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 694

会议信息 23

会议视频 23

年份

2023 102

2022 99

2021 77

2020 70

2019 88

2018 46

2017 72

2016 26

2015 18

2014 9

2013 3

2012 13

2011 14

2010 9

2009 9

2008 9

2007 14

2006 11

2005 9

2004 9

展开︾

关键词

机器学习 27

人工智能 15

深度学习 15

发展战略 5

可持续发展 4

基因组 4

增材制造 4

组织工程 4

2019 3

2035 3

MATLAB 3

医学 3

图像处理 3

2020 2

2035年 2

ACM 2

CAPP 2

COVID-19 2

N-糖基化 2

展开︾

检索范围：

排序：展示方式：

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：近十年，特征选择备受关注。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。由于数据集中存在冗余和噪声，使用全部特征并不能很好展现数据的真实分布。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。

关键词：无监督；局部学习；组稀疏回归；特征选择

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：然而，这些常见的方法存在其局限性，即忽略了响应之间的相关性和变量选择效率低的问题。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。我们通过开展仿真研究来评估它们的效果，并将它们与其他几种变量选择方法进行比较。对于不同的应用场景，我们也提供了基于预测能力和变量选择精度的选择建议。最后，为了证明这些方法在微生物组研究领域的实用价值，我们将所选择的方法应用于实际种群水平的微生物组数据，结果验证了我们方法的有效性。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

联邦无监督表示学习 Research Article

张凤达1,况琨1,陈隆1,游兆阳1,沈弢1,肖俊1,张寅1,吴超2,吴飞1,庄越挺1,李晓林3,4,5

《信息与电子工程前沿（英文）》 2023年第24卷第8期页码 1181-1193 doi: 10.1631/FITEE.2200268

摘要：为利用分布式边缘设备上大量未标记数据，我们在联邦学习中提出一个称为联邦无监督表示学习(FURL)的新问题，以在没有监督的情况下学习通用表示模型，同时保护数据隐私。我们采用对比方法进行局部模型训练，通过在3个数据集上独立同分布和非独立同分布设定下的大量实验，我们证明FedCA以显著的优势优于所有基线方法。

关键词：联邦学习；无监督学习；表示学习；对比学习

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：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

一种局部二次嵌入学习算法及其在软测量中的应用 Article

包垚垚, 朱远明, 钱峰

《工程（英文）》 2022年第18卷第11期页码 186-196 doi: 10.1016/j.eng.2022.04.025

摘要：

鉴于元学习在众多领域取得的巨大成就，本文针对数据回归问题提出了融合度量学习和神经网络（NN）的局部二次嵌入学习（LQEL）算法。首先，通过优化输入输出空间里样本间度量的全局一致性来改进马氏度量（Mahalanobis metric）学习算法；同时，通过引入松弛约束进一步证明了改进的度量学习问题等价于一个凸规划问题。然后，基于局部二次插值假设原理，引入了两个轻量级的神经网络，其一用于学习局部二次模型中的系数矩阵，另一个则用于对从不同局部近邻获得的预测结果进行权重分配。最后，将两个子模型嵌入统一的回归框架中，并通过随机梯度下降（SGD）算法学习模型参数。所提出的算法优势在于可充分利用目标标签中隐含的信息找到更可靠的参考样本。多个基准数据集和两个实际工业应用数据集的计算结果表明，所提出的方法优于几种典型的回归方法。

关键词：局部二次嵌入度量学习回归机软测量

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：然而，主流的检测方法仍有两个缺陷：（1）即使是经过大量数据有效训练的模型，仍然无法很好地泛化到新场景中；（2）模型一旦部署到位，则无法随着不断累积的无标注数据自主进化。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。

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

无监督域自适应的动态参数化学习 Research Article

蒋润华1,2,韩亚洪1,2

《信息与电子工程前沿（英文）》 2023年第24卷第11期页码 1616-1632 doi: 10.1631/FITEE.2200631

摘要：无监督领域自适应通过学习域不变表示实现神经网络从有标签数据组成的源域到无标签数据组成的目标域迁移。近期研究通过直接匹配这两个域的边缘分布实现这一目标。然而，已有研究大多数忽略域对齐和语义判别学习之间的动态平衡，因此容易受负迁移和异常样本影响。为解决这些问题，引入动态参数化学习框架。首先，通过探索领域级语义知识，提出动态对齐参数自适应地调整域对齐和语义判别学习的优化过程。此外，为获得判别能力强和域不变的表示，提出在源域和目标域上对齐优化过程。

关键词：无监督领域自适应；优化步骤；跨域判别表示；语义判别

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

针对无监督域自适应问题的深度逐层领域修正算法 Article

Shuang LI, Shi-ji SONG, Cheng WU

《信息与电子工程前沿（英文）》 2018年第19卷第1期页码 91-103 doi: 10.1631/FITEE.1700774

摘要：深度神经网络凭借强大的特征抽象能力，已成功应用在机器学习的多个领域。然而，传统深度网络假设训练样本和测试样本来自同一分布，这一假设在很多实际应用中并不成立。逐层增加的领域修正层能够将两个领域特征的最大均值偏差（maximum mean discrepancy, MMD）距离最小化，从而完美匹配源域和目标域样本的特征表示。

关键词：无监督域自适应；最大均值偏差；残差网络；深度学习

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

FAAD：一种无监督快速准确的数据流上多维序列异常检测方法 Regular Papers

Bin LI, Yi-jie WANG, Dong-sheng YANG, Yong-mou LI, Xing-kong MA

《信息与电子工程前沿（英文）》 2019年第20卷第3期页码 388-404 doi: 10.1631/FITEE.1800038

摘要：为提高数据流上多维序列异常检测性能，提出一种新型无监督快速和准确异常检测（fast and accurate anomaly detection，FAAD）方法，该方法包括3种算法。

关键词：数据流；多维序列；异常检测；概念漂移；特征选择

HTML PDF 收藏

微阵列数据集的特征选择技术：综合评述、分类和未来方向 Review

Kulanthaivel BALAKRISHNAN, Ramasamy DHANALAKSHMI

《信息与电子工程前沿（英文）》 2022年第23卷第10期页码 1451-1478 doi: 10.1631/FITEE.2100569

摘要：

为获得最佳结果，从微阵列数据集中检索相关特征已成为特征选择（FS）技术的研究热点。本综述旨在全面阐述各种最新特征选择技术，同时介绍了基于微阵列数据集的处理多类分类问题的技术以及提高学习算法性能的不同方法。我们试图理解和解决数据集不平衡问题，以证实研究人员在微阵列数据集上的工作。对文献的分析为理解和强调在通过各种特征选择技术寻找最佳特征子集时存在的众多挑战和问题铺平了道路。同时提供了一个案例说明该方法的实施过程，该方法使用3个微阵列癌症数据集评估一些包装方法和混合方法的分类精度和收敛能力，以确认最优特征子集。

关键词：特征选择；高维；学习技术；微阵列数据集

HTML PDF 收藏

种基于特征选择与迁移学习的度量补偿软件缺陷预测方法 Research Article

陈锦富1,2,王小丽1,2,蔡赛华1,2,徐家平1,陈静怡1,陈海波1

《信息与电子工程前沿（英文）》 2022年第23卷第5期页码 715-731 doi: 10.1631/FITEE.2100468

摘要：跨项目软件缺陷预测解决了传统缺陷预测中训练数据不足的问题，克服了将多个不同源项目中学习的模型应用于目标项目的挑战。与此同时，出现两个新问题：（1）模型训练过程中过多无关和冗余特征影响训练效率，降低了模型预测精度；（2）由于开发环境等因素，度量值的分布因项目而异，当模型用于跨项目预测时，预测精度较低。本文引入皮尔逊特征选择方法解决数据冗余问题，采用基于迁移学习的度量补偿技术解决源项目和目标项目之间数据分布差异较大的问题。提出一种基于特征选择和迁移学习的度量补偿软件缺陷预测方法。

关键词：缺陷预测；特征选择；迁移学习；度量补偿

HTML PDF 收藏

基于改进Kullback-Leibler散度稀疏自动编码机的战损评估 Article

Zong-feng QI, Qiao-qiao LIU, Jun WANG, Jian-xun LI

《信息与电子工程前沿（英文）》 2017年第18卷第12期页码 1991-2000 doi: 10.1631/FITEE.1601395

摘要：为解决深度学习网络中隐藏层节点数难以确定的问题，文中提出一种改进的KL（Kullback-Leibler）散度稀疏自动编码机，并将该方法应用到战斗损伤评估中。该方法能够自动筛选出对数据重建贡献大的隐层特征，舍弃贡献小的隐层特征，从而优化网络结构。在网络预测精度不受影响的前提下，该方法自动筛选隐层特征，提升了计算速度。改进的KL稀疏自动编码机回归网络在保证预测精度的前提下，能提升网络的训练和预测速度，并自动筛选隐层有效特征，优化隐层节点数，优化网络结构。

关键词：战场损伤评估；改进的KL散度稀疏自动编码机；结构优化；特征选择

HTML PDF 收藏

《信息与电子工程前沿（英文）》 2021年第22卷第9期页码 1234-1246 doi: 10.1631/FITEE.2000426

摘要：本文针对非平稳过程，设计了一种基于含有隐变量贝叶斯网络的质量相关局部加权软测量方法。提出一种有监督贝叶斯网络提取质量相关的隐变量，并应用于一种双层相似度测量算法。所提软测量方法试图通过质量相关信息为非平稳过程寻找到一般方法，且详细解释了局部相似度和窗口置信度的概念。通过一个数值算例和脱丁烷塔的应用验证了所提方法的性能。

关键词：软测量；有监督贝叶斯网络；隐变量；局部加权建模；质量预测