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

    基于高维多目标序贯三支决策的恶意代码检测模型

    崔志华兰卓璇张景波张文生...
    97-105页
    查看更多>>摘要:针对传统基于二支决策的恶意代码检测方法在面对动态环境中的复杂海量数据时,没有考虑在信息不充足条件下进行决策产生影响的问题,本文提出了一种基于卷积神经网络的序贯三支决策恶意代码检测模型.通过卷积神经网络对样本数据进行特征提取并构建多粒度特征集,引入序贯三支决策理论对恶意代码进行检测.为改善检测模型整体性能,避免阈值选取的主观性,本文在上述模型的基础上,同时考虑模型的综合分类性能、决策效率和决策风险代价建立高维多目标序贯三支决策模型,并采用高维多目标优化算法对模型进行求解.仿真结果表明,模型在保证检测性能的同时,有效地提升了决策效率,降低了决策时产生风险代价,更好地拟合了真实动态检测环境.

    恶意代码检测序贯三支决策卷积神经网络高维多目标优化基于参考点的高维多目标进化算法多粒度延迟决策决策阈值

    基于监督对比学习的小样本甲骨文字识别

    毕晓君毛亚菲
    106-113页
    查看更多>>摘要:针对由于甲骨文中部分字符的出现频率较低,直接利用深度神经网络进行识别会产生严重的过拟合现象,进而导致识别精度较差的问题,本文提出一种基于监督对比学习的小样本甲骨文字识别方法.选用利用增强样本的Y型(ensemble augmented-shot Y-shaped,EASY)学习框架作为网络的主干部分,通过集合数据增强、多骨干网络集成、特征向量投影等训练策略,直接实现利用少量带标签样本进行识别;引入监督对比学习,并提出联合对比损失,使得特征空间中类内特征向量距离更近,类间特征向量距离更远,进一步提高模型性能.实验结果表明:相比于当前效果最好的Orc-Bert模型,提出的小样本甲骨文识别模型在 1-shot任务中的准确率提升了 26.42%,3-shot任务的准确率提升了 28.55%,5-shot任务的准确率提升了 23.98%,较好解决了低频率出现的甲骨文字识别精度较差的问题.

    甲骨文字识别小样本监督对比学习利用增强样本的Y型学习框架深度学习特征空间联合对比损失

    近海复杂环境下UUV动态路径规划方法研究

    张宏瀚王亚博李娟王元慧...
    114-121页
    查看更多>>摘要:为解决近海环境下水下无人航行器(unmanned underwater vehicle,UUV)的动态路径规划问题,本文提出一种结合全局和局部动态路径规划的算法.首先,本文提出一种基于自适应目标引导的快速拓展随机树算法,以增加随机树生长的方向性,并通过转向和重选策略减少无效拓展加快算法的收敛速度.接着,获得全局路径之后使用自适应子节点选取策略获取动态窗口法的子目标点,将复杂的全局动态任务规划分解为多个简单的动态路劲规划,从而防止动态窗口法陷入局部极小值.最后,通过UUV出港任务仿真实验验证了算法的有效性和实用性.

    水下无人航行器动态路径规划快速拓展随机树动态窗口自适应水下环境局部路径规划避障

    社交机器人对社会舆论的影响因素研究

    许灵毓钟义信陈志成
    122-131页
    查看更多>>摘要:近年来,社交机器人已经成为人工智能领域的一个最新的研究方向.由于新冠疫情、俄乌冲突、英国脱欧等一系列重大事件中,社交机器人对公众舆论产生了重要影响,学界对社交机器人的关注度日渐升高.本文提出了基于社交机器人的社会舆论形成过程模型,分为舆论出现、争夺影响力、舆论形成 3 个阶段,社交机器人可以在 3 个阶段介入和影响.研究了社交机器人的级联效应、工作原理、影响因素,指出媒体类型、事件模糊性和争议性、受众群体等均是影响社会舆论的主要因素.调查问卷实验与案例分析表明:社交机器人对信息传播速度、网民意见/倾向的形成等具有显著影响,实验数据对今后研究具有重要参考意义.

    社交机器人社会舆论公众媒体舆论影响影响因素人工智能社交媒体舆论形成机制

    多层特征融合与语义增强的盲图像质量评价

    赵文清许丽娇陈昊阳李梦伟...
    132-141页
    查看更多>>摘要:针对现有盲图像质量评价算法在面对真实失真图像时性能较差的问题,本文提出多层特征融合和语义信息增强相结合的无参考图像质量评价算法.提取图像的局部和全局失真特征,利用特征融合模块对特征进行多层融合;利用多层扩张卷积增强语义信息,进而指导失真图像到质量分数的映射过程;考虑预测分数和主观分数之间的相对排名关系,对L1 损失函数和三元组排名损失函数进行融合,构建新的损失函数Lmix.为了验证本文方法的有效性,在野生图像质量挑战数据集上进行了验证和对比实验,该算法的斯皮尔曼等级相关系数与皮尔逊线性相关系数指标相比原算法分别提升 2.3%和 2.3%;在康斯坦茨真实图像质量数据数据集和野生图像质量挑战数据集上进行了跨数据集实验,该算法在面对真实失真图像时表现出了良好的泛化性能.

    深度学习图像质量卷积神经网络特征提取通道注意力结构多层次特征融合扩张卷积三元组损失函数

    基于线性自抗扰控制的纵向舰载机直接升力全自动着舰控制

    吴启龙朱齐丹
    142-152页
    查看更多>>摘要:舰载机的最终着舰过程受到强烈的舰尾流的干扰,为了抑制舰尾流扰动,本文提出一种基于径向基函数神经网络(radial basis functions neural network,RBFNN)结合线性自抗扰控制(liner active disturbance rejection control,LADRC)的创新设计方法,确保舰载机直接升力控制自动着舰系统的鲁棒性.LADRC将阵风扰动和系统不确定项作为总扰动,通过线性扩展状态观测器(liner extended state observer,LESO)对总扰动进行估计,并通过线性反馈控制律进行补偿,然后根据系统状态利用RBFNN在线调整LADRC控制器的参数,并构建Lyapun-ov函数以证明闭环系统的稳定性.舰载机跟踪理想下滑道的仿真结果表明,RBF-LADRC的抗干扰性、鲁棒性和跟踪精度均优于与之对比的控制方法.

    稳定性分析直接升力控制径向基函数神经网络线性自抗扰控制自动着舰姿态控制舰尾流轨迹跟踪

    生物信息学与智能信息处理2024年学术会议

    152页

    基于双分支点流语义先验的路面病害分割模型

    庞荣杨燕冷雄进张朋...
    153-164页
    查看更多>>摘要:针对基于深度学习的真实路面病害图像识别算法主要面临的复杂道路背景与病害前景比例不同、病害尺度小等导致的类别严重不平衡、路面病害与道路的几何结构特征对比不明显导致其不易识别等问题,本文提出一种基于双分支语义先验网络,用于指导自注意力骨干特征网络挖掘背景与病害前景的复杂关系,运用高效自注意力机制和互协方差自注意力机制分别对二维空间和特征通道进行语义特征提取,并引入语义局部增强模块提高局部特征聚合能力.本文提出了一种新的稀疏主体点流模块,并与传统特征金字塔网络相结合,进一步缓解路面病害的类别不平衡问题;构建了一个真实场景的道路病害分割数据集,并在该数据集和公开数据集上与多个基线模型进行对比实验,实验结果验证了本模型的有效性.

    语义先验信息高效注意力机制互协方差注意力机制稀疏主体点流类别不平衡语义分割路面病害深度学习

    第20届中国智能系统会议

    164页

    面向密度分布不均数据的加权逆近邻密度峰值聚类算法

    吕莉陈威肖人彬韩龙哲...
    165-175页
    查看更多>>摘要:针对密度分布不均数据,密度峰值聚类算法易忽略类簇间样本的疏密差异,导致误选类簇中心;分配策略易将稀疏区域的样本误分到密集区域,导致聚类效果不佳的问题,本文提出一种面向密度分布不均数据的加权逆近邻密度峰值聚类算法.该算法首先在局部密度公式中引入基于sigmoid函数的权重系数,增加稀疏区域样本的权重,结合逆近邻思想,重新定义了样本的局部密度,有效提升类簇中心的识别率;其次,引入改进的样本相似度策略,利用样本间的逆近邻及共享逆近邻信息,使得同一类簇样本间具有较高的相似度,可有效改善稀疏区域样本分配错误的问题.在密度分布不均、复杂形态和UCI数据集上的对比实验表明,本文算法的聚类效果优于IDPC-FA、FNDPC、FKNN-DPC、DPC和DPCSA算法.

    密度峰值聚类密度分布不均逆近邻共享逆近邻样本相似度局部密度分配策略数据挖掘