期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到561篇文章
< 1 2 … 29 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合对比学习的双边序列推荐
1
作者 王巍 王亚飞 郭嘉梁 《计算机工程与设计》 北大核心 2026年第2期520-527,共8页
双边序列推荐解决了传统序列推荐只考虑单方面用户的缺陷,但其通过单一的预测任务来训练模型参数会受到数据稀疏的困扰,难以从双方用户行为序列层面获得准确的数据表征,因此提出一种融合对比学习的双边序列模型。在双边序列模型中引入... 双边序列推荐解决了传统序列推荐只考虑单方面用户的缺陷,但其通过单一的预测任务来训练模型参数会受到数据稀疏的困扰,难以从双方用户行为序列层面获得准确的数据表征,因此提出一种融合对比学习的双边序列模型。在双边序列模型中引入对比学习框架作为辅助推荐任务,通过数据增强的方式从数据中提取监督信号;调整多头注意力层和前馈层位置,使编码器更好的捕捉用户序列中的局部依赖;通过联合序列推荐任务和对比学习任务优化模型参数,实验结果表明,本文模型与8个对比模型相比性能均有显著提升,验证了提出的改进双边序列模型的有效性。 展开更多
关键词 数据增强 对比学习 多头注意力 前馈网络 双边序列推荐 序列推荐 数据稀疏
在线阅读 下载PDF
结合自适应数据增强和集成学习的机载网络入侵检测研究
2
作者 周茂辉 刘文琪 +1 位作者 李艳军 宫艺姝 《电信科学》 北大核心 2026年第3期113-122,共10页
机载网络入侵检测可能面临异常样本稀缺和数据分布不平衡的双重挑战,传统方法难以同时保证检测精度和泛化能力。为此,结合多视图对比稀疏自编码器(multi-view contrastive sparse autoencoder,MCSAE)的数据增强方法,提出一种改进分层抽... 机载网络入侵检测可能面临异常样本稀缺和数据分布不平衡的双重挑战,传统方法难以同时保证检测精度和泛化能力。为此,结合多视图对比稀疏自编码器(multi-view contrastive sparse autoencoder,MCSAE)的数据增强方法,提出一种改进分层抽样集成学习的联合优化方法。首先,针对异常样本缺失问题,设计MCSAE,通过多视图数据增强和对比学习策略,在稀疏自编码器框架下学习更具判别性的潜在表示,并利用重输入对比机制优化异常样本生成质量,有效缓解数据稀疏性带来的模型偏差。其次,针对类别不平衡问题,提出改进分层抽样策略,在传统分层抽样基础上引入全局特征保留机制,避免局部采样导致多数类分布失真,确保分类器能够学习数据的完整统计特性。最后,结合F1分数自适应加权集成学习,融合随机森林、长短期记忆(long short-term memory,LSTM)网络等多样化基分类器,动态调整模型权重,进一步提升对少数类攻击的检测能力。实验结果表明,相较于现有方法,所提方法在机载网络数据集上的召回率提升5.2%,F1分数提升3.7%,为复杂网络环境下的入侵检测提供了可靠解决方案。 展开更多
关键词 分布不平衡 多视图对比稀疏自编码器 分层抽样 集成学习
在线阅读 下载PDF
基于谱嵌入相似度的多层对比多视图聚类
3
作者 任晓阳 林毓秀 +1 位作者 于晓 刘慧 《计算机研究与发展》 北大核心 2026年第4期960-972,共13页
多视图聚类通过将数据样本划分为不同类别的无监督方式学习共识表示,受到了广泛关注。近年来,对比学习凭借其强大的跨视图特征对齐能力,在多视图聚类中展现出了巨大的潜力。然而,现有对比多视图聚类方法存在正负样本划分的假阴性与假阳... 多视图聚类通过将数据样本划分为不同类别的无监督方式学习共识表示,受到了广泛关注。近年来,对比学习凭借其强大的跨视图特征对齐能力,在多视图聚类中展现出了巨大的潜力。然而,现有对比多视图聚类方法存在正负样本划分的假阴性与假阳性问题,限制了聚类性能的进一步提升。为解决这些问题,提出了基于谱嵌入相似度的多层对比多视图聚类方法。通过引入基于谱嵌入相似度的多层对比学习机制,有效缓解了正负样本划分不准确带来的性能瓶颈。首先,基于各视图潜在表示构造拉普拉斯矩阵,并利用其特征向量生成谱嵌入相似度矩阵。其次,根据谱嵌入相似度矩阵提供的全局先验信息划分正负样本对,缓解了样本划分错误对潜在表示学习的干扰。然后,设计跨视图对比损失来强化一致性表征和共享语义对齐。最后,通过可学习权重自适应地融合各个视图的潜在表示,得到全局多视图表示,并在此基础上设计全局对比损失来强调多视图一致性信息。在公开多视图数据集上的大量实验验证了所提方法的有效性。 展开更多
关键词 多视图聚类 对比学习 谱嵌入 拉普拉斯矩阵 加权融合
在线阅读 下载PDF
单细胞多组学数据的多尺度双对齐深度聚类方法
4
作者 靳志成 张奕 +4 位作者 李玉茹 苏辰 田野 王银 冯茜 《计算机应用研究》 北大核心 2026年第1期102-109,共8页
单细胞聚类分析是解析细胞异质性的关键步骤,但现有单细胞聚类方法在整合多组学数据时仍面临跨组学局部和全局关联建模不足、特征冗余与噪声干扰、以及共识聚类空间构建困难的问题。针对上述问题,提出了一种新颖的单细胞多组学聚类方法... 单细胞聚类分析是解析细胞异质性的关键步骤,但现有单细胞聚类方法在整合多组学数据时仍面临跨组学局部和全局关联建模不足、特征冗余与噪声干扰、以及共识聚类空间构建困难的问题。针对上述问题,提出了一种新颖的单细胞多组学聚类方法——多尺度双对齐深度聚类(scMDDC)。scMDDC首先通过多尺度融合策略捕获细胞间的局部和全局关系,有效地提取了细胞间的复杂交互模式;其次,通过对比对齐和细胞对齐减少了组间冗余信息,突出了组间特异性信息;最后,通过多组学协同聚类策略迭代式地将不同组学数据视为锚点指导其他组学的聚类过程,实现了组间信息的互补和增强共识。在多个真实数据集上的实验结果表明,相较于八个基准模型,scMDDC在聚类准确性、调整兰德指数等多个聚类评价指标上均取得了显著的性能提升。scMDDC不仅为单细胞多组学数据分析提供了一种新的有效方法,也进一步提升了细胞类型识别的精度。 展开更多
关键词 多尺度融合 多组学聚类 对比学习 对齐 协同策略
在线阅读 下载PDF
基于跨模态注意力机制与对比学习的谣言检测方法
5
作者 罗虎 张明书 《计算机应用》 北大核心 2026年第2期361-367,共7页
社交媒体多模态谣言检测面临着跨模态特征关联性弱以及数据内在表征不足的挑战。因此,提出一种基于跨模态注意力机制与对比学习的谣言检测方法。该方法通过多模态特征模块提取文本与视觉的细粒度特征,利用跨模态共同注意力机制和差异性... 社交媒体多模态谣言检测面临着跨模态特征关联性弱以及数据内在表征不足的挑战。因此,提出一种基于跨模态注意力机制与对比学习的谣言检测方法。该方法通过多模态特征模块提取文本与视觉的细粒度特征,利用跨模态共同注意力机制和差异性学习增强模态间的关联性,运用多头自注意力捕获复杂语义的上下文,并创新性地引入对比学习模块实现机器监督下的特征优化。在Twitter-16和Weibo公开数据集上的实验结果表明,所提方法的准确率较现有的最优模型MMFN(Multi-Modal Fusion Network)分别提升了5.47和4.44个百分点,验证了细颗粒度特征挖掘与跨模态相似性建模对提升检测性能的关键作用。可见,深度解析多模态内容差异和强化跨模态关联机制能有效提升社交媒体谣言的识别精度。 展开更多
关键词 跨模态 自注意力机制 对比学习 多模态 谣言检测方法
在线阅读 下载PDF
基于多源信息结构化序列建模的药物推荐方法
6
作者 邹鑫 唐厂 +3 位作者 刘新旺 郑晓 刘袁缘 安山 《软件学报》 北大核心 2026年第3期1374-1392,共19页
药物推荐旨在依据患者的临床问诊信息,制定出最适宜的药物治疗方案.然而,现有的药物推荐方法往往缺少对患者问诊序列中纵向和结构化特征的有效挖掘.针对这一问题,提出了一种端到端的基于多源信息结构化序列建模的药物推荐方法.具体地,... 药物推荐旨在依据患者的临床问诊信息,制定出最适宜的药物治疗方案.然而,现有的药物推荐方法往往缺少对患者问诊序列中纵向和结构化特征的有效挖掘.针对这一问题,提出了一种端到端的基于多源信息结构化序列建模的药物推荐方法.具体地,该方法首先构建了高效的压缩编码器来刻画细粒度的EHR编码信息;然后,设计了一个循环注意力网络,在时间维度上通过掩码注意力机制来捕捉问诊序列中的全局依赖关系,允许网络在学习时动态地调整历史问诊的权重,从而更准确地捕获问诊序列的纵向依赖关系;此外,引入图对比学习策略和知识增强检索模块以提高模型的结构化表征能力,帮助理解药物之间的结构关系并降低DDI风险.在MIMIC-Ⅲ和MIMIC-Ⅳ等真实世界数据集上的实验结果表明,所提方法在多个性能指标上都优于对比方法. 展开更多
关键词 药物推荐 电子健康记录 图对比学习 多源信息 注意力机制
在线阅读 下载PDF
基于图的多视角对比学习小样本关系抽取模型
7
作者 肖毓航 李贯峰 +1 位作者 陈昱胤 秦晶 《计算机应用》 北大核心 2026年第3期732-740,共9页
小样本关系抽取(FSRE)任务旨在从有限的标注数据中识别文本中实体间的语义关系。针对现有方法因采用单一视角的对比学习和静态图结构而导致的特征对齐不足与任务适配性差等问题,提出一种融合多视角对比学习与动态图生成机制的FSRE模型SA... 小样本关系抽取(FSRE)任务旨在从有限的标注数据中识别文本中实体间的语义关系。针对现有方法因采用单一视角的对比学习和静态图结构而导致的特征对齐不足与任务适配性差等问题,提出一种融合多视角对比学习与动态图生成机制的FSRE模型SAGM(Synergistic Anchored Graph-based Model)。该模型在预训练阶段,通过多视角对比学习引入句子锚定和标签锚定策略,从而优化实例与关系标签特征的对齐效果;在任务生成阶段,利用图生成模块构建任务特定的图结构,并结合多头注意力引导层动态调整特征重要性,从而提升模型在小样本和跨领域任务中的适应性。在FewRel 1.0、FewRel 2.0以及NYT-25数据集上的实验结果表明,所提模型在多个N-way K-shot设置下取得了较高的准确率,表现出良好的泛化能力和任务适应性,验证了它在小样本和跨领域场景中的有效性。 展开更多
关键词 关系抽取 小样本学习 预训练模型 对比学习 多头注意力
在线阅读 下载PDF
基于联合对比学习的图融合AD分类网络
8
作者 胡梓俊 谢勤岚 《中南民族大学学报(自然科学版)》 2026年第3期364-372,共9页
图神经网络在阿尔茨海默症早期诊断中取得了显著进展,但多数方法存在图构建质量不足的问题,导致在含噪样本条件下难以准确建模节点间的拓扑关系,影响分类准确度.为了解决这一问题,提出了分类网络GFGCN-SP,它将单一图构建替换为多图融合... 图神经网络在阿尔茨海默症早期诊断中取得了显著进展,但多数方法存在图构建质量不足的问题,导致在含噪样本条件下难以准确建模节点间的拓扑关系,影响分类准确度.为了解决这一问题,提出了分类网络GFGCN-SP,它将单一图构建替换为多图融合构建,以提高图的质量;并在自注意力图池化中引入对比学习机制,从而实现有效的层次化表示学习.通过在ADNI数据集上进行的三组分类实验(AD-CN、MCI-CN和EMCI-LMCI)显示:所提方法显著优于现有主流基线模型,平均分类准确率分别达到了92.64%、86.85%、79.04%,验证了所提方法在阿尔茨海默症早期识别任务中的有效性. 展开更多
关键词 阿尔茨海默症 多图融合 图池化 对比学习
在线阅读 下载PDF
低秩注意力与对比对齐的深度多视图聚类
9
作者 温珍平 孙颖慧 +1 位作者 李杏峰 孙权森 《计算机科学与探索》 北大核心 2026年第4期1103-1114,共12页
多视图聚类(MVC)作为无监督学习的一个关键研究方向,在处理大规模数据时,结合深度学习可以显示出其独特的优势。然而,三个关键挑战仍未得到解决:(1)如何有效地从海量数据中提取判别特征,同时减少过多的训练开销;(2)如何协调视图之间的... 多视图聚类(MVC)作为无监督学习的一个关键研究方向,在处理大规模数据时,结合深度学习可以显示出其独特的优势。然而,三个关键挑战仍未得到解决:(1)如何有效地从海量数据中提取判别特征,同时减少过多的训练开销;(2)如何协调视图之间的异构特征表示;(3)如何保持多种模态之间的语义一致性。为了应对这些挑战,提出了一种基于线性注意力与簇对齐的框架(LRACA)。开发了一种标签驱动的锚点采样策略,其中类别感知K-means算法选择交叉视图对齐的锚点来指导训练方向的确定。为特征预训练设计了特定于视图的自编码器,并引入了一种动态低秩注意力机制,将键/值矩阵投影到线性子空间中,将注意力操作的计算复杂度从O(N^(2))降低到了O(N),同时显著增强特征区分性,并更新伪标签。提出了一种集群级对比学习范式,以聚类伪标签为纽带强化跨视图语义一致性,稳定和巩固了整个框架的聚类表现。对六个基准数据集的广泛实验表明,LRACA在聚类准确性、纯度和归一化互信息方面优于八个最先进的MVC基线,验证了其有效性和效率。 展开更多
关键词 多视图聚类 低秩注意力 对比学习 深度聚类 跨视图对齐
在线阅读 下载PDF
TCFNet:基于时频域与图像特征一致性的多视图故障诊断框架
10
作者 尹德海 舒振球 《陕西理工大学学报(自然科学版)》 2026年第2期1-11,共11页
为了提升机械故障诊断在复杂工况下的鲁棒性与准确性,提出了一种基于时频域与图像特征一致性的多视图故障诊断框架(TCFNet)。在数据增强模块中,将一维时序振动信号分解为频域信号,并通过马尔可夫迁移场和格拉姆角场方法生成二维图像,扩... 为了提升机械故障诊断在复杂工况下的鲁棒性与准确性,提出了一种基于时频域与图像特征一致性的多视图故障诊断框架(TCFNet)。在数据增强模块中,将一维时序振动信号分解为频域信号,并通过马尔可夫迁移场和格拉姆角场方法生成二维图像,扩展信号表征形式。多视图特征提取模块对时序和频域信号进行编码与解码,通过一致性学习增强,特征表达,并联合建模图像模态特征,引入多视图对比损失提升跨视图判别能力。多视图联合判别损失模块将4个视图特征组合为融合特征,通过权重匹配机制和全局对比损失促进多源特征深度协同。在PU、MFPT和XJTU数据集上,TCFNet分别达到97.53%、88.37%和100%的识别准确率。与多种典型半监督方法相比,其性能在三数据集上分别提升4%~51%、9%~47%和1%~18%,充分验证了模型在复杂工况与多模态融合场景下的显著优势。 展开更多
关键词 故障诊断 数据增强 多视图对比 特征一致性建模
在线阅读 下载PDF
基于动态拓展注意力的多尺度筛选融合水下图像增强模型
11
作者 曲元明 魏德宾 +2 位作者 袁国豪 潘成胜 闫甜甜 《兵器装备工程学报》 北大核心 2026年第2期221-230,278,共11页
针对水下图像出现色偏、模糊、对比度低等退化现象,提出基于动态拓展注意力的多尺度筛选融合水下图像增强网络(MSF-Net)。提出拓展通道注意力模块,增强单一通道表征能力,精细建模通道间关系,提升全局色彩恢复效果。引入四边形注意力机制... 针对水下图像出现色偏、模糊、对比度低等退化现象,提出基于动态拓展注意力的多尺度筛选融合水下图像增强网络(MSF-Net)。提出拓展通道注意力模块,增强单一通道表征能力,精细建模通道间关系,提升全局色彩恢复效果。引入四边形注意力机制,采用动态可形变窗口划分策略,捕获更丰富的局部与全局上下文信息,增强复杂场景下多样化对象的纹理细节。结合特征金字塔结构,提出特征筛选融合模块,通过自适应权重分配机制实现多尺度特征的差异化筛选与深度融合,有效保留多尺度关键信息,抑制退化因素,增强融合效果。在UIEB数据集上的实验结果表明,MSF-Net的PSNR与SSIM指标分别提升了1.00 dB与0.005,取得了优秀的量化指标,在色彩、亮度和细节纹理等方面的视觉表现均具有优异的增强效果,增强性能优于现有方法。 展开更多
关键词 水下图像增强 拓展通道注意力 四边形注意力 多尺度特征融合 混合对比学习正则化
在线阅读 下载PDF
基于双重语义对比学习的无监督红外图像生成方法
12
作者 程梓萌 杨馨悦 +1 位作者 艾浩军 王中元 《计算机科学》 北大核心 2026年第4期260-268,共9页
红外图像在计算机视觉领域应用广泛。受制于采集条件,高质量红外图像数据集规模较小。把可见光图像转换为红外图像,是扩充红外数据集的有效手段。现有生成方法多依赖有监督学习,需要大量配对数据。为此,提出基于双重语义对比学习的无监... 红外图像在计算机视觉领域应用广泛。受制于采集条件,高质量红外图像数据集规模较小。把可见光图像转换为红外图像,是扩充红外数据集的有效手段。现有生成方法多依赖有监督学习,需要大量配对数据。为此,提出基于双重语义对比学习的无监督红外图像生成方法DSCGAN。该方法采用双向转换架构,通过语义对比学习增强图像内容保持能力和红外特征学习能力。损失函数增加几何一致性损失,协助保留可见光图像的原始结构与细节。同时,构建多尺度PatchGAN判别器,增强判别能力,提升生成图片的真实感。在AVIID-1,AVIID-2和Day-DroneVehicle数据集上的实验表明,DSCGAN在多项指标上优于对比方法,生成的红外图像热辐射分布更合理,视觉质量更优。在AVIID-1数据集中,DSCGAN的SSIM值提升至0.8144,FID分数降低至0.1456。在Day-DroneVehicle数据集中,DSCGAN的PSNR值提升至18.14,LPIPS值降低至0.2949。所提方法为无监督红外图像生成提供了新思路,可进一步应用于红外目标检测和场景分割等下游任务。 展开更多
关键词 图像到图像转换 语义对比学习 红外图像生成 多尺度判别器 几何一致性约束
在线阅读 下载PDF
多排螺旋CT多期增强扫描在儿童肾肿瘤诊断中的应用
13
作者 陈聪聪 王攀鸽 刘娇静 《中国CT和MRI杂志》 2026年第2期112-115,共4页
目的探究多层螺旋电子计算机断层扫描(MSCT)多期增强扫描在儿童肾肿瘤诊断中的应用价值。方法选取本院自2020年1月至2024年10月收治的80例肾肿瘤患儿为研究对象,均行MSCT多期增强扫描,比较各时期CT值、增强百分比、相对肾皮质校正CT值,... 目的探究多层螺旋电子计算机断层扫描(MSCT)多期增强扫描在儿童肾肿瘤诊断中的应用价值。方法选取本院自2020年1月至2024年10月收治的80例肾肿瘤患儿为研究对象,均行MSCT多期增强扫描,比较各时期CT值、增强百分比、相对肾皮质校正CT值,分析其对肾肿瘤良恶性的诊断价值。结果经临床和病理学诊断确定80例儿童肾肿瘤患者中,56例恶性肿瘤纳入恶性组,24例良性肿瘤纳入良性组。两组皮髓质期CT值、肾实质期CT值、排泄期CT值、皮髓质期增强百分比、排泄期增强百分比、平扫期相对肾皮质校正CT值、皮髓质期相对肾皮质校正CT值、肾皮质期相对肾皮质校正CT值比较均无显著性差异(P>0.05),良性组平扫期CT值、排泄期相对肾皮质校正CT值显著高于恶性组(P<0.05),肾实质期增强百分比显著低于恶性组(P<0.05);受试者工作曲线(ROC)曲线结果显示,单一指标诊断肾肿瘤良恶性时,肾实质期增强百分比诊断肾肿瘤良恶性的受试者工作曲线下面积(AUC)最高为0.723,临界值114.56、敏感度66.67%,特异度75.00%,联合诊断时,联合诊断肾肿瘤良恶性的AUC最高为0.820,敏感度79.17%,特异度73.21%,结论MSCT多期增强扫描图像中的平扫期CT值、肾实质期增强百分比、排泄期相对肾皮质校正CT值对肾肿瘤诊断具有良好的价值,联合诊断能提高诊断的敏感度。 展开更多
关键词 儿童 肾肿瘤 多排螺旋CT 多期增强扫描 诊断
暂未订购
基于Mamba多模态情感识别方法
14
作者 欧阳亮 尚德龙 刘宾 《计算机技术与发展》 2026年第2期109-117,共9页
为克服传统激活函数在非线性特征提取、情感类别判别及多模态信息融合中存在的局限性,该文提出了一种分层融合与激活增强的Mamba多模态情感识别模型方法(A Hierarchical Fusion and Activation Enhanced Mamba Model,Mamba-HFAEM)。该... 为克服传统激活函数在非线性特征提取、情感类别判别及多模态信息融合中存在的局限性,该文提出了一种分层融合与激活增强的Mamba多模态情感识别模型方法(A Hierarchical Fusion and Activation Enhanced Mamba Model,Mamba-HFAEM)。该方法首先通过动态阈值激活函数(Dynamic Threshold Activation Function,DTAF)引入动态阈值机制,有效提升模型对复杂情感特征的捕捉能力,并加快训练与推理速度;其次,自适应多头对比损失(Adaptive Multi-head Contrastive Loss,AMCL)利用自适应多头对比损失函数从多个视角构建特征间相似性度量,显著拉大不同情感类别间的距离,同时减少同类内部的分散性;最后,分层融合与动态门控机制(Hierarchical Fusion with Dynamic Gating,HFDG)采用分层编码与动态门控策略,实现各模态低层局部特征与高层语义信息的自适应融合,有效抑制噪声和冗余信息。实验结果显示:在IEMOCAP数据集中,该方法达到了最佳性能:准确率80.45%,精确率80.62%,召回率79.10%,F 1分数78.42%,参数量12.37 M,浮点运算次数5.58 G,训练时间65.87 s,推理时间8.14 ms;而在MELD数据集中,最佳结果为准确率77.02%,精确率77.58%,召回率75.64%,F 1分数74.89%,参数量12.25 M,浮点运算次数5.34 G,训练时间62.47 s,推理时间7.84 ms。这些结果充分验证了该方法在多模态情感识别任务中的优越性能和应用潜力。 展开更多
关键词 多模态 情感识别 动态阈值激活函数 自适应多头对比损失 分层动态门控融合
在线阅读 下载PDF
基于CLIP与注意力机制优化的多阶段人脸图像修复方法
15
作者 赵阳 丁建伟 《科学技术与工程》 北大核心 2026年第4期1575-1585,共11页
现有的人脸图像修复方法在处理大面积遮挡时生成的图像往往会出现结构不协调和上下文语义不连贯的问题,无法准确恢复面部细节。针对此问题,提出一种基于CLIP(contrastive language-image pre-training)与注意力机制优化的多阶段人脸图... 现有的人脸图像修复方法在处理大面积遮挡时生成的图像往往会出现结构不协调和上下文语义不连贯的问题,无法准确恢复面部细节。针对此问题,提出一种基于CLIP(contrastive language-image pre-training)与注意力机制优化的多阶段人脸图像修复算法。首先,通过编解码器结构进行初步的面部恢复。然后,针对口罩遮挡区域进行局部特征处理,在局部细节网络中引入AOT(aggregated contextual transformations)block,增强面部边缘和遮挡区域的细节重建效果。最后,将预训练好的CLIP模型嵌入到全局编码器中捕捉图像的整体细粒度细节,并通过注意力机制整合面部全局信息,确保修复后的图像在全局一致性和局部细节上都达到高质量复原的要求。在多个数据集上将该方法与多种算法进行比较,实验结果表明,所提方法在主观评价和客观评价方面均表现突出,在融合计算效率和提高修复质量之间实现了更好的平衡。 展开更多
关键词 注意力机制 人脸图像修复 CLIP 多阶段修复网络 生成式对抗网络
在线阅读 下载PDF
基于对比学习的多站点温度预测
16
作者 曹慧博 张军 《河北工业大学学报》 2026年第2期29-37,70,共10页
基于深度学习的温度预测是利用历史气象数据训练深度学习模型、学习气象数据的模式和关联性,以预测未来温度。该技术在天气预报、农业生产、能源管理和环境管理等领域具有重要的应用价值。现有方法在采用对比学习进行温度时间序列预测时... 基于深度学习的温度预测是利用历史气象数据训练深度学习模型、学习气象数据的模式和关联性,以预测未来温度。该技术在天气预报、农业生产、能源管理和环境管理等领域具有重要的应用价值。现有方法在采用对比学习进行温度时间序列预测时,难以保持多个气象站点间数据的相关性,同时在多尺度特征提取时难以权衡多个尺度特征对于预测结果影响的差异。为了解决上述问题,本文提出基于对比学习的多站点温度预测模型,主要包括多站点联合模块(multi-site association module,MSAM)和多尺度提取模块(multi-scale extraction module,MSEM)。MSAM利用通道注意力机制和空洞卷积,捕获不同气象站点之间的相关性;MSEM通过分支权重调控机制和因果卷积,权衡各尺度特征对预测结果影响的差异。所提模型在采用对比学习的温度预测时表现出色。与CoST模型相比,在河北省气象数据集和湖南省气象数据集上,预测未来24 h内的均方误差分别降低了4.31%和4.85%。 展开更多
关键词 对比学习 多站点温度预测 多尺度 通道注意力 分支权重调控机制
在线阅读 下载PDF
基于DCE-MRI深度学习及肿瘤微环境的多组学研究预测HR+乳腺癌新辅助治疗疗效的研究进展
17
作者 耿熙坪 孙艺瑶 +1 位作者 张勇 赵丹 《磁共振成像》 北大核心 2026年第2期175-181,共7页
激素受体阳性(hormone receptor positive,HR+)乳腺癌作为乳腺癌最主要的分子亚型(占比70%~80%),其显著的肿瘤异质性及肿瘤微环境(tumor microenvironment,TME)介导的治疗抵抗是制约新辅助治疗(neoadjuvant therapy,NAT)疗效提升与个体... 激素受体阳性(hormone receptor positive,HR+)乳腺癌作为乳腺癌最主要的分子亚型(占比70%~80%),其显著的肿瘤异质性及肿瘤微环境(tumor microenvironment,TME)介导的治疗抵抗是制约新辅助治疗(neoadjuvant therapy,NAT)疗效提升与个体化诊疗实施的核心因素。当前临床依赖Ki-67等指标检测、穿刺活检等手段预测NAT疗效时,受时空异质性与指标波动性影响,难以精准评估治疗响应,亟需无创、高效的替代技术。动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)凭借其功能性成像优势,可量化反映肿瘤血管生成、血管渗透性等TME关键特征,为无创解析TME生物学行为提供了重要窗口。而深度学习(deep learning,DL)技术通过自主挖掘DCE-MRI图像中超越人眼识别的深层时空特征,突破了传统影像组学的局限,为构建高精准度的TME表征与NAT疗效预测模型提供了新范式。本文系统梳理了HR+乳腺癌TME的异质性特征、DCE-MRI在TME功能评估中的技术优势、DL驱动的影像特征挖掘策略及多模态整合研究进展,重点阐述该交叉领域的关键技术瓶颈,并展望未来基于“影像-病理-分子”多组学融合的研究方向,旨在为HR+乳腺癌精准诊疗的临床转化提供理论参考与技术路径。 展开更多
关键词 激素受体阳性乳腺癌 肿瘤微环境 新辅助治疗 动态对比增强磁共振成像 多组学 人工智能 深度学习 磁共振成像
暂未订购
基于自适应增强的多视图对比推荐算法 被引量：2
18
作者 姚迅 王海鹏 +1 位作者 胡新荣 杨捷 《计算机工程》 北大核心 2025年第5期103-113,共11页
近年来,基于神经网络架构的推荐系统取得了显著成功,但在处理富含流行偏见和交互噪声的数据时,未能达到期望的效果。对比学习作为一种从无标记数据中学习的新兴技术备受关注,为解决这一问题提供了潜在方案。提出一种端到端的图对比推荐... 近年来,基于神经网络架构的推荐系统取得了显著成功,但在处理富含流行偏见和交互噪声的数据时,未能达到期望的效果。对比学习作为一种从无标记数据中学习的新兴技术备受关注,为解决这一问题提供了潜在方案。提出一种端到端的图对比推荐算法AMV-CL。首先,基于节点的潜在表征构建用户-项目交互图的互补图;其次,引入自适应增强技术,分别从节点和边缘角度生成多视图数据,并通过重参数化网络调整图结构;最后,规范化对比损失中锚节点的正样本来源,同时利用多视图对比损失来学习用户/项目的潜在表征。在公共数据集上的实验结果显示,相较于最优基准方法SimGCL,AMV-CL在评价指标Recall@20和NDCG@20上的提升最高可达到12.03%和12.64%,表明所提方法能够有效提升推荐性能。 展开更多
关键词 图神经网络 推荐系统 多视图 对比学习 自适应增强
在线阅读 下载PDF
基于多视图多尺度对比学习的图协同过滤 被引量：1
19
作者 党伟超 温鑫瑜 +1 位作者 高改梅 刘春霞 《计算机应用》 北大核心 2025年第4期1061-1068,共8页
针对图协同过滤推荐方法存在的单一视图局限性和数据稀疏性问题,提出一种基于多视图多尺度对比学习的图协同过滤(MVMSCL)模型。首先,根据用户-项目交互构建初始交互图,并考虑用户-项目中存在的多种潜在意图,以构建多意图分解视图;其次,... 针对图协同过滤推荐方法存在的单一视图局限性和数据稀疏性问题,提出一种基于多视图多尺度对比学习的图协同过滤(MVMSCL)模型。首先,根据用户-项目交互构建初始交互图,并考虑用户-项目中存在的多种潜在意图,以构建多意图分解视图;其次,利用高阶关系改进邻接矩阵,以构建协同邻居视图;再次,去除不重要的噪声交互,以构建自适应增强的初始交互图和多意图分解视图;最后,引入局部、跨层和全局3种尺度的对比学习范式生成自监督信号,从而提高推荐性能。在Gowalla、Amazon-book和Tmall 3个公共数据集上的实验结果表明,MVMSCL的推荐性能均优于对比模型。与最优基线模型DCCF(Disentangled Contrastive Collaborative Filtering framework)相比,MVMSCL的召回率Recall@20分别提升了5.7%、14.5%和10.0%,归一化折损累计增益NDCG@20分别提升了4.6%、17.9%和11.5%。 展开更多
关键词 推荐系统 协同过滤 图神经网络 多视图 对比学习
在线阅读 下载PDF
基于多模态的缺陷绝缘子图像的多标签分类 被引量：5
20
作者 周景 王满意 田兆星 《高电压技术》 北大核心 2025年第2期642-651,共10页
对巡检图像中绝缘子缺陷准确分类是输电线路自动巡检领域中的关键技术之一。针对传统深度学习的分类方法对文本信息利用不够充分以及绝缘子图像分类标签较为单一的问题,该文首次提出了一种基于多模态的缺陷绝缘子图像的多标签分类方法... 对巡检图像中绝缘子缺陷准确分类是输电线路自动巡检领域中的关键技术之一。针对传统深度学习的分类方法对文本信息利用不够充分以及绝缘子图像分类标签较为单一的问题,该文首次提出了一种基于多模态的缺陷绝缘子图像的多标签分类方法。首先,采用一种多模态联合数据增强方法,实现了绝缘子图像和标签文本间跨模态的数据增强。然后,使用Vision Transformer网络提取图像的特征信息和BERT网络提取标签文本的特征信息,充分利用图像和标签文本的特征信息,从不同模态获取全面的信息,提高了网络的分类能力。最后,通过对比学习的方式将图像和文本的特征信息关联,增强网络分类的可靠性的同时,又为分类结果提供了良好的可解释性。实验结果表明,该方法的分类总体准确率达到93.87%,在同一数据集中对比其他模型,分类性能具有明显优势,为多模态技术在电网领域的应用提供了较好的基础。 展开更多
关键词 绝缘子图像 多标签分类 多模态 对比学习 数据增强
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 29 下一页 到第 页
使用帮助 返回顶部