摘 要:情绪原因识别是一项具有挑战性的细粒度情感分析任务。针对现有方法对情绪语义特征的分析不够充分、对情绪及其原因的内在因果关系挖掘不够深入等问题,提出了一种基于多粒度语义融合和交互注意的情绪原因识别方法。该方法构建了词级、短语和子句三级编码网络,用于建模不同语言粒度下子句的上下文信息,每级网络均设计了交互注意机制,用于挖掘子句之间的深层语义和依赖关系。使用多维注意捕获词语的不同特征对于子句的重要
摘 要:针对浣熊优化算法(COA)易陷入局部最优、收敛速度快的缺点,本文提出了一种多策略融合的浣熊优化算法(MICOA)。该算法采用自适应适应度距离平衡策略,平衡个体的适应度函数值和个体与最优解的距离,增强了算法跳出局部最优的能力;采用自适应协方差学习策略,COA算法能够在开发阶段充分利用优势种群信息;采用了局部最优扰动方案,有利于帮助算法跳出局部最优。选用CEC2014函数,在收敛精度、收敛速度
摘 要:为了解决多模态数字图书馆跨域检索中的信息碎片化和模态不统一问题,提出一种基于深度迁移学习的跨域检索算法。首先,利用BERT预训练模型和SWTR模型提取多模态资源特征,通过CNN网络融合,以解决资源的跨域差异;其次,采用深度迁移学习将融合特征迁移至数字图书馆资源域,得到各特征对应资源的类标签;最后,根据查询本体与类标签的词形、语义相似度构建索引,实现精准跨域检索。实验结果表明,该算法在特征提
摘 要:针对物联网节点之间经过开放信道进行信息交互会遭受篡改、重放和物理克隆攻击的问题,提出一种结合物理不可克隆函数(PhysicalUnclonableFunctions,PUF)和异步棘轮树(AsynchronousRatchetTrees,ART)的群组认证方案。每个物联网节点利用自身的物理不可克隆函数产生挑战响应对来保障群组认证的安全性,使群组可以应对各种恶意的物理攻击;同时,利用异步棘轮
摘 要:针对高维数据降维存在的计算复杂度高及方向不可控问题,提出一种基于正交约束与最小重构误差的对比学习降维方法(RoCRL)。在编码器中加入正交约束层,控制降维方向,降低特征之间相关性。定义最小重构误差对比损失,使低维嵌入保持与原始数据相似的分布结构。实验表明:RoCRL降维后数据的平均识别准确率最高可达99.67%,与7种基线模型相比提升了2.21%,实验时间最大缩短283.65s。RoCRL
摘 要:现有的人工智能情感支持对话研究多集中于单次会谈,无法满足实际应用中情感支持的持续性需求。针对这一研究空白,提出MSESChat———一种支持多次会谈的情感支持对话合成数据框架。MSESChat设计了求助者、助人者和规划者三个智能体,以真实案例数据为基础,通过AI智能体角色扮演生成长周期、多轮次的情感支持对话数据集。利用该数据集对开源的大语言模型进行监督微调。实验结果显示,微调后的模型在情感
摘 要:针对绝缘子检测背景条件复杂,对小目标和被遮挡绝缘子缺陷检测精度低的问题,提出了改进的YOLOv10n绝缘子缺陷检测系统。在模型优化方面采取EfficientViT网络替换C2f模块和卷积模块,减少模型复杂程度,提高检测效率,并选取加入ACmix注意力机制,更高效提取特征信息,用于有效提升检测精度。引入SIoU损失函数,提高模型收敛速度和鲁棒性。通过实验验证改进后模型的检测效果,最终实验结果
要:联邦学习是一种分布式训练方法,允许医疗机构在不交换数据的情况下联合训练模型,保护数据隐私。然而,由于不同地区疾病种类和数据分布的差异,数据通常呈现非独立同分布,影响全局模型的聚合,导致模型性能下降。为此,提出了一种面向医学图像的联邦学习混合权重聚合方法HybridFed,该方法通过利用差分隐私的数据异质性和分层模型一致性,综合考虑客户端权重比例,更好地聚合全局模型。实验结果表明,HybridF
摘 要:意图识别旨在确定用户输入问句中所表达的意图或目的,是实现问答系统的关键步骤。针对建筑施工安全领域智能问答中问句术语繁多,导致意图识别性能不佳的问题,采用K-BERT模型进行解决。该模型将知识图谱中蕴含的建筑施工安全事故知识三元组,插入问句中形成文本树,并将文本树转换为嵌入式表示和实体可视矩阵,然后进行编码,最终实现对问句的意图识别。在包含6个意图类别的自建语料上进行实验,K-BERT模型意
摘 要:针对小麦病虫害分类识别研究中卷积神经网络加深导致的梯度消失和爆炸等问题,提出了一种基于改进GoogLeNet的识别方法。首先,构建小麦病虫害数据集Wheat11,并通过数据增强技术保持样本间的平衡;其次,引入CBAM注意力机制,并改进注意力模块,增强网络对病虫害特征的提取能力;最后,在Inception模块中引入残差结构,有效缓解梯度消失和爆炸等问题。试验结果表明,改进模型在测试集上的准确
摘 要:目前,心脑耦合算法的研究较少,研究方法主要为传统统计方法。提出一种基于改进Transformer模型新算法,通过该模型预测EEG 到ECG 的关系,并使用余弦相似度来评估预测准确率,实现耦合度分析。在DREAMER和HaaglandenMedischCentrumSleepStagingDatabase数据集上分别对平静和睡眠状态下的数据进行训练。结果显示,平静状态下δ波与心电信号的耦合度
摘 要:针对生成对抗网络的图像融合任务中,因为只关注了一种图像特征,而导致信息缺失的问题。提出了一种基于类激活多尺度注意力的生成对抗网络融合算法。首先,使用类激活注意力特征机制进行特征提取;其次,在融合时使用了红外与可见特征融合和可见与红外特征融合双通道,使融合图像中红外源图像和可见光源图像的特征更加平衡。模型在TNO数据集上进行大量的对比实验,相较于同类算法,互信息提升了11.28%,标准差提升
摘 要:为了解决抑郁症检测中由于脑电(Electroencephalogram,EEG)信号数据稀缺导致的分类精度不高的问题,结合去噪扩散概率模型(DenoisingDiffusionProbabilisticModel,DDPM)和卷积注意力机制(ConvolutionalBlockAttentionModule,CBAM),提出了一种用于EEG数据增强的卷积注意力扩散模型(Convolutio
摘 要:网络暴力在短时间内就能对个人或群体造成极大伤害。针对目前缺乏网络暴力中文评论语料库、难以准确捕捉文本情绪特征和实现极端暴力情绪倾向的分类存在挑战的问题,在构建网络暴力中文语料库的基础上,提出一种融合多层次特征的网络暴力情绪分析方法。将评论文本词嵌入得到原始语义特征后,由融合长短期记忆网络(LongShort-Term Memory,LSTM)获取文本全局上下文信息,由文本卷积神经网络(Te