融合重要性采样和池化聚合的知识图推荐算法 被引量：6

1

作者 梁顺攀 涂浩 +2 位作者 王荣生 原福永 张熙瑞 《小型微型计算机系统》 CSCD 北大核心 2021年第5期967-971,共5页

现有的知识图推荐模型通过聚合相邻实体节点的特征和结构信息来更新当前位置实体节点的嵌入表示,为了控制计算成本和维护模型的稳定性,通常使用随机的固定大小的采样邻域来替代完整的知识图.然而,这些方法存在两个问题:首先,随机选择的... 现有的知识图推荐模型通过聚合相邻实体节点的特征和结构信息来更新当前位置实体节点的嵌入表示,为了控制计算成本和维护模型的稳定性,通常使用随机的固定大小的采样邻域来替代完整的知识图.然而,这些方法存在两个问题:首先,随机选择的邻域限制了知识图用于辅助推荐的效果和稳定性.此外,多数模型只是对所采样邻居节点特征进行均值聚合,这种聚合方法没有充分挖掘所采样邻居节点对于目标节点影响的差异性.针对以上问题,本文提出了基于关系紧密度的重要性采样方法,通过计算关系紧密度选择对目标节点更重要的邻域,以及基于池化操作的聚合方法,通过引入池化层训练得到不同邻居节点对目标节点的差异化权值.在结合本文提出的两种方法后,本文提出基于图神经网络的知识图推荐算法KGCN-PL.最后,本文评估了所改进模型在5个真实世界数据集上的性能,与近几年提出的基于知识图的推荐算法进行对比,在AUC,召回率指标上均取得提升. 展开更多

关键词 知识图谱 邻域采样 邻域聚合 推荐系统 图神经网络

下载PDF 职称材料

融合二连通模体结构信息的节点分类算法

2

作者 郑文萍 葛慧琳 +1 位作者 刘美麟 杨贵 《计算机应用》 CSCD 北大核心 2024年第5期1464-1470,共7页

节点表示学习将图结构数据信息编码到低维的潜在空间中,在节点分类、聚类、链路预测等机器学习任务中被广泛应用。在复杂网络中,节点与节点之间不仅存在直接相连的低阶结构,也存在以特殊连接模式形成的高阶结构,称为模体。提出一种融合... 节点表示学习将图结构数据信息编码到低维的潜在空间中,在节点分类、聚类、链路预测等机器学习任务中被广泛应用。在复杂网络中,节点与节点之间不仅存在直接相连的低阶结构,也存在以特殊连接模式形成的高阶结构,称为模体。提出一种融合二连通模体结构信息的节点分类算法(FMI),利用节点间高阶二连通模体信息学习节点表示,完成节点分类任务。首先,统计网络中的二连通模体,利用其中信息提出一个节点重要性的度量指标——模体比值。根据模体比值计算采样概率进行邻域采样;构造一个带权辅助图以融合网络节点连接的低阶关系与高阶关系,对节点进行加权邻域聚合以得到节点表示。在5个数据集Cora、Citeseer、Pubmed、Wiki和DBLP上执行节点分类任务,与5种经典基准算法进行对比,所提算法FMI在准确度和F1-分数等指标上表现良好。 展开更多

关键词 节点表示 二连通模体 邻域采样 邻域聚合 节点分类

下载PDF 职称材料

基于自适应邻域与聚类的非平衡数据特征选择

3

作者 孙林 梁娜 王欣雅 《计算机工程与应用》 CSCD 北大核心 2024年第14期74-85,共12页

为了解决传统邻域粗糙集未考虑不平衡数据的类分布,多数邻域系统通过人工调试难以找到最佳邻域半径,以及聚类时指定簇的数目等问题,提出一种基于自适应邻域与聚类的非平衡数据特征选择方法。根据样本在各个特征下与其他样本距离的平均... 为了解决传统邻域粗糙集未考虑不平衡数据的类分布,多数邻域系统通过人工调试难以找到最佳邻域半径,以及聚类时指定簇的数目等问题,提出一种基于自适应邻域与聚类的非平衡数据特征选择方法。根据样本在各个特征下与其他样本距离的平均值来确定样本的自适应k近邻和共享近邻,定义自适应邻域密度并设计混合采样模型,构建平衡决策系统。基于特征分布定义新的邻域半径,使用高斯核函数研究邻域内样本之间的模糊相似关系,使用模糊邻域互信息度量特征间的相关性,基于此对特征进行聚类。基于模糊邻域互信息构造粒子群初始化策略,并引入动态位掩码策略与适合整数编码的差异性扰动算子,改进整型粒子群优化算法,实现从特征簇中选出代表性特征构成最终的特征子集。在19个非平衡数据集的实验结果表明所设计的算法有效地提高了非平衡数据的分类性能。 展开更多

关键词 自适应邻域 混合采样 模糊邻域互信息 特征聚类 特征选择

下载PDF 职称材料

基于邻域采样的多任务图推荐算法

4

作者 张俊三 肖森 +3 位作者 高慧 邵明文 张培颖 朱杰 《计算机工程与应用》 CSCD 北大核心 2024年第9期172-180,共9页

近年来,图神经网络(GNN)成为解决协同过滤的主流方法之一。它通过构建用户-物品图,模拟用户与物品的交互关系,并用GNN学习它们的特征表示。尽管现有在模型结构上的研究已取得了较大进展,但如何在图结构上更有效地进行负采样仍未有效解... 近年来,图神经网络(GNN)成为解决协同过滤的主流方法之一。它通过构建用户-物品图,模拟用户与物品的交互关系,并用GNN学习它们的特征表示。尽管现有在模型结构上的研究已取得了较大进展,但如何在图结构上更有效地进行负采样仍未有效解决。为此,提出一种基于邻域采样的多任务图推荐算法。该算法提出了一种基于GNN的邻域采样策略,该策略以每个用户为中心构建子图,将次高阶物品作为用户邻域采样的负样本,可以更有效地挖掘强负样本并提高采样质量。通过GNN对图结点进行信息聚合与特征提取,得到结点的最终嵌入表示。设计一种余弦边际损失来过滤部分冗余负样本,以有效减少采样过程中的噪声数据。同时,该算法引入了多任务策略对模型进行联合优化,以增强模型的泛化能力。在3个公开数据集上进行的大量实验表明,该算法在大多数情况下明显优于其他主流算法。 展开更多

关键词 图神经网络 协同过滤 负采样 邻域采样 余弦边际损失 多任务策略

下载PDF 职称材料

基于邻域抽样多图神经网络的社会化推荐算法

5

作者 王若辰 原欣伟 +1 位作者 段刚龙 李建勋 《计算机仿真》 2024年第3期497-504,共8页

基于图神经网络的社会化推荐算法可以从图网络中获取深层数据信息,提升推荐性能。但随着图网络复杂度提升,特别是对于多图神经网络,节点特征获取质量直接影响最终的推荐质量。为了提升多图网络中的节点特征获取质量,结合邻域抽样思想,... 基于图神经网络的社会化推荐算法可以从图网络中获取深层数据信息,提升推荐性能。但随着图网络复杂度提升,特别是对于多图神经网络,节点特征获取质量直接影响最终的推荐质量。为了提升多图网络中的节点特征获取质量,结合邻域抽样思想,提出一种邻域抽样多图神经网络社会化推荐模型MGNN-NS。基于用户-项目评分图和用户社交关系图,从用户和商品项目角度对图中节点的邻域节点进行抽样,并应用多头注意力机制对抽样节点进行信息聚合,获取用户和商品项目特征,计算预测评分,得到推荐结果。在真实数据集Epinions和Ciao上进行实验,结果表明MGNN-NS模型相较于基准算法有更好的推荐效果。 展开更多

关键词 图神经网络 社会化推荐 邻域抽样 多头注意力机制

下载PDF 职称材料

邻域自适应的三维点云滤波算法 被引量：5

6

作者 吴俊威 焦吾振 郑河荣 《小型微型计算机系统》 CSCD 北大核心 2021年第1期191-195,共5页

针对现有的点云滤波算法存在的精度丢失和收缩的不足,提出邻域自适应选择的算法,有效地改善了点云滤波中丢失精度的问题.算法首先针对原始点和均值点滤波出现的收缩问题,提出混合增采样策略.其次采用邻域自适应选择保持特征部分的滤波精... 针对现有的点云滤波算法存在的精度丢失和收缩的不足,提出邻域自适应选择的算法,有效地改善了点云滤波中丢失精度的问题.算法首先针对原始点和均值点滤波出现的收缩问题,提出混合增采样策略.其次采用邻域自适应选择保持特征部分的滤波精度.最后定义每个采样点以对应的似然函数,并按照其梯度方向进行迭代,通过最大似然估计得到最优滤波结果.实验部分表明,本文三维点云滤波算法对点云滤波精度的保持具有更好的效果.适用于工业生产与检测领域的三维扫描. 展开更多

关键词 点云滤波 收缩 邻域自适应 混合采样 似然函数

下载PDF 职称材料

基于自适应动态球半径的k邻域搜索算法 被引量：4

7

作者 刘鹏 王明阳 王焱 《机械设计与制造工程》 2016年第6期83-86,共4页

针对大规模离散点云搜索k邻域速度慢的问题,提出了一种新的搜索k邻域算法,该算法根据不同点附近点云密度给出一个合适的点的k邻域动态球半径,且动态球半径是随着所求点周围点云的密度而自适应的。从离散点云分块大小和采样密度方面对算... 针对大规模离散点云搜索k邻域速度慢的问题,提出了一种新的搜索k邻域算法,该算法根据不同点附近点云密度给出一个合适的点的k邻域动态球半径,且动态球半径是随着所求点周围点云的密度而自适应的。从离散点云分块大小和采样密度方面对算法的可行性和效率进行了实验验证,结果显示,运用该算法求取每个点的k邻域所用的搜索时间更短,效率更高。 展开更多

关键词 k邻域 自适应 离散 采样密度

下载PDF 职称材料

基于自适应邻域参数的拉普拉斯特征映射 被引量：3

8

作者 李月娇 刘秉瀚 《福州大学学报（自然科学版）》 CAS CSCD 北大核心 2013年第2期153-157,共5页

提出一种基于自适应邻域参数的拉普拉斯特征映射算法,该算法首先依据采样密度确定每个样本点的自适应邻域参数,然后根据流形弯曲度调整优化邻域参数.实验结果表明,改进后的算法能够取得比拉普拉斯特征映射算法更好的降维效果.

关键词 拉普拉斯特征映射 自适应 邻域参数 采样密度 流形弯曲度

原文传递

NURBS曲线曲率极值点快速分析与定位算法研究 被引量：2

9

作者 尹涓 罗福源 游有鹏 《机械科学与技术》 CSCD 北大核心 2015年第10期1560-1567,共8页

在分析和加工具有NURBS曲线定义的轮廓的机械零件时,由于NURBS曲线基于基函数的分段构造与有理式表示形式,曲率极值点的计算十分复杂耗时。为此,提出一种以微邻域分析为核心手段的快速数值计算方法。该方法分成粗定位与精搜索两个阶段,... 在分析和加工具有NURBS曲线定义的轮廓的机械零件时,由于NURBS曲线基于基函数的分段构造与有理式表示形式,曲率极值点的计算十分复杂耗时。为此,提出一种以微邻域分析为核心手段的快速数值计算方法。该方法分成粗定位与精搜索两个阶段,粗定位阶段通过各个节点区间两端的微邻域采样点的分析去推断曲线曲率变化类型,进而确定曲率极值点的数量及其所在的单峰位置范围;精搜索阶段基于每次搜索范围中点左右微邻域采样点的曲率分析进行快速折半查找,实现极值点的精确定位。算例表明所提出的算法完备性好、收敛性强、计算效率高。 展开更多

关键词 NURBS 曲率极值点 邻域分析 计算效率

下载PDF 职称材料

基于采样密度和流形弯曲度的动态邻域算法 被引量：2

10

作者 高小方 梁吉业 《计算机工程》 CAS CSCD 北大核心 2010年第12期17-18,21,共3页

针对流形学习的邻域优化问题,提出一种动态邻域的算法。基于局部采样密度和流形弯曲度估计切空间,并为所有样本点动态地选择邻域,其参数可通过计算残差自动确定。实验结果表明,将这种算法应用于ISOMAP后,邻域得到进一步优化,嵌入结果也... 针对流形学习的邻域优化问题,提出一种动态邻域的算法。基于局部采样密度和流形弯曲度估计切空间,并为所有样本点动态地选择邻域,其参数可通过计算残差自动确定。实验结果表明,将这种算法应用于ISOMAP后,邻域得到进一步优化,嵌入结果也更加准确。 展开更多

关键词 流形学习 切空间 动态邻域 采样密度 流形弯曲度

下载PDF 职称材料

一种新的基于邻域结构的骨干正余弦算法 被引量：2

11

作者 赵永奇 邹锋 陈得宝 《长春师范大学学报》 2019年第8期16-25,共10页

针对正余弦算法后期收敛速度慢、局部搜索能力差的特点,提出一种基于邻域结构的骨干正余弦算法。新算法的主要思想是在正余弦算法更新过程中通过骨干优化思想引入邻域结构和高斯采样学习,并随着迭代次数的增加而增加高斯采样的权重,经... 针对正余弦算法后期收敛速度慢、局部搜索能力差的特点,提出一种基于邻域结构的骨干正余弦算法。新算法的主要思想是在正余弦算法更新过程中通过骨干优化思想引入邻域结构和高斯采样学习,并随着迭代次数的增加而增加高斯采样的权重,经贪婪选择后加快算法的收敛速度。新算法能有效地增强种群探索能力,提高种群的多样性。运用新算法与其他智能进化算法对18个经典基准函数进行仿真实验,对测试结果进行比较分析,新算法在稳定性、计算精度和收敛速度方面具有明显的优势。 展开更多

关键词 正余弦算法 骨干优化 邻域结构 高斯采样 权重 贪婪选择

下载PDF 职称材料

基于邻域采样的异质网络链接预测算法

12

作者 刘臣 谢宁静 周立欣 《计算机与数字工程》 2022年第10期2127-2134,2191,共9页

面对规模日益增长的图数据,传统的图卷积模型直接在大规模图上进行训练需要耗费大量的计算资源和时间,采样方法通过灵活构建输入模型中的数据成为缓解这一问题的常用措施。现有采样方法多针对同质网络,并且在考虑训练过程中出现的邻居... 面对规模日益增长的图数据,传统的图卷积模型直接在大规模图上进行训练需要耗费大量的计算资源和时间,采样方法通过灵活构建输入模型中的数据成为缓解这一问题的常用措施。现有采样方法多针对同质网络,并且在考虑训练过程中出现的邻居爆炸、训练成本过大的问题时仍然存在欠缺。为解决大规模网络训练的这一缺陷,论文提出一种基于邻域子图采样的训练框架,使得图卷积网络能够在大规模异质网络上高效地完成训练。具体而言,论文方法首先将邻域采样和批量处理结合起来,利用k阶采样器对完整的异质网络进行采样得到批量邻域子图,然后使用关系图卷积模型对各子图进行特征提取,从而获得链接预测评分。为了评估该采样算法的有效性,论文在三种规模不同的异质网络数据集FB15k-237,FB-Toy,WN18上进行链接预测任务实验。实验表明,添加提出的邻域采样方法的关系图卷积模型与基线相比能够显著提升在大规模异质图中链接预测任务的准确率以及模型训练速度。 展开更多

关键词 邻域采样 异质网络 图卷积模型 邻域子图 链接预测

下载PDF 职称材料

实用最优点的概念及求解方法

13

作者 高立群 孔祥勇 +1 位作者 欧阳海滨 邹德旋 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2014年第1期66-71,共6页

从工程实际角度引出实用点的概念,指出对于一个优化问题而言,在某些场合不仅要考虑目标函数的全局极值点,还要考虑函数在此极值点邻域内的性质,进而提出实用最优点的概念——带有一定邻域约束的全局最优点.由于该约束采用传统方法难以处... 从工程实际角度引出实用点的概念,指出对于一个优化问题而言,在某些场合不仅要考虑目标函数的全局极值点,还要考虑函数在此极值点邻域内的性质,进而提出实用最优点的概念——带有一定邻域约束的全局最优点.由于该约束采用传统方法难以处理,文中采用邻域采样的近似方法,基于粒子群优化算法的思想,提出了一种快速搜索算法,以求取不同要求下的实用最优点.仿真实验结果验证了实用最优点的概念以及搜索算法的可行性,该搜索算法具有良好的寻优性能. 展开更多

关键词 全局最优 实用最优点 邻域特性 快速搜索算法 邻域采样

下载PDF 职称材料

基于三支决策的不平衡数据过采样方法 被引量：30

14

作者 胡峰 王蕾 周耀 《电子学报》 EI CAS CSCD 北大核心 2018年第1期135-144,共10页

采样是解决不平衡数据分类问题的一个有效途径.文中结合三支决策理论,根据样本分布将样本划分成三个区域:正域、边界域和负域;在此基础上,分别对边界域和负域中的小类样本进行不同的过采样处理,提出了一种基于三支决策的不平衡数据过采... 采样是解决不平衡数据分类问题的一个有效途径.文中结合三支决策理论,根据样本分布将样本划分成三个区域:正域、边界域和负域;在此基础上,分别对边界域和负域中的小类样本进行不同的过采样处理,提出了一种基于三支决策的不平衡数据过采样算法(TWD-IDOS算法).实验结果表明,在C4.5、KNN和CART等分类器上,文中提出的算法能有效解决不平衡数据的二分类问题,在Recall、F-value、AUC等指标上优于文献中的过采样算法. 展开更多

关键词 三支决策 邻域粗糙集 边界采样 不平衡数据 SMOTE

下载PDF 职称材料

三维点云配准中FPFH邻域半径自主选取算法 被引量：12

15

作者 赵明富 曹利波 +3 位作者 宋涛 刘帅 罗宇航 杨鑫 《激光与光电子学进展》 CSCD 北大核心 2021年第6期115-123,共9页

三维点云快速点特征直方图(FPFH)特征提取的邻域半径采用预设固定值,导致特征描述具有随意性、不全面性、低效性等问题,点云配准整个过程自动化程度低、耗时长。针对该问题,提出一种三维点云配准中FPFH邻域半径自主选取算法。首先,计算... 三维点云快速点特征直方图(FPFH)特征提取的邻域半径采用预设固定值,导致特征描述具有随意性、不全面性、低效性等问题,点云配准整个过程自动化程度低、耗时长。针对该问题,提出一种三维点云配准中FPFH邻域半径自主选取算法。首先,计算多对点云圆周密度并且保留最大圆周半径;其次,设置迭代次数,根据迭代次数和每对点云最大圆周半径自动划分单次邻域半径,通过划分的邻域半径提取FPFH特征并用于采样一致性算法配准;最后,统计多对点云圆周密度及对应的最优邻域半径,使用多项式拟合法求出映射函数,形成FPFH特征提取优化算法。结果表明,所提算法能够根据点云圆周密度自动选取最佳邻域半径,有效降低了点云描述的不全面性和冗余度,在提高点云配准自动化程度的同时提高了点云配准速度和精度。 展开更多

关键词 图像处理 邻域半径 快速点特征直方图 点云配准 采样一致性算法 多项式拟合

原文传递

一种简单高效的图象缩小算法 被引量：4

16

作者 江少锋 杨素华 《南昌航空大学学报（自然科学版）》 CAS 2003年第4期68-71,共4页

图象放缩问题是图象处理中的一个基本问题 ,图象在缩小的过程中存在着图象信息的损失 ,而且缩小的比例越大 ,损失越大 ,从而导致图象的失真较大。本文介绍一种近邻取样和邻域平均相结合的算法 ,该算法简单同时失真又不大 ,特别是缩小比... 图象放缩问题是图象处理中的一个基本问题 ,图象在缩小的过程中存在着图象信息的损失 ,而且缩小的比例越大 ,损失越大 ,从而导致图象的失真较大。本文介绍一种近邻取样和邻域平均相结合的算法 ,该算法简单同时失真又不大 ,特别是缩小比例较大的时候该算法效果明显。 展开更多

关键词 图象缩放 近邻取样法 邻域平均法

下载PDF 职称材料

邻域迭代重采样粒子滤波的纯方位目标跟踪 被引量：8

17

作者 王向前 冉维 马飞 《计算机工程与应用》 CSCD 北大核心 2017年第13期160-166,共7页

为了解决粒子滤波的非线性全局优化问题,基于重采样的思想是移除权重小的粒子,增加权重大的粒子数量,提出利用邻域搜索重采样的粒子滤波(NIRPF)进行目标跟踪。首先,预测粒子,并利用重要序列采样(SIS)给粒子赋权值;然后,在搜索后验概率... 为了解决粒子滤波的非线性全局优化问题,基于重采样的思想是移除权重小的粒子,增加权重大的粒子数量,提出利用邻域搜索重采样的粒子滤波(NIRPF)进行目标跟踪。首先,预测粒子,并利用重要序列采样(SIS)给粒子赋权值;然后,在搜索后验概率密度的高概率区过程,更新单个粒子位置,利用高斯-邻域搜索迭代地加权所有粒子;最后,进行当前状态的估计。纯方位目标跟踪问题涉及两个静态观察器和非机动和机动两类目标。蒙特卡罗仿真结果验证了提出方法的有效性,与均方根容积卡尔曼滤波、容积粒子滤波和随机搜索的粒子滤波相比,提出的方法拥有更快的初始收敛速度,非机动目标和机动目标的根均方误差(RMSE)和时间根均方差(RTAMS)的评估更优。 展开更多

关键词 粒子滤波 目标跟踪 重采样 高斯-邻域搜索 重要序列采样

下载PDF 职称材料

基于动态邻域采样的社交推荐模型

18

作者 蔡晓东 周青松 叶青 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第2期32-41,共10页

基于图神经网络的社交推荐模型在提升推荐系统性能方面有不错的表现。但现有方法都忽略了被查询的目标用户和项目节点与其邻居节点间可能存在特征不匹配的问题,导致噪声的引入而降低了模型性能。为了解决该问题,文中提出一种社交推荐模... 基于图神经网络的社交推荐模型在提升推荐系统性能方面有不错的表现。但现有方法都忽略了被查询的目标用户和项目节点与其邻居节点间可能存在特征不匹配的问题,导致噪声的引入而降低了模型性能。为了解决该问题,文中提出一种社交推荐模型DNSSR。首先构建一个包含用户和项目多元关系的关系图谱,图节点间信息关联更丰富;然后利用动态邻域采样机制获得与目标查询对的特征更一致的邻居节点,减少了噪声信息;另外,为了进一步提高模型预测性能,设计了一种增强型图神经网络对采样后得到的关系子图进行建模,它可以区分不同邻居节点的重要性并选择更可靠的信息源,获得更鲁棒的用户和项目嵌入向量用于评分预测。实验结果表明:相比其他先进模型,该模型预测误差明显降低,证明了文中所提各项方法的有效性;尤其是动态邻域采样机制,若将其弃用,DNSSR在Ciao数据集上的RMSE(均方根误差)和MAE(平均绝对误差)指标将分别上升6.05%和7.31%,在Epinions数据集上则分别上升3.49%和5.41%,充分验证了其能有效降低噪声干扰、提高社交推荐模型的性能。 展开更多

关键词 社交推荐 评分预测 图神经网络 动态邻域采样

下载PDF 职称材料

基于图卷积神经网络的三维点云分割算法Graph⁃PointNet 被引量：4

19

作者 陈苏婷 陈怀新 张闯 《现代电子技术》 2022年第6期87-92,共6页

三维点云无序不规则的特性使得传统的卷积神经网络无法直接应用,且大多数点云深度学习模型往往忽略大量的空间信息。为便于捕获空间点邻域信息,获得更好的点云分析性能以用于点云语义分割,文中提出Graph⁃PointNet点云深度学习模型。Grap... 三维点云无序不规则的特性使得传统的卷积神经网络无法直接应用,且大多数点云深度学习模型往往忽略大量的空间信息。为便于捕获空间点邻域信息,获得更好的点云分析性能以用于点云语义分割,文中提出Graph⁃PointNet点云深度学习模型。Graph⁃PointNet在经典点云模型PointNet的基础上,结合二维图像中聚类思想,设计了图卷积特征提取模块取代多层感知器嵌入PointNet中。图卷积特征提取模块首先通过K近邻算法搜寻相邻特征点组成图结构,接着将多组图结构送入图卷积神经网络提取局部特征用于分割。同时文中设计一种新型点云采样方法多邻域采样,多邻域采样通过设置点云间夹角阈值,将点云区分为特征区域和非特征区域,特征区域用于提取特征,非特征区域用于消除噪声。对室内场景S3DIS、室外场景Semantic3D数据集进行实验,得到二者整体精度分别达到89.33%和89.78%,平均交并比达到64.62%,61.47%,均达到最佳效果。最后,进行消融实验,进一步证明了文中所提出的多邻域采样和图卷积特征提取模块对提高点云语义分割的有效性。 展开更多

关键词 三维点云分割 图卷积神经网络 Graph⁃PointNet 语义分割 深度学习 多邻域采样 特征提取

下载PDF 职称材料

基于随机抽样的变精度邻域粗糙集特征选择 被引量：1

20

作者 沈林 《廊坊师范学院学报（自然科学版）》 2019年第2期14-17,共4页

在变精度邻域粗糙集的特征选择中,改进后的区分矩阵相较于依赖度,具有时间复杂度较低的优点,但由于空间占用高,限制了其在大规模数据上的应用。减小数据规模虽然可以大幅降低空间消耗,但存在信息量丢失的风险,为此,通过随机抽取多个小... 在变精度邻域粗糙集的特征选择中,改进后的区分矩阵相较于依赖度,具有时间复杂度较低的优点,但由于空间占用高,限制了其在大规模数据上的应用。减小数据规模虽然可以大幅降低空间消耗,但存在信息量丢失的风险,为此,通过随机抽取多个小规模数据子集以降低空间占用,在分别进行特征选择后,选择权重高的特征子集进行了测试。实验结果证明,可以将空间占用降低2-3个数量级,并保持精度和抽样前相当。 展开更多

关键词 邻域粗糙集 随机抽样 特征选择

下载PDF 职称材料