检索结果

Select

1. 基于空间语义和个体活动的电动汽车充电站选址方法

郭茂祖, 张雅喆, 赵玲玲

《计算机应用》唯一官方网站 2023, 43 (9): 2819-2827. DOI: 10.11772/j.issn.1001-9081.2022091421

摘要（178）

HTML （10）

PDF （6390KB）（70）

针对电动汽车充电站（EVCS）的选址问题，提出一种基于空间语义和个体活动模式的城市充电站选址方法。首先，根据城市规划，采用无监督学习对非服务半径内兴趣点（POI）进行聚类，以确定新建充电站个数；然后，采用受约束的双存档进化算法（CTAEA）求解目标函数，在站间距最大化以及新充电站覆盖POI最多的约束条件下优化电动汽车选址方案。以成都市二环路内出租车的轨迹数据和POI为实验样本，并规划了15个充电站的选址方案。实验结果表明，相较于NSGA2（Non-dominated Sorting Genetic Algorithm 2）和SPEA2（Strength Pareto Evolutionary Algorithm 2），CTAEA的POI覆盖率指标提高了22.9和20.6个百分点，司机平均选择距离缩短了18.9%和25.5%，验证了所提方法在电动汽车选址方面的便利性与合理性。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于条件Wassertein生成对抗网络的图像生成

郭茂祖, 杨倩楠, 赵玲玲

计算机应用 2021, 41 (5): 1432-1437. DOI: 10.11772/j.issn.1001-9081.2020071138

摘要（369）

PDF （2259KB）（478）

生成对抗网络（GAN）能够自动生成目标图像，对相似地块的建筑物排布生成具有重要意义。而目前训练模型的过程中存在生成图像精度不高、模式崩溃、模型训练效率太低的问题。针对这些问题，提出了一种面向图像生成的条件Wassertein生成对抗网络（C-WGAN）模型。首先，该模型需要识别真实样本和目标样本之间特征对应关系，然后，根据所识别出的特征对应关系进行目标样本的生成。模型采用Wassertein距离来度量两个图像特征之间分布的距离，稳定GAN训练环境，规避模型训练过程中的模式崩溃，从而提升生成图像的精度和训练效率。实验结果表明，与原始条件生成对抗网络（CGAN）和pix2pix模型相比，所提模型的峰值信噪比（PSNR）分别最大提升了6.82%和2.19%；在训练轮数相同的情况下，该模型更快达到收敛状态。由此可见，所提模型不仅能够有效地提升图像生成的精度，而且能够提高网络的收敛速度。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于联合特征和XGBoost的活动语义识别方法

郭茂祖, 张彬, 赵玲玲, 张昱

计算机应用 2020, 40 (11): 3159-3165. DOI: 10.11772/j.issn.1001-9081.2020030301

摘要（332）

PDF （2125KB）（311）

针对以往活动语义识别研究单纯提取时间维度上的序列特征以及周期特征、缺乏对空间信息的深度挖掘等问题，提出一种基于联合特征和极限梯度提升（XGBoost）的活动语义识别方法。首先，挖掘时间信息中的活动周期性特征和空间信息中的经纬度特征；然后，使用经纬度信息通过具有噪声的基于密度的聚类（DBSCAN）算法提取空间区域热度特征，将这些特征组成特征向量来刻画用户活动语义；最后，采用集成学习方法中的XGBoost算法建立活动语义识别模型。在FourSquare的两个公共签到数据集上，基于联合特征的模型比基于时间特征的模型在识别准确率上提高了28个百分点，与上下文感知混合（CAH）方法和时空活动偏好（STAP）方法对比，所提方法的识别准确率分别提高了30个百分点和5个百分点。实验结果表明所提方法与对比方法相比在活动语义识别问题上更加准确有效。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于实体相似度信息的知识图谱补全算法

王子涵, 邵明光, 刘国军, 郭茂祖, 毕建东, 刘扬

计算机应用 2018, 38 (11): 3089-3093. DOI: 10.11772/j.issn.1001-9081.2018041238

摘要（1258）

PDF （784KB）（672）

为了解决知识图谱的链接预测问题，提出了一种共享变量的神经网络模型（LCPE），该模型通过将实体和关系嵌入到向量空间中实现对链接的预测。通过分析Unstructured Model，推导出在向量空间中两个有关系的实体嵌入距离更近，即相似的实体之间更可能具有关系，LCPE模型将ProjE模型和实体之间的相似度信息进行融合，在判断两个实体是否有关系的基础上判断具体关系类型。三元组预测实验中，LCPE模型在与ProjE模型参数规模相同的情况下，在公开数据集WN18中，正例三元组的平均得分排名（Mean Rank）比ProjE提前了11，而正例三元组在前10名中出现的概率Hit@10比ProjE提升了0.2个百分点；在FB15k中，Mean Rank提前了7.5，Hits@10平均提升了3.05个百分点：证明了LCPE模型能够将实体相似度信息融入ProjE中并有效提升预测准确度。

参考文献 | 相关文章 | 多维度评价

Select

5. MTRF:融合空间信息的主题模型

潘智勇, 刘扬, 刘国军, 郭茂祖, 李盼

计算机应用 2015, 35 (10): 2715-2720. DOI: 10.11772/j.issn.1001-9081.2015.10.2715

摘要（563）

PDF （1118KB）（586）

针对主题模型中词汇独立性和主题独立性假设忽略了视觉词汇间空间关系的问题,提出了一种融合了视觉词汇空间信息的主题模型,称为马尔可夫主题随机场(MTRF),并且提出了主题在图像处理中的表现形式为对象的组成部件。根据相邻视觉词汇以很大概率产生于同一主题的特点,该算法在产生主题的过程中,通过视觉词汇间是否产生于同一主题,来判断主题产生于马尔可夫随机场(MRF),还是产生于多项式分布。同时,从理论和实验两方面论证了主题并非对象的实例,而是以中层特征的形式表达对象的各个组成部件。与隐狄利克雷分配(LDA)相比,MTRF在Caltech101上的平均准确率提高了3.91%;在VOC2007数据集上的平均精度均值(mAP)提高了2.03%;此外,MTRF更准确地为视觉词汇分配了主题,能产生更有效表达对象的组成部件的中层特征。实验结果表明,MTRF有效地利用了空间信息,提高了模型的准确率。

参考文献 | 相关文章 | 多维度评价