首页期刊导航|智能系统学报
期刊信息/Journal information
智能系统学报
中国人工智能学会　哈尔滨工程大学
智能系统学报

中国人工智能学会　哈尔滨工程大学

钟义信

双月刊

1673-4785

tis@vip.sina.com

0451-82518134

150001

哈尔滨市南岗区南通大街145-1号楼

智能系统学报/Journal CAAI Transactions on Intelligent SystemsCSCD北大核心CSTPCD
查看更多>>《智能系统学报》于2006年3月正式出刊，双月刊，大16开，CN 23-1538/TP，ISSN 1673-4785，邮发代号14-190。《智能系统学报》是由中国人工智能学会和哈尔滨工程大学联合主办，是中国人工智能学会会刊。主要刊登神经网络与神经计算、智能信息处理、自然语言理解、智能系统工程、机器翻译、复杂系统、机器学习、知识工程与分布式智能、机器人、智能制造、粗糙集与软计算、免疫系统、机器感知与虚拟现实、智能控制与智能管理、可拓工程、人工智能基础等内容,目前，为美国《剑桥科学文摘》、英国《科学文摘》、中文核心期刊、中国科学引文数据库（CSCD）来源期刊、中国科技核心期刊等重要数据库收录。连续5年获国家自然科学基金资助，曾获得中国高校百佳科技期刊、中国科技论文在线优秀期刊一等奖、中国高校特色科技期刊、工业和信息化部优秀期刊等多项荣誉。
正式出版
收录年代

    元能源系统——能源网络与元宇宙的碰撞

    张承慧
    766页
      原文链接:
    • 万方数据
    • 维普

    多机器人系统感知能力和控制体系结构综述

    张霖谢开鑫郑显华宋永石...
    767-790页
    查看更多>>摘要：为了促进多机器人系统(multi robot system，MRS)的智能化、无人化发展，并提升MRS在不同工作环境中的探测能力和系统的灵活性，本文从MRS的感知能力及其控制系统架构的角度出发，深度调研并分析了MRS相关的研究与工作，重点探讨了空中、地面、水面、水下 4 种应用环境下的MRS感知能力与控制系统架构，并对未来的研究方向进行展望。本文的结果可对于后续MRS在感知方法和控制系统的选用上提供参考。

    多机器人系统移动机器人无人机无人船水下机器人感知控制协同

      原文链接:
    • 万方数据
    • 维普

    基于属性图的社区搜索模式及其分类体系

    赵丹枫孔万仔黄冬梅刘国华...
    791-806页
    查看更多>>摘要：当前在属性图中的社区搜索方法较多、类型繁杂，没有系统的分类方式，约束了社区搜索的应用。为明确属性图社区搜索的类别，对属性图社区搜索分类方法进行研究。首先，首次提出属性图社区搜索模式的概念，深入分析属性图社区搜索模式之间存在的联系，提出属性图社区搜索模式的等价、从属、交叉、全异 4 种关系;其次，以搜索模式的输入图属性、输出图拓扑结构和各属性图社区搜索模式的实际意义为基础，构建两层分类体系，第 1 层是由输入属性图相同的模式集合构成的集族，这里的输入属性图包括时序、空间、关键字、权值、空属性图，第 2 层是由输出图拓扑结构及实际意义定位到的每一个具体的属性图社区搜索模式;然后，针对第 2 层中每一种模式，给出对应社区搜索算法的对比分析结果;最后，对所有属性图社区搜索模式的特性集中分析。总体而言，属性图社区搜索模式不仅为理解和分析复杂网络结构提供有力工具，也为解决实际问题提供新的视角和方法。

    图论属性图社区搜索模式内聚性拓扑结构关系社区搜索算法

      原文链接:
    • 万方数据
    • 维普

    一种三层加权文本聚类集成方法

    李娜徐森徐秀芳许贺洋...
    807-816页
    查看更多>>摘要：为了提高聚类集成效果，本文设计了一种对点、簇、划分进行加权的统一框架，提出一种三层加权文本聚类集成方法。首先根据基聚类生成超图邻接矩阵，然后依次对点、簇、划分进行加权获得加权邻接矩阵，最后用层次凝聚聚类算法获得最终结果。在多个真实文本数据集上进行实验，结果表明，与未加权及其他层面加权相比，三层加权方法可以获得更好的聚类效果，三层加权相较于未加权的平均提升幅度为 12。02%;与近年来的其他8种加权方法相比，该方法在所有数据集上的平均排名位列第一，验证了本文方法的有效性。

    文本聚类聚类集成加权聚类集成三层加权加权聚类多层加权聚类分析无监督学习

      原文链接:
    • 万方数据
    • 维普

    三维点云配准的多尺度深度学习方法

    郭大伟李景浩陆军
    817-826页
    查看更多>>摘要：针对近几年三维视觉领域基于深度学习点云配准算法鲁棒性差和精度较差等问题，设计了一种基于深度学习的三维点云配准方法。首先抽取具有明显几何特征的点作为兴趣点，通过区域生长算法对兴趣点进行聚合，并基于多尺度分析方法进行特征提取以及特征融合。为进一步提取特征数据中包含的深层局部信息，使用多层感知机(multilayer perceptron，MLP)网络进行二次特征提取，并加入修改过的Transformer网络补充特征。设计了匹配矩阵生成及优化算法，并通过奇异值分解(singular value decomposition，SVD)计算得到变换矩阵。通过在ModelNet40 数据集上进行比较实验，证明本文的配准算法远优于传统配准算法，并在配准精度和鲁棒性方面优于近几年流行的深度配准网络DCPNet和RPMNet。本文分析结果可为提高点云配准鲁棒性以及精度提供参考。

    点云配准三维视觉特征提取特征融合深度学习兴趣点聚合多尺度特征Transformer网络

      原文链接:
    • 万方数据
    • 维普

    结合注意力的纺织品瑕疵检测方法研究

    周在雍狄岚
    827-838页
    查看更多>>摘要：本文阐述了一种名为SAAM-YOLOX的基于改进YOLOX的纺织品瑕疵检测模型，旨在解决纺织品瑕疵检测中针对犬牙花纹与格纹背景中出现的误检和漏检问题，以及整体检测精度不高的问题。在特征提取阶段，该模型引入了离散余弦变换所构建的多分支离散余弦注意力机制(multi-branch discrete cosine attention，MD-CA)，能够解决模型在犬牙花纹与格纹背景中出现的误检和漏检问题，并且在检测精度上有一定的提高;在特征融合阶段，为了聚集和加强不同尺度的语义特征，SAAM-YOLOX模型采用了尺度聚合技术和注意力机制来构建尺度聚合注意力模块(scale aggregation attention module，SAAM)。在SAAM的上采样过程中，使用双线性插值结合自注意力机制来增强特征信息的有效性，从而进一步提高检测的精度。在完成尺度聚合后，加入注意力模块来增强混合尺度的特征表示，最终实现提高检测效果的目的。实验结果表明，本文检测模型解决了犬牙花纹与格纹背景中出现的误检和漏检问题，并且提高了瑕疵检测的精度。

    注意力机制尺度聚合双线性插值离散余弦变换多尺度特征特征融合纺织品瑕疵检测计算机视觉

      原文链接:
    • 万方数据
    • 维普

    基于动态阈值和差异性检验的自训练算法

    吕佳邱鸿波肖锋
    839-852页
    查看更多>>摘要：针对自训练算法在迭代训练分类器的过程中存在难以有效选取高置信度样本以及误标记样本错误累积的问题，本文提出了基于动态阈值和差异性检验的自训练算法。引入样本的局部离群因子，据此剔除有标签样本中的离群点以及分类标注无标签样本，依据标注分批次处理无标签样本，以使模型更易选取到高置信度的无标签样本;根据新增伪标签样本的数量和对比隶属度的变化，设计一种动态隶属度阈值函数，提升高置信度样本的质量;定义密集距离度量样本间的差异性，分别计算伪标签样本与同类和不同类样本之间的密集距离之和，从而找出不确定度高的伪标签样本，并将此类样本并入下轮训练的无标签样本集中，缓解误标记样本错误累积的问题。实验结果表明，该算法在12个UCI基准数据集上均取得理想效果。

    自训练算法误标记样本高置信度样本动态阈值差异性检验局部离群因子对比隶属度密集距离

      原文链接:
    • 万方数据
    • 维普

    联合局部多尺度和全局上下文特征的步态识别

    李浩淼张含笑邢向磊
    853-862页
    查看更多>>摘要：现有步态识别方法在空间上能提取丰富的步态信息，但是在时间上通常忽略局部区域内的细粒度时间特征和不同子区域间的时间上下文信息。考虑到步态识别为细粒度识别问题同时每个人行走的时间上下文信息具有独特性，提出一种联合局部多尺度和全局上下文时间特征的步态识别方法。将整个步态序列按多个时间分辨率划分并提取局部子序列内的多分辨率细粒度时间特征。在子序列之间基于Transformer提取时间上下文信息，并基于上下文信息融合所有子序列形成全局特征。在 2 个公开数据集上进行大量的实验，在CASIA-B数据集的 3 种行走状态下取得 98。0%、95。4%和 87。0%的rank-1 准确率，在OU-MVLP数据集上取得 90。7%的rank-1准确率。本文提出的方法得到的结果可为其他步态识别方法提供参考。

    生物识别步态识别跨视角卷积神经网络深度学习残差链接细粒度注意力机制

      原文链接:
    • 万方数据
    • 维普

    2024亚太人工智能与机器人产业峰会

    862页
      原文链接:
    • 万方数据
    • 维普

    基于多路特征渐进融合和注意力机制的轻量级图像超分辨率重建

    刘玉铠周登文
    863-873页
    查看更多>>摘要：为进一步探索在计算和存储资源受限设备上应用超分辨率方法的可能性，本研究聚焦于深度卷积神经网络技术在单图像超分辨率中的应用，特别是如何在不显著增加网络规模的情况下，提升网络的性能。本文提出一种新的基于多路特征渐进融合和注意力机制的轻量级单图像超分辨率方法(multi-path feature fusion and attention mechanism，MPFFA)。MPFFA包括一个多路特征渐进融合块(multi-path feature progressive fusion，FPF)，可以通过前面的特征，多路渐进地引导和校准后面特征的学习;还包括一个多路特征注意力机制(multi-path feature attention mechanism，FAM)，通过加权拼接多路特征通道，可以提高特征信息的利用率和特征表达能力。实验结果表明:MPFFA显著优于当前其他代表性的方法，在模型复杂度和性能间达到了更好的平衡。本文提出的模型能够更好地应用于计算和资源受限的设备上。

    图像超分辨率卷积神经网络特征融合注意力机制深度学习图像还原峰值信噪比结构相似度

      原文链接:
    • 万方数据
    • 维普