问题之一,文中提出基于待选集的三元概念构造方法.首先,定义正则三元背景和净化三元背景,研究这两种三元背景的性质,证明三元背景诱导的形式背景的所有形式概念的外延集包含三元背景所有三元概念的外延集.然后,定义外延待选集,给出利用外延待选集构造三元概念的方法,加快获取三元概念的速度.进一步,证明依据该构造方法获取三元概念的可行性和完备性,同时将该构造方法推广到三元背景诱导的另两种形式背景上.最后,给出基于待选集的三元概念构造算法,并通过实验验证文中算法性能较优.

    形式背景形式概念三元背景三元概念待选集

      原文链接:
    • 维普
    • 万方数据

    基于多演化特征的社交网络链路预测算法

    何玉林赖俊龙崔来中黄哲学...
    597-612页
    查看更多>>摘要：社交网络链路预测旨在根据已知的网络信息预测未来的链接关系,在推荐系统和合著网络中具有重要作用.然而,现有链路预测算法往往忽视社交网络的多元演化特点,训练时间复杂度较高,限制其执行效率.针对上述问题,文中提出基于多演化特征的社交网络链路预测算法(Multi-evolutionary Features Based Link Prediction Algo-rithm for Social Network,MEF-LP).首先,设计一种简单高效的时间极限学习机模型,利用门控网络和极限学习机自编码器传递与聚合社交网络快照序列的时间信息.然后,构建多个深度极限学习机,对时间特征进行多角度映射,挖掘社交网络不同的演化特征,并最终融合成综合演化特征.最后,使用基于极限学习机的分类器完成链路预测.在6个真实社交网络上的实验表明,MEF-LP能合理学习社交网络的多演化特征,并获得较优的预测性能.

    社交网络分析链路预测多元演化网络快照极限学习机

      原文链接:
    • 维普
    • 万方数据

    基于多模态模糊特征融合的脑龄协同预测算法

    王静丁卫平尹涛鞠恒荣...
    613-625页
    查看更多>>摘要：深度神经网络可通过训练从大脑图像中预测年龄,作为识别衰老相关疾病的生物标志物.传统的脑龄预测方法往往依赖于单一模态的图像数据,而多模态数据可提供更全面的信息,提高预测精度.然而,现有的多模态融合方法往往不能充分利用不同模态之间的相关性和互补性.为了克服上述问题,文中提出基于多模态模糊特征融合的脑龄协同预测算法(CMFF),设计模糊融合模块和多模态协同卷积模块,可有效利用多模态信息之间的相关信息和互补信息.首先,利用卷积神经网络从多模态脑图中提取特征张量,径向拼接后整合到一个全局特征张量中.然后,利用模糊融合模块学习被模糊化的特征,再将特征应用到多模态协同卷积模块,通过特定的卷积层增强模态间的互补信息.最后,基于性别信息和经过模糊协同处理的特征执行年龄预测回归任务,得到准确的预测年龄.在SRPBS多重障碍MRI数据集上的实验表明,CMFF性能较优.

    模糊融合协同卷积脑龄预测多模态医学影像深度学习

      原文链接:
    • 维普
    • 万方数据

    基于轻量级对称CNN-Transformer的图像超分辨率重建方法

    王庭伟赵建伟周正华
    626-637页
    查看更多>>摘要：针对现有基于Transformer的图像超分辨率重建方法存在参数量过大和训练成本过高等问题,提出基于轻量级对称CNN-Transformer的图像超分辨率重建方法.首先,利用权值共享设计对称CNN-Transformer模块,经由通道注意模块充分融合上、下分支提取的信息,提高对局部特征和全局特征的捕获和利用.同时,通过深度可分离卷积并计算自注意跨通道的协方差矩阵,有效减少Transformer的参数量,降低计算成本和显存消耗.然后,引入HFERB(High-Frequency Enhancement Residual Block),进一步关注高频区间的纹理和细节信息.最后,探讨Trans-former生成自注意时所需激活函数的选择,分析可知GELU激活函数能较好地促进特征聚合,提升网络性能.实验表明文中方法在保持轻量化的同时,能有效重建图像更多的纹理与细节.

    图像超分辨率重建深度学习Transformer对称网络

      原文链接:
    • 维普
    • 万方数据

    解耦表征学习视角下认知图像属性特征的图像生成方法

    蔡江海黄成泉王顺霞罗森艳...
    638-651页
    查看更多>>摘要：在生成式人工智能领域,解耦表征学习的研究进一步推动图像生成方法的发展,但现有的解耦方法更多地关注图像生成的低维表示,忽略目标变化图像内在的可解释因素,导致生成的图像容易受到其它不相关属性特征的影响.为此,文中提出解耦表征学习视角下认知图像属性特征的图像生成方法.首先,从生成模型的潜在空间出发,通过训练获得关于目标变化图像的候选遍历方向.然后,构建无监督语义分解策略,并基于候选遍历的方向联合发现嵌入在潜在空间中的可解释方向.最后,利用解耦编码器和对比学习构建对比模拟器和变化空间,进而由可解释方向提取目标变化图像的解耦表征并生成图像.在5个解耦数据集上的实验表明文中方法性能较优.

    解耦表征学习潜在空间可解释方向图像生成变化空间

      原文链接:
    • 维普
    • 万方数据

    基于深度重塑的航拍目标检测增强网络

    付天怡杨本翼董红斌邓宝松...
    652-662页
    查看更多>>摘要：针对航拍图像目标检测中存在的复杂背景对检测的干扰、小目标的细节丢失及检测效率的高需求等问题,文中提出深度重塑增强网络(Depth-Reshaping Enhanced Network,DR-ENet).首先,采用空间深度重塑技术取代传统下采样方法,减少特征提取中的信息损失,增强对细节的捕获能力.然后,提出可变形空间金字塔池化方法,增强网络对目标形状变化的适应性和在复杂背景中目标识别的能力.同时,注意力解耦检测头增强针对各检测任务的学习效果.最后,为了同时兼顾密集小目标和复杂背景的特点,构建小型航拍数据集PORT.在3个公开航拍数据集及PORT数据集上的测试表明DR-ENet有一定的性能提升,说明其在航拍图像目标检测中的有效性和高效性.

    航拍图像计算机视觉深度学习目标检测特征提取

      原文链接:
    • 维普
    • 万方数据