山西大学计算机与信息技术学院 作品数:1,522 被引量:5,656 H指数:30 相关作者: 王文剑 李茹 李德玉 王素格 谭红叶 更多>> 相关机构: 太原师范学院计算机系 山西财经大学信息管理学院 同济大学电子与信息工程学院 更多>> 发文基金: 国家自然科学基金 山西省自然科学基金 山西省回国留学人员科研经费资助项目 更多>> 相关领域: 自动化与计算机技术 理学 文化科学 经济管理 更多>>
决策表属性约简的一种新算法 属性约简是粗糙集理论中重要的研究内容.目前,已提出了许多属性约简算法.常见的属性约简是利用区别矩阵来计算相对核,得到相对约简.如文的算法,这类算法可以得到决策表的所有可能的约简,但是逻辑公式化简的过程计算量很大.提出了启... 魏巍 梁吉业关键词:决策表 属性约简 粗糙集理论 信息熵 文献传递 复杂网络中社团结构的快速探测方法 被引量:2 2013年 探测复杂网络中的社团结构对更好地理解网络的整体结构与功能特性有着十分重要的实际意义和应用价值。基于共享邻居数目和社团强度定义提出了以边链接系数为分裂依据的快速探测算法。实验结果表明,与已有的划分算法相比,该算法不需要事先预知社团数目和原始社团划分情况,能够在较低的时间复杂度下得到更高质量的网络社团划分结果。 贾宗维 崔军 王晓芳关键词:复杂网络 社团结构 模块度 基于内涵模糊概念格的汽车评价知识发现方法研究 被引量:2 2017年 为了有效利用汽车评论数据,参照已建立的汽车评价本体,从文本中抽取评价搭配对,提出基于五元组的对象评价度量,从而获取汽车评价模糊形式背景。在模糊形式背景中,定义了内涵模糊概念和内涵模糊概念格。设计了模糊形式背景和内涵模糊概念格构建算法,并以实例对如何基于内涵模糊概念格进行知识发现予以讨论。 李旸 郭晓敏 王素格 梁吉业关键词:汽车评价 知识发现 模糊概念格 大规模分类任务的分层学习方法综述 被引量:14 2018年 分层分类是一种利用数据类别间层次结构关系进行分类的任务,可以高效地组织和处理大规模数据.近些年来,在这个受到越来越多关注的领域中涌现出许多重要的工作.本文介绍分层分类的定义,并按照不同种类的问题解决策略,对大规模分层分类任务中的几个基本问题的研究进行总结.首先,给出层次结构的形式化定义.其次,分别阐述如何设计分层评价指标、如何构建层次结构、如何利用层次结构信息进行特征选择、如何利用层次结构信息训练分类器以及如何面向层次结构设计停止机制,并介绍具有代表性的相关工作.最后,对大规模分层分类任务进行总结,并展望未来可能的研究方向. 胡清华 王煜 周玉灿 赵红 钱宇华 梁吉业基于交叉立方体环连接的Petersen图互联网络研究 被引量:8 2006年 交叉立方体是近年来提出的一类互联网络,它有一些比超立方体更好的性质.利用环的简单扩展性,Petersen图的短直径与交叉立方体节点的高可连接性,提出了一种新型互联网络RCP(n)(R ingedC rossed cube Petersen),并对其结构特性进行了研究.证明了RCP(n)网络不但具有正则性以及良好的可扩展性,同时还具有比Qn,HP(n),RHP(n)网络更短的直径和更小的构造开销. 黄新 高太平关键词:PETERSEN图 交叉立方体 互联网络 面向高考阅读理解的句子语义相关度研究 高考阅读理解选择题是基于背景材料,通过对材料的“理解”从多个选项中选出最佳选项.由于提供的背景材料相对较短且关键信息极具隐藏性,答案可能无法在背景材料中直接找到.因此,如何从背景材料中挖掘信息并与选项进行相关性分析是解答... 郭少茹 张虎 钱揖丽 李茹 杨陟卓 马淑晖关键词:文意理解 语义相关度 基于SQL的粗糙集属性约简方法 被引量:4 2008年 建立粗糙集模型和SQL语言之间的关系,给出信息系统中基于SQL语言的属性集区分能力、对象集的上下近似、属性重要性、核、约简等概念,提出基于属性集区分能力的完备属性约简算法。实验结果表明了该算法的有效性,为粗糙集理论更广泛地应用于具体的实践提供了一种方法。 姜广 曹付元 张倚弛 高嘉伟关键词:粗糙集 基于标记关系的模糊粗糙集模型 被引量:4 2017年 多标记分类任务中的数据通常是高维的,直接利用高维数据建模可能导致训练效率低下,模型复杂,同时可能影响分类效果.针对多标记数据,文中提出属性-标记矩阵的概念,建立基于标记关系的模糊粗糙集模型,设计此类模型的约简算法,用于多标记数据分类任务的特征选择.在8个公开的数据集上实验验证文中算法的有效性. 郭荣超 李德玉 王素格关键词:模糊粗糙集 联合语义分割与边缘重建的深度学习图像修复 被引量:7 2022年 目的传统图像修复方法缺乏对图像高级语义的理解,只能应对结构纹理简单的小面积受损。现有的端到端深度学习图像修复方法在大量训练图像的支持下克服了上述局限性,但由于这些方法试图在约束不足的情况下恢复整个目标,修复的图像往往存在边界模糊和结构扭曲问题。对此,本文提出一种语义分割结构与边缘结构联合指导的深度学习图像修复方法。方法该方法将图像修复任务分解为语义分割重建、边缘重建和内容补全3个阶段。首先重建缺失区域的语义分割结构,然后利用重建的语义分割结构指导缺失区域边缘结构的重建,最后利用重建的语义分割结构与边缘结构联合指导图像缺失区域内容的补全。结果在CelebAMask-HQ(celebfaces attributes mask high quality)人脸数据集和Cityscapes城市景观数据集上,将本文方法与其他先进的图像修复方法进行对比实验。在掩膜比例为50%~60%的情况下,与性能第2的方法相比,本文方法在Celebamask-HQ数据集上的平均绝对误差降低了4.5%,峰值信噪比提高了1.6%,结构相似性提高了1.7%;在Cityscapes数据集上平均绝对误差降低了4.2%,峰值信噪比提高了1.5%,结构相似性提高了1.9%。结果表明,本文方法在平均绝对误差、峰值信噪比和结构相似性3个指标上均优于对比方法,且生成的图像边界清晰,视觉上更加合理。结论本文提出的3阶段图像修复方法在语义分割结构与边缘结构的联合指导下,有效减少了结构重建错误。当修复涉及大面积缺失时,该方法比现有方法具有更高的修复质量。 杨红菊 李丽琴 王鼎关键词:图像修复 边缘检测 基于时序核函数的支持向量回归机 被引量:4 2006年 为克服维数灾难和过拟合等传统算法所不可规避的问题,利用支持向量机(SupportVectorMachine,SVM)提出基于时序数据时间相关性的核函数修正选择方法,并以真实的二氧化硫(SO2)数据为实验数据验证该方法的有效性.实验结果表明采用时序核函数对测试数据集的拟合效果更好,并对模型泛化能力有一定的提高. 王平 王文剑关键词:支持向量机 支持向量回归 核函数 时序数据