山东财经大学计算机科学与技术学院
- 作品数：269 被引量：961H指数：13
- 相关作者：聂培尧郭强韩慧健林培光李洪星更多>>
- 相关机构：山东大学计算机科学与技术学院山东大学软件学院山东大学数学学院更多>>
- 发文基金：国家自然科学基金山东省自然科学基金教育部人文社会科学研究基金更多>>
- 相关领域：自动化与计算机技术文化科学经济管理理学更多>>
- 基于深度学习的计算机视觉控制系统设计
- 2024年
- 研究旨在设计基于深度学习的计算机视觉控制系统,以实现智能感知、高效识别和精准控制等功能。本文通过需求分析确定功能和性能需求,设计了图像识别、目标检测、动作控制等功能模块,并考虑了硬件设计中的图像采集设备、处理器选型、通信模块。系统运行测试包括性能、稳定性和兼容性测试。结果表明,该系统能够有效实现目标功能,并具备良好的性能和稳定性。
- 谭晓华
- 关键词：计算机视觉控制系统图像识别
- 基于双向生成对抗网络的图像感知哈希算法被引量：3
- 2023年
- 本文提出一种基于双向生成对抗网络(Bidirectional Generative Adversarial Network, BiGAN)的无监督感知哈希生成算法,通过编码网络、生成网络和判别网络间的双向迭代对抗,生成具有较强图像语义特征表示能力的感知哈希码.本算法通过在编码网络和生成网络间添加跳接层网络结构,将原始图像不同维度的特征信息传递到生成网络,提高生成图像语义学习能力与网络收敛速度;同时,在对抗损失中添加均方误差(Mean Sequare Error, MSE)损失,增强生成图像的视觉质量与细节表示能力.最后,基于网络间的多重迭代对抗训练,输出兼备相同来源图像鲁棒性和不同来源图像区分性的高性能图像感知哈希码.本研究首次采用大型图像数据库进行算法性能评价,实验结果表明,基双向生成对抗网络的感知哈希生成算法与当前其他最新研究方案相比具有更强的版权认证与来源检测能力.
- 马宾王一利徐健王春鹏李健周琳娜
- 关键词：感知哈希均方误差图像内容认证
- 细节特征保持的三维面部表情迁移方法被引量：3
- 2021年
- 在三维面部表情迁移中,针对保持目标模型丰富的细节信息以使生成的新表情真实自然,以及减少表情迁移的学习训练时间这2个热点问题,提出一种细节特征保持的三维面部表情迁移方法.首先提取三维面部模型的细节特征,获得滤掉细节后的基本表情;然后利用改进的有参无监督回归方法将源模型的基本表情传递给目标模型;最后利用提出的细节特征向量调整策略对具有源基本表情的目标模型进行细节恢复.在Windows 10系统的Matlab中,以重建精度和训练时间为评价指标,对COMA等三维面部数据集进行视觉对比和定量分析实验.结果表明,与非线性联合学习方法相比,该方法在将源模型的表情无损迁移到目标模型的同时,很好地保持了目标模型自身的个性细节特征,使生成的表情真实自然;有效地提高了面部表情迁移的训练速度.
- 于志平迟静叶亚男代福芸
- 关键词：细节特征提取
- 新工科背景下软件工程专业大学生的契约式学习
- 2024年
- 新工科背景下,软件工程专业教学中技术发展迅速,对学生提出更高的实践能力要求,需要学生具有较强的自主学习能力。立足于大学生所具有的阶段属性和专业属性,本文提出以学生为中心的契约式学习模型,并进一步明确契约式学习的实施步骤与实施要点。
- 时妙文李芒范琳伟
- 关键词：工程教育软件工程专业
- 基于不同语料的词向量对比分析被引量：2
- 2017年
- 通过对目前自然语言处理领域中基于深度学习的词向量表示方法对不同文本语料文本表达的有效性进行分析,将主流词向量训练方法用于不同的文本语料集,包括英文维基百科语料、新闻语料、论坛语料和Web语料进行训练,并采用三种评价指标:余弦相似度平均差、斯皮尔曼等级相关和米克罗夫类比方法对训练出的文本词向量表达方法进行比较.实验结果表明,针对上述四种语料,词向量能够实现对文本的有效表示,但各个语料训练出的词向量的通用性不同,其中维基百科语料训练的词向量的通用效果最好.
- 崔萌张春云
- 基于校园上网行为感知的学生成绩预测方法
- 学生成绩预测旨在利用学生的相关信息预测其在未来的学业表现。随着校园信息化建设的持续推进,校园网络认证系统越来越完善,各高校逐步积累了丰富的学生校园上网行为数据。考虑到人的行为表现和学习能力密切相关,以校园上网行为感知为切...
- 姚丽崔超然马乐乐王飞超马玉玲陈勐尹义龙
- 关键词：多任务学习代价敏感学习
- 基于雾浓度分类与暗-亮通道先验的多分支去雾网络
- 2024年
- 在图像去雾领域中,目前多数去雾模型难以维持精度与效率的平衡,高精度的模型往往伴随着复杂的网络结构,而简单的网络结构又往往会导致低质量的结果.针对该问题提出一个基于雾浓度分类与暗-亮通道先验的多分支去雾模型,通过对带雾图像分类,使用复杂度不同的网络来处理不同雾浓度的图像,可在保证精度的同时提高计算效率.模型由轻量级雾图像分类器和基于暗-亮通道先验的多分支去雾网络2部分构成:前者将带雾图像分为轻雾、中雾、浓雾3类,输出雾浓度标签;后者包含3个结构相同、宽度不同的分支网络,根据雾浓度标签选择不同的分支网络处理不同雾浓度图像,恢复至无雾图像.提出一个新的雾浓度分类方法以及基于该方法的雾浓度分类损失函数,可根据带雾图像的暗通道特征和恢复难度,结合生成图像质量和模型计算效率,得到对带雾图像合理准确的分类结果,达到去雾效果和算力需求的良好平衡.提出新的暗通道与亮通道先验损失函数,用于约束分支去雾网络,可有效提高去雾精度.实验结果表明,模型能够以更低的网络参数量和复杂度得到更优的去雾结果.
- 张琪东迟静陈玉妍张彩明
- 关键词：图像去雾卷积神经网络
- 基于BSFinformer模型的金融数据特征选择及预测
- 2024年
- 金融领域的长时间序列预测正在面对复杂的市场和众多金融产品的挑战,传统的时序数据预测方法在处理线性分布数据时表现良好,但对于特征参数冗余和非线性长序列金融产品数据的预测效果有限.为了解决这一问题,提出一种长时间序列预测方法BSFinformer(Boruta-SHAP+Finformer),利用金融数据的时间相关性并综合运用BorutaSHAP,Finformer等技术来完成特征选择及预测功能.该方法首先引入Boruta-SHAP模块,利用XgBoost和SHAP分析方法进行特征选择,从给定的特征集中识别出与金融时间序列预测任务相关的重要特征,并解释这些特征对预测的影响.其次,利用Transformer结构和自注意力机制,改进为Finformer模块,将长序列金融数据分解为趋势、周期和残差成分,结合稀疏自注意力机制.在多个真实金融数据集上进行了实验评估.实验结果显示,BSFinformer对金融产品的价格预测表现出优异的性能,与其他预测方法相比,能准确捕捉长期趋势和周期性来实现高质量的预测.具体地,和传统的Transformer模型相比,在三个实验数据集上,BSFinformer的均方误差分别降低了52%,16%和19%,平均绝对误差分别降低了34%,25%和11%,为金融数据的长期时间序列预测提供了一种有效的解决方案.
- 朱晓彤林培光孙玫王倩李金玉王杰茹
- 信息技术专业数学课程实验教学设计初探被引量：2
- 2018年
- 数学类课程是工科专业特别是信息技术类专业学生的基础课程,也是核心课程,对学生学习和应用专业知识具有重要意义。但是,目前国内高校还是采用传统的教学方式,普遍注重理论教学,而且面向所有专业的教学方法和教学内容基本相同或相似,与学生专业知识联系不紧密。为丰富高校数学课程体系,增强学生对数学理论和专业知识的结合能力,以概率论与数理统计课程为例,以信息技术类专业学生为对象,对高校数学课程的实验教学模式进行初步探索,提出针对信息技术类专业学生的实验教学模式,并给出案例。与传统高校数学课程教学模式相比,该实验教学模式弥补了数学课程与学生专业知识的联系缺失,丰富了学生专业知识结构,拓展了数学课程的教学范围,实际课堂教学表明,实验设计的思路和方法符合学生认知规律,对数学课程的实践教学是一个有益的补充。
- 董飞聂秀山
- 关键词：实验教学数学课程信息技术专业
- 基于自适应块聚类的医学图像超分辨重建被引量：2
- 2016年
- 医学图像在病人的诊疗过程中具有重要的参考意义。然而,受设备分辨率和放射剂量的影响,现有设备获得的医学图像分辨率较低,容易对最终诊疗结果产生不利影响。针对这个问题,提出了一种自适应块聚类的医学图像超分辨重建算法。首先,该算法对图像进行四叉树分解,自适应地获得不同尺度的图像块;然后,通过图像块特征提取和聚类处理得到各个不同尺度图像块的聚类中心;最后,利用聚类中心和相应的回归系数重建出高分辨率图像。实验结果表明,所提方法在医学图像重建效果和峰值信噪比、结构相似性对比等方面能够取得更好的效果。
- 宋景琦刘慧张彩明
- 关键词：医学图像四叉树分解聚类自适应
