Search | Engineering

订阅投稿

首页工程期刊工程焦点工程成就工程前沿关于我们 English

资源类型

期刊论文 806

会议视频 26

会议信息 22

会议专题 1

年份

2023 87

2022 99

2021 92

2020 74

2019 78

2018 53

2017 65

2016 40

2015 14

2014 16

2013 17

2012 15

2011 19

2010 19

2009 5

2008 15

2007 23

2006 24

2005 27

2004 18

展开︾

关键词

机器学习 27

深度学习 15

人工智能 13

系统集成 7

2019 6

2020 6

图像处理 6

智能制造 6

神经网络 4

能源 4

MATLAB 3

仿真技术 3

农业科学 3

半旱地农业 3

可再生能源 3

开放的复杂巨系统 3

自适应控制 3

3D打印 2

ACM 2

展开︾

检索范围：

排序：展示方式：

基于回归预测集成学习的交互式图像分割 Article

Jin ZHANG, Zhao-hui TANG, Wei-hua GUI, Qing CHEN, Jin-ping LIU

《信息与电子工程前沿（英文）》 2017年第18卷第7期页码 1002-1020 doi: 10.1631/FITEE.1601401

摘要：对于复杂场景下的自然图像，全自动图像分割方法难以获得与真实情况吻合的结果，人们常常采用交互式分割手段实现精确分割。然而，当前及背景中存在颜色相似的区域时，传统半监督图像分割方法只能通过大量增加手工标记获得精确分割结果。为此，本文提出一种结合半监督学习的基于回归预测的集成学习交互式图像分割方法。通过集成两个互补的样条回归函数，将图像分割视为一个非线性预测问题。首先，基于已标记样本训练出两个在属性上互补的多元自适应回归样条学习器（multivariate adaptive regression splines, MARS）和薄板样条回归学习器（thin platespline regression, TPSR）；接着，提出一种基于聚类假设和半监督学习的回归器增强算法，该算法从未标记样本中抽选部分样本辅助训练MARS和TPSR；然后，引入支持向量回归方法（support

关键词：交互式图像分割；多元自适应回归样条；集成学习；薄板样条回归；半监督学习；支持向量回归

HTML PDF 收藏

基于自适应置信度校准的交互式医疗图像分割框架

沈楚云,李文浩,徐琪森,胡斌,金博,蔡海滨,朱凤平,李郁欣,王祥丰

《信息与电子工程前沿（英文）》 2023年第24卷第9期页码 1332-1348 doi: 10.1631/FITEE.2200299

摘要：基于人机交互的医疗图像分割方法是一种新的范式，其通过引入专家交互信息来指导算法完成图像分割任务。然而，现有医疗图像分割模型往往容易产生“交互误解”，即无法合理权衡短期和长期交互信息的重要性。为更好地利用不同时间尺度上的交互信息，本文提出一种基于自适应置信度校准的交互式医疗图像分割框架MECCA，其结合了基于分割决策的置信度学习技术和多智能体强化学习技术，并通过预测分割决策与短期交互信息的对齐水平来学习一个新颖的置信度网络随后，提出一种基于置信度的奖励塑造机制，在策略梯度计算中引入置信度，从而直接纠正模型产生的交互误解。MECCA还通过标签生成和交互指导来降低交互强度和难度，从而实现用户友好交互。实验结果表明，MECCA在不同分割任务中可以显著提高短期和长期交互信息的利用效率，且仅需较少的标注样本。

关键词：医疗图像分割交互式分割多智能体强化学习置信度学习半监督学习

HTML 收藏

联合局部学习和组稀疏回归的无监督特征选择 Regular Papers

Yue WU, Can WANG, Yue-qing ZHANG, Jia-jun BU

《信息与电子工程前沿（英文）》 2019年第20卷第4期页码 538-553 doi: 10.1631/FITEE.1700804

摘要：通过挑选特征子集，可有效提升学习算法效率。由于难以获取标签信息，无监督特征选择算法相较于有监督特征选择算法应用更为广泛，其关键在于找出更能反映数据分布的特征集合。为解决这一问题，本文提出联合局部学习和组稀疏回归的无监督特征选择算法。将基于局部学习聚类方法与组稀疏回归算法有机整合，选出有效反映数据流形分布同时保持组稀疏结构的特征。通过迭代算法，回归系数汇聚到重要特征上，选出能得到更优聚类效果的特征。对多个实际数据集（图像、声音和网页）的实验证明了该算法的有效性。

关键词：无监督；局部学习；组稀疏回归；特征选择

HTML PDF 收藏

用于电网节点重要度评估的一种基于网络嵌入和支持向量回归的人工智能方法 Research Papers

Hui-fang WANG, Chen-yu ZHANG, Dong-yang LIN, Ben-teng HE

《信息与电子工程前沿（英文）》 2019年第20卷第6期页码 816-828 doi: 10.1631/FITEE.1800146

摘要：最后，根据优化后的样本集训练支持向量回归模型，模型成熟后可用于电网节点重要度在线评估。结果表明，本方法能根据从样本中学到的信息有效评估电网节点重要度。相比传统指标构建法，本方法规避了片面性和主观性。

关键词：电网；人工智能；节点重要度；TADW法；网络嵌入；支持向量回归

HTML PDF 收藏

基于核空间非线性特征提取的图像质量评价方法 Article

Yong DING,Nan LI,Yang ZHAO,Kai HUANG

《信息与电子工程前沿（英文）》 2016年第17卷第10期页码 1008-1017 doi: 10.1631/FITEE.1500439

摘要：概要：在实现对与人类视觉感知相一致的图像质量的客观评价中，如何提取图像的视觉感知特征至关重要。不同于传统方法中通过线性变换或模型表达图像的方式，本文采用高维空间的一种数学表达来揭示图像的统计特性，通过引入核独立分量分析（kernel independent component analysis,KICA）方法实现非线性转化和图像的高维特征提取。从而提出一种基于非线性特征提取的全参考图像质量评价方法。在LIVE、TID2008和CSIQ等图像质量评价数据库上的实验结果表明，图像的非线性特征更有利于图像内在质量的描述，并且本文提出的方法性能良好，与主观评价较为一致。

关键词：图像质量评价；全参考方法；特征提取；核空间；支持向量回归

HTML PDF 收藏

扩大多元回归方法在跨组学研究中的范围 Article

Xiaoxi Hu, Yue Ma, Yakun Xu, Peiyao Zhao, Jun Wang

《工程（英文）》 2021年第7卷第12期页码 1725-1731 doi: 10.1016/j.eng.2020.05.028

摘要：

近年来科技的进步和发展使得高维数据急剧增加，研究人员对合适且有效的多元回归方法的需求也随之增长。许多传统的多元分析方法如主成分分析等已广泛应用于投资分析、图像识别和群体遗传结构分析等研究领域。因此，本文引入了降秩回归方法及其扩展形式——稀疏降秩回归和行稀疏的子空间辅助回归，这些方法有望满足上述需求，从而提高回归模型的可解释性。该方法的扩展形式为未来的组学研究特别是多元回归研究提供了有价值的指导，并为微生物组学及其相关研究领域的新发现奠定了基础。

关键词：多元回归方法降秩回归稀疏性降维变量选择

HTML PDF 收藏

半监督堆叠距离自动编码器的表征学习在图像分类上的应用 Research Articles

侯亮,罗潇逸,汪子扬,梁军

《信息与电子工程前沿（英文）》 2020年第21卷第7期页码 963-1118 doi: 10.1631/FITEE.1900116

摘要：图像分类是深度学习的重要应用。在典型分类任务中，分类精度与通过深度学习方法提取的特征密切相关。自动编码器是一种特殊神经网络，常用于降维和特征提取。该模型被称为半监督距离自动编码器。首先以无监督方式对每一层进行预训练。在随后的监督训练中，将优化的参数设置为初始值。为获得更好性能，使用堆叠式模型代替具有单一隐含层的传统自动编码器结构。将所提半监督距离自动编码器方法分别与传统自动编码器、稀疏自动编码器和监督自动编码器比较，实验结果证明该模型有效。

关键词：自动编码器；图像分类；半监督学习；神经网络

HTML PDF 收藏

结合熵、梯度、峰度特征的无参考噪声图像质量评价 Research Article

姚恒1,马奔2,邹勔2,徐栋3,4,姚劲草3,4

《信息与电子工程前沿（英文）》 2021年第22卷第12期页码 1551-1684 doi: 10.1631/FITEE.2000716

摘要：噪声是影响人类视觉感知最常见的图像失真类型。本文提出一种基于熵、梯度和峰度特征的无参考图像质量评估方法。具体来说，基于偏度不变性在离散余弦变换域进行图像噪声估计，进一步计算得到熵特征。在主成分分析变换域，通过统计有噪声图像与无噪声图像之间的显著差异得到峰度特征。此外，将熵和峰度特征与梯度系数结合，提高熵和峰度特征与主观得分之间的一致性。通过不同方向的滤波器对图像进行梯度特征提取，最后支持向量回归将所有提取的特征映射到综合评分系统中。为验证算法性能，在3个主流数据库（即LIVE、TID2013以及CSIQ）中对该方法进行评价。

关键词：噪声图像质量评价；噪声估计；峰度；人类视觉系统；支持向量回归

HTML PDF 收藏

学习挑选伪标签：一种用于命名实体识别的半监督学习方法 Research Articles

李真真,冯大为,李东升,卢锡城

《信息与电子工程前沿（英文）》 2020年第21卷第6期页码 809-962 doi: 10.1631/FITEE.1800743

摘要：深度学习模型在命名实体识别（NER）中实现了最先进的性能；然而，其良好性能很大程度上依赖于大量标记数据。在某些特定领域，例如医学、金融和军事领域，标记数据非常稀缺，而未标记数据则很容易获得。本文提出一种用于NER任务的半监督方法，其通过学习一个判别模块筛除错误伪标签，以创建高质量标注数据。伪标签是为未标记数据自动生成的标签，并被当作真实标签用来训练模型。该半监督框架包括3个步骤：为特定NER任务构建最佳单神经网络模型，学习一个评价伪标签的模块，以及迭代创建新的标记数据和改进NER模型。

关键词：命名实体识别；无标注数据；深度学习；半监督学习方法

HTML PDF 收藏

NGAT：基于广度和深度探索注意力机制的半监督图表示学习 Research Articles

胡荐苛,张引

《信息与电子工程前沿（英文）》 2022年第23卷第3期页码 409-421 doi: 10.1631/FITEE.2000657

摘要：近年来图神经网络（GNN）在图结构数据表示学习方面取得显著成绩。然而，随着网络层数增加，由于过度平滑问题，基于邻域信息聚合策略的GNN性能恶化，这也是GNN应用于真实图的主要瓶颈。为缓解过度平滑，本文提出一种嵌套的图注意网络，即基于双重注意力机制的多尺度特征融合模型NGAT，该网络可以半监督形式工作。本文在公开数据集上对比了现有图神经网络模型，实验表明本文提出的NGAT模型具备更强的节点嵌入学习能力。

关键词：图学习；半监督学习；节点分类；注意力机制

HTML PDF 收藏

交互式可视化标注与主动学习：实验比较 Research

Mohammad CHEGIN, Jürgen BERNARD, Jian CUI, Fatemeh CHEGINI, Alexei SOURIN, Keith Keith, Tobias SCHRECK

《信息与电子工程前沿（英文）》 2020年第21卷第4期页码 524-535 doi: 10.1631/FITEE.1900549

摘要：监督式机器学习方法可自动分类新数据，且对数据分析非常有帮助。监督式机器学习的质量不仅依赖于使用的算法类型，也依赖于用于训练分类器的标注数据集的质量。标签可以在学习过程中为主动学习算法提供有用的输入，以自动确定数据实例的子集。交互式可视化标注技术是有前景的选择，它提供有效的视觉概览，分析人员可从中同时查看数据记录与选择项目标签。虽然交互式可视化标注技术的初步结果在某种意义上有前景的，考虑到用户标注可改善监督式学习，但是该技术的许多方面仍有待探索。本文使用mVis工具标注一个多元数据集以比较3种交互式可视化技术（相似图、散点矩阵与平行坐标图）以及主动学习。结果表明3种交互式可视化标注技术的分类准确率均高于主动学习算法，相对于散点矩阵与平行坐标图，用户主观上更偏爱使用相似图标注。用户也可以根据使用的可视化技术采用不同标注策略。

关键词：交互式可视化标注；主动学习；可视分析

HTML PDF 收藏

集成增强主动学习混合判别分析模型及其在半监督故障分类中的应用 Research Article

王伟俊1,王云2,王君1,方信昀3,何雨辰1

《信息与电子工程前沿（英文）》 2022年第23卷第12期页码 1814-1827 doi: 10.1631/FITEE.2200053

摘要：然而，由于采样条件有限及实验室分析昂贵，数据标签总是难以获取，这可能导致分类性能下降。为了解决这个难题，本文提出一种新的半监督故障分类方法，其中每个未标记样本相对于特定标记数据集的价值采用增强的主动学习来评估。具有高价值的未标记样本将作为训练数据集的补充信息。

关键词：半监督；主动学习；集成学习；混合判别分析；故障分类

HTML PDF 收藏

融合自监督图学习与目标自适应屏蔽的会话型推荐方法 Research Article

王祎童,蔡飞,潘志强,宋城宇

《信息与电子工程前沿（英文）》 2023年第24卷第1期页码 73-87 doi: 10.1631/FITEE.2200137

摘要：会话型推荐旨在根据用户在短时间内有限的交互来预测下一个时间戳将要进行交互的物品。现有模型主要使用循环神经网络（RNN）或图神经网络（GNN）来建模顺序序列或物品之间的传递关系。为了解决上述问题，本文提出一种融合自监督图学习与目标自适应屏蔽的会话型推荐方法(SGL-TM)。具体来说，首先根据所有涉及到的会话构建全局图，然后从物品之间的全局连接中捕捉自监督信号，用来监督模型生成当前会话中准确的物品表示。之后，通过比较真值与经过我们设计的目标自适应屏蔽模块调整后的物品的预测分数来计算主监督损失。最后，将主监督组件与辅助自监督模块相结合，以获得用来优化模型参数的最终损失。

关键词：会话型推荐；自监督学习；图神经网络；目标自适应屏蔽

HTML PDF 收藏

基于场景自适应概念学习的无监督目标检测 Research Articles

浦世亮1,赵暐1,陈伟杰1,杨世才1,谢迪1,潘云鹤2

《信息与电子工程前沿（英文）》 2021年第22卷第5期页码 615-766 doi: 10.1631/FITEE.2000567

摘要：为克服上述问题，受视觉知识理论启发，提出一种场景自适应进化的无监督视频目标检测算法，该算法可利用目标群体概念，降低场景变化带来的不利影响。最终，利用收集到的伪类标微调预训练模型，实现算法对新场景的自适应。算法的有效性得到多个不同实验的验证，且性能提升显著。

关键词：视觉知识；无监督视频目标检测；场景自适应学习

HTML PDF 收藏

基于学习自适应区域选择的自动增强图像 None

Na LI, Jian ZHAN

《信息与电子工程前沿（英文）》 2019年第20卷第2期页码 206-221 doi: 10.1631/FITEE.1700125

摘要：很多现有图像增强算法基于局部区域，而且同一图像所选区域尺寸通常是固定的。用户需手工选择合适的区域尺寸获取最佳图像增强效果。提出一种基于自适应区域选择的自动增强图像算法。该算法采用明暗两个通道，解决各类图像曝光问题。对网上爬取的大量自然图像统计分析获取阈值，自动选择用于通道提取的区域尺寸。该方法可自动增强模糊或者曝光不足/背光的图像，无需任何用户交互。实验结果表明，该算法对现有基于区域的图像增强算法有显著改进。

关键词：图像增强；对比度增强；暗通道；明通道；自适应区域处理