检索结果

Select

1. 基于多注意力多尺度特征融合的图像描述生成算法

陈龙杰, 张钰, 张玉梅, 吴晓军

计算机应用 2019, 39 (2): 354-359. DOI: 10.11772/j.issn.1001-9081.2018071464

摘要（996）

PDF （1033KB）（495）

针对图像描述生成中对图像细节表述质量不高、图像特征利用不充分、循环神经网络层次单一等问题，提出基于多注意力、多尺度特征融合的图像描述生成算法。该算法使用经过预训练的目标检测网络来提取图像在卷积神经网络不同层上的特征，将图像特征分层输入多注意力结构中，依次将多注意力结构与多层循环神经网络相连，构造出多层次的图像描述生成网络模型。在多层循环神经网络中加入残差连接来提高网络性能，并且可以有效避免因为网络加深导致的网络退化问题。在MSCOCO测试集中，所提算法的BLEU-1和CIDEr得分分别可以达到0.804及1.167，明显优于基于单一注意力结构的自上而下图像描述生成算法；通过人工观察对比可知，所提算法生成的图像描述可以表现出更好的图像细节。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于信号自适应传递的社团发现算法

谭春妮, 张玉梅, 张嘉桐, 吴晓军

计算机应用 2015, 35 (6): 1552-1554. DOI: 10.11772/j.issn.1001-9081.2015.06.1552

摘要（544）

PDF （628KB）（398）

为了准确地检测出复杂网络的社团结构,提出一种基于信号自适应传递的社团发现方法。首先使信号在复杂网络上自适应地传递,从而获取网络中各节点对整个网络的影响向量,然后把网络中节点的拓扑结构转化成代数向量空间上的几何关系,最后结合聚类特性发现网络中的社团结构。为获取更加合理的空间向量,提出最佳传递次数,缩小搜索空间,增强算法寻优能力。该算法在计算机生成网络、Zachary网络和美国大学生足球赛网络上进行实验测试, 并与GN算法、谱聚类算法、极值优化算法和信号传递算法进行实验对比,社团划分的准确性和精确性均有所提高,证明该算法具有有效性和可行性。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于乘积耦合Volterra模型的短时交通流预测

张玉梅白树林

计算机应用 2012, 32 (03): 843-846. DOI: 10.3724/SP.J.1087.2012.00843

摘要（889）

PDF （601KB）（528）

基于混沌序列固有的非线性和确定性机制以及Volterra级数的非线性表征能力,提出一种短时交通流预测的三阶Volterra模型。针对Volterra模型随阶数增加复杂度以幂次方增加的问题,研究了该模型的乘积耦合近似实现结构。首先,采用互信息法和虚假邻点法选取时间延迟和嵌入维数,并采用小数据量法计算Lyapunov指数判定交通流是否具有混沌特性;然后,建立三阶Volterra滤波器的乘积耦合近似实现结构,并采用一种改进的非线性归一化最小均方(NLMS)算法实时调整模型系数;最后,对高速公路实测交通流的预测结果表明,交通流中存在混沌特征,应用构建的预测模型可有效地对交通流进行预测,且降低了模型的复杂性。

参考文献 | 相关文章 | 多维度评价