检索结果

Select

1. 基于图注意力网络的全局图像描述生成方法

隋佳宏, 毛莺池, 于慧敏, 王子成, 平萍

《计算机应用》唯一官方网站 2023, 43 (5): 1409-1415. DOI: 10.11772/j.issn.1001-9081.2022040513

摘要（269）

HTML （22）

PDF （2508KB）（174）

现有图像描述生成方法仅考虑网格的空间位置特征，网格特征交互不足，并且未充分利用图像的全局特征。为生成更高质量的图像描述，提出一种基于图注意力网络（GAT）的全局图像描述生成方法。首先，利用多层卷积神经网络（CNN）进行视觉编码，提取给定图像的网格特征和整幅图像特征，并构建网格特征交互图；然后，通过GAT将特征提取问题转化成节点分类问题，包括一个全局节点和多个局部节点，更新优化后可以充分利用全局和局部特征；最后，基于Transformer的解码模块利用改进的视觉特征生成图像描述。在Microsoft COCO数据集上的实验结果表明，所提方法能有效捕捉图像的全局和局部特征，在CIDEr（Consensus-based Image Description Evaluation）指标上达到了133.1%。可见基于GAT的全局图像描述生成方法能有效提高文字描述图像的准确度，从而可以使用文字对图像进行分类、检索、分析等处理。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于最大联合条件互信息的特征选择

毛莺池, 曹海, 平萍, 李晓芳

计算机应用 2019, 39 (3): 734-741. DOI: 10.11772/j.issn.1001-9081.2018081694

摘要（1041）

PDF （1284KB）（438）

在高维数据如图像数据、基因数据、文本数据等的分析过程中，当样本存在冗余特征时会大大增加问题分析复杂难度，因此在数据分析前从中剔除冗余特征尤为重要。基于互信息（MI）的特征选择方法能够有效地降低数据维数，提高分析结果精度，但是，现有方法在特征选择过程中评判特征是否冗余的标准单一，无法合理排除冗余特征，最终影响分析结果。为此，提出一种基于最大联合条件互信息的特征选择方法（MCJMI）。MCJMI选择特征时考虑整体联合互信息与条件互信息两个因素，两个因素融合增强特征选择约束。在平均预测精度方面，MCJMI与信息增益（IG）、最小冗余度最大相关性（mRMR）特征选择相比提升了6个百分点；与联合互信息（JMI）、最大化联合互信息（JMIM）相比提升了2个百分点；与LW向前搜索方法（SFS-LW）相比提升了1个百分点。在稳定性方面，MCJMI稳定性达到了0.92，优于JMI、JMIM、SFS-LW方法。实验结果表明MCJMI能够有效地提高特征选择的准确率与稳定性。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于组合双向拍卖的云资源调度方法

毛莺池, 郝帅, 平萍, 戚荣志

计算机应用 2019, 39 (1): 1-7. DOI: 10.11772/j.issn.1001-9081.2018071614

摘要（585）

PDF （1103KB）（427）

针对跨数据中心的资源调度问题，提出了一种基于组合双向拍卖（PCDA）的资源调度方案。首先，将云资源拍卖分为三个部分：云用户代理报价、云资源提供商要价、拍卖代理组织拍卖；其次，在定义用户的优先级及任务紧迫度的基础上，在拍卖过程中估算每一个工作发生的服务等级协议（SLA）违规并以此计算云提供商的收益，同时每轮竞拍允许成交多项交易；最终达到根据用户等级合理分配云资源调度的效果。仿真实验结果表明该算法保证了竞拍成功率，与传统一次拍卖成交一项的组合双向拍卖方案相比，PCDA在竞拍时间段产生的能耗降低了35.00%，拍卖云提供商的利润提高了约38.84%。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于图注意力网络的全局图像描述生成方法

隋佳宏毛莺池于慧敏王子成平萍

《计算机应用》唯一官方网站
录用日期: 2022-08-12