检索结果

Select

1. 面向小样本节点分类的图数据增强方法

富坤, 应世聪, 郑婷婷, 屈佳捷, 崔静远, 李建伟

《计算机应用》唯一官方网站 2025, 45 (2): 392-402. DOI: 10.11772/j.issn.1001-9081.2024030266

摘要（67）

HTML （7）

PDF （2174KB）（180）

现实中，图结构数据广泛存在，然而，在实际应用中，这些数据常面临标注数据短缺的难题。图数据的小样本学习（FSL）方法旨在以较少的标注样本实现数据的分类。尽管这些方法在小样本节点分类（FSNC）任务上获得较好的性能，但还存在以下问题：高质量的标签数据难获取，参数初始化过程泛化能力不足，未能充分挖掘图中的拓扑结构信息。为解决这些问题，提出一种基于图数据增强的小样本节点分类模型（GDA-FSNC）。GDA-FSNC由4个模块构成：基于结构相似度的图数据预处理模块、参数初始化模块、参数微调模块和自适应伪标签生成模块。在图数据预处理模块中，通过基于结构相似度的邻接矩阵增强方法获取更多的图结构信息；在参数初始化模块中，使用互相教学的数据增强方法使每个模型都能从其他模型学到不同的模式和特征，增强信息的多样性；在自适应伪标签生成模块中，根据不同数据集的特征自动选择合适的伪标签生成技术，以生成高质量的伪标签数据。在7个真实数据集上的实验结果表明，GDA-FSNC的分类准确率超过了Meta-GNN、GPN（Graph Prototypical Network）、IA-FSNC（Information Augmentation for Few-Shot Node Classification）等主流的FSL模型。例如，相较于基线模型IA-FSNC，所提模型的分类准确率在小数据集2-way 1-shot设置下至少提升了0.27个百分点，在大数据集5-way 1-shot设置下至少提升了2.06个百分点。可见，GDA-FSNC在小样本场景下有更好的分类性能和泛化能力。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于人体骨架特征编码的健身动作识别方法

郭天晓, 胡庆锐, 李建伟, 沈燕飞

计算机应用 2021, 41 (5): 1458-1464. DOI: 10.11772/j.issn.1001-9081.2020071113

摘要（849）

PDF （1143KB）（1330）

健身动作识别是智能健身系统的核心环节。为了提高健身动作识别算法的精度和速度，并减少健身动作中人体整体位移对识别结果的影响，提出了一种基于人体骨架特征编码的健身动作识别方法。该方法包括三个步骤：首先，构建精简的人体骨架模型，并利用人体姿态估计技术提取骨架模型中各关节点的坐标信息；其次，利用人体中心投影法提取动作特征区域以消除人体整体位移对动作识别的影响；最后，将特征区域编码作为特征向量并输入多分类器进行动作识别，同时通过优化特征向量长度使识别率和速度达到最优。实验结果表明，本方法在包含28种动作的自建健身数据集上的动作识别率为97.24%，证明该方法能够有效识别各类健身动作；在公开的KTH和Weizmann数据集上，所提方法的动作识别率分别为91.67%和90%，优于其他同类型方法。

参考文献 | 相关文章 | 多维度评价

Select

3. 利用差值扩展进行可逆数据隐藏的新算法

陈开英胡永健李建伟

计算机应用

摘要（1728）

PDF （767KB）（1311）

基于整数哈尔(Haar)小波变换，提出一种新的利用横向和纵向差值图像进行扩展嵌入的数据隐藏算法。传统的差值嵌入技术最大的缺点是在第二重嵌入开始之前图像的质量已经遭到破坏，原因是前一重嵌入用到了很大的差值。针对这个问题，该方法动态地把负载分配到两个正交方向上的图像进行嵌入。尽量使这两个方向上用于嵌入的差值属于同一个幅值范围。与其他算法相比，本算法在同等嵌入率下可取得更好的图像质量。