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 770

会议视频 37

会议信息 20

年份

2024 2

2023 101

2022 123

2021 104

2020 78

2019 75

2018 52

2017 59

2016 45

2015 9

2014 7

2013 6

2012 6

2011 11

2010 5

2009 9

2008 20

2007 22

2006 20

2005 17

展开︾

关键词

机器学习 27

神经网络 27

人工智能 16

深度学习 15

能源 6

2020 5

人工神经网络 5

智能制造 5

2019 4

BP神经网络 4

网络 4

网络安全 4

网络空间安全 4

MATLAB 3

仿真技术 3

信息技术 3

农业科学 3

图像处理 3

大数据 3

展开︾

检索范围：

排序：展示方式：

不使用任何信任关系构建信任网络 Article

Xin WANG, Ying WANG, Jian-hua GUO

《信息与电子工程前沿（英文）》 2017年第18卷第10期页码 1591-1600 doi: 10.1631/FITEE.1601341

摘要：由于用户信任关系具有一定稀疏性和动态性，准确预测在线社交媒体中的信任关系变得较为困难；此外，大多数社交媒体平台都没有提供明确的信任关系。这些因素使得预测信任关系并构建信任网络具有一定挑战性。首先，验证了利用稀疏学习模型能够较好实现信任关系预测；然后，提出一个新颖框架bTrust，不使用任何信任关系，仅仅利用交互数据和同质性效应构建信任网络；最后，在Epinions和Ciao两个真实数据集上验证了bTrust框架的有效性，表明交互行为和同质性效应在构建信任网络中的重要性。

关键词：信任网络；稀疏学习；同质效应；交互行为

HTML PDF 收藏

面向潜在行为预测的异构行为网络嵌入学习 Article

Yue-yang WANG, Wei-hao JIANG, Shi-liang PU, Yue-ting ZHUANG

《信息与电子工程前沿（英文）》 2020年第21卷第3期页码 422-435 doi: 10.1631/FITEE.1800493

摘要：潜在行为预测即理解特定群体潜在的人类行为，可辅助组织做出战略决策。信息技术的进步使获取人类行为的庞大数据成为可能。本文将真实场景中获取的人类行为数据构建成信息网络；该信息网络由2种对象（人和动作）和3种关系（人—人、人—动作和动作—动作）组成，称作异构行为网络（HBN）。为充分利用异构行为网络的丰富性和异构性，提出一种网络嵌入方法，称作人—行为—属性感知的异构网络嵌入（a4HNE）；该方法综合考虑网络结构邻近性、节点属性相似性和异构性融合。在两个真实数据集上的实验结果表明，该方法在各种异构信息网络挖掘任务中的潜在行为预测性能优于其他同类方法。

关键词：网络嵌入；表示学习；人类行为；社交网络；异构信息网络；属性

HTML PDF 收藏

微小型机器鼠仿鼠行为学习与生成

高子航, 贾广禄, 谢宏钊, 黄强, 福田敏男, 石青

《工程（英文）》 2022年第17卷第10期页码 232-243 doi: 10.1016/j.eng.2022.05.012

摘要：为了模拟具有高相似性的典型实验鼠行为，本文提出使用概率模型和运动特征对实验鼠的行为进行参数化。首先，对15 个10 min 的实验鼠运动视频片段的分析表明，一只实验鼠在野外通常有6 种典型的行为，且每种行为都包含8 个运动基元的不同组合。本文首先使用softmax 分类器来获得实验鼠的行为-运动分层概率模型。其次，使用静态和动态的运动参数对运动基元组合进行特征化。这些优势值通过二阶傅里叶级数对实验鼠的脊柱关节轨迹进行拟合，并且通过具有两个隐藏层的反向传播（BP）神经网络对关节轨迹进行泛化。最后，将分层概率模型和泛化的关节轨迹分别作为控制策略和指令映射到机器鼠。本文在机器鼠上实现了6 种典型的仿鼠行为，其结果与实验鼠的行为相比显示出高度相似性。

关键词：仿生学微小型机器鼠神经网络学习行为生成

HTML PDF 收藏

基于稀疏表示的拉普拉斯稀疏字典图像分类 Article

Fang LI, Jia SHENG, San-yuan ZHANG

《信息与电子工程前沿（英文）》 2017年第18卷第11期页码 1795-1805 doi: 10.1631/FITEE.1600039

摘要：稀疏表示作为数据表示的一种数学模型，是解决模式识别、机器学习、计算机视觉等领域问题的有力工具。字典学习是稀疏表示方法的重要组成部分，在对原始信号及其在字典学习空间中的重建误差的最小化上发挥着重要的作用。在稀疏表示模型中，直接利用训练样本作为字典可以取得良好的性能。为取得更小且表现更好的字典，本文提出一种基于流形学习及双稀疏理论的拉普拉斯稀疏字典学习方法（Laplacian sparse dictionary, LSD）。本文将拉普拉斯权重图加入稀疏表示的模型，并对字典加以范数约束。LSD是一个稀疏的过完备字典，可保持数据的内在结构，并为每个类学习一个更小的字典。学习得到的字典可以嵌入基于稀疏表示的分类框架。结果显示本文提出的LSD算法比当前基于分类的稀疏表示的方法更有优势。

关键词：稀疏表示；拉普拉斯正则子；字典学习；双稀疏；流形

HTML PDF 收藏

结构化稀疏学习综述 Review

Lin-bo QIAO, Bo-feng ZHANG, Jin-shu SU, Xi-cheng LU

《信息与电子工程前沿（英文）》 2017年第18卷第4期页码 445-463 doi: 10.1631/FITEE.1601489

摘要：稀疏学习由于其简约特性和计算优势而获得了越来越多的关注，在具有稀疏性的条件下，许多计算问题可以在实践中得到有效的处理。而结构化稀疏学习则进一步将结构信息进行编码，在多个研究领域取得成功。这些正则函数通过利用特定的结构信息极大提高了稀疏学习算法的性能。在本文中，我们从想法、形式化、算法和应用等方面系统的回顾了结构化稀疏学习。我们将这些算法置于最小化损失函数和惩罚函数的统一框架中，总结了算法的开源软件实现，并比较了典型优化算法解决结构化稀疏学习问题时的计算复杂度。在实验中，我们给出了无监督学习在结构化信号恢复和层次化图像重建中的应用，以及具有图结构引导的逻辑回归的在监督学习中的应用。

关键词：结构化稀疏学习；算法；应用

HTML PDF 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。

关键词：无监督；局部学习；组稀疏回归；特征选择

HTML PDF 收藏

基于RGBD和稀疏学习的鲁棒目标跟踪 Article

Zi-ang MA, Zhi-yu XIANG

《信息与电子工程前沿（英文）》 2017年第18卷第7期页码 989-1001 doi: 10.1631/FITEE.1601338

摘要：本文提出了一种基于RGBD和稀疏学习的跟踪算法，从三个方面将深度信息应用到稀疏学习跟踪框架。首先将深度图像特征结合现有的基于彩色图像的视觉特征用于目标外观的鲁棒特征描述。基于KITTI和Princeton数据集的大量实验证明了所提出算法的跟踪效果优于时下最先进的多种跟踪器，包括基于稀疏学习的跟踪以及基于RGBD的跟踪。

关键词：目标跟踪；稀疏学习；深度视角；遮挡物模板；深度图像特征

HTML PDF 收藏

网络系统行为效用计算——概念与原理 Article

胡昌振

《工程（英文）》 2018年第4卷第1期页码 78-84 doi: 10.1016/j.eng.2018.02.010

摘要：

网络的服务与应用是一个面向业务与任务的行为过程，其度量与评估目前尚处于粗略比较状态。本文把网络行为场景刻画为微分流形，根据光滑微分流形的同胚变换，给出了网络行为的数学定义，提出了网络行为路径及行为效用的数学描述。基于微分几何原理，提出了网络行为效用的计算原理与方法，并构建了基于行为效用的网络攻防对抗评估计算框架，从而奠定了网络行为定量度量和评估的数学基础。

关键词：网络度量评估微分流形网络行为效用网络攻防对抗

HTML PDF 收藏

平行认知：面向人机交互与管理的混合智能 Research Article

叶佩军1,王晓1,2,郑文博3,魏庆来1,4,王飞跃1,2,4

《信息与电子工程前沿（英文）》 2022年第23卷第12期页码 1765-1779 doi: 10.1631/FITEE.2100335

摘要：对于包含大量用户异质行为和动态特性的社会物理信息系统，此种建模方法有时并不适用。为减少复杂人机系统中的人–机决策冲突，提出采用智能技术与系统来考察认知活动和认知功能的建模范式——平行认知。该范式分为三个阶段：基于人工认知系统的描述认知、基于计算思维实验的预测认知以及基于行为交互引导的引导性认知。在此基础上，进一步提出由心理模型和用户行为数据混合驱动的学习方法，自适应地学习人类个体的认知决策知识，从而使得三个阶段能够持续在线迭代。在交通行为引导和视觉推理场景下的初步实验表明，平行认知学习对于人类的行为引导是可行且有效的，有利于提升复杂工程系统和复杂社会系统中的人机协同程度。

关键词：认知学习；人工智能；行为引导

HTML PDF 收藏

通过行为足迹学习人类习惯的个性化服务机器人 Article

李坤, Max Q.-H. Meng

《工程（英文）》 2015年第1卷第1期页码 79-84 doi: 10.15302/J-ENG-2015024

摘要：为了学习由诱因、行为和回报构成的操作者习惯，本文介绍了行为足迹，以描述操作者在家中的行为，并运用逆向增强学习技巧提取用回报函数代表的操作者习惯。本文用一个移动机器人调节室内温度，来实施这个方法，并把该方法和记录操作者所有诱因和行为的基准办法相比较。结果显示，提出的方法可以使机器人准确揭示操作者习惯，并相应地调节环境状况。

关键词：个性化机器人习惯学习行为足迹

HTML PDF 收藏

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。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大量对比实验证实，所提算法在交互式自然图像分割上的表现与当前最先进算法相当。

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

结合全变分最小化和稀疏字典学习后处理的低剂量CT重建 Article

Yong DING, Tuo HU

《信息与电子工程前沿（英文）》 2017年第18卷第12期页码 2001-2008 doi: 10.1631/FITEE.1700287

摘要：本文提出一种结合全变分（total variation, TV）最小化和稀疏字典学习的重建方法，不仅提高了重建效果，而且通过自适应的停止策略提高了重建速度。

关键词：低剂量CT；CT成像；全变分；稀疏字典学习

HTML PDF 收藏

恶意代码行为描述与分析综述 Review

Bo YU, Ying FANG, Qiang YANG, Yong TANG, Liu LIU

《信息与电子工程前沿（英文）》 2018年第19卷第5期页码 583-603 doi: 10.1631/FITEE.1601745

摘要：基于行为的分析是恶意代码自动分析和检测过程中的一项重要技术，近年来得到学术界和工业界极大关注。恶意代码行为分析技术，能够避免传统静态分析技术遇到的恶意代码混淆的障碍，也能够通过行为描述规范表达恶意代码样本多样化的行为类型。目前，虽有一些关注恶意代码行为分析的工作，但基于行为的恶意代码分析技术仍未成熟，目前尚未发现介绍当前研究进展和发展挑战的综述。本文从3个方面对恶意代码的行为描述和分析进行综述：恶意代码行为描述，恶意代码行为分析模型，可视化。首先，全面梳理了现有行为分析技术的分析目标、原则、特点和分类，包括现有行为数据类型和描述方法；其次，从多方面分析恶意代码分析的不足和挑战；最后，探讨了潜在研究热点。

关键词：恶意代码行为；静态分析；动态分析；行为数据表示；行为分析；机器学习；基于语义的分析；行为可视化；恶意代码演化

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