国家自然科学基金(61100135)
- 作品数：2 被引量：1H指数：1
- 相关作者：安琛陈可佳沈金龙叶聪更多>>
- 相关机构：南京邮电大学苏州信息职业技术学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种显著性区域提取的新方法
- 2012年
- 提出一个基于贝叶斯理论和统计学习理论的显著性提取算法.该方法基于贝叶斯理论分别阐明图像中不同特征信息、自下而上显著性和全局显著性不同位置的先验信息.本文针对特征融合问题分别使用加权线性组合Logistic模型和基于加权的非线性组合方法的正则化的神经网络来学习权值并获得所有因子.2个定位数据集的受试者工作特征(ROC)曲线的实验结果表明,我们的方法得到的显著图比其他先进的显著性模型效果更好.扩展的定量评价也证明了非线性组合优于线性组合的策略.
- 叶聪沈金龙
- 关键词：视觉显著性贝叶斯理论神经网络
- 采用群体信息的二部图链接预测方法被引量：1
- 2016年
- 二部图包含2种不同类型的节点且链接只存在于不同类型的节点之间,因此,许多适用于普通单部图的链接预测方法无法直接用于二部图中。另外,群体信息对提高链接预测的准确率有重要意义,但缺乏相关研究。为此,提出一种采用群体信息的二部图链接预测方法。将链接预测视为机器学习的分类问题,通过对二部图投影,抽取二部图中节点对样本的局部结构属性,并运用群体检测技术抽取节点对样本的群体属性,并把局部结构属性和群体属性一起作为节点对相似度的度量标准,在监督学习框架中进行训练和预测。在现实数据集Movie Lens中的实验结果表明,群体信息的引入能有效提高二部图链接预测方法的准确率,改善推荐性能。
- 蔡小雨陈可佳安琛
- 关键词：二部图链接预测推荐系统
