<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel xmlns:cfi="http://www.microsoft.com/schemas/rss/core/2005/internal" cfi:lastdownloaderror="None">
<title cf:type="text"><![CDATA[国防科技大学学报编辑部 -->专栏：机器学习]]></title>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[多通道图注意力解耦社交推荐方法]]></title>
<link><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203001]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[提出具有解耦能力的多通道图注意力社交推荐模型,该模型主要包括深度聚类模块、多通道图注意力聚合模块和评分预测模块。其中,深度聚类模块用于对用户和项目进行分组,并利用聚类结果将用户社交图和用户项目图拆分成多个用户社交子图及用户项目子图,以学习用户兴趣分组及用户对不同类项目的兴趣；多通道图注意力聚合模块学习不同子图对预测结果的注意力；评分预测模块将学习到的用户表示向量和项目表示向量输入多层感知机进行评分预测。在多个真实数据集上的实验结果表明:提出的方法优于其他社交推荐算法。与最新的用于社交推荐的图神经网络方法相比,在Ciao和Epinions数据集上,均方根误差分别降低了2.26%和2.07%,平均绝对误差分别降低了2.58%和3.06%。]]></description>
<pubDate>2022/6/2 10:28:10</pubDate>
<category><![CDATA[专栏：机器学习]]></category>
<author><![CDATA[洪明利，王靖，贾彩燕]]></author>
<guid><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203001]]></guid><cfi:id>11</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[带局部交流函数及自由意志的单领导Cucker-Smale模型的渐近集群分析]]></title>
<link><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203002]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为研究集群的形成与否和半径大小之间的关系,主要考虑了具有单个领导的一般等级结构及其领导者速度不变的Cucker-Smale模型。探讨了自由意志对集群产生的影响,通过证明可以给出半径有下界的充分条件(下界和速度差、粒子数、通信强度等有关)。当半径大于下界时,会产生集群。通过MATLAB数值仿真验证了相关结论。]]></description>
<pubDate>2022/6/2 10:28:10</pubDate>
<category><![CDATA[专栏：机器学习]]></category>
<author><![CDATA[赵子玉，刘易成]]></author>
<guid><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203002]]></guid><cfi:id>10</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[融合图嵌入的光滑主成分分析网络图像识别算法]]></title>
<link><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203003]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。]]></description>
<pubDate>2022/6/2 10:28:10</pubDate>
<category><![CDATA[专栏：机器学习]]></category>
<author><![CDATA[陈飞玥，朱玉莲，田甲略，蒋珂]]></author>
<guid><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203003]]></guid><cfi:id>9</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向蛋白质功能预测中有向无环图标记结构的多示例多标记学习]]></title>
<link><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203004]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从原始数据的特征空间训练出所有标记共享的低维子空间,通过随机梯度下降方法来降低模型排序损失,并融入标记间有向无环图结构关系对预测标记进行优化。将该算法应用于多个数据集的蛋白质功能预测中,实验结果表明,该算法具有更高的效率及预测性能。]]></description>
<pubDate>2022/6/2 10:28:10</pubDate>
<category><![CDATA[专栏：机器学习]]></category>
<author><![CDATA[吴建盛，唐诗迪，梅德进，朱燕翔，刁业敏]]></author>
<guid><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203004]]></guid><cfi:id>8</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向多最优解组合优化问题的决策求解算法]]></title>
<link><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203005]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对具有固定物品总和、多最优解特征的组合优化问题,以固定总和实数子集问题和购买鸡翅问题为例,给出了这类多最优解组合优化问题的形式化表示。在分析枚举等经典算法基础上,提出了基于整数状态表示和实数状态表示的0-1决策递归搜索多最优解动态规划算法。针对该算法在最优解数量较大时,时间复杂度趋向O(m<sup>n</sup>)的问题,提出了基于相同决策路径合并和基于0-x决策的两种改进算法。实验中两种改进算法的计算时间基本符合与O(nb+nm)的正比关系,表明对于这类多最优解组合优化问题具有良好的求解性能。]]></description>
<pubDate>2022/6/2 10:28:10</pubDate>
<category><![CDATA[专栏：机器学习]]></category>
<author><![CDATA[胡振震，袁唯淋，罗俊仁，邹明我，陈璟]]></author>
<guid><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203005]]></guid><cfi:id>7</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向时空交通栅格流量预测的3D通道注意力网络]]></title>
<link><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203006]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[城市交通流量预测对交通管理和公共安全具有重要意义。然而,交通栅格流量数据中的规律在时刻变化,在城市中存在全局范围的时空间关系,并且不同特征通道在每个城市区域上有不同的重要性。为解决这些挑战并做出更准确的预测,设计了一种新颖的时空神经网络模型——3D通道注意力网络(three-dimensional channel-wise attention networks,3D-CANet)。提出一个3D通道内注意力(three-dimensional inner channel attention,3D-InnerCA)单元来动态捕获各个通道中不同的全局时空相关性,同时设计通道间注意力(inter channel attention,InterCA)单元来自适应地重校准每个区域上不同特征通道的贡献。在3个真实交通栅格流量数据集上的实验结果表明,3D-CANet模型的预测能力优于其他对比方法,证明了模型的有效性。]]></description>
<pubDate>2022/6/2 10:28:10</pubDate>
<category><![CDATA[专栏：机器学习]]></category>
<author><![CDATA[童凯南，林友芳，刘军，郭晟楠，万怀宇]]></author>
<guid><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203006]]></guid><cfi:id>6</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于不稳定性采样的主动学习方法]]></title>
<link><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203007]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[传统的主动学习方法往往仅基于当前的目标模型来挑选样本,而忽略了历史模型所蕴含的对未标注样本预测稳定性的信息。因此,提出基于不稳定性采样的主动学习方法,依据历史模型的预测差异来估计每个未标注样本对提高模型性能的潜在效用。该方法基于历史模型对样本的预测后验概率之间的差异来衡量无标注样本的不稳定性,并挑选最不稳定的样本进行查询。在多个数据集上的大量实验结果验证了方法的有效性。]]></description>
<pubDate>2022/6/2 10:28:10</pubDate>
<category><![CDATA[专栏：机器学习]]></category>
<author><![CDATA[何花，谢明昆，黄圣君]]></author>
<guid><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203007]]></guid><cfi:id>5</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[融合空间偏好和语义的个体活动识别方法]]></title>
<link><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203008]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[个体活动识别对用户画像、个性化推荐、异常行为检测、群体行为分析和基于活动的资源配置优化具有重要价值。提出了一种基于稀疏的社交媒体签到数据的个体活动语义识别方法,从签到数据中提取活动行为的时间周期性和趋势性特征,并采用空间偏好量化算法,从个体与群体活动的空间关联中提取群体和个体的空间访问偏好,使用自然语言嵌入工具BERT模型提取访问兴趣点的语义。时间特征、空间偏好特征和访问兴趣点名称语义特征共同构成表征群体、个体偏好的时空联合特征,通过极限梯度提升分类器对其进行分类,得到活动语义识别结果。在Foursquare数据集上的对比实验和消融实验中验证了所提活动语义识别模型可以有效提升活动语义识别的准确性。]]></description>
<pubDate>2022/6/2 10:28:10</pubDate>
<category><![CDATA[专栏：机器学习]]></category>
<author><![CDATA[郭茂祖，陈加栋，张彬，赵玲玲，李阳]]></author>
<guid><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203008]]></guid><cfi:id>4</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[多核贝叶斯优化的模型决策树算法]]></title>
<link><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203009]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[构造模型决策树时超参数较多,参数组合复杂,利用网格搜索等调参方法将会消耗大量的时间,影响模型性能的提升。提出了一种多核贝叶斯优化的模型决策树算法,该算法为应对不同分类数据特性,采用三种高斯过程建模寻优,利用贝叶斯优化技术,选出最优的参数组合。实验结果表明,所提算法在参数寻优上要优于传统的模型决策树寻优方法,并且能够在迭代次数不多的情况下找到全局最优参数值,在一定程度上提升了算法的分类性能,节省了大量的调参时间。]]></description>
<pubDate>2022/6/2 10:28:10</pubDate>
<category><![CDATA[专栏：机器学习]]></category>
<author><![CDATA[高虹雷，门昌骞，王文剑]]></author>
<guid><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203009]]></guid><cfi:id>3</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[众包标签的双重置信度推断算法]]></title>
<link><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203010]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[标记者的知识水平、评价标准等均具有显著差异,导致收集到的标签质量参差不齐,提高标签和学习模型的质量对众包标签中学习起着关键作用。针对众包标签推断问题,提出了一种双重置信度推断算法,分别从数据分布特征及标签信息两方面计算得到标记者置信度,再通过此置信度推断数据集的集成标签,以此提高集成标签的质量。实验结果表明,与其他仅使用标签信息的推断算法相比,所提算法可以得到更优结果。]]></description>
<pubDate>2022/6/2 10:28:10</pubDate>
<category><![CDATA[专栏：机器学习]]></category>
<author><![CDATA[张琳，姜高霞，王文剑]]></author>
<guid><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203010]]></guid><cfi:id>2</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[上下文感知的深度弱监督图像哈希表示学习方法]]></title>
<link><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203011]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对现有深度监督图像哈希表示学习方法依赖于图像的类别信息,难以在现实中被广泛应用问题,利用与图像相关的标签信息作为监督信息,提出上下文感知的深度弱监督图像哈希表示学习方法。该方法一方面通过自适应捕获图像区域特征的相关上下文来增强它们的表示能力,另一方面通过引入判别损失来提高学习到的哈希码表示的判别性。在现有两个公开数据集上的大量实验结果证明了该方法的有效性。]]></description>
<pubDate>2022/6/2 10:28:10</pubDate>
<category><![CDATA[专栏：机器学习]]></category>
<author><![CDATA[刘萌，周迪，田传发，齐孟津，聂秀山]]></author>
<guid><![CDATA[http://journal.nudt.edu.cn/gfkjdxxb/article/abstract/202203011]]></guid><cfi:id>1</cfi:id><cfi:read>true</cfi:read></item>
</channel>
</rss>